亚洲精品中文字幕久久久-91精品免费久久久久久久久-网站一区二区三区久久免费-午夜福利在线观看网址下载

產(chǎn)品列表PRODUCTS LIST

首頁 > 技術(shù)與支持 > 投入式液位計(jì)的特點(diǎn)及應(yīng)用
投入式液位計(jì)的特點(diǎn)及應(yīng)用
點(diǎn)擊次數(shù):2022 更新時(shí)間:2013-11-05

 隨著電網(wǎng)的不斷發(fā)展和電力走向市場,人們對電網(wǎng)的安全運(yùn)行和供電可靠性的要求越來越高。電力系統(tǒng)發(fā)生故障時(shí),要求調(diào)度人員迅速準(zhǔn)確的判別故障元件與故障性質(zhì),及時(shí)處理故障,恢復(fù)電力系統(tǒng)的正常運(yùn)行。輸配電系統(tǒng)是電力系統(tǒng)中發(fā)電廠與電力用戶之間輸送電能與分配電能的中間環(huán)節(jié),包括各電壓等級的輸配電線路和變電所。它的故障是不可避免的,而電力系統(tǒng)規(guī)模的不斷擴(kuò)大和各種監(jiān)控設(shè)備的應(yīng)用使得輸配電網(wǎng)絡(luò)故障診斷顯得尤為重要。因?yàn)槠淇煽啃灾笜?biāo)是影響整個電力系統(tǒng)可靠性的重要因素,其可靠性的改善將給整個電力系統(tǒng)的安全、可靠性和經(jīng)濟(jì)運(yùn)行帶來巨大的效益。所以研究工作者一直致力于發(fā)展先進(jìn)、準(zhǔn)確、的自動故障診斷系統(tǒng).
  
  輸配電網(wǎng)絡(luò)故障診斷主要是對各級各類保護(hù)裝置產(chǎn)生的報(bào)警信息、斷路器的狀態(tài)變化信息以及電壓電流等電氣量測量的特征進(jìn)行分析,根據(jù)保護(hù)動作的邏輯和運(yùn)行人員的經(jīng)驗(yàn)來推斷可能的故障位置和故障類型。由于這一過程很難用傳統(tǒng)的數(shù)學(xué)方法描述,而人工智能技術(shù)則由于其善于模擬人類處理問題的過程,容易計(jì)及人的經(jīng)驗(yàn)以及具有一定的學(xué)習(xí)能力等特點(diǎn)在這一領(lǐng)域得到了廣泛的應(yīng)用。通過對網(wǎng)絡(luò)缺陷判斷的認(rèn)知過程的分析,應(yīng)用綜合知識診斷、模糊理論和神經(jīng)網(wǎng)絡(luò)等人工智能技術(shù)的成果,開發(fā)出一套綜合自動邏輯分析判斷系統(tǒng),可對缺陷進(jìn)行了分析并提供監(jiān)督處理意見,使檢修人員對問題的認(rèn)識更具全面性、有效性和針對性。本文簡要介紹了相關(guān)的人工智能技術(shù),如專家系統(tǒng)(ES)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、模糊理論(FZ)、遺傳算法(GA)等的基本概念,并在此基礎(chǔ)上按單一智能方法、綜合智能方法的應(yīng)用,分別對文獻(xiàn)中提出的相應(yīng)的輸配電網(wǎng)絡(luò)故障診斷方法進(jìn)行述評,分析他們在輸配電網(wǎng)絡(luò)故障診斷中應(yīng)用的特點(diǎn)以及存在的主要問題,以促進(jìn)該研究領(lǐng)域的進(jìn)一步發(fā)展。
  
  1單一智能方法
  
  1.1專家系統(tǒng)

  
  專家系統(tǒng)是人工智能應(yīng)用研究zui活躍和zui廣泛的課題之一,它是一個智能計(jì)算機(jī)程序系統(tǒng),其內(nèi)部具有大量專家水平的某個領(lǐng)域知識與經(jīng)驗(yàn),應(yīng)用人工智能技術(shù),根據(jù)某個領(lǐng)域一個或多個人類專家提供的知識和經(jīng)驗(yàn)進(jìn)行推理和判斷,模擬人類專家的決策過程,以解決那些需要專家決定的復(fù)雜問題[1]。按其所求解問題的性質(zhì),可把它分為幾種類型,其中的診斷專家系統(tǒng)的任務(wù)就是根據(jù)觀察到的情況(數(shù)據(jù))來推斷出某個對象機(jī)能失常(即故障)的原因。
  
