基于多信息融合的智能变电站继电保护隐性故障自动诊断

针对现有的诊断方法分类准确率低的问题,研究多信息融合的智能变电站继电保护隐性故障自动诊断方法。按照保护动作信息,计算故障引发的线路保护不正确动作,建立距离保护隐性故障概率模型。根据分合闸线圈电流,通过辨识比来提取断路器的故障状态特征。运用霍尔电流元件在线监测电流信号,并对获得的电流信号进行处理。将不同振动信号中的特征信息进行结合,按照特定的融合规则对信息进行加工,完成信息在空间和时间中的填充。运用M维矩阵对特征值进行分解,根据主成分的个数,按照特征的贡献值进行排序,对融合后的特征样本进行计算,确定决策信息。当发生接地故障时,通过保护测量的电压,形成新的零序方向保护。建立规则库来优化样本训练。按照隐性故障造成连锁故障的传播方式,判断相邻支路是否发生误动,切除误动支路,并进行潮流越限检查,根据相位关系判断二次回路状态完成隐性故障自动诊断。实验结果表明,实验组的分类准确率为100%,为4组中最高分类准确率,达到良好的诊断效果,实现了良好应用。