[發(fā)明專利]基于隨機(jī)自調(diào)節(jié)脈沖神經(jīng)P系統(tǒng)的電網(wǎng)故障診斷方法

有效

• 申請?zhí)枺?/td>: 202110477249.1
• 申請日: 2021-04-29
• 公開（公告）號: CN113204735B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設(shè)計(jì)）人: 王濤;劉力源;應(yīng)瑞軒;陳孝天;周純羽
• 申請（專利權(quán)）人: 西華大學(xué)
• 主分類號: G06F17/11
• 分類號: G06F17/11;G06F17/16;G06Q10/0635;G06Q50/06;G01R31/08
• 代理公司: 北京正華智誠專利代理事務(wù)所(普通合伙) 11870
• 代理人: 李夢蝶

本發(fā)明公開了基于RSSNPS的電網(wǎng)故障診斷方法，包括S1、讀取SCADA數(shù)據(jù)；S2、確定待診斷電力系統(tǒng)中的停電區(qū)域；S3、基于確定的停電區(qū)域，建立對應(yīng)的故障診斷目標(biāo)函數(shù)；S4、基于SCADA數(shù)據(jù)，利用隨機(jī)自調(diào)節(jié)脈沖神經(jīng)P系統(tǒng)對建立的故障診斷目標(biāo)函數(shù)進(jìn)行尋優(yōu)求解，獲得最優(yōu)解；S5、根據(jù)最優(yōu)解的編碼確定電網(wǎng)故障診斷結(jié)果。本發(fā)明提出了利用RSSNPS來提高故障診斷過程的全局收斂效果，以確保準(zhǔn)確搜索到最優(yōu)解，并將天氣因素、自檢信息和三類自條件信任因子引入到故障診斷目標(biāo)函數(shù)，提高了目標(biāo)函數(shù)在面對復(fù)雜環(huán)境條件時的故障診斷能力；有效地處理了由于災(zāi)害天氣引發(fā)的故障警報(bào)信息畸變及保護(hù)裝置和斷路器異常下的故障診斷問題。

技術(shù)領(lǐng)域

本發(fā)明屬于電網(wǎng)故障診斷方法，具體涉及一種致災(zāi)天氣下基于隨機(jī)自調(diào)節(jié)脈沖神經(jīng)P系統(tǒng)(Random?Self-regulation?Spiking?Neural?P?System，RSSNPS)的電網(wǎng)故障診斷方法。

背景技術(shù)

到目前為止，國內(nèi)外眾多學(xué)者對電力系統(tǒng)故障診斷方法開展了廣泛地研究并取得了顯著的成果。這些方法主要包括專家系統(tǒng)、優(yōu)化技術(shù)、人工神經(jīng)網(wǎng)絡(luò)、petri網(wǎng)、粗糙集理論、貝葉斯理論、基于故障錄波器信息等方法。其中基于優(yōu)化技術(shù)的電力系統(tǒng)故障診斷方法具有嚴(yán)密的數(shù)學(xué)邏輯和較強(qiáng)的容錯能力，利用優(yōu)化算法可有效地實(shí)現(xiàn)對電網(wǎng)故障的準(zhǔn)確診斷。

天氣因素與輸電網(wǎng)的故障原因有著密不可分的關(guān)系，特別是在災(zāi)害天氣這種極端環(huán)境條件之下，與天氣有關(guān)的諸如雷擊、臺風(fēng)等致災(zāi)因子更是輸電網(wǎng)故障的主要原因。所以在實(shí)際的工程環(huán)境中，因?yàn)槠渌饨缈陀^因素的干擾，故障警報(bào)信息的準(zhǔn)確性將會被降低，保護(hù)裝置也會做出異常反應(yīng)。

以優(yōu)化技術(shù)對輸電網(wǎng)做故障診斷，在面對輸電網(wǎng)的故障診斷模型時，往往會面對高維數(shù)學(xué)模型，這將對算法的收斂效果，收斂速度提出較高的要求。因而面對具體問題時，若是算法遭遇收斂效果差、收斂速度慢的問題，那么對算法的改進(jìn)必不可少。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的基于隨機(jī)自調(diào)節(jié)脈沖神經(jīng)P系統(tǒng)的電網(wǎng)故障診斷方法解決了現(xiàn)有電網(wǎng)故障診斷方法中沒有考慮天氣因素的影響，以致故障診斷結(jié)果不準(zhǔn)確的問題。

為了達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：基于隨機(jī)自調(diào)節(jié)脈沖神經(jīng)P系統(tǒng)的電網(wǎng)故障診斷方法，包括以下步驟：

S1、讀取SCADA數(shù)據(jù)；

S2、基于讀取的SCADA數(shù)據(jù)，確定待診斷電力系統(tǒng)中的停電區(qū)域；

S3、基于確定的停電區(qū)域，建立對應(yīng)的故障診斷目標(biāo)函數(shù)；

S4、基于SCADA數(shù)據(jù)，利用隨機(jī)自調(diào)節(jié)脈沖神經(jīng)P系統(tǒng)對建立的故障診斷目標(biāo)函數(shù)進(jìn)行尋優(yōu)求解，獲得最優(yōu)解；

S5、根據(jù)最優(yōu)解的編碼確定電網(wǎng)故障診斷結(jié)果。

進(jìn)一步地，所述步驟S2中確定停電區(qū)域的方法具體為：

基于SCADA數(shù)據(jù)，利用結(jié)線分析法對待診斷電力系統(tǒng)進(jìn)行迭代搜索，并在迭代搜索過程中找出待診斷電力系統(tǒng)中的所有無源網(wǎng)絡(luò)，即確定停電區(qū)域；

具體包括以下分步驟：

S21、設(shè)置搜索迭代次數(shù)C的初始值為1；

S22、基于SCADA數(shù)據(jù)，依次對待診斷電力系統(tǒng)中的每個元件進(jìn)行編號，所有的元件編號構(gòu)成Q_C；

S23、從元件編號集合Q_C中任意取一個元件編號放入元件編號子集合M_C中；

S24、判斷最新加入到元件編號子集合M_C中的元件編號對應(yīng)的元件是否存在與之相連的閉合斷路器；

若是，則進(jìn)入步驟S24；