亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進(jìn)D-S證據(jù)理論的電網(wǎng)故障多源信息智能融合診斷方法

        2020-11-27 04:20:20游昊石恒初楊遠(yuǎn)航顏麗廖曉春
        廣東電力 2020年11期
        關(guān)鍵詞:錄波行波主站

        游昊,石恒初,楊遠(yuǎn)航,顏麗,廖曉春

        (1.云南電網(wǎng)有限責(zé)任公司,云南 昆明 650011;2. 武漢華電順承科技有限公司,湖北 武漢 430071)

        隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展,社會(huì)對(duì)電力供應(yīng)的依賴程度增強(qiáng),對(duì)穩(wěn)定、可靠的供電服務(wù)質(zhì)量要求越來越高,調(diào)度管理的智能化水平和電網(wǎng)事故的快速處理得到越來越多的關(guān)注。繼電保護(hù)領(lǐng)域的保信、錄波和行波3個(gè)主站為調(diào)度機(jī)構(gòu)提供決策支持,3個(gè)主站分別在故障診斷、故障分析和測(cè)距定位方面各擅勝場(chǎng),但存在保信主站調(diào)取信息不及時(shí)、錄波主站測(cè)距不理想、行波主站自動(dòng)化程度低等弊端。同時(shí),各主站獨(dú)立運(yùn)行,缺乏有效的信息共享機(jī)制,存在多頭管理、信息孤島、依賴人工干預(yù)等問題,影響繼電保護(hù)輔助決策支持水平。

        近年來,國內(nèi)外開展了一些利用保信、錄波和行波故障信息提高繼電保護(hù)輔助決策支持水平的相關(guān)研究。在信息融合效果方面,文獻(xiàn)[1-3]采用時(shí)序貝葉斯網(wǎng)絡(luò)、小波技術(shù)、覆蓋集理論等方法進(jìn)行故障特征提取,綜合保護(hù)動(dòng)作、錄波電氣數(shù)據(jù)進(jìn)行故障綜合判定。上述文獻(xiàn)融合的對(duì)象主要是廠站側(cè)保信和錄波的開關(guān)量和電氣量信息,但保護(hù)故障數(shù)據(jù)點(diǎn)多,在時(shí)間約束下的融合效果并不理想。文獻(xiàn)[4-5]提出了主站監(jiān)控系統(tǒng)一體化的構(gòu)想,考慮了多數(shù)據(jù)源分析進(jìn)程阻塞、信息無法同步獲取的情況,但未給出信息同步正向解決方法,停留于被動(dòng)接收層面的信息融合,融合效果不佳。

        在故障定位方面,文獻(xiàn)[6-7]中行波雙端測(cè)距原理簡(jiǎn)單,理論精度高,但存在兼容性差、智能化程度低、波頭識(shí)別難等弱點(diǎn),自身缺陷短時(shí)間難以攻克。而錄波和保信阻抗測(cè)距法在高阻接地時(shí)存在較大偏差,其他多數(shù)情況下的測(cè)距結(jié)果準(zhǔn)確性較高,行波初始波頭搜索范圍未有效利用錄波和保信的測(cè)距結(jié)果作為參考,是當(dāng)前主站各自為政的弊端。

        在融合診斷方法方面,文獻(xiàn)[8-12]提出基于人工神經(jīng)網(wǎng)絡(luò)的信息融合、基于貝葉斯網(wǎng)絡(luò)的信息融合、基于模糊推理的信息融合、基于專家系統(tǒng)的信息融合、基于小波變換的多尺度信息融合、加權(quán)系數(shù)信息融合等方法。這些方法在電網(wǎng)故障診斷中已有廣泛應(yīng)用,但也存在各自缺點(diǎn),例如:人工神經(jīng)網(wǎng)絡(luò)需要大量樣本訓(xùn)練,訓(xùn)練樣本數(shù)量和完整性難以保證;模糊推理的規(guī)則建立受主觀因素影響;專家系統(tǒng)的知識(shí)庫維護(hù)不及時(shí)。

        面對(duì)電網(wǎng)規(guī)模擴(kuò)大、設(shè)備數(shù)量增多、擾動(dòng)數(shù)據(jù)驟增的壓力,局限于廠站側(cè)故障數(shù)據(jù)融合,需要花費(fèi)大量時(shí)間從海量數(shù)據(jù)中提取故障特征,工作繁瑣且低效。為解決以上問題,迫切需要:①故障信息同步,保證廠站側(cè)上傳至主站的數(shù)據(jù)在限定時(shí)間內(nèi)分析完成,加速3個(gè)主站故障信息同步的速度,提高融合前故障信息的可靠性;②同源故障信息融合,利用3個(gè)主站的故障分析結(jié)果,選用合適的智能融合診斷方法進(jìn)行同源故障判定并完成信息融合,提高故障診斷的可靠性。

