15222906608
随着电网的发展和电力走向市场，人们对电网安全运行和供电可靠性的要求越来越高。 电力系统发生故障时，安排人员要求迅速准确地判断故障因素和故障性质，及时处理故障，恢复电力系统的正常运行。 配电系统是电力系统中电厂与用电者之间电力输送和电力分配的中间环节，包括各电压级配电系统和变电站。 其故障是不可避免的，但电力系统规模的扩大和各种监控设备的应用使得配电网络的故障诊断十分重要。 其可靠性指标是影响电力系统整体可靠性的重要因素，其可靠性的改善给电力系统整体的安全、可靠性和经济运行带来了巨大的利益。 因此，研究人员致力于发展先进、准确的自动故障诊断系统。 配电网络故障诊断主要分析各级保护装置发生的报警信息、断路器状态变化信息以及电压电流等电量测量特点，根据保护动作逻辑和驾驶员经验推断可能的故障位置和故障类型。 由于这一过程用传统的数学方法难以描述，人工智能技术擅长模拟人处理问题的过程，人的经验和有一定的学习能力等特点在此领域得到广泛应用。 通过对网络缺陷判断认知过程的分析，应用综合知识诊断、模糊理论和神经网络等人工智能技术的zui新成果，开发综合自动逻辑分析判断系统，分析缺陷，提供监测处理意见，使检修人员对问题的认识更为全面、有效和准确。 本文在简要介绍专家系统( ES )、人工神经网络( ANN )、模糊理论( FZ )、遗传算法( GA )等人工智能技术的基本概念的基础上，通过单一智能方法、综合智能方法的应用，评价了文献中提出的相应配电网络故障诊断方法 1单一智能方法1.1专家系统专家系统是人工智能应用研究zui的活跃和zui的广泛课题之一，它是一个智能计算机程序系统，内部具有很多专家级领域知识和经验，应用人工智能技术， 根据某一领域的一个或多个人类专家提供的知识和经验进行推理和判断，应用模拟人类专家决策过程的专家必须决定的复杂问题和两种不同的神经网络模型来解决故障诊断问题。 文献[10]基于三层前馈神经网络，用全局逼近的BP学习算法完成故障定位。 文献[11]利用局部近似径向基函数神经网络实现故障定位。 文献[14]以线路三相电流、三相电压和零相电流的频谱密度为输入，以故障类型为输出，分别比较了多层前馈网络和Kohonen网络在故障类型识别中的应用。 文献[15]提出了受限脉冲对应( finiteimpulseresponse)ANN结构的单相变压器与三相变压器的差动保护，该ANN模型适合处理瞬时信号，研究了三种结构:检测用于检测单相变压器内部故障的第二类三相变压器内部故障 必须指出，神经网络的方法有助于克服专家系统获取知识的瓶颈、基于知识的维护困难等问题，但不适合处理启发性知识。 另外，由于ANN技术本身不够，学习速度慢，训练时间长，说明功能弱，影响着神经网络的实用化。 同时，如何设计适用于大规模输电网络的ANN故障诊断系统仍然是一个值得探讨的问题。 ANN一直是一个活跃的研究领域，在开发ANN的故障诊断系统时，充分考虑了应对上述问题。 文献[16]划分了大型输电网络，针对各地区建立了基于BP算法的故障诊断网络，然后综合这些分布式神经网络的结果得出了zui终局的故障诊断结论。 文献[17]提出了一种新的方法，当网络模型在故障诊断中输入样本影响诊断结果的精度时，除了现有的神经网络输入节点外，还增加了特征输入节点，反映了样本数据大小的特征量，并将其应用于功率变压器，提高了故障诊断的精度。 文献[18]在分析BP算法的缺点的基础上，提出简化训练过程，加快网络收敛和诊断推理速度，提高故障识别率，实现故障自动诊断和智能综合保护。 文献[16~18]表明，神经网络结构和算法的改进可以在一定程度上提高故障诊断的有效性。 