[发明专利]一种基于神经网络和模糊积分的电力系统故障诊断方法有效

专利信息
申请号: 200910099462.2 申请日: 2009-06-08
公开(公告)号: CN101661075A 公开(公告)日: 2010-03-03
发明(设计)人: 郭创新;彭明伟;刘毅;游家训;马韬韬 申请(专利权)人: 浙江大学
主分类号: G01R31/08 分类号: G01R31/08;G06N3/02;G06N3/08
代理公司: 杭州求是专利事务所有限公司 代理人: 周 烽
地址: 310027浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 神经网络 模糊 积分 电力系统 故障诊断 方法
【权利要求书】:

1.一种基于神经网络和模糊积分的电力系统故障诊断方法,其特征在于,包括 以下步骤:

(1)对电网的三类主要元件线路、母线、变压器分别建立保护模型和神经网络 模型;

(2)选取训练样本和RBF网络对元件神经网络进行训练;

(3)采用实时结线分析方法来识别故障前与故障后的系统拓扑结构差异,确定 故障区域,将故障区域内的元件作为候选故障元件;

(4)基于面向元件的神经网络模型进行初级故障诊断;

(5)利用模糊技术对初级故障诊断结论进行预处理;

(6)根据电网拓扑信息形成候选故障元件集D={d1,d2…dN},其中,d为候选故 障元件;

(7)根据电网拓扑信息形成各个候选故障元件的直接关联元件集合 Di-direct={dm…dn}与隔一级关联元件集合Di-indirect={dk…di};

(8)确定模糊密度,即gi=g({xi}),i=1,2,…n,其中,gi就是第i个信息的模糊密 度,亦即为第i个信息的权重;

(9)根据拓扑信息及各元件的诊断结论,形成直接关联元件对候选故障元件的 故障的支持程度的集合Fi-direct={fm…fn}与隔一级关联元件对该候选故障元件的 故障的支持程度的集合Fi-indirect={fk…fi};

(10)根据式计算模糊积分值ei,ei即为综合诊断给出 的故障可能性指标,形成候选故障元件的故障可能性指标集E={e1,e2…eN}; 根据故障可能性指标集,确定故障元件。

2.根据权利要求1所述基于神经网络和模糊积分的电力系统故障诊断方法,其 特征在于,所述步骤(5)中,所述利用模糊技术对初级故障诊断结论进行预处 理,其选用的隶属度如下:

y=f(x)=0,x<x111+e-(x-c)/ax1xx2xx2x,]]>

其中,x为待处理的输入数据,y为处理后的数值,e为自然常数。

3.根据权利要求1所述基于神经网络和模糊积分的电力系统故障诊断方法,其 特征在于,所述步骤(8)具体为:根据式确定λi,然后根据式 g(x1)=g({x1})和式g(xi)=g({xi})+g(xi-1)+λg({xi})g(xi-1),i=2,···n]]>求取模糊密度g;λi是 一个中间数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/200910099462.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top