        本文結(jié)合錄波、保信和行波3個(gè)主站自身優(yōu)勢(shì),建立多源信息融合診斷模型,提出一種基于改進(jìn)Dempster-Shafer(D-S)證據(jù)理論的多源信息智能融合診斷方法。該方法可以在免人工干預(yù)的前提下,利用主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整,加速故障信息的同步速度;基于改進(jìn)D-S證據(jù)理論,根據(jù)融合診斷規(guī)則、流程,完成故障診斷、同源故障識(shí)別和信息融合,最終實(shí)現(xiàn)故障數(shù)據(jù)快速反應(yīng)、多源信息融合診斷和故障信息全景反映,發(fā)布故障報(bào)告供調(diào)度機(jī)構(gòu)直接決策。

        1 融合診斷模型

        融合診斷模型無需改變?cè)?個(gè)主站的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),通過外圍通信接口和數(shù)據(jù)交換總線進(jìn)行錄波、保信和行波主站之間的信息交互,數(shù)據(jù)接入設(shè)計(jì)靈活,作業(yè)流程標(biāo)準(zhǔn)化,適應(yīng)外部數(shù)據(jù)規(guī)范。該診斷模型主要包含信息集成層、信息支撐層、融合診斷層和全景反映層4個(gè)部分,完成故障信息同步、集成、分類、診斷、融合、發(fā)布等工作,如圖1所示。

        圖1 多源信息融合診斷模型Fig.1 Multi-source information fusion diagnosis model

        1.1 信息集成層

        信息收集:當(dāng)電網(wǎng)產(chǎn)生大擾動(dòng)或故障發(fā)生時(shí),各主站完成故障數(shù)據(jù)分析,生成故障分析報(bào)告。數(shù)據(jù)交換總線通過短周期輪詢方式訪問各分布式主站本地存儲(chǔ)的故障列表,一旦檢測(cè)到有新的文件生成,集中到信息集成層。

        信息同步:錄波分析報(bào)告生成時(shí),同步進(jìn)行保信和行波報(bào)告的檢查工作,發(fā)現(xiàn)保信和行波故障報(bào)告缺失的情況,召喚與錄波提供的故障信息時(shí)間序列相似的保護(hù)和行波故障數(shù)據(jù)。在啟動(dòng)主動(dòng)激勵(lì)召喚這種干預(yù)模式時(shí),進(jìn)行任務(wù)優(yōu)先級(jí)的動(dòng)態(tài)調(diào)整,將時(shí)間序列相似的保信和行波數(shù)據(jù)優(yōu)先摘取、分析,提高計(jì)算資源的利用率和故障信息的同步速度。

        1.2 信息支撐層

        預(yù)處理:將信息集成層匯集的數(shù)據(jù)進(jìn)行規(guī)范化處理,異構(gòu)數(shù)據(jù)自動(dòng)檢查、容錯(cuò),并轉(zhuǎn)換成標(biāo)準(zhǔn)格式。篩選故障特征,統(tǒng)一描述相同類型特征,避免不規(guī)范的信息在機(jī)器查詢過程中無法識(shí)別的問題。

        信息分類:按照調(diào)度機(jī)構(gòu)所需要的輔助決策內(nèi)容,利用一對(duì)一支持向量機(jī)多分類算法(以下簡(jiǎn)稱“一對(duì)一法”)完成故障信息分類工作,對(duì)融合診斷層進(jìn)行信息及時(shí)響應(yīng)和支撐,這是故障信息融合的基礎(chǔ)。

        1.3 融合診斷層

        信息處理:根據(jù)時(shí)間序列相似性原則,若每個(gè)主站提供的決策類信息都只有1組且信息一致,同源故障可快速確認(rèn)。若故障信息有多組且決策類信息不一致,則要從源端評(píng)價(jià)類和證據(jù)類信息進(jìn)行融合分析。

        融合分析:從評(píng)價(jià)類保護(hù)動(dòng)作角度進(jìn)行故障再確認(rèn),若確實(shí)有保護(hù)元件動(dòng)作發(fā)生,結(jié)合證據(jù)類信息進(jìn)行故障融合分析。利用改進(jìn)D-S證據(jù)理論融合診斷故障,指向同一故障的證據(jù)體,即為同源故障信息。

        1.4 全景反映層

        決策報(bào)告:錄波主站是3個(gè)主站中具備自主分析能力并能提供故障分析報(bào)告的系統(tǒng),在錄波分析報(bào)告的基礎(chǔ)上,消納保信的保護(hù)動(dòng)作和行波的測(cè)距結(jié)果,發(fā)布完整的故障報(bào)告供調(diào)度機(jī)構(gòu)直接決策[13-17]。

