[發(fā)明專利]一種基于自適應(yīng)策略的故障診斷信息融合方法及裝置

有效

• 申請?zhí)枺?/td>: 202011102475.3
• 申請日: 2020-10-15
• 公開（公告）號: CN112327096B
• 公開（公告）日: 2022-11-04
• 發(fā)明（設(shè)計）人: 寧劍;任怡睿;林濟(jì)鏗;閃鑫;李雷;王波;李俊
• 申請（專利權(quán)）人: 國家電網(wǎng)公司華北分部;同濟(jì)大學(xué);國電南瑞科技股份有限公司;國電南瑞南京控制系統(tǒng)有限公司
• 主分類號: G01R31/08
• 分類號: G01R31/08
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 張歡歡

本發(fā)明公開了一種基于自適應(yīng)策略的故障診斷信息融合方法及裝置，方法包括：利用預(yù)先訓(xùn)練的三種故障診斷子模型對歷史案例進(jìn)行診斷；所述三種故障診斷子模型為基于神經(jīng)網(wǎng)絡(luò)的故障診斷模型、基于貝葉斯網(wǎng)絡(luò)的故障診斷模型和基于專家系統(tǒng)的故障診斷模型；依據(jù)預(yù)設(shè)的評價指標(biāo)體系對三種故障診斷子模型的診斷情況進(jìn)行評價，獲得評價結(jié)果；選擇評價結(jié)果最優(yōu)的故障診斷子模型對待診斷案例進(jìn)行診斷，得到診斷結(jié)果。本發(fā)明的電力系統(tǒng)故障診斷信息融合方法，可以結(jié)合現(xiàn)有模型的優(yōu)勢，實(shí)現(xiàn)診斷準(zhǔn)確率和診斷精度的提高。

技術(shù)領(lǐng)域

本發(fā)明屬于電力系統(tǒng)故障診斷技術(shù)領(lǐng)域，具體涉及一種基于自適應(yīng)策略的故障診斷信息融合方法，還涉及一種基于自適應(yīng)策略的故障診斷信息融合裝置。

背景技術(shù)

近年來，電力系統(tǒng)高速發(fā)展進(jìn)入大電網(wǎng)時代，電網(wǎng)發(fā)生故障后，所有相關(guān)的監(jiān)控設(shè)備將會產(chǎn)生大量的警報信息傳送至控制中心，若故障診斷方法不當(dāng)，可能導(dǎo)致調(diào)度員無法準(zhǔn)確、高效地處理事故，甚至進(jìn)一步造成事故處理不及時、停電范圍擴(kuò)大、引起更大的經(jīng)濟(jì)損失等一系列問題。因此，如何建立快速準(zhǔn)確的故障診斷方法是一個亟待解決的關(guān)鍵問題。然而受系統(tǒng)規(guī)模、復(fù)雜程度、設(shè)備配置、信號誤差等不確定因素的影響，難以基于常規(guī)的數(shù)學(xué)模型進(jìn)行電力系統(tǒng)故障診斷。隨著人工智能研究理論的發(fā)展，基于人工智能的電力系統(tǒng)故障診斷方法逐漸引起了研究人員的注意，并由此展開了一系列基于人工智能的電力系統(tǒng)故障診斷方法和模型的研究。

目前已實(shí)際應(yīng)用或具有應(yīng)用潛力的人工智能故障診斷方法主要有人工神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、專家系統(tǒng)。

人工神經(jīng)網(wǎng)絡(luò)方法具有極強(qiáng)的特征提取及數(shù)據(jù)擬合能力，模型建立與運(yùn)行簡單快速、節(jié)省人力資源，但其診斷過程為黑箱模型，可解釋性較差，且網(wǎng)絡(luò)的訓(xùn)練需要大量樣本，而電力系統(tǒng)的高可靠性意味著實(shí)際故障案例極少，小樣本下的神經(jīng)網(wǎng)絡(luò)極易出現(xiàn)過擬合問題影響診斷準(zhǔn)確性。

貝葉斯網(wǎng)絡(luò)是一種概率圖模型，從概率的角度分析數(shù)據(jù)，用條件概率貼切直觀地表達(dá)節(jié)點(diǎn)間的關(guān)系，但概率圖的設(shè)計及具體概率的獲取同樣需要大量專家知識及歷史案例進(jìn)行分析統(tǒng)計。

專家系統(tǒng)能夠通過一個或多個專家提供的知識和經(jīng)驗進(jìn)行推理和判斷，模擬人類專家的決策過程，但其對信號的完整性和正確性要求較高，當(dāng)系統(tǒng)中存在保護(hù)和斷路器不正常動作時，專家系統(tǒng)可能會因缺乏識別錯誤信息的能力而導(dǎo)致錯誤的診斷結(jié)論。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)中的不足，提供了一種基于自適應(yīng)策略的故障診斷信息融合方法，改善了現(xiàn)有技術(shù)故障診斷誤報率過高的技術(shù)問題。

為解決上述技術(shù)問題，本發(fā)明提供了一種基于自適應(yīng)策略的故障診斷信息融合方法，包括：

利用預(yù)先訓(xùn)練的三種故障診斷子模型對歷史案例進(jìn)行診斷；所述三種故障診斷子模型為基于神經(jīng)網(wǎng)絡(luò)的故障診斷模型、基于貝葉斯網(wǎng)絡(luò)的故障診斷模型和基于專家系統(tǒng)的故障診斷模型；

依據(jù)預(yù)設(shè)的評價指標(biāo)體系對三種故障診斷子模型的診斷情況進(jìn)行評價，獲得評價結(jié)果；

選擇評價結(jié)果最優(yōu)的故障診斷子模型對待診斷案例進(jìn)行診斷，得到診斷結(jié)果。

進(jìn)一步的，還包括：將待診斷案例加入歷史案例集。

進(jìn)一步的，所述三種故障診斷子模型的輸入為設(shè)備的特征信息，包括：設(shè)備是否收到廠站、間隔事故總信號；設(shè)備保護(hù)是否動作；設(shè)備各開關(guān)是否有分合閘信號；設(shè)備各開關(guān)首次動作是否為分閘、是否為合閘；設(shè)備各開關(guān)最后一次動作是否為分閘、是否為合閘。

進(jìn)一步的，所述三個故障診斷子模型的輸出為故障診斷結(jié)果，包括：是否故障、是否進(jìn)行自動重合閘、自動重合閘是否成功；

對于基于人工神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)的故障診斷模型輸出為三個結(jié)果的相應(yīng)概率、專家系統(tǒng)故障診斷模型輸出為三個結(jié)果的0/1量。