【技術實現步驟摘要】
本專利技術涉及碳纖維復合材料預成型設備，尤其涉及一種基于故障區域識別和證據信息融合的換流站故障診斷方法。
技術介紹
1、高壓直流輸電系統因其具備控制靈活、送受兩端相對獨立、線損低、易于電網互聯等獨特的優勢成為了解決遠距離大容量電能傳輸問題的重要技術。近年來隨著新能源(如太陽能、風能等)的蓬勃發展和能源分布結構的改變，高壓直流輸電技術在遠距離大容量輸電工程中得到了廣泛應用，并已在我國建成并投運多個高壓及特高壓直流輸電工程，這些工程在促進新能源開發利用和推動“西電東送”實施等方面發揮了重要作用。
2、直流輸電系統通常承擔遠距離大容量輸電或電網互聯等任務，其直流換流站內設備復雜，包含大量電力電子器件。一旦系統發生故障，將嚴重威脅系統的穩定運行以及人身設備安全。因此，亟需全面、高效的直流換流站故障診斷方法。
3、在現有的直流故障診斷相關研究中，主要采用了神經網絡、專家系統、支持向量機等方法。然而，這些方法大多僅針對故障錄波中的電氣量錄波這一單一信息源進行分析，忽略了同樣富含故障信息的直流輸電系統順序事件記錄信息(ser)和體現控制保護裝置動作情況的開關量錄波信息。由于直流保護分區內不同故障可能存在相似的電氣量特征，僅依賴電氣量錄波信息往往只能區分部分電氣量特征差異明顯的故障或識別故障發生的大致區域，無法精確定位到某一確定的直流保護分區內的故障點，導致現有的故障診斷方法在應對復雜故障時存在一定的局限性。
技術實現思路
1、本專利技術提供了一種基于故障區域識別和證據信息
2、為了達到上述目的，本專利技術所采用的技術方案是：
3、一種基于故障區域識別和證據信息融合的換流站故障診斷方法，包括以下步驟：
4、通過預處理后的換流站ser數據構建特征事件庫，基于所述特征事件庫分析故障時ser數據中不同故障的置信度結果識別換流站故障區域；
5、通過分析換流站調試運行期間不同故障的開關量錄波數據構件模糊知識規則庫，基于所述模糊知識規則庫搭建換流站開關量故障診斷的模糊petri網，利用所述模糊petri網對換流站開關量數據進行推理迭代，得到開關量故障診斷證據信息；
6、通過小波分解法獲取的換流站調試運行期間不同故障的小波能量譜訓練bp神經網絡，基于訓練后的bp神經網絡診斷故障時電氣量錄波數據，得到電氣量故障診斷證據信息；
7、利用d-s證據理論的融合規則整合所述開關量故障診斷證據信息和所述電氣量故障診斷證據信息，進行換流站故障點的定位。
8、進一步的，所述通過預處理后的換流站ser數據構建特征事件庫，包括以下步驟：
9、獲取換流站原始ser數據，篩選核心維度并排除干擾維度；
10、清洗保留的ser數據，去除重復記錄、填補缺失值，并統一數據格式；
11、統計不同故障的系統告警信息和事件等級的分布情況，形成初步的特征事件集合；
12、將所述特征事件集合與保護名稱標簽進行關聯，構建特征事件-保護名稱映射表；
13、整合所述特征事件-保護名稱映射表的數據信息，形成所述特征事件庫。
14、進一步的，所述基于所述特征事件庫分析故障時ser數據中不同故障的置信度結果識別換流站故障區域，包括以下步驟：
15、獲取故障時ser數據，遍歷預處理后的ser現場事件列表并與所述特征事件庫中的規則進行匹配；
16、統計不同故障對于換流器區內保護動作的支持度，取最大支持度計數做參考值，歸一化支持度計數獲取保護動作置信度，具體通過如下公式：
17、
18、其中，confi表示保護動作的置信度，supporti表示保護動作的支持度計數，α表示縮放因子，取0.95；
19、識別置信度高的保護動作，確定換流站故障區域。
20、進一步的，所述通過分析換流站調試運行期間不同故障的開關量錄波數據構件模糊知識規則庫，包括以下步驟：
21、基于所述換流站調試運行期間不同故障的開關量錄波數據，提取不同故障的保護動作情況；
22、基于提取的保護動作情況分析不同故障與保護動作之間的關聯，確立模糊知識規則；
23、將確立的模糊知識規則整理成庫，得到所述模糊知識規則庫。
24、進一步的，所述利用所述模糊petri網對換流站開關量數據進行推理迭代，得到開關量故障診斷證據信息，包括以下步驟：
25、根據所述模糊知識規則庫和確立的模糊知識規則，搭建換流站開關量故障診斷的所述模糊petri網；
26、獲取不同故障的故障現場開關量信號的故障征兆信息，并輸入所述模糊petri網；
27、通過mycin置信度方法，在所述模糊petri網中進行推理迭代，得到所述開關量故障診斷證據信息。
28、進一步的，所述通過小波分解法獲取的換流站調試運行期間不同故障的小波能量譜訓練bp神經網絡，包括以下步驟：
29、選用db8小波對換流站調試運行期間不同故障的電氣量錄波數據進行小波8層分解，得到不同尺度下的小波系數；
30、根據parseval原理計算各個尺度下的小波能量，得到不同故障的小波能量譜數據集；
31、
32、其中，eaj為第j尺度的低頻能量，edj為第j尺度的高頻能量；
33、根據小波能量譜數據集的特征，構建bp神經網絡，確定輸入層、隱含層和輸出層的具體層數，采用sigmoid函數作為隱含層的激勵函數，線性函數作為輸出層的激勵函數；
34、將不同故障的小波能量譜作為bp神經網絡訓練的輸入特征，對bp神經網絡進行訓練，得到訓練后的bp神經網絡。
35、進一步的，所述利用d-s證據理論的融合規則整合所述開關量故障診斷證據信息和所述電氣量故障診斷證據信息，包括以下步驟：
36、定義命題a表示換流站可能得故障點或故障類型，則mass質量函數滿足以下條件：
37、
38、其中，為一個命題，m為命題的質量函數，m(a)表示命題a質量的大小，即重要程度；
39、定義信任函數bel(a)和似然函數pl(a)分別表示命題a發生的最大、最小概率，具體表達式如下所示：
40、
41、定義兩個相互獨立的證據信息基本概率被賦值為m1和m2，利用d-s證據理論的融合規則，獲取新的概率分配，表示融合后證據對命題a的支持程度，即故障點或故障類型發生的概率：
42、
43、其中，m(a)定義為m1和m2的正交和，代表證據信息融合后命題a發生的概率。
44、一種基于故障區域識別和證據信息融合的換流站故障診斷裝置，所述裝置包括：
45、故障區域識別模塊，用于實時監測換流站各關鍵部件的運行狀態數據，通過預設的故障特征模型與實時數據進行匹配分析，初步劃分并識別出潛在的本文檔來自技高網...
【技術保護點】
1.一種基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，所述通過預處理后的換流站SER數據構建特征事件庫，包括以下步驟：