        2 融合診斷方法

        2.1 融合診斷思路

        保信、錄波和行波主站所反映的故障信息是同源、不同角度的,利用3個(gè)主站故障信息之間的冗余性,進(jìn)行同源故障判斷;利用3個(gè)主站信息的不同角度,進(jìn)行信息融合,反映故障全景。首先,根據(jù)故障反應(yīng)迅速的錄波分析結(jié)果,通過主動(dòng)激勵(lì)召喚與錄波已識(shí)別故障時(shí)間序列相似的保信和行波數(shù)據(jù),利用任務(wù)優(yōu)先級(jí)的動(dòng)態(tài)調(diào)整快速完成保信和行波數(shù)據(jù)分析,形成保信和行波故障報(bào)告;其次,進(jìn)行多源異構(gòu)故障信息預(yù)處理,利用一對(duì)一法按照調(diào)度機(jī)構(gòu)所需的決策內(nèi)容對(duì)故障信息進(jìn)行分類;再次,根據(jù)時(shí)間序列相似性原則,在決策類信息只有1組且信息一致的情況下,直接認(rèn)定為同源故障;在決策類信息不一致的情況下,利用改進(jìn)D-S證據(jù)理論對(duì)源端評(píng)價(jià)類故障度和證據(jù)類故障度進(jìn)行融合,診斷故障并確定故障同源性;最后,綜合錄波分析結(jié)果、保信保護(hù)動(dòng)作情況和行波測(cè)距結(jié)果,實(shí)現(xiàn)同源故障信息的融合。

        2.2 多源異構(gòu)故障信息預(yù)處理

        a)智能容錯(cuò)處理:依據(jù)暫態(tài)數(shù)據(jù)交換通用格式(common format for transient data exchange,COMTRADE)標(biāo)準(zhǔn)的釋義與常見錯(cuò)誤匯編對(duì)故障波形制訂容錯(cuò)方案。對(duì)于信息不全或冗余的情況,調(diào)取補(bǔ)償列表進(jìn)行信息補(bǔ)全或刪減。對(duì)于補(bǔ)償列表之外不能識(shí)別的問題,主站端調(diào)取一次定值模型重新生成標(biāo)準(zhǔn)配置參數(shù),再次進(jìn)行修正并自動(dòng)判斷波形文件智能容錯(cuò)處理是否成功。

        b)無損轉(zhuǎn)換技術(shù):讀取3個(gè)主站故障報(bào)告,對(duì)不同參數(shù)信息進(jìn)行細(xì)粒度處理,利用參數(shù)差異度指標(biāo)衡量不同系統(tǒng)模型參數(shù)之間差異的大小,匹配校驗(yàn)后的參數(shù)映射到統(tǒng)一描述的參數(shù)通道;對(duì)于時(shí)間序列相似的故障波形采用線性重采樣及故障起始點(diǎn)擬合以實(shí)現(xiàn)采樣頻率歸一化和時(shí)標(biāo)同步,便于程序裝載運(yùn)用。

        c)模型參數(shù)統(tǒng)一:模型參數(shù)無損轉(zhuǎn)換后,以公共模板作為中間件進(jìn)行多源異構(gòu)模型參數(shù)的一致性關(guān)聯(lián)和參數(shù)信息的映射,形成格式統(tǒng)一的故障報(bào)告,完成不同系統(tǒng)模型參數(shù)的無偏差一致化處理,降低后續(xù)故障信息分類協(xié)同處理的復(fù)雜度。

        2.3 故障信息分類

        利用一對(duì)一法進(jìn)行故障信息分類工作,對(duì)于1個(gè)m類的分類,設(shè)計(jì)成m(m-1)/2個(gè)分類器,每個(gè)分類器單獨(dú)對(duì)樣本信息進(jìn)行分類,通過投票法累加票數(shù),獲得票數(shù)多的類型即為該樣本信息所屬的類別。故障信息按照調(diào)度機(jī)構(gòu)所需輔助決策內(nèi)容分為證據(jù)類、評(píng)價(jià)類和決策類,如圖2所示。

        圖2 信息分類Fig.2 Information classification

        a)證據(jù)類信息:主要是錄波、保信和行波原始波形圖,記錄故障發(fā)生時(shí)的暫態(tài)和故障前后的穩(wěn)態(tài)過程信息,包含故障電壓、電流、功率等電氣量信息。

        b)評(píng)價(jià)類信息:包含保護(hù)動(dòng)作元件的動(dòng)作時(shí)序、邏輯等信息。保護(hù)動(dòng)作信息具有可靠性高、覆蓋全面的優(yōu)點(diǎn),可以實(shí)現(xiàn)對(duì)故障區(qū)域的準(zhǔn)確診斷。

        c)決策類信息:故障分析報(bào)告,包括故障時(shí)刻、線路名稱、故障類型、跳閘時(shí)刻、重合時(shí)刻、故障測(cè)距等,為調(diào)度機(jī)構(gòu)提供復(fù)電依據(jù),也為巡線班組提供故障位置的指導(dǎo)。

