一种基于区间值模糊脉冲神经膜系统的故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种基于区间值模糊脉冲神经膜系统的故障诊断方法及装置，包括从监控与数据采集系统中获取保护继电器的动作信息和断路器的跳闸信息；根据动作信息和跳闸信息确定电力系统中的停电区域的可疑故障元件；分别对可疑故障元件建立基于区间值模糊脉冲神经膜系统的故障诊断模型；利用模糊推理算法对故障诊断模型进行逆向模糊推理，计算各可疑故障元件的置信度；依照预定判断依据在置信度中筛选出目标置信度，并确定目标置信度对应的可疑故障元件为确定故障元件。由此可见，该方法依据电力系统中元件的各保护的合作关系来建立区间值模糊脉冲神经膜系统的故障诊断模型，故障诊断的正确性高。

【技术实现步骤摘要】

本专利技术涉及电网调度与故障分析
，特别是涉及一种基于区间值模糊脉冲神经膜系统的故障诊断方法及装置。
技术介绍
现今，电力系统的规模逐渐扩大，结构也越来越复杂，而组成电力系统的元件(比如发电机，变压器，母线，输电线路等)数目也就也来越庞大。这些元件的保护主要由保护继电器，电流断路器和通讯设备组成。一旦出现故障，就要求调度员快速而准确地隔离受影响的支路，并采取必要的措施来尽可能快地恢复电力的正常供应。当某一故障发生时，大量来自监控与数据采集系统的报警信息就会被立即传送到系统的调度中心，为故障诊断提供数据源。但是，这些报警信息通常是不完整和不确定的，特别是在多重故障的时候，无法准确地确定出具体的故障元件。由此可见，如何在多重故障的情况下，准确地确定出具体的故障元件是本领域技术人员亟待解决地问题。
技术实现思路
本专利技术的目的是提供一种基于区间值模糊脉冲神经膜系统的故障诊断方法及装置，用于在多重故障的情况下，准确地确定出具体的故障元件。为解决上述技术问题，本专利技术提供一种基于区间值模糊脉冲神经膜系统的故障诊断方法，包括：S10：从监控与数据采集系统中获取保护继电器的动作信息和断路器的跳闸信息；S11：根据所述动作信息和所述跳闸信息确定所述电力系统中的停电区域的可疑故障元件；S12：分别对所述可疑故障元件建立基于区间值模糊脉冲神经膜系统的故障诊断模型；S13：利用模糊推理算法对所述故障诊断模型进行逆向模糊推理，计算各所述可疑故障元件的置信度；S14：依照预定判断依据在所述置信度中筛选出目标置信度，并确定所述目标置信度对应的可疑故障元件为确定故障元件。优选地，所述步骤S12具体包括：根据所述可疑故障元件的主保护、第一后备保护和第二后备保护之间的合作关系来设置命题神经元、and型规则神经元和or型规则神经元之间的突触关系；根据所述可疑故障元件的类型，分别确定对应的线路、母线和变压器的故障模糊产生式规则类型；根据所述动作信息和所述跳闸信息，获得所述可疑故障元件的主保护、第一后备保护和第二后备保护以及相对应的断路器的置信度，并将所述保护继电器和所述断路器的置信度与输入的各神经元中包含的脉冲值一一对应。优选地，所述线路、母线和变压器的故障模糊产生式规则类型具体包括：类型1：IFp1ANDp2AND...ANDpk-1THENpk(CF＝c)类型2：IFp1ORp2OR...ORpk-1THENpk(CF＝c)其中，p1,p2,...,pk-1是规则神经元前件的k-1个命题神经元，而pk是规则神经元后件的命题神经元，c是一个区间值模糊数且表示这个模糊产生式规则的置信因子CF。