  專家系統(tǒng)在輸電網(wǎng)絡(luò)故障診斷中的典型應(yīng)用是基于產(chǎn)生式規(guī)則的系統(tǒng),即把保護(hù)、斷路器的動作邏輯以及運(yùn)行人員的診斷經(jīng)驗(yàn)用規(guī)則表示出來,形成故障診斷專家系統(tǒng)的知識庫,進(jìn)而根據(jù)報(bào)警信息對知識庫進(jìn)行推理,獲得故障診斷的結(jié)論。基于產(chǎn)生式規(guī)則的故障診斷專家系統(tǒng)得以廣泛應(yīng)用主要是由故障診斷和基于產(chǎn)生式規(guī)則的專家系統(tǒng)的特點(diǎn)所決定的。輸電網(wǎng)絡(luò)中保護(hù)的動作邏輯一級保護(hù)與斷路器之間的關(guān)系易于用直觀的、模塊化的規(guī)則表示出來;基于產(chǎn)生式規(guī)則的專家系統(tǒng)允許增加、刪除或修改一些規(guī)則,以確保診斷系統(tǒng)的實(shí)時(shí)性和有效性;能夠在一定程度上解決不確定性問題;能夠給出符合人類語言習(xí)慣的結(jié)論并具有相應(yīng)的解釋能力等。此外,框架法專家系統(tǒng)善于表達(dá)具有分類結(jié)構(gòu)的知識,能夠比較清楚的表達(dá)事物之間的相關(guān)性,可以簡化繼承性知識的表述和存儲,在輸電網(wǎng)絡(luò)報(bào)警信息處理和故障診斷中也有少量應(yīng)用。
  
  文獻(xiàn)[2]提出了一種知識獲取的多層流式的功能模型,可以自動獲取變電站的拓?fù)浣Y(jié)構(gòu)和保護(hù)配置等方面的知識,用于產(chǎn)生變電站停電后的恢復(fù)方案,原理上有創(chuàng)新。文獻(xiàn)[3]介紹了一個基于專家系統(tǒng)和多媒體技術(shù)開發(fā)的配電變壓器測試與診斷解釋系統(tǒng),主要用作培訓(xùn)工具,以保留和傳播專家的經(jīng)驗(yàn)與知識。文獻(xiàn)[4]采用面向?qū)ο蠹夹g(shù)開發(fā)了用于保護(hù)系統(tǒng)設(shè)計(jì)的專家系統(tǒng),著重考慮了保護(hù)系統(tǒng)設(shè)計(jì)與電力網(wǎng)絡(luò)本身設(shè)計(jì)的協(xié)調(diào),以確保保護(hù)系統(tǒng)是電力系統(tǒng)運(yùn)行中的一個繼承的和有效的部分。以輸電線路距離保護(hù)的設(shè)計(jì)為例,揭示了該專家系統(tǒng)的功能。文獻(xiàn)[5]描述了意大利電力公司正在開發(fā)的用于大停電后協(xié)助運(yùn)行人員進(jìn)行系統(tǒng)恢復(fù)的專家系統(tǒng)的主要目標(biāo)與軟件結(jié)構(gòu)。著重介紹了在系統(tǒng)部分挺點(diǎn)時(shí),如何決定zui適當(dāng)?shù)妮旊娡ǖ缹㈦娏斔偷酵_\(yùn)的火電廠的機(jī)組,以恢復(fù)其運(yùn)行,同時(shí)保證系統(tǒng)運(yùn)行在安全狀態(tài)。文獻(xiàn)[6]介紹了一個用于配電變電站恢復(fù)控制的專家系統(tǒng),作為變電站自動化的一個組成部分。目前只考慮了韓國常見的雙母線、雙斷路器接線方式的變電站。文獻(xiàn)[7]描述了為葡萄牙輸電控制中心研制的智能警報(bào)處理和系統(tǒng)恢復(fù)輔助專家系統(tǒng)的解釋機(jī)制的開發(fā),增加解釋機(jī)制后明顯改善了專家系統(tǒng)的行為。作者開發(fā)這一專家系統(tǒng)用了七八年的時(shí)間,已經(jīng)達(dá)到實(shí)用水平。文獻(xiàn)[8]用多個智能代理的思想設(shè)計(jì)了以分布式專家系統(tǒng)為基礎(chǔ)的配電自動化的概念性框架。用IA處理不同的專家系統(tǒng)之間的合作,IA之間用標(biāo)準(zhǔn)的信息交換語言KQML來實(shí)現(xiàn)。這樣可以把現(xiàn)有的一些專家系統(tǒng),如負(fù)荷預(yù)報(bào)、配電系統(tǒng)網(wǎng)絡(luò)重構(gòu)、配電系統(tǒng)恢復(fù)和保護(hù)設(shè)備的協(xié)調(diào)等集成為一個配電自動化系統(tǒng)。
  