        故障信息分類是從3個(gè)不同角度快速判定故障、識(shí)別故障同源的基礎(chǔ),其作用是為后續(xù)根據(jù)融合規(guī)則和流程完成故障信息融合診斷做準(zhǔn)備。

        2.4 融合診斷方法

        將錄波分析所得故障時(shí)間作為輸入特征,以編輯距離來搜索與之時(shí)間序列相似的保信和行波故障數(shù)據(jù),編輯距離越小,2個(gè)時(shí)間序列的相似度越高。限定保信和行波時(shí)間序列相似匹配裕度范圍為30 min和15 s,時(shí)間序列相似性匹配到的保信和行波主站提供的信息都只有1組且信息一致,即確認(rèn)為同源故障。實(shí)際情況是每個(gè)主站提供的故障信息可能有多組,需要根據(jù)以下融合規(guī)則和流程判斷:

        a)決策類信息:在決策類信息一致情況下可直接融合后發(fā)送報(bào)告;不一致的情況下利用評(píng)價(jià)類和證據(jù)類信息從源端對(duì)故障進(jìn)行診斷。

        b)評(píng)價(jià)類信息:有保護(hù)動(dòng)作實(shí)施的擾動(dòng)數(shù)據(jù)排除誤動(dòng)基本上就可以確認(rèn)為故障,可以對(duì)錄波分析結(jié)果從保護(hù)動(dòng)作角度再確認(rèn),避免錄波主站對(duì)擾動(dòng)數(shù)據(jù)的誤判。評(píng)價(jià)類信息存在保護(hù)動(dòng)作元件情況和出口時(shí)序信息,說明確實(shí)有故障發(fā)生,需要結(jié)合證據(jù)類信息進(jìn)行確認(rèn)。

        c)證據(jù)類信息:對(duì)來源不同、采樣點(diǎn)各異的波形進(jìn)行采樣率歸一化處理,將來源不同的證據(jù)類信息作為證據(jù)體的一部分,利用改進(jìn)D-S證據(jù)理論對(duì)證據(jù)類和評(píng)價(jià)類故障度進(jìn)行權(quán)重調(diào)整后融合診斷,指向同一故障的證據(jù)體,即為同源故障信息。

        融合診斷流程如圖3所示。

        圖3 融合診斷流程Fig.3 Fusion diagnosis flow

        3 融合診斷關(guān)鍵技術(shù)及算法

        電網(wǎng)故障診斷對(duì)時(shí)效性要求較高,為了在限定時(shí)間內(nèi)提高故障數(shù)據(jù)自動(dòng)上送和同源故障信息決策的可靠性,需解決以下2個(gè)關(guān)鍵技術(shù):

        a)故障信息同步:錄波主站自主分析能力強(qiáng),3 min可以獲得故障分析報(bào)告,但存在保信數(shù)據(jù)點(diǎn)多,整理信息時(shí)間跨度大,行波數(shù)據(jù)碎片化、海量化,無自動(dòng)上傳能力的缺點(diǎn),依靠現(xiàn)有機(jī)制,故障報(bào)告獲取時(shí)效性低。通過主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整,合理利用資源來提升與錄波時(shí)間序列相似的保信和行波報(bào)告同步速度,從而獲取融合所需要的故障信息,保證3個(gè)主站故障信息的可靠性。

        b)同源故障信息融合:傳統(tǒng)故障診斷的模式是依賴3個(gè)主站信息加人工干預(yù)的方式進(jìn)行故障分析判定,故障診斷的可靠性難以保證。在現(xiàn)有智能融合分析方法中,選取基于改進(jìn)D-S證據(jù)理論的多源信息智能融合診斷方法,將源端證據(jù)類和評(píng)價(jià)類信息故障度進(jìn)行權(quán)重調(diào)整后融合診斷,判定同源故障,從而完成同源故障信息融合。

        3.1 故障信息同步

        3.1.1 主動(dòng)激勵(lì)召喚

        利用錄波故障特征,在錄波主站發(fā)出故障預(yù)警信號(hào)后,保信和行波開始自動(dòng)召喚數(shù)據(jù)3 min。如果檢測(cè)召喚失敗,從第3 min開始,啟動(dòng)主動(dòng)激勵(lì)機(jī)制,強(qiáng)制召喚與錄波已識(shí)別故障時(shí)間序列相似的保護(hù)和行波故障數(shù)據(jù)。如果召喚成功,交給主站計(jì)算、整理并生成保信和行波故障報(bào)告;如果召喚失敗,以3 min為間隔,再進(jìn)行3次主動(dòng)激勵(lì)召喚;若3次主動(dòng)激勵(lì)都召喚不上來故障數(shù)據(jù),即為召喚失敗,總時(shí)長(zhǎng)控制在15 min時(shí)間內(nèi)收斂與之相匹配的故障數(shù)據(jù)。此主動(dòng)激勵(lì)機(jī)制可有效解決保信和行波主站難以快速獲取故障數(shù)據(jù)的問題。

