刘兆炜, 王汉军, 李 丹, 周心圆

1(中国科学院 沈阳计算技术研究所,沈阳 110168)

2(中国科学院大学,北京 100049)

3(国家电网公司东北分部,沈阳 110180)

4(吉林大学 计算机科学与技术学院,长春 130000)

现阶段随着社会的飞速发展,无论是个人、集体,对电的使用需求也同样旺盛. 为了保障用户的正常和安全用电,除了在供电方做好必备工作外,在电力调度中也必须保证连贯性和可靠性. 所以,依托于某电力调控分中心,在系统基础平台之上,建设了电力调度自动化资源系统管理平台. 该平台充分利用了物联网、无线网络和三维建模等先进技术,采用分布式分区结构,具有一定的自动化工艺水平. 但是在实际中,故障发生的概率相对较高,而且在发生故障时,由于结构的复杂性,难以对系统结构、功能和状态等进行有效的描述,因而给故障诊断工作带来了很大的负担.

近年来,随着模式识别和神经网络理论的引入,给以上工作带来了不同于以往的技术思路. 但在实际电力调度系统运行过程中,要想获得全部故障类型及故障位置几乎不可能,因为现实发生的故障不会把所有的故障类型全部一一覆盖,而且对系统进行故障检测的目的就是在未发生故障前就采取措施来挽回不必要的损失. 如果电力调度系统已经出现故障,再加以故障分析和预测,意义就不大了.

假设要对电力调度自动化系统进行状态监测和故障诊断,但现在只有该系统在正常运转,未出现……