  雖然專家系統(tǒng)能夠有效的模擬故障診斷專家完成故障診斷的過程,但是在實(shí)際應(yīng)用中仍存在一定缺陷,其主要問題是知識獲取的瓶頸問題、知識難以維護(hù),以及不能有效的解決故障診斷中許多不確定因素,這些問題大大影響了故障診斷的準(zhǔn)確性。
  
  1.2人工神經(jīng)網(wǎng)絡(luò)
  
  人工神經(jīng)網(wǎng)絡(luò)(ANN)是模擬人腦組織結(jié)構(gòu)和人類認(rèn)知過程的信息處理系統(tǒng),自1943年提出以來,已迅速發(fā)展成為與專家系統(tǒng)并列的人工智能技術(shù)的另一個重要分支。它以其諸多優(yōu)點(diǎn),如并行分布處理、自適應(yīng)、聯(lián)想記憶等,在智能故障診斷中受到越來越廣泛的重視,而且已顯示出巨大的潛力,并為智能故障診斷的研究開辟了一條新途徑。應(yīng)用ANN技術(shù)實(shí)現(xiàn)故障診斷不同于ES診斷方法。ANN方法通過現(xiàn)場大量的標(biāo)準(zhǔn)樣本學(xué)習(xí)與訓(xùn)練,不斷調(diào)整ANN中的連接權(quán)和閾值,使獲取的知識隱式分布在整個網(wǎng)絡(luò)上,并實(shí)現(xiàn)ANN的模式記憶。因此ANN具有強(qiáng)大的知識獲取能力,并能有效的處理含噪聲數(shù)據(jù),彌補(bǔ)了ES方法的不足。文獻(xiàn)[9]采用多個人工神經(jīng)元網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷,每個ANN負(fù)責(zé)系統(tǒng)中一部分的診斷。類似的方法早有報(bào)道。
  
  ANN在輸電網(wǎng)絡(luò)故障診斷中的應(yīng)用主要是故障定位[10~13]和故障類型識別[14]2個方面,且文獻(xiàn)[10,11]和[14]的研究較典型.其中,文獻(xiàn)[10,11]分別采用2種不同的神經(jīng)網(wǎng)絡(luò)模型解決故障診斷問題.文獻(xiàn)[10]基于3層前饋神經(jīng)網(wǎng)絡(luò),用全局逼近的BP學(xué)習(xí)算法完成故障定位.而文獻(xiàn)[11]則使用局部逼近的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障定位。文獻(xiàn)[14]則以線路三相電流、三相電壓和零序電流的頻譜密度為輸入,以故障類型為輸出,分別比較了多層前饋網(wǎng)絡(luò)和Kohonen網(wǎng)絡(luò)在故障類型識別方面的應(yīng)用。文獻(xiàn)[15]提出擁有限脈沖相應(yīng)(finiteimpulseresponse)ANN構(gòu)造單項(xiàng)和三相變壓器的差動保護(hù),這種ANN模型適于處理瞬時(shí)信號,研究了3種結(jié)構(gòu):*種用于檢測單項(xiàng)變壓器的內(nèi)部故障;第2種用于檢測三相變壓器的內(nèi)部故障;第3中由一組第1種結(jié)構(gòu)的ANN組成,用于檢測三相變壓器的內(nèi)部故障。
  