        3.1.2 任務(wù)動(dòng)態(tài)調(diào)整

        由于故障數(shù)據(jù)具有多點(diǎn)驟發(fā)和集中上傳的特性,為了合理分配主站計(jì)算資源,需要對(duì)主站計(jì)算任務(wù)進(jìn)行優(yōu)先級(jí)排序,設(shè)T={T1,T2,…,Tz,…}為主站計(jì)算任務(wù)集合,每個(gè)任務(wù)表示為Tz={Tid,z,Tlen,z,TDL,z,Tval,z},其中:下標(biāo)z指代第z個(gè)任務(wù),下同;Tid,z為故障編號(hào);Tlen,z為故障數(shù)據(jù)長(zhǎng)度;TDL,z為數(shù)據(jù)計(jì)算任務(wù)的截止時(shí)間;Tval,z為數(shù)據(jù)價(jià)值。

        利用以下3個(gè)參數(shù)來體現(xiàn)任務(wù)優(yōu)先級(jí)指標(biāo):

        故障數(shù)據(jù)的價(jià)值密度

        Tvd,z=Tval,z/Tlen,z,

        (1)

        數(shù)據(jù)處理的緊迫性

        Tres,z=TDL,z-tz,

        (2)

        數(shù)據(jù)處理的優(yōu)先級(jí)

        Pz=Tvd,z/Tres,z,

        (3)

        式中tz為任務(wù)執(zhí)行時(shí)間。

        Tvd,z體現(xiàn)該任務(wù)處理數(shù)據(jù)符合故障數(shù)據(jù)特征的程度;Tres,z表示剩余執(zhí)行時(shí)間;Pz表示任務(wù)Tz在剩余執(zhí)行時(shí)間內(nèi)的價(jià)值密度,Pz越大,任務(wù)處理優(yōu)先級(jí)越高。在主動(dòng)激勵(lì)召喚到匹配的保信和行波故障數(shù)據(jù)后,可以縮短TDL,z截止時(shí)間,加快對(duì)可疑故障任務(wù)的緊急處理。這樣做的意義在于合理分配資源,使時(shí)間序列相似的各主站故障分析結(jié)果在限定時(shí)間內(nèi)計(jì)算、整理完成,加速3個(gè)主站故障信息的同步,提高融合前故障信息的可靠性[18-20]。

        3.2 同源故障信息融合

        3.2.1 評(píng)價(jià)類故障度提取

        根據(jù)保護(hù)動(dòng)作情況可形成可疑故障區(qū)域和可疑故障元件集合,結(jié)合故障元件和主保護(hù)、后備保護(hù)和斷路器之間的動(dòng)作關(guān)系,將故障診斷的問題轉(zhuǎn)化為最優(yōu)問題求解。

        設(shè)定可疑故障元件集合中保護(hù)和斷路器動(dòng)作取值為1,沒有動(dòng)作則取值為0,形成可疑元件集合的實(shí)際動(dòng)作集合Y。為了規(guī)避直接取用0和1作為動(dòng)作期望值帶來的局限性,假設(shè)斷路器、主保護(hù)、近后備保護(hù)和遠(yuǎn)后備保護(hù)的取值系數(shù)分別為0.95、0.9、0.85、0.8,形成期望狀態(tài)動(dòng)作集合Y*。利用粒子群優(yōu)化算法對(duì)目標(biāo)函數(shù)

        y(x)=min(Y-Y*)

        (4)

        求最優(yōu)解。

        通過迭代尋優(yōu)獲取最優(yōu)解X={x1,x2,…,xn},xn為第n個(gè)可疑元件的故障可能性。

        若可疑元件集合中有且僅有1個(gè)故障元件,則故障元件可直接鎖定;如可疑故障元件個(gè)數(shù)大于1,需要結(jié)合源端證據(jù)類故障度進(jìn)一步融合診斷。為了和證據(jù)類信息進(jìn)行融合診斷,提出評(píng)價(jià)類故障度Jn,并表示為

        (5)

        3.2.2 證據(jù)類故障度提取

        利用源端證據(jù)類信息可以得到故障前后電流、電壓信號(hào)的變化情況,故障元件的電氣量變化程度遠(yuǎn)遠(yuǎn)大于非故障元件。利用多分辨率分析的小波變換計(jì)算各可疑故障元件在故障前后電流的幅值變化程度。

        設(shè)故障信號(hào)為Xn(t),經(jīng)過小波變換技術(shù)提取故障時(shí)刻t0,得到t0時(shí)刻前、后信號(hào)對(duì)應(yīng)的小波變換結(jié)果Tnf1,Tnf2,…,Tnfm和Tnb1,Tnb2,…,Tnbm,其中m為采樣點(diǎn)個(gè)數(shù)。利用式(6)—(8)求得第n個(gè)元件的故障電流信號(hào)幅值變化程度En。