专家系统的方法和神经网络的方法可以在很多方面协调工作，如何取得长补充，使神经网络技术和故障诊断专家系统一体化，弥补诊断的不足，提供新的诊断技术和方法，具有很大的潜力和广阔的前景 1.3模糊理论在故障诊断中故障与征兆的关系模糊，这种模糊性从故障与征兆关系的不确定性，以及故障与征兆概念描述上的不确定性来看，诊断结果也必然是模糊的，解决模糊诊断问题的传统方法一般是根据专家的经验在故障征兆空间与故障原因空间之间进行模糊的 一般方法是将基于每个模糊推理规则的模糊关系矩阵组合或求和。 随着模糊理论的发展和完善，模糊理论的一些优点逐渐受到重视，例如模糊理论可以适应不确定性问题，其模糊知识库使用语言变量来表达专家的经验，接近人的表达习惯的模糊理论可以得到问题的多种可能解决方案，这些方案的模糊度的高低 目前模糊理论已引入配电网络故障诊断领域。 输电网络故障诊断的不确定因素，对于要求严格匹配的专家系统来说，容易导致错误的结果。 在专家系统中嵌入模糊理论后，从推理变为近似推理，专家系统的容错性得到了相当强化。 文献[19]应用多目标模糊决策方法进行故障测距和故障类型辨识，并进行现场测试。 文献[20]研究了在配电网络中，在大体了解各设备运行情况时，如何确定适当的维护水平，使运行安全与维护成本并存。 首先用模糊集合方法描述设备运行情况，然后构建了确定适当维护水平的模糊现行计划模型。 由于一般模糊系统采用与专家系统类似的结构，也存在专家系统的固有缺点: (1)模糊系统在推理时搜索知识库中的一定规则集以得出诊断结论，因此系统越大完成诊断的速度也越慢。 (2)输电网络结构和自动装置配置发生变化时，模糊系统知识库和相关规则的模糊度也必须相应修正，即模糊系统也存在维护问题。 (3)模糊系统也没有学习能力。 也就是说，结合模糊理论和其他人工智能技术构成的诊断系统能够增强处理不确定性的能力，在一定程度上提高诊断的精度，但不能完全消除专家系统固有的缺点。 1.4遗传算法是一种基于自然选择和遗传机制，在计算机上模拟生物进化机制的优良搜索算法。 在复杂、巨大的搜索空间中能够进行自适应搜索，能够找到zui优先级或准zui优先级解，且算法简单、适用性强、鲁棒。 遗传算法在求解问题上几乎没有限制，并且与求解常规优化问题的复杂数学过程无关，可以得到总zui优先解或局部zui优先解集，这优于传统优化技术。 文献[21~23]试图用遗传算法解决输电网络故障诊断问题。 建立了基于报警信息估计故障点的数学模型，从诊断结果能够尽可能解释所有报警信息的观点出发，给出了故障诊断问题的适应度函数，将输电网络的故障诊断问题转换为0~1整数规划问题。 在此基础上，文献[21]分别用简单的遗传算法和改进的遗传算法实现故障诊断系统，调整交叉和变异算子的改进遗传算法故障诊断效果理想。 文献[24]采用[21]提出的故障诊断数学模型，设计了基于进化规划方法的故障诊断系统. 进化规划方法与遗传算法的区别在于，由于进化规划的编码方式不限于二进制编码，编码方式比较灵活，而且进化规划仅使用变异算子和竞争机制产生下一代。 个体数少的情况下计算效率高。 遗传算法基本上可以从优化的角度解决故障诊断问题，尤其是在存在恢复故障、保护或断路器误操作的情况下，可以给出许多全局zui优先级或局部zui优先级的可能诊断结果。 但是，如何构建合理的输电网络故障诊断模型是运用遗传算法的主要“ 瓶颈” 的双曲馀弦值。 建立合理的数学模型，不仅可以用遗传算法解决故障诊断问题，还可以用其他类似的启发式优化算法解决故障诊断问题。 不同交叉点和变异算法的应用比较表明，不同交叉点和变异算子对结果的影响相对较大，还需要进一步研究如何确定zui优先级的交叉点和变异算子及其相应参数。 两种智能方法综合以上的各种智能诊断方法可以用不同的方法解决故障诊断问题，但同时也存在缺陷。 为了构建性能良好的应用智能系统，需要综合应用ES、NN、GA、FZ这一技术。 集成的基本思路是根据解决的问题需要将系统分为若干模块，各模块采用ES、NN、GA、FZ技术实现，以某种方式集成形成主体系统结构，采用连接、嵌入或转换模块的方法来补充长短，功能完善的应用 例如，人工神经网络和模糊理论可以用两种方式组合，即首先使神经网络的输入模糊，进而所得输出也是模糊数。 