改进贝叶斯算法在配网故障诊断中的研究
2018-03-23朱蕾杨毅
三峡大学学报(自然科学版) 2018年2期
朱 蕾 杨 毅
(1. 东南大学 电气工程学院,南京 210096; 2. 国网江苏省电力公司 电力科学研究院, 南京 211103)
电力系统故障诊断就是利用电力系统及其保护装置的广泛知识和继电保护信息来识别故障的元件位置(区域)、类型和误动作的装置,其中故障元件的识别是关键问题[1].目前已有不少专家学者在电力系统人工智能故障诊断研究方面取得较好的研究成果,主要有专家系统、人工神经网络、遗传算法、模糊理论[2]等,在调度中心得到准确完整的故障信息前提下,上述方法大都能取得较满意的结果.
然而在电网故障过程中,当多重故障同时发生或出现拒动误动时,将导致不确定性信息的出现,例如信息遗漏等,这将增大故障判定的难度.基于模糊集、粗糙集理论等方法在信息不确定性或不完备方面都已取得了一定的进展,但这些方法在大规模复杂系统诊断和建模方面还存在一定的困难.尤其是对于庞大的电力系统,各个元件之间的联系紧密复杂,其故障形式多样化,面对具有不确定性的信息,在诸多不确定性推理方法中,贝叶斯网络[3-5]对于解决复杂系统不确定性和关联性引起的故障有很大的优势,贝叶斯网络基于概率分析和图论,是一种不确定性知识的表达和推理模型,它用因果知识和概率知识相结合的信息来表示框架.目前贝叶斯网络大量应用于公司信用金融风险预测、人力资源管理、桥梁风险预测等领域[6-8],也有少数应用……
登录APP查看全文