优选地，所述步骤S13具体包括：S131：输入命题神经元和输入规则神经元矢量初始值，分别为θg＝(θ1g,θ2g,...,θsg)和δg＝(δ1g,δ2g,...,δtg)，其中s代表所述命题神经元的个数，t代表所述规则神经元的个数；S132：令推理因子g＝g+1；S133：依次触发所述命题神经元和所述规则神经元；其中，所述命题神经元被触发后，所述规则神经元对应的矩阵中各元素的区间值模糊数值根据公式进行更新；所述规则神经元被触发后，所述命题神经元对应的矩阵中各元素的区间值模糊数值根据公式进行更新；S134：当δg不满足终止条件时，返回执行步骤S132，重新计算并更新θg和δg；其中，D1为突触矩阵，表示从所述命题神经元到所述and型规则神经元的有向连接，D2为突触矩阵，表示从所述命题神经元到所述or型规则神经元的有向连接，所述可疑故障元件的置信度为δg满足所述终止条件时上一周期对应的θg，所述终止条件为：优选地，所述依照预定判断依据在所述置信度中筛选出目标置信度，并确定所述目标置信度对应的可疑故障元件为确定故障元件具体为：如果所述可疑故障元件的置信度满足条件θg≥[(0.65,0.6725,0.7575,0.79；0.8),(0.58,0.63,0.80,0.86；1.0)]，则该可疑故障元件的模糊值为所述目标置信度，该可疑元件为所述确定故障元件；如果所述可疑故障元件的置信度满足条件θg≤[(0.2325,0.255,0.325,0.3575；0.8),(0.17,0.22,0.36,0.42；1.0)]，则该可疑故障元件的模糊值不为所述目标置信度，该可疑故障元件为非故障元件。为解决上述技术问题，本专利技术提供一种基于区间值模糊脉冲神经膜系统的故障诊断装置，包括：获取单元，用于从监控与数据采集系统中获取保护继电器的动作信息和断路器的跳闸信息；确定单元，用于根据所述动作信息和所述跳闸信息确定所述电力系统中的停电区域的可疑故障元件；诊断模型建立单元，用于分别对所述可疑故障元件建立基于区间值模糊脉冲神经膜系统的故障诊断模型；计算单元，用于利用模糊推理算法对所述故障诊断模型进行逆向模糊推理，计算各所述可疑故障元件的置信度；筛选单元，用于依照预定判断依据在所述置信度中筛选出目标置信度，并确定所述目标置信度对应的可疑故障元件为确定故障元件。优选地，所述诊断模型建立单元具体用于根据所述可疑故障元件的主保护、第一后备保护和第二后备保护之间的合作关系来设置命题神经元、and型规则神经元和or型规则神经元之间的突触关系；根据所述可疑故障元件的类型，分别确定对应的线路、母线和变压器的故障模糊产生式规则类型；根据所述动作信息和所述跳闸信息，获得所述可疑故障元件的主保护、第一后备保护和第二后备保护以及相对应的断路器的置信度，并将所述保护继电器和所述断路器的置信度与输入的各神经元中包含的脉冲值一一对应。优选地，所述线路、母线和变压器的故障模糊产生式规则类型具体包括：类型1：IFp1ANDp2AND...ANDpk-1THENpk(CF＝c)类型2：IFp1ORp2OR...ORpk-1THENpk(CF＝c)其中，p1,p2,...,pk-1是规则神经元前件的k-1个命题神经元，而pk是规则神经元后件的命题神经元，c是一个区间值模糊数且表示这个模糊产生式规则的置信因子CF。优选地，所述计算单元具体用于输入命题神经元和输入规则神经元矢量初始值，分别为θg＝(θ1g,θ2g,...,θsg)和δg＝(δ1g,δ2g,...,δtg)，其中s代表所述命题神经元的个数，t代表所述规则神经元的个数；依次触发所述命题神经元和所述规则神经元；其中，所述命题神经元被触发后，所述规则神经元对应的矩阵中各元素的区间值模糊数值根据公式进行更新；所述规则神经元被触发后，所述命题神经元对应的矩阵中各元素的区间值模糊数值根据公式进行更新；当δg不满足终止条件时，另令推理因子g＝g+1，重新计算并更新θg和δg；其中，D1为突触矩阵，表示从所述命题神经元到所述and型规则神经元的有向连接，D2为突触矩阵，表示从所述命题神经元到所述or型规则神经元的有向连接，所述可疑故障元件的置信度为δg满足所述终止条件时上一周期对应的θg，所述终止条件为：优选地，所述筛选单元的筛选规则为：如果所述可疑故障元件的置信度满足条件θg≥[(0.65,0.6725,0.7575,0.79；0.8),(0.58,0.63,0.80,0.86；1.0)]，则该可疑故障元件的模糊值为所述目标置信度，该可疑元件为所述确定故障元件；如本文档来自技高网...