  需要指出,神經(jīng)網(wǎng)絡(luò)方法雖然有利于克服專家系統(tǒng)的知識獲取瓶頸、知識庫維護(hù)困難等問題,但它不適于處理啟發(fā)性知識。而且,由于ANN技術(shù)本身不夠完備,它的學(xué)習(xí)速度慢,訓(xùn)練時(shí)間長以及解釋功能弱,從而影響了神經(jīng)網(wǎng)絡(luò)的實(shí)用化。同時(shí),如何設(shè)計(jì)適用于大型輸電網(wǎng)絡(luò)的ANN故障診斷系統(tǒng)仍是一個有待于進(jìn)一步研究的問題。
  
  ANN一直是一個比較活躍的研究領(lǐng)域,但研究開發(fā)ANN故障診斷系統(tǒng)時(shí),應(yīng)對上述問題給予充分的考慮。
  
  文獻(xiàn)[16]將大型輸電網(wǎng)絡(luò)分區(qū),對各個區(qū)域分別建立基于BP算法的故障診斷網(wǎng)絡(luò),隨后將這些分布神經(jīng)網(wǎng)絡(luò)的結(jié)果綜合起來得出zui終的故障診斷結(jié)論。文獻(xiàn)[17]針對用BP網(wǎng)絡(luò)模型進(jìn)行故障診斷過程中輸入樣本情況影響診斷結(jié)果的準(zhǔn)確率的情況,提出了在原有神經(jīng)網(wǎng)絡(luò)輸入節(jié)點(diǎn)的基礎(chǔ)上再增加一特征輸入節(jié)點(diǎn),以反映輸入樣本數(shù)據(jù)大小的特征量的新方法,并將之用于電力變壓器,提高了故障診斷的準(zhǔn)確率。文獻(xiàn)[18]則在分析BP算法缺點(diǎn)的基礎(chǔ)上,提出了一種變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)的zui大值算法,通過簡化訓(xùn)練過程,加快網(wǎng)絡(luò)收斂和診斷推理速度,從而提高故障識別率,實(shí)現(xiàn)故障的自動診斷和智能化綜合保護(hù)。
  
  從文獻(xiàn)[16~18]中可以看出,通過對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)或算法的改進(jìn)在一定程度上可以提高故障診斷的有效性。而由于專家系統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)方法在許多方面可以協(xié)調(diào)工作、互為補(bǔ)充,因此,如何取長補(bǔ)短將神經(jīng)網(wǎng)絡(luò)技術(shù)與故障診斷專家系統(tǒng)融為一體,以彌補(bǔ)診斷中的不足,并提供新的診斷技術(shù)和方法,具有很大的潛力和廣闊的前景,是值得我們深入探討和研究的。
  
  1.3模糊理論
  
  在故障診斷中,故障與征兆之間的關(guān)系往往是模糊的,這種模糊性即來自故障與征兆之間關(guān)系的不確定性,又來自故障與征兆在概念描述上的不性,因而診斷結(jié)果也必然是模糊的,解決模糊診斷問題的傳統(tǒng)方法一般根據(jù)專家經(jīng)驗(yàn)在故障征兆空間與故障原因空間之間建立模糊關(guān)系矩陣。常用的方法是將各條模糊推理規(guī)則產(chǎn)生的模糊關(guān)系矩陣進(jìn)行組合,或與或并。隨著模糊理論的發(fā)展及完善,模糊理論的一些優(yōu)點(diǎn)逐步被重視,如模糊理論可適應(yīng)不確定性問題;其模糊知識庫使用語言變量來表述專家的經(jīng)驗(yàn),更接近人的表達(dá)習(xí)慣;模糊理論能夠得到問題的多個可能的解決方案,并可以根據(jù)這些方案的模糊度的高低進(jìn)行優(yōu)先程度排序等。目前,模糊理論已被引入輸配電網(wǎng)絡(luò)故障診斷領(lǐng)域.
  
