基于组合型交叉熵算法的电网故障诊断方法研究

发布时间：2017-10-15 06:34

  本文关键词：基于组合型交叉熵算法的电网故障诊断方法研究

  更多相关文章： 诊断模型 组合型交叉熵算法 输电网 配电网 容错性

【摘要】：采用优化技术的电网故障诊断方式由于其理论基础严密,实用性好等优点,越来越受到人们的重视。但仍有一些需要解决的问题:如完全描述故障情形的诊断模型建立问题;优化算法迭代过程中的实时性问题;以及报警信息不完备或畸变时诊断系统的容错性问题。对于输电网的故障诊断,本文以保护器和断路器动作信息(开关量)之间的关联关系和动作逻辑,建立诊断模型,并引入权重因子用以平衡保护拒动对目标函数的影响。然后采用组合型交叉熵算法(CCE)对模型寻优,进而识别故障元件。通过对算例中多种典型故障进行仿真测试,本文方法均能正确识别故障元件,若故障情形伴随有保护器和断路器误动、拒动以及多重故障,诊断结论同样正确,证明算法具有一定的容错能力。对于配电网的故障定位,以分段开关处FTU检测到的故障过电流信息为依据,建立故障定位数学模型。融入故障过电流方向性因素,使得传统模型同样适用于含分布式电源的配电网故障定位建模中。然后同样利用CCE对模型寻优,识别故障馈线区段。仿真算例分别从IEEE33节点系统和典型多电源配电网中提取故障情形,其中包括单点、多点故障和少量信息畸变等复杂情况,本文方法能够定位正确的故障区段,证明了其有效性和容错性。针对优化技术解决电网故障诊断时所存在的问题,文中分别从输电网和配电网两方面出发,研究了有效反映故障情形的诊断模型建立方式,重点在于提出采用CCE对故障诊断模型寻优的思路。该算法收敛速度快,精度高,在报警信息缺失、畸变及多重复杂故障时均能有效收敛于最优解,具有容错性。仿真过程中将CCE与遗传算法(GA)、粒子群算法(PSO)在收敛性上进行比较,进一步证明CCE满足电网故障诊断对准确性和实时性的要求。
【关键词】：诊断模型 组合型交叉熵算法 输电网 配电网 容错性
【学位授予单位】：黑龙江科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM727
【目录】：

• 致谢5-6
• 摘要6-7
• Abstract7-10
• 1 绪论10-15
• 1.1 课题的研究背景和意义10-11
• 1.2 电网故障诊断的国内外研究现状11-13
• 1.2.1 矩阵算法11
• 1.2.2 专家系统11-12
• 1.2.3 人工神经网络12
• 1.2.4 优化技术12-13
• 1.2.5 支持向量机13
• 1.3 交叉熵算法的优势13-14
• 1.4 本文结构及主要研究内容14-15
• 2 交叉熵算法概述15-26
• 2.1 引言15
• 2.2 小概率事件的交叉熵算法15-18
• 2.3 组合型交叉熵算法18-19
• 2.4 连续型交叉熵算法19-21
• 2.5 算例仿真21-25
• 2.5.1 背包问题21-23
• 2.5.2 序列盲估计问题23
• 2.5.3 SVM核函数参数优化问题23-25
• 2.6 本章小结25-26
• 3 基于组合型交叉熵算法的输电网故障诊断26-46
• 3.1 引言26
• 3.2 输电网故障信息26-27
• 3.3 故障区域识别原理27-28
• 3.4 输电网故障诊断的解析化建模28-31
• 3.4.1 解析模型的建立28
• 3.4.2 保护器和断路器的期望状态整定原则28-31
• 3.4.3 目标函数的改进31
• 3.5 算例分析31-45
• 3.5.1 测试系统概述32
• 3.5.2 故障情形 132-40
• 3.5.3 故障情形 240-45
• 3.6 本章小结45-46
• 4 基于组合型交叉熵算法的配电网故障定位46-58
• 4.1 引言46
• 4.2 配电网区段故障定位概述46-48
• 4.2.1 故障定位方法的标准46-47
• 4.2.2 配电网结构47-48
• 4.2.3 故障定位问题描述48
• 4.3 故障定位数学模型的建立48-50
• 4.4 算例分析50-57
• 4.4.1 含分布式电源的配电网故障定位仿真51-55
• 4.4.2 单电源辐射状配电网故障定位55-57
• 4.5 本章小结57-58
• 5 结论与展望58-60
• 参考文献60-64
• 作者简历64-66
• 学位论文数据集66

【相似文献】

中国期刊全文数据库 前10条

1 颜若愚;郑庆华;;使用交叉熵检测和分类网络异常流量[J];西安交通大学学报;2010年06期

2 彭小兰;丁宇新;;基于交叉熵的用户行为异常检测[J];东莞理工学院学报;2009年05期

3 吴一全;张晓杰;吴诗Zs;;基于混沌弹性粒子群优化与基于分解的二维交叉熵阈值分割[J];上海交通大学学报;2011年03期

4 游彪;杨健;叶春茂;宋建设;;改进的功率极化交叉熵舰船检测方法[J];清华大学学报(自然科学版);2014年04期

5 李俊;陈国华;马铁军;曾启林;;散斑干涉相关条纹的交叉熵表征方法[J];华南理工大学学报(自然科学版);2009年05期

6 梅蓉,姜长生,陈谋;基于遗传算法的二维最小交叉熵的动态图像分割[J];电光与控制;2005年01期

7 张新明;孙全党;郑延斌;张慧云;李双;;二维最大熵和二维最小交叉熵结合的图像分割[J];电光与控制;2011年02期

8 杨忠根;广义最大熵法在估计最小交叉熵谱中的应用[J];哈尔滨船舶工程学院学报;1989年03期

9 吴一全;宋昱;周怀春;;锅炉煤燃烧火焰图像倒数交叉熵多阈值分割[J];燃烧科学与技术;2013年06期

10 吕盛坪;陆一平;查建中;吕胜祥;;二维矩形块布局的交叉熵方法实现[J];北京交通大学学报;2009年02期

中国重要会议论文全文数据库 前1条

1 张涛;阎睿;郑晨光;杨卓;;多尺度交叉熵及其在自主神经系统多变量耦合模式中的应用[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

中国博士学位论文全文数据库 前1条

1 王越;基于交叉熵理论的电力系统短期可靠性评估[D];浙江大学;2014年

中国硕士学位论文全文数据库 前3条

1 边晨源;基于组合型交叉熵算法的电网故障诊断方法研究[D];黑龙江科技大学;2015年

2 卢长先;基于交叉熵方法的布局问题求解算法研究[D];北京交通大学;2007年

3 杨锐;基于交叉熵的序列事件周期性检测及应用研究[D];电子科技大学;2013年

，

本文编号：1035635