【技术保护点】
一种基于区间值模糊脉冲神经膜系统的故障诊断方法，其特征在于，包括：S10：从监控与数据采集系统中获取保护继电器的动作信息和断路器的跳闸信息；S11：根据所述动作信息和所述跳闸信息确定所述电力系统中的停电区域的可疑故障元件；S12：分别对所述可疑故障元件建立基于区间值模糊脉冲神经膜系统的故障诊断模型；S13：利用模糊推理算法对所述故障诊断模型进行逆向模糊推理，计算各所述可疑故障元件的置信度；S14：依照预定判断依据在所述置信度中筛选出目标置信度，并确定所述目标置信度对应的可疑故障元件为确定故障元件。

【技术特征摘要】
1.一种基于区间值模糊脉冲神经膜系统的故障诊断方法，其特征在于，包括：S10：从监控与数据采集系统中获取保护继电器的动作信息和断路器的跳闸信息；S11：根据所述动作信息和所述跳闸信息确定所述电力系统中的停电区域的可疑故障元件；S12：分别对所述可疑故障元件建立基于区间值模糊脉冲神经膜系统的故障诊断模型；S13：利用模糊推理算法对所述故障诊断模型进行逆向模糊推理，计算各所述可疑故障元件的置信度；S14：依照预定判断依据在所述置信度中筛选出目标置信度，并确定所述目标置信度对应的可疑故障元件为确定故障元件。2.根据权利要求1所述的方法，其特征在于，所述步骤S12具体包括：根据所述可疑故障元件的主保护、第一后备保护和第二后备保护之间的合作关系来设置命题神经元、and型规则神经元和or型规则神经元之间的突触关系；根据所述可疑故障元件的类型，分别确定对应的线路、母线和变压器的故障模糊产生式规则类型；根据所述动作信息和所述跳闸信息，获得所述可疑故障元件的主保护、第一后备保护和第二后备保护以及相对应的断路器的置信度，并将所述保护继电器和所述断路器的置信度与输入的各神经元中包含的脉冲值一一对应。3.根据权利要求2所述的方法，其特征在于，所述线路、母线和变压器的故障模糊产生式规则类型具体包括：类型1：IFp1ANDp2AND...ANDpk-1THENpk(CF＝c)类型2：IFp1ORp2OR...ORpk-1THENpk(CF＝c)其中，p1,p2,...,pk-1是规则神经元前件的k-1个命题神经元，而pk是规则神经元后件的命题神经元，c是一个区间值模糊数且表示这个模糊产生式规则的置信因子CF。4.根据权利要求1所述的方法，其特征在于，所述步骤S13具体包括：S131：输入命题神经元和输入规则神经元矢量初始值，分别为θg＝(θ1g,θ2g,...,θsg)和δg＝(δ1g,δ2g,...,δtg)，其中s代表所述命题神经元的个数，t代表所述规则神经元的个数；S132：令推理因子g＝g+1；S133：依次触发所述命题神经元和所述规则神经元；其中，所述命题神经元被触发后，所述规则神经元对应的矩阵中各元素的区间值模糊数值根据公式进行更新；所述规则神经元被触发后，所述命题神经元对应的矩阵中各元素的区间值模糊数值根据公式进行更新；S134：当δg不满足终止条件时，返回执行步骤S132，重新计算并更新θg和δg；其中，D1为突触矩阵，表示从所述命题神经元到所述and型规则神经元的有向连接，D2为突触矩阵，表示从所述命题神经元到所述or型规则神经元的有向连接，所述可疑故障元件的置信度为δg满足所述终止条件时上一周期对应的θg，所述终止条件为：01=[(0.0,0.0,0.0,0.0;0.8),(0.0,0.0,0.0,0.0;1.0)]tT.]]>5.根据权利要求1所述的方法，其特征在于，所述依照预定判断依据在所述置信度中筛选出目标置信度，并确定所述目标置信度对应的可疑故障元件为确定故障元件具体为：如果所述可疑故障元件的置信度满足条件θg≥[(0.65,0.6725,0.7575,0.79；0.8),(0.58,0.63,0.80,0.86；1.0)]，则该可疑故障元件的模糊值为所述目标置信度，该可疑元件为所述确定故障元件；如果所述可疑故障元件的置信度满足条件θg≤[(0.2325,0.255,0.325,0.3575；0.8),(0.17,0.22,0.36,0.42；1.0)]，则该可疑故障元件的...

【专利技术属性】
技术研发人员：王军，于文萍，彭宏，孙章，陶成玉，杨波勇，
申请(专利权)人：西华大学，
类型：发明
国别省市：四川;51