        Enf=max{Tnf1,Tnf2,…,Tnfm},

        (6)

        Enb=max{Tnb1,Tnb2,…,Tnbm},

        (7)

        (8)

        En并不能全面表征元件的故障支持度,利用式(9)進(jìn)行處理,突出故障情況下各元件小波故障度之間的距離,更好地反映故障發(fā)生后第n個(gè)元件證據(jù)類故障度In。

        (9)

        3.2.3 基于改進(jìn)D-S證據(jù)理論融合診斷

        D-S證據(jù)理論是一種處理不確定性問題的方法,廣泛應(yīng)用于信息融合、目標(biāo)模式識(shí)別等領(lǐng)域。在應(yīng)用中發(fā)現(xiàn)此理論存在一票否決、Zadeh悖論和公平等問題,通過修改證據(jù)體權(quán)重進(jìn)行改進(jìn),提高改進(jìn)后D-S證據(jù)理論的魯棒性。

        設(shè)識(shí)別框架Θ={A1,A2,…,An},x個(gè)證據(jù)在識(shí)別框架下的基本概率分別為m1,m2,…,mx,證據(jù)權(quán)重w反映證據(jù)的相對(duì)可靠程度,將w作為修正系數(shù),修改原證據(jù)體M={mj(A1),mj(A2),…,mj(An)},得到修正后的證據(jù)體概率分配函數(shù),利用式(10)—(16)進(jìn)行計(jì)算,操作步驟如下:

        a)計(jì)算證據(jù)平均概率

        (10)

        b)計(jì)算單個(gè)證據(jù)與證據(jù)平均概率的距離

        (11)

        c)d′j越小,證據(jù)權(quán)重越大,計(jì)算各證據(jù)概率權(quán)重和新的證據(jù)平均概率mave(Ai):

        (12)

        (13)

        d)利用mave(Ai)計(jì)算每個(gè)證據(jù)與新的證據(jù)平均概率的距離

        (14)

        e)重新定義各證據(jù)在每個(gè)命題下的權(quán)重并求出加權(quán)平均證據(jù)概率:

        (15)

        (16)

        式中

        最后,將wj修正后的證據(jù)類和評(píng)價(jià)類證據(jù)體故障度代入式(17),獲得每個(gè)命題下的融合結(jié)果m(Ai):

        (17)

        式中k為沖突因子,

        (18)

        k越接近0,表明證據(jù)之間的沖突越小且融合結(jié)果越準(zhǔn)確;k越接近1,表明證據(jù)之間的沖突越大且融合結(jié)果越不準(zhǔn)確。當(dāng)證據(jù)間的沖突因子k增大時(shí),證據(jù)權(quán)重w降低,形成沖突因子和證據(jù)權(quán)重之間的動(dòng)態(tài)調(diào)整[21-24]。

        4 應(yīng)用案例

        采用云南電網(wǎng)數(shù)據(jù)庫中的原始故障數(shù)據(jù)作為樣本集,包含單線路故障、多線路故障、母線故障,試驗(yàn)?zāi)M共600個(gè)故障原始數(shù)據(jù),兩側(cè)故障數(shù)據(jù)合計(jì)為1 200個(gè)。設(shè)主站服務(wù)器計(jì)算能力為109~7×109bit/s,任務(wù)密度Tvd和任務(wù)剩余時(shí)間Tres分別為106~107bit和1~900 s,每種故障樣本數(shù)據(jù)分批輸入。

        為了體現(xiàn)主動(dòng)激勵(lì)和任務(wù)動(dòng)態(tài)調(diào)整加速故障數(shù)據(jù)同步的效果,以3個(gè)主站在15 min內(nèi)的匹配數(shù)據(jù)分析完成率來度量。以131個(gè)單線路短路故障樣本為例,每10 min輸入13個(gè)故障數(shù)據(jù),限定總分析時(shí)間15 min,設(shè)計(jì)為只要錄波召喚到匹配的保護(hù)和行波故障數(shù)據(jù),縮短Tres為5 min,動(dòng)態(tài)調(diào)整任務(wù)到高優(yōu)先級(jí)。比對(duì)主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整后的3個(gè)主站故障數(shù)據(jù)分析完成率與主站自動(dòng)召喚和隨機(jī)排序后的故障分析完成率,如圖4所示,發(fā)現(xiàn)3個(gè)主站在2次主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整后的故障分析完成率提升42%,表明在相同時(shí)間內(nèi)任務(wù)動(dòng)態(tài)調(diào)整能較多地分析故障數(shù)據(jù),反之也說明3個(gè)主站同步分析故障時(shí)效性提高了。在擾動(dòng)數(shù)據(jù)驟增的情況下,主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整這種主動(dòng)干預(yù)的方式對(duì)在限定時(shí)間內(nèi)完成故障數(shù)據(jù)同步來說有較強(qiáng)的優(yōu)勢(shì),能加快3個(gè)主站故障信息同步的速度。