  輸電網(wǎng)絡(luò)故障診斷的不確定因素對于要求嚴(yán)格匹配搜索的專家系統(tǒng)來說,很容易導(dǎo)致錯誤的結(jié)果。當(dāng)在專家系統(tǒng)中融入模糊理論后,由推理變?yōu)榻仆评恚谙喈?dāng)程度上增強(qiáng)了專家系統(tǒng)的容錯性。
  
  文獻(xiàn)[19]應(yīng)用多目標(biāo)模糊決策方法進(jìn)行故障測距與故障類型辨識,并做了現(xiàn)場測試。文獻(xiàn)[20]研究了在配電網(wǎng)絡(luò)中,當(dāng)每個設(shè)備的運(yùn)行狀況可以大致知道時(shí),如何決定其適當(dāng)?shù)木S修水平,以兼顧運(yùn)行安全和維修成本。先用模糊集方法描述設(shè)備的運(yùn)行狀況,之后構(gòu)造了決定適當(dāng)維護(hù)水平的模糊現(xiàn)行規(guī)劃模型。
  
  由于一般的模糊系統(tǒng)采用了與專家系統(tǒng)類似的結(jié)構(gòu),所以它也具有專家系統(tǒng)的一些固有的缺陷:(1)模糊系統(tǒng)在推理時(shí)也要搜索知識庫內(nèi)一定的規(guī)則集才能得出診斷結(jié)論,所以當(dāng)系統(tǒng)比較大時(shí)完成診斷的速度也比較慢。(2)當(dāng)輸電網(wǎng)絡(luò)的結(jié)構(gòu)或自動裝置的配置發(fā)生變化時(shí),模糊系統(tǒng)的知識庫或相關(guān)規(guī)則的模糊度也要進(jìn)行相應(yīng)的修改,即模糊系統(tǒng)也存在維護(hù)的問題。(3)模糊系統(tǒng)也不具備學(xué)習(xí)能力??傊?,模糊理論與其它人工智能技術(shù)結(jié)合構(gòu)成的診斷系統(tǒng)雖然可以增強(qiáng)處理不確定性的能力,在一定程度上提高診斷的準(zhǔn)確度,但是它不能*消除專家系統(tǒng)所固有的缺點(diǎn)。
  
  1.4遺傳算法
  
  遺傳算法是基于自然選擇和遺傳機(jī)制,在計(jì)算機(jī)上模擬生物進(jìn)化機(jī)制的尋優(yōu)搜索算法。它能在復(fù)雜而龐大的搜索空間中自適應(yīng)的搜索,尋找出*或準(zhǔn)*解,且算法簡單,適用,魯棒性強(qiáng)。遺傳算法對待求解問題幾乎沒有什么限制,也不涉及常規(guī)優(yōu)化問題求解的復(fù)雜數(shù)學(xué)過程,并能夠得到全局*解或局部*解集,這是它優(yōu)于傳統(tǒng)優(yōu)化技術(shù)之處。
  
  文獻(xiàn)[21~23]嘗試使用遺傳算法解決輸電網(wǎng)絡(luò)故障診斷問題。文章建立了根據(jù)報(bào)警信息估計(jì)故障點(diǎn)的數(shù)學(xué)模型,并從診斷結(jié)果應(yīng)該能夠盡可能解釋所有報(bào)警信息的角度出發(fā),給出了故障診斷問題的適應(yīng)度函數(shù),從而將輸電網(wǎng)絡(luò)故障診斷問題轉(zhuǎn)化為0~1整數(shù)規(guī)劃問題。在此基礎(chǔ)上,文獻(xiàn)[21]分別用簡單的和改進(jìn)的遺傳算法實(shí)現(xiàn)了故障診斷系統(tǒng),對交叉和變異算子做過調(diào)整的改進(jìn)遺傳算法的故障診斷效果比較理想。文獻(xiàn)[24]延用[21]提出的故障診斷的數(shù)學(xué)模型,設(shè)計(jì)了基于進(jìn)化規(guī)劃方法的故障診斷系統(tǒng)。進(jìn)化規(guī)劃方法與遺傳算法的區(qū)別在于進(jìn)化規(guī)劃的編碼方式不局限二進(jìn)制編碼,因此編碼方式比較靈活,而且進(jìn)化規(guī)劃只采用變異算子和競爭機(jī)制產(chǎn)生下一代。在個體數(shù)目比較少的情況下計(jì)算效率比較高。
  
