[发明专利]基于模糊推理脉冲神经膜系统的电力系统故障诊断方法

说明书

技术领域

本发明涉及电网调度与故障分析领域，特别涉及一种基于模糊推理脉冲神经膜系统的电力系统故障诊断方法。

背景技术

现代社会生产力水平不断提高的同时也对电力供应水平的要求越来越高，因此保证连续可靠的供电已经成为电力系统一个极为重要的目标。同时由于影响电网安全稳定运行的因素繁多，为最大限度地降低事故影响，需要快速检测出电网中的各种故障，并准确地识别故障类型。随着计算机技术和自动化技术的高速发展，调度系统中接入的远动信息和继电保护信息越来越丰富。丰富的远动和保护信息给集控站的监控人员提供了故障诊断依据的同时也带来了重要的问题，即故障来临时在很短时间内将有大量信息（往往包括正确的报警信息、误传信息、重复信息和不相关信息等）涌入监控后台，而且这些信息往往伴随着严重的不完备性和特征重复性，这往往使得监控人员应接不暇。这种情况下，要求调度运行人员在很短的时间内迅速准确地对故障作出判断是十分困难的，很容易出现误判断、误处理，从而对事故带来更恶劣的影响。

电力系统故障诊断的研究始于上世纪六十年代，但其研究进展缓慢，直到人工智能技术被引入该领域。人工智能技术善于模拟人类处理问题的思维，容易引入人类的经验并具有一定的学习能力，故其在故障诊断领域得到了广泛的应用。目前，国内外应用于电力系统故障诊断问题的人工智能方法主要包括以下几类：基于优化理论的方法，基于专家系统的方法，基于人工神经网络的方法，基于模糊集理论的方法，基于贝叶斯网络的方法，基于Petri网的方法，基于多代理系统的方法等。

这些方法各具一些优点并得到了一定的应用，但在实际应用中也暴露了一些缺点，如优化方法根据元件、保护动作和断路器跳闸之间的逻辑关系建立合理的电网故障诊断数学函数是难点；专家系统知识规则库的建立和维护比较困难；Petri网具有结构表达图形化和推理搜索快速化等优点，但是在对大规模或复杂网络进行建模时容易出现状态组合爆炸的情况等。此外，在实际应用中，能量管理系统（EMS）接收到的大量传输数据和监测信息都具有一定程度的不完整性和不确定性。同时，由于保护继电器到远程终端单元（RTU）距离的增加使得保护继电器和断路器的跳闸也存在一定程度的不确定性。因此，如何更好地利用检测到的不完整和不确定的报警信息来对电网进行故障诊断，对电力系统的安全运行研究具有重要意义。

发明内容

本发明的目的在于克服上述现有技术的不足，提供一种基于模糊推理脉冲神经膜系统的电力系统故障诊断方法。该方法的突出优势是诊断过程采用矩阵形式依据模糊推理算法进行推理，表达清晰，计算简便，且在数据采集与监控系统提供完备故障信息或存在保护断路器误动、拒动等信息不完备的情况下，本方法都能获得正确的诊断结果。

本发明解决其技术问题，采用的技术方案是，基于模糊推理脉冲神经膜系统的电力系统故障诊断方法，包括以下步骤：

A、故障区域识别，确定疑似故障元件

读取来自数据采集与监控系统的保护与断路器的动作信息，并利用网络拓扑分析法完成故障区域的搜索，缩小诊断范围，包括步骤：

（i）建立一个集合Q，在该集合中存放电网中三类主要元件母线、线路和变压器的编号；

（ii）建立一个子网集合M，然后从集合Q中任取一个元件放入子网集合M；

（iii）找出所有与该元件相连的闭合断路器；若未找到任何闭合断路器，转入执行第（vi）步；

（iv）分别找出与所述闭合断路器相连接的元件，并把该元件加入到子网集合M中；

（v）依次搜索与第（iv）步中所得元件相连接的其他闭合断路器，若搜索到其他闭合断路器，则转入执行第（iv）步；否则，进入下面步骤；

（vi）将所有在子网集合M中出现过的元件从集合Q中取出，若集合Q非空，则转入第（ii）步继续执行；否则，列出所有子网集合，从中找出无源子网，对照编号，获得疑似故障元件集合，故障区域识别结束；

B、模糊推理脉冲神经膜系统故障诊断模型建立

若无源子网中只包含一个元件，则该元件为故障元件；若无源子网中元件数大于1，则针对故障区域中的每个疑似故障元件，建立相应的模糊推理脉冲神经膜系统故障诊断模型，详细步骤包括：

(1)任意选取一个疑似故障元件，根据各保护之间的配合关系设定各个命题神经元和规则神经元，并根据故障模糊产生式规则建立完整的模糊推理脉冲神经膜系统故障诊断模型；