智能信息融合变电站故障诊断理论方法研究

传统变电站故障诊断，存在知识表示单一及不完整、信息获取不完整、不准确及诊断性能差的问题，使诊断的有效性不能达到实际电网运行的要求。智能信息集成融合具有的性能优势为：信息的冗余性与互补性，而集群智能推理认识事物，正是一个智能信息集成融合过程，因此智能信息集成融合是解决上述难题的有效方法。本项目拟将以智能信息集成融合与多Agent相结合，提出新的研究方向- - 智能信息集成融合变电站故障诊断理论与方法。首先研究关键问题：基于模糊彩色Petri网的变电站拓扑结构表示和基于时间逻辑的模糊彩色Petri网的诊断方法，以及基于D-S证据理论的多诊断信息融合。之后以多Agent系统为支撑体系，建立面向多Agent的混合知识模型，构成集成智能诊断系统，通过多种诊断结果的融合，优势互补，完成变电站故障诊断，提高诊断的快速性和准确性，开创变电站故障诊断新的研究领域和方向。

随着超高压及特高压电网的建设，大型变电站从主接线到监控保护日益复杂。当变电站发生故障时，会产生大量的报警信息，要求运行人员快速、准确地判断出故障，并对其进行故障定位和恢复。因此，研究变电站故障诊断和故障恢复，对于保证电网安全稳定运行具有重要的意义。项目基于智能信息融合对变电站故障诊断及故障恢复进行了研究。. 针对大型变电站的复杂性、双网、双重化保护配置特点，通过Petri网、模糊Petri网、贝叶斯网和粗糙集等可以很好地表示变电站的拓扑结构和故障诊断知识。在此基础上，针对变电站的双网、双重保护配置特点及保护装置、断路器存在的误动和拒动等不确定性情况，建立基于模糊Petri网和贝叶斯网的冗余诊断模型，实现变电站模糊Petri网和贝叶斯网的故障诊断。在模型中采用信息熵确定模糊Petri网的初始信息的可信度和贝叶斯网故障诊断中的初始概率，通过推理得出的诊断结果具有更高的可靠性。. 针对变电站的保护装置误动和诊断结果不明确等情况，建立故障元件的时序模糊Petri网和时序贝叶斯网的诊断模型。对已动作保护和断路器，利用它们之间的时序约束关系进行时序检查，并对初始信息可信度和概率进行修正。与未考虑时序约束关系的诊断方法相比，基于时序模糊Petri网和基于时序贝叶斯网的诊断方法不仅能识别出误动信息，且能得到明确的诊断结果。. 针对超高压大型变电站线路的复杂性、双重化保护配置，以及异常时报警信息量庞大和诊断信息源不全面等特点，通过分层分区处理，利用故障录波信息，实现基于粗糙集和灰关联分析的变电站故障诊断，该方法可得到更准确的诊断结果。. 针对变电站诊断信息的不确定性和不完全性，以及不同诊断方法的优点，采用D-S信息融合方法对上述不同诊断方法的诊断结果在决策级上进行融合，通过D-S决策规则，获得更为准确的诊断结果。为了实现超高压变电站二次设备状态的综合评估，将基于模糊综合评价法、马尔科夫预测法和隐藏故障判断法的二次设备的状态评估结果通过D-S信息融合方法实现对三种评估结果的决策级融合。. 当变电站发生故障时，为快速实现恢复供电，以断路器操作代价最小和非故障失电区最少为目标，采用广度优先搜索法找出与故障区最邻近的可操作元件以及受故障区域影响的非故障停电区，并运用遗传算法求解出最优故障恢复开关组合。