  遺傳算法從優(yōu)化的角度出發(fā)基本上可以解決故障診斷問題,尤其是在復(fù)故障或存在保護(hù)、斷路器誤動作的情況下,能夠給出全局*或局部*的多個可能的診斷結(jié)果。但是如何建立合理的輸電網(wǎng)絡(luò)故障診斷模型是使用遺傳算法的主要“瓶頸”。如果能夠建立合理的數(shù)學(xué)模型,那么不僅可以使用遺傳算法解決故障診斷問題,還可以使用其他類似的啟發(fā)式優(yōu)化算法解決故障診斷問題,如螞蟻系統(tǒng)算法、TABU搜索算法等。從不同的交叉和變異算法的應(yīng)用比較可以看出,不同的交叉和變異算子對結(jié)果的影響比較大,如何確定*的交叉和變異算子及相應(yīng)的參數(shù)也有待進(jìn)一步研究。
  
  2幾種智能方法的綜合
  
  以上各種智能診斷方法,是從不同的途徑去解決故障診斷問題的,但同時(shí)也存在缺陷。為了構(gòu)造性能較好的應(yīng)用智能系統(tǒng),需要綜合應(yīng)用(集成)ES、NN、GA、FZ這幾種技術(shù)。集成的基本思路是:根據(jù)被求解問題的需要把系統(tǒng)分為若干個模塊,每個模塊,分別用ES、NN、GA、FZ技術(shù)實(shí)現(xiàn),在以某種方式集成來形成主體系統(tǒng)結(jié)構(gòu),也可采用串接、嵌入或變換模塊的方法來取長補(bǔ)短,構(gòu)造功能完善的應(yīng)用系統(tǒng)。例如,人工神經(jīng)網(wǎng)絡(luò)與模糊理論可以用2種方式結(jié)合:第1種方式是先模糊化神經(jīng)網(wǎng)絡(luò)的輸入,進(jìn)而得到的輸出也是一個模糊數(shù)。第2種方式是根據(jù)神經(jīng)網(wǎng)絡(luò)的特點(diǎn)設(shè)計(jì)的。因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)的輸出本身就是一個介于0~1時(shí)間的書,所以可把神經(jīng)網(wǎng)絡(luò)的輸出作為模糊系統(tǒng)的輸入,用模糊系統(tǒng)去解釋神經(jīng)網(wǎng)絡(luò)的輸出。zui終提供給運(yùn)行人員一個語言化的結(jié)論,便于運(yùn)行人員理解。這在一定程度上彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)不具備解釋能力的弱點(diǎn)。
  
  文獻(xiàn)[25]開發(fā)了一個電力系統(tǒng)故障診斷的模糊專家系統(tǒng),以可能性診斷理論為基礎(chǔ),重點(diǎn)放在處理不確定性問題如保護(hù)和斷路器誤動與拒動、通信問題引起的信息錯誤等。這種方法還可以比較方便的處理多重故障情況。此外,本文還對故障診斷中的處理不確定性的幾種現(xiàn)有方法作了比較分析。文獻(xiàn)[26]應(yīng)用了一種改進(jìn)的TS方法和專家系統(tǒng)實(shí)現(xiàn)配電系統(tǒng)*網(wǎng)絡(luò)重構(gòu),優(yōu)化目標(biāo)為損耗zui小和電壓質(zhì)量zui高,同時(shí)保證足夠的供電可靠性。供電可靠性指標(biāo)是根據(jù)在預(yù)想事故發(fā)生的情況下,重構(gòu)后的網(wǎng)絡(luò)結(jié)構(gòu)能否向用戶恢復(fù)供電來衡量的。所采用的改進(jìn)的TS方法可以在搜索過程中自動調(diào)整有關(guān)參數(shù),無需由使用人員憑經(jīng)驗(yàn)給定。文獻(xiàn)[27]結(jié)合ES和ANN實(shí)現(xiàn)對以變電站故障診斷為基礎(chǔ)的分層分布時(shí)故障診斷系統(tǒng)。文獻(xiàn)[28]基于模糊理論與神經(jīng)網(wǎng)絡(luò)理論,根據(jù)特征氣體法和改良IEC三比值法,建立了模糊神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷模型。該模型有效的處理了故障診斷中的不確定因素,并具有較強(qiáng)的知識獲取能力。文獻(xiàn)[29]從基于人類思維發(fā)展模式的角度,融合設(shè)備故障診斷的ES和ANN模型,構(gòu)造了電力變壓器的故障診斷分析系統(tǒng)。
  
