基于人工免疫聚类算法的配电网故障状态相似性分析方法

为实现事故预案匹配,加快供电恢复策略生成速度,提出一种基于人工免疫聚类算法的配电网故障状态相似性分析方法。首先,将故障恢复策略相似作为相似故障状态的评价标准,构建配电网故障相似特征指标集,包括负荷失电量、联络线备用容量以及失电负荷-源点最短电气距离。在此基础上,鉴于聚类分析能够揭示无标记训练样本数据的内在关联特征,提出一种基于人工免疫聚类算法的故障相似状态匹配方法。最后,应用免疫系统信息处理机制对算法进行改进,通过引入免疫浓度机制、变异机制,弥补k-means聚类算法对初始中心点位置敏感的不足。算例分析表明,所提出的配电网故障状态相似性分析方法能够表征配电网故障样本间的内在关联性,且改进算法较传统算法聚类效果较优,为后续供电恢复策略的匹配生成提供了理论依据。

基于小波变换的暂态故障相似度故障选线法

我国配电网中广泛采用小电流接地系统,而又以单相接地故障最多。由于信号不易检测、缺乏有效的手段等原因故障选线一直没有得到很好的解决。本文基于相模变换理论,透过故障的表面现象看本质。通过对信号作小波变换的方法来获取暂态分量。

基于深度学习的模块化逆变器故障诊断

针对模块化逆变器相似故障难以区分以及一维时间序列信号提取故障特征容易造成信息丢失的问题,文中提出一种基于深度学习的模块化逆变器子模块开路故障诊断方法。该方法将从逆变器模型中采集得到的原始数据进行小波包分解,获取高频特征系数,然后通过GASF(格莱姆角求和矩阵)将获得的特征系数转换为二维图片,最后将其作为输入送至ResNet深度残差网络训练模型,实现智能故障诊断。实验结果表明,该算法用于模块化逆变器故障诊断时识别的故障种类达49种,且包含故障特征区别不明显的相似故障,验证精度能达到100%,具有较强的故障诊断能力。为验证所提方法的优劣,设置几种传统的故障特征提取与分类方法进行对比,所提方法为诊断模块化逆变器故障以及为类似一维时间序列信号诊断提供了一种新思路。

Similarity measure application to fault detection of flight system

Fault detection technique is introduced with similarity measure. The characteristics of conventional similarity measure based on fuzzy number are discussed. With the help of distance measure, similarity measure is constructed explicitly. The designed distance-based similarity measure is applicable to general fuzzy membership functions including non-convex fuzzy membership function, whereas fuzzy number-based similarity measure has limitation to calculate the similarity of general fuzzy membership functions. The applicability of the proposed similarity measure to general fuzzy membership structures is proven by identifying the definition. To decide fault detection of flight system, the experimental data （pitching moment coefficients and lift coefficients） are transformed into fuzzy membership functions. Distance-based similarity measure is applied to the obtained fuzzy membership functions, and similarity computation and analysis are obtained with the fault and normal operation coefficients.