        圖4 任務(wù)動(dòng)態(tài)調(diào)整和隨機(jī)排序分析完成率比較Fig.4 Completion rate comparison of task dynamic adjustment and random sorting analysis

        在3個(gè)主站故障信息能快速同步獲取的基礎(chǔ)上,若發(fā)現(xiàn)3個(gè)主站提供的決策類故障信息不統(tǒng)一,檢查評(píng)價(jià)類存在保護(hù)動(dòng)作元件信息,此時(shí)需要結(jié)合源端證據(jù)類信息診斷故障。

        設(shè)評(píng)價(jià)類信息鎖定的故障區(qū)域中可疑故障元件集合為{L1,L2,L3,L4,L5,L6,L7,L8},構(gòu)造融合決策識(shí)別框架Θ;保信評(píng)價(jià)類、錄波證據(jù)類、保信證據(jù)類和行波證據(jù)類4類證據(jù)記為{E1,E2,E3,E4}。根據(jù)評(píng)價(jià)類和證據(jù)類故障度,求得各類證據(jù)對(duì)各故障元件的基本概率分配函數(shù)值mj(Li);利用證據(jù)權(quán)重wj修改規(guī)則,求得4類證據(jù)的權(quán)重依次為0.366 2、0.304 2、0.185 3、0.144 3,進(jìn)行評(píng)價(jià)類和證據(jù)類證據(jù)體調(diào)整;利用改進(jìn)D-S證據(jù)理論合成規(guī)則,求取8條可疑故障線路發(fā)生單相短路融合概率分配函數(shù)m(Li),融合前后的概率分配函數(shù)值如圖5所示。

        圖5 D-S證據(jù)理論信息融合結(jié)果Fig.5 Information fusion results based on D-S evidence theory

        制訂判定規(guī)則:故障元件的融合概率分配函數(shù)值至少為其他可疑故障元件概率分配函數(shù)值的1.5倍,圖5中的L1線路融合后的概率分配函數(shù)值是其他值的2倍左右,融合后的故障概率分配函數(shù)值提升到0.953 5,不確定性概率0.001 3小于閾值0.01,目標(biāo)線路故障概率分配值遠(yuǎn)遠(yuǎn)大于不確定性概率,判定L1線路發(fā)生單相短路故障。調(diào)取L1線路樣本故障分析報(bào)告進(jìn)行驗(yàn)證,D-S證據(jù)理論融合后的概率分配函數(shù)診斷結(jié)果與3個(gè)主站提供的驗(yàn)證樣本故障分析報(bào)告情況相符,確認(rèn)為同源故障信息。

        在故障信息同步和同源故障識(shí)別可靠的基礎(chǔ)上,完成3個(gè)主站同源故障信息融合,即融合錄波故障分析結(jié)果、保信保護(hù)動(dòng)作元件信息和行波測(cè)距結(jié)果,生成最終的故障決策報(bào)告。統(tǒng)計(jì)131個(gè)單線路短路故障樣本融合成功率,并與主站獨(dú)立決策、錄波-行波融合、錄波-保信融合成功率進(jìn)行對(duì)比,如圖6所示,在前2次主動(dòng)激勵(lì)后融合成功率達(dá)到85%,3次主動(dòng)激勵(lì)后融合成功率可達(dá)95%以上,與獨(dú)立決策成功率30%相比,3個(gè)主站信息融合成功率提升65%。

        圖6 3個(gè)主站融合決策與獨(dú)立決策成功率對(duì)比Fig.6 Success rate comparison of three-station fusion decision and independent decision

        為了驗(yàn)證基于改進(jìn)D-S證據(jù)理論的多源信息智能融合診斷方法的可靠性,橫向?qū)Ρ仍颇想娋W(wǎng)數(shù)據(jù)庫中1 200個(gè)故障樣本在3站融合和獨(dú)立決策情況下的數(shù)據(jù)上送可靠性、故障定位精度、數(shù)據(jù)診斷可靠性和故障分析完成時(shí)間共4項(xiàng)指標(biāo)平均值,見表1。

        表1 3個(gè)主站融合和獨(dú)立決策指標(biāo)比對(duì)Tab.1 Index contrast of three-station fusion and independent decision

        綜合分析可得:

        a)主動(dòng)激勵(lì)機(jī)制提升了故障數(shù)據(jù)自動(dòng)上送可靠性,保信和行波數(shù)據(jù)自動(dòng)上送可靠性分別提升25%和80%。

        b)基于改進(jìn)D-S證據(jù)理論的融合診斷方法不受故障類型(金屬性和非金屬性)的影響,具備較好的兼容性,可在8 min內(nèi)實(shí)現(xiàn)超過95%的故障融合成功和精準(zhǔn)定位。

