[发明专利]一种基于故障录波数据与贝叶斯网络的电网故障诊断方法有效

专利信息
申请号: 201711115714.7 申请日: 2017-11-13
公开(公告)号: CN107621594B 公开(公告)日: 2019-10-22
发明(设计)人: 焦邵麟;曾耿晖;李一泉;刘玮;屠卿瑞;张智锐 申请(专利权)人: 广东电网有限责任公司电力调度控制中心
主分类号: G01R31/08 分类号: G01R31/08
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 林丽明
地址: 510000 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于故障录波数据与贝叶斯网络的电网故障诊断方法,包括如下步骤:S1:通过SCADA系统信息中的保护装置动作信息、断路器信息和故障录波数据确定故障区域;S2:根据故障区域建立贝叶斯网络诊断模型,得到每个元件的故障概率G1;S3:利用故障录波数据,通过故障诊断原则,得到每个元件的故障概率G2;S4:根据专家法赋予G1和G2不同的权重,通过加权平均方法得到每个元件的故障概率G3。本发明与现有技术相比,对故障的诊断更精确,而且可以根据实际情况调整两种方法的权重,具有很高的实用性。
搜索关键词: 一种 基于 故障 数据 贝叶斯 网络 电网 故障诊断 方法
【主权项】:
1.一种基于故障录波数据与贝叶斯网络的电网故障诊断方法,其特征在于,包括如下步骤:S1:通过SCADA系统信息中的保护装置动作信息、断路器信息和故障录波数据确定故障区域;S2:根据故障区域建立贝叶斯网络诊断模型,得到每个电子元件的故障概率G1;S3:利用故障录波数据,通过故障诊断原则,得到每个电子元件的故障概率G2;S4:根据专家法赋予G1和G2不同的权重,通过加权平均方法得到每个电子元件的故障概率G3;所述的S2包括以下流程:S2.1:对故障区域中的节点建立对应的贝叶斯网络诊断模型;所述的节点包括母线、线路、电子元件、断路器和保护装置;S2.2:对于各个电子元件的贝叶斯网络诊断模型,求解各个节点的故障先验概率;S2.3:故障先验概率与后验概率进行关联,得到电子元件的故障概率G1;所述的S2.2中的各个节点的故障先验概率包括以下计算流程:S2.2.1:对于电子元件的故障先验概率,通过设备的年故障频率进行计算,即设备连续运行一段时间后,发生故障的概率;电子元件的故障先验概率P1通过以下公式进行求取:P1=P{0<t}=1‑ewt式中,w为电子元件年故障率,t为电子元件检修次数;S2.2.2:对于断路器与保护装置联动的故障先验概率P2,故障先验概率P2通过以下公式进行求取:式中,parent(Xi)表示电子元件节点;所述的电子元件的故障概率G1通过以下公式进行求取:式中,P(Y)表示电子元件的故障先验概率,即P(Y)=P1;P(X)表示断路器节点与保护装置联动的故障先验概率,即P(X)=P2;P(Y|X)表示在已知断路器与保护装置动作的条件下,电子元件故障的概率;P(X|Y)表示在已知电子元件故障的条件下,断路器与保护装置联动的故障的概率;所述的S3包括以下流程:S3.1:对于故障录波数据中的节点x1,x2,…,xn‑1,xn,通过拉格朗日插值法插入采样点进行处理,得到穿过n个节点的多项式方程y=f(x);S3.2:对于故障录波数据中的拉格朗日插值法的采样点采用突变量算法进行故障判别;S3.3:对故障节点进行故障分量提取,得到正/负序电压电流分量相位;S3.4:通过正/负序电压电流分量相位,判别电流方向,形成电子元件电流方向关联矩阵,根据电流方向矩阵得到每个电子元件的故障概率G2。
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广东电网有限责任公司电力调度控制中心,未经广东电网有限责任公司电力调度控制中心许可,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/patent/201711115714.7/,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