  綜上所述,將不同的人工智能技術(shù)結(jié)合在一起,分析不確定因素對智能診斷系統(tǒng)的影響,從而提高診斷的準(zhǔn)確率,是今后智能診斷的發(fā)展方向。
  
  3其他方法
  
  隨著人工智能技術(shù)的不斷發(fā)展,新的方法也在不斷涌現(xiàn),其應(yīng)用范圍也在不斷擴(kuò)大,為故障診斷領(lǐng)域注入了新的活力。
  
  文獻(xiàn)[30]采用小波變換對故障后的暫態(tài)現(xiàn)象進(jìn)行分析,以快速識別故障類型,可用于高速保護(hù)。文獻(xiàn)[31]提出用小波變換和ANN檢測變壓器故障。先用EMTP程序產(chǎn)生變壓器在正常運(yùn)行和故障時(shí)的信號(主要是電流信號),之后用小波變換進(jìn)行處理,提取特征量,zui后用ANN進(jìn)行訓(xùn)練和估計(jì)。通過應(yīng)用小波變換提取重要的特征量,ANN的結(jié)構(gòu)得以簡化,訓(xùn)練速度得到提高。
  
  輸電網(wǎng)絡(luò)中各級、各類保護(hù)系統(tǒng)反應(yīng)于故障,并有選擇的切除故障的過程整數(shù)于系統(tǒng)同時(shí)發(fā)生或次序發(fā)生的活動的范疇,適用于Petri網(wǎng)絡(luò)來描述。文獻(xiàn)[31]以輸電網(wǎng)絡(luò)中的元件為單位,首先研究了故障清除過程的Petri網(wǎng)絡(luò)模型,進(jìn)而對其求逆得到了故障診斷的Petri網(wǎng)絡(luò)模型,再把它們組合在一起就形成了整個輸電網(wǎng)絡(luò)的Petri網(wǎng)絡(luò)故障診斷系統(tǒng)。整套系統(tǒng)的物理概念清晰,易于實(shí)現(xiàn),診斷速度也比較快。此外,文獻(xiàn)[32]還分析了保護(hù)、斷路器的誤操作對Petri網(wǎng)絡(luò)模型的影響,并分別給出了識別保護(hù)和斷路器誤操作的模板。
  
  近2年來,從分析、模擬保護(hù)系統(tǒng)動作邏輯入手,解決輸電網(wǎng)絡(luò)故障診斷問題也是一種趨勢。除上述方法以外,還有其他基于邏輯的方法,如基于邏輯蘊(yùn)含式的方法,基于外展邏輯的方法等。
  
  4結(jié)語
  
  本文介紹了近年來專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、模糊理論等人工智能技術(shù)在輸配電網(wǎng)絡(luò)故障診斷中的應(yīng)用,分析了其優(yōu)缺點(diǎn),從中可以看出,依靠單一智能技術(shù)的故障診斷已難以滿足復(fù)雜的輸配電網(wǎng)絡(luò)診斷的全部任務(wù)要求,因此,將多種不同的智能技術(shù)結(jié)合起來的混合診斷系統(tǒng)是智能化故障診斷研究的一個發(fā)展趨勢。主要結(jié)合的技術(shù)有基于規(guī)則專家系統(tǒng)和ANN的結(jié)合,模糊邏輯、ANN與專家系統(tǒng)的結(jié)合等等。其中,模糊邏輯、ANN與專家系統(tǒng)結(jié)合的診斷模型是發(fā)展前景的也是目前人工智能領(lǐng)域的研究熱點(diǎn)之一。而其中許多問題,例如模糊邏輯與神經(jīng)網(wǎng)絡(luò)的組合機(jī)理、組合后的實(shí)現(xiàn)算法,如何使智能系統(tǒng)既具有ANN的學(xué)習(xí)能力又具有靈活的知識表達(dá)能力和嚴(yán)謹(jǐn)?shù)倪壿嬓缘?,是值得深入研究的?br />  
  總之,綜合已有的人工智能技術(shù),揚(yáng)長避短,并探索新的診斷技術(shù)和理論方法,研究開發(fā)完善的智能輸配電網(wǎng)絡(luò)故障診斷系統(tǒng)是擺在研究工作者面前的重要課題,是今后發(fā)展的主要方向。

化工儀器網(wǎng)

推薦收藏該企業(yè)網(wǎng)站