基于贝叶斯疑似度的有向二分图模型的故障元件诊断

针对目前已有的故障诊断方法存在的计算复杂度高、建模困难、诊断误差较大等不足,分析了故障与征兆之间的非确定性关系,建立了概率加权的有向二分图故障诊断模型,依据统计概率对模型进行初始化,结合开关量时序属性对征兆信息进行完备化处理,通过计算贝叶斯疑似度对电力系统中的故障进行诊断,输出故障诊断结果.

针对智能变电站二次回路故障的高压断路器故障追踪

针对相关二次回路故障导致高压断路器不正确动作的情况进行分析,提出了一种基于有向二分图模型的故障追踪方法,从而对高压断路器不正确动作具体原因进行反向追踪。首先根据面向通用对象的变电站事件报文的传递路径将相关二次回路网络分簇为通信网络、保护装置、智能组件及测控装置,并将每一簇作为一个子域。其次利用智能变电站端的相关二次回路异常信息及故障原因之间的逻辑关系,在每个子域内建立基于有向二分图的故障关联模型。最后引入贝叶斯疑似度对故障原因进行计算分析并结合反向推理进行验证,从概率上保证了结果的准确性。案例分析表明,所提故障追踪方法可以及时对高压断路器不正确动作追本溯源,且具有较高的容错性。

多源信息融合的故障元件诊断

分析了故障诊断信息的主要来源,对比了各个信息的相同点和不同点,建立了面向元件的故障诊断模型,该模型简化了以往的故障诊断计算的复杂度,使得故障诊断的效率可以显著提高,提出了新的故障诊断方法。该方法首先通过计算各个元件的贝叶斯疑似度获得可疑故障元件,并结合了基于综合阻抗的故障线路识别方法,能够对故障线路具体相别进行识别,然后提出保护动作的时序约束,对保护动作信息进行识别,从而提高故障诊断的准备性。通过SIMULINK验证了模型的有效性及正确性。