第二种方式是根据神经网络的特点设计的。 人工神经网络的输出本身是0~1小时的书，所以神经网络的输出作为模糊系统的输入，可以用模糊系统解释神经网络的输出。 zui蕞终为驾驶员提供语言结论，方便驾驶员理解。 这在某种程度上弥补了神经网络不具备解释能力的弱点。 文献[25]开发了电力系统故障诊断的模糊专家系统，在可行性诊断理论的基础上，着重于保护和断路器的误动作和拒绝、通信问题引起的信息错误等不确定性问题。 该方法还能够相对容易地处理多个故障情形。 同时对故障诊断中处理的不确定性进行了比较分析。 文献[26]应用改进的TS方法和专家系统实现配电系统zui优良的网络重建，优化目标为损耗zui小和电压质量zui高，同时保证充分的供电可靠性。 供电可靠性指标是通过重构网络结构是否能够在预期事故情况下恢复用户供电来测量的。 改进的TS方法现在允许用户在搜索过程中自动调整参数，而无需经验指定参数。 结合文献[27]和ANN实现基于变电站故障诊断的分层分布时故障诊断系统. 基于文献[28]模糊理论和神经网络理论，基于特征气体法和改进IEC三比法，建立了模糊神经网络的变压器故障诊断模型. 该模型能有效处理故障诊断中的不确定因素，具有较强的知识获取能力。 文献[29]从基于人的思维发展模型的角度，融合设备故障诊断的ES和ANN模型，构建了电力变压器故障诊断分析系统。 综上所述，结合不同的人工智能技术，分析不确定因素对智能诊断系统的影响，提高诊断精度是未来智能诊断的发展方向。 3其他方法随着人工智能技术的发展，新方法也陆续出现，扩大了其应用范围，为故障诊断领域注入了新的活力。 文献[30]利用小波变换分析了故障后的瞬态现象，可快速识别故障类型，用于快速保护。 文献[31]提出用小波变换和ANN检测变压器故障。 首先用EMTP程序生成变压器的正常运行和故障时的信号(主要是电流信号)，然后用小波变换处理提取特征量，在zui后用ANN进行训练和推定。 应用小波变换提取重要特征量，简化了ANN的结构，提高了训练速度。 输电网络的各类、各种保护系统对故障作出反应、选择性切除故障的过程是系统同时发生或依次发生的活动范畴，应用于Petri网络进行描述。 文献[31]以输电网中的元件为单位，首先研究故障消除过程的Petri网模型，然后相反求出故障诊断的Petri网模型，并将其结合起来形成了整个输电网的Petri网故障诊断系统。 系统总体物理概念明确，易于实现，诊断速度快。 文献[32]还分析了保护、断路器误操作对Petri网络模型的影响，提供了识别保护和断路器误操作的模板。 近年来，分析电网故障诊断问题，从模拟保护系统的工作逻辑来解决也是趋势。 除了上述方法以外，还有基于逻辑包含式的方法、基于外展逻辑的方法等基于逻辑的方法。 4结语本文介绍了近年来专家系统、人工神经网络、模糊理论等人工智能技术在输电网络故障诊断中的应用，分析了其优缺点。 其中，单一智能技术故障诊断难以满足复杂输电网络诊断的所有任务要求。 因此，多种不同智能技术相结合的混合诊断系统是智能故障诊断研究的发展趋势。 主要耦合技术包括基于规则的专家系统与ANN耦合、模糊逻辑、ANN与专家系统耦合等。 其中模糊逻辑、ANN与专家系统相结合的诊断模型zui有发展前景也是当前人工智能领域的研究热点之一。 许多问题，例如模糊逻辑与神经网络的组合机制、组合实现算法，都值得深入研究如何使智能系统具有ANN的学习能力、灵活的知识表示能力和严格的逻辑性。 总之，综合现有人工智能技术，避开长距离探索新的诊断技术和理论方法，研制完善的智能配电网络故障诊断系统是研究人员面前的重要课题，是今后发展的主要方向。
以上就是投入式液位计量表的特点及应用文章的全部内容