        5 結(jié)束語

        本文介紹了基于改進(jìn)D-S證據(jù)理論的電網(wǎng)故障多源信息智能融合診斷模型、規(guī)則和流程,重點(diǎn)闡述了多源信息智能融合診斷過程中2個(gè)關(guān)鍵技術(shù)難點(diǎn)。利用主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整對(duì)故障數(shù)據(jù)進(jìn)行計(jì)算資源合理分配,提高故障信息的同步速度。利用改進(jìn)D-S證據(jù)理論融合算法,通過證據(jù)類和評(píng)價(jià)類融合概率分配函數(shù)判定故障,得到高可信度的同源故障識(shí)別結(jié)論,完成3個(gè)主站同源故障信息融合。

        基于改進(jìn)D-S證據(jù)理論的電網(wǎng)故障多源信息智能融合診斷方法相較3個(gè)主站獨(dú)立決策具有以下優(yōu)點(diǎn):

        a)利用主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整的融合診斷方法在故障數(shù)據(jù)自動(dòng)上送可靠性方面優(yōu)于獨(dú)立決策,將信息滯后、依賴人工干預(yù)等智能化程度低的操作進(jìn)行優(yōu)化,提高了故障信息反應(yīng)速度和智能化水平。

        b)利用改進(jìn)D-S證據(jù)理論的融合診斷方法在故障分析的時(shí)效性和可靠性上優(yōu)于獨(dú)立決策,解決了3個(gè)主站信息孤島、證據(jù)單一的問題,發(fā)揮各主站在故障診斷方面的優(yōu)勢(shì),實(shí)現(xiàn)了“1+1+1>3”的應(yīng)用效果,在故障快速可靠決策方面效果顯著。

        基于改進(jìn)D-S證據(jù)理論的電網(wǎng)故障多源信息智能融合診斷方法滿足電網(wǎng)調(diào)度精益化管理的需求,調(diào)度機(jī)構(gòu)根據(jù)融合后的故障決策報(bào)告可直接決策。該方法適合于非同型主站之間故障數(shù)據(jù)快速無障礙交互和綜合高效決策,在繼電保護(hù)電子化報(bào)送和芯片化主站建設(shè)領(lǐng)域具有廣闊的應(yīng)用前景。

        猜你喜歡
        錄波行波主站
        一類非局部擴(kuò)散的SIR模型的行波解
        故障錄波裝置自動(dòng)測(cè)試系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
        Joseph-Egri方程行波解的分岔
        基于OS2主站系統(tǒng)的海量數(shù)據(jù)共享技術(shù)研究
        多表遠(yuǎn)程集抄主站系統(tǒng)
        電子制作(2017年23期)2017-02-02 07:17:07
        基于Hadoop技術(shù)的批量錄波數(shù)據(jù)高性能處理方法
        基于暫態(tài)錄波數(shù)據(jù)的負(fù)荷建模方法研究
        Kolmogorov-Petrovskii-Piskunov方程和Zhiber-Shabat方程的行波解
        (3+1)維Kdv-Zakharov-Kuznetsev方程的亞純行波解
        基于IEC61850標(biāo)準(zhǔn)的水電廠錄波數(shù)據(jù)接入實(shí)現(xiàn)方案
        亚洲毛片av一区二区三区| 亚洲精品无码久久久久秋霞| a一区二区三区乱码在线 | 欧洲| 亚洲区精选网址| 日韩中文字幕在线丰满| 国产精品久久久久久| 朝鲜女子内射杂交bbw| 久久男人av资源网站无码| 精品国精品国产自在久国产应用| 成人国产在线观看高清不卡| 中文字幕人妻互换激情| 国产对白国语对白| 欧美巨大xxxx做受l| 99在线国产视频| 国产亚洲一二三区精品| 国产综合精品| 日日摸夜夜添夜夜添无码免费视频 | 日本老熟妇毛茸茸| 日韩精品欧美激情亚洲综合| 精品国产亚洲av久一区二区三区| 无码喷潮a片无码高潮| 久久精品亚洲中文字幕无码网站 | 怡红院免费的全部视频| 亚洲国产精品午夜电影| 美腿丝袜视频在线观看| 精品无人码麻豆乱码1区2区| 人妻av一区二区三区精品| 亚洲中文字幕有码av| 人妻少妇不满足中文字幕| 国产精品无码久久久久| 久久男人av资源网站无码| 蜜桃久久综合一区二区| 三年的高清电影免费看| 亚洲第一网站免费视频| 一本大道加勒比东京热| 欧美国产激情18| 欧美mv日韩mv国产网站| 日本成熟妇人高潮aⅴ| 亚洲一区二区三区中文字幕网| 国产精品自在线拍国产手机版| 国产精品原创av片国产日韩|