[發明專利]一種基于多算法融合的故障智能診斷方法

在審

• 申請號: 201910733579.5
• 申請日: 2019-08-09
• 公開（公告）號: CN110488150A
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 郝翔宇;王文軒;王偉;張樹亮;宋文樂;蔣曦;陳宇;王萬福
• 申請（專利權）人: 國網河北省電力有限公司滄州供電分公司;國家電網公司;國網河北省電力有限公司
• 主分類號: G01R31/08
• 分類號: G01R31/08;G01R31/02;G06N3/12;G06N3/08
• 代理公司: 13100 石家莊新世紀專利商標事務所有限公司
• 代理人: 張曉佩<國際申請>=<國際公布>=<進入

1.一種基于多算法融合的故障智能診斷方法，其特征在于，包括以下步驟：

(1)基于神經網絡的故障定位：神經網絡故障定位流程分為兩部分，包括網絡訓練過程和故障定位過程；提取特征量數據，構建好訓練樣本，然后進行網絡訓練，得到收斂的神經網絡權值，將測試樣本數據送入到已經訓練好的神經網絡中去，進行識別判斷，從而得到定位的結果；

(2)將遺傳算法、神經網絡和專家系統相融合，形成基于神經網絡和遺傳算法的故障診斷專家系統；

(3)通過集成各類告警信息準確的分析出故障停電區域，進行故障停電信息發布，同時分析出故障停電范圍。

2.根據權利要求1所述的一種基于多算法融合的故障智能診斷方法，其特征在于，所述步驟(1)中利用Matlab神經網絡工具箱中newlvq函數構建一個神經網絡。

3.根據權利要求2所述的一種基于多算法融合的故障智能診斷方法，其特征在于，故障特征量選擇3個，分別為：小波能量E_i、有功功率H_i和五次諧波P_i；來表征系統某一故障時特征向量，記為向量X，則輸入向量X＝(E_i，H_i，P_i)。

4.根據權利要求3所述的一種基于多算法融合的故障智能診斷方法，其特征在于，神經網絡算法包括以下步驟：

步驟1：初始化懲罰因子0＜B≤1，學習速率0＜a＜1、參數C＝1和競爭層神經元偏置其中初始化p_k(1)＝0，其中t←1，t為迭代次數，T為最大的迭代次數；t←1，a(i)表示樣本序號；初始化所有權值向量，公式如式(1)：

步驟2：隨機生成的樣本，其提交順序序列為a(i)，i＝1，2，...，n，1≤a(i)≤n；

步驟3：查找和第a(i)個樣本特征向量最近的神經元所對應的權值w_j；

||x-w_j||＝min{||x-w_k||-b_k}，k＝1，2，...，N (2)

p_k(t+1)←p_k(t)+B(y_k-p_k(t)) (4)

對第a(i)個樣本向量的對應分類結果進行計算，若分類結果是正確的，則將獲勝神經元的權值向量按照公式(6)更新，反之按公式(7)更改：

w_k(t+1)←w_K+a(x-w_k(t)) (6)

w_k(t+1)←w_K-a(x-w_k(t)) (7)

之后計算哪一條分類正確的神經元s和輸入向量最接近，并更新其權值向量：

w_t(t+1)←w_t(t)+a(x-w_s(t)) (8)

步驟4：若i＜N，則i←i+1，同時轉向步驟3；否則轉向步驟5；

步驟5：t←t+1，若t＞T，結束；否則i←1，轉向步驟2，進行下次訓練；

公式中：懲罰因子B，學習速率a，參數C，競爭層神經元偏置b，迭代次數t，最大的迭代次數T，權值向量w，迭代因子p，輸入向量x，輸出樣本a(i)。

5.根據權利要求1所述的一種基于多算法融合的故障智能診斷方法，其特征在于，步驟(2)專家系統在電網故障診斷中的典型應用歸結為：

首先建立故障信息知識庫，并用自然語言建立產生式規則；

然后基于對這一產生式規則的理解，知識工程師將知識表示成機器語言并通過人機接口儲存到知識庫中；

故障發生時，將故障信息輸入到推理機，推理機根據當前輸入的故障信息，運用知識庫中的知識，按策略進行推理，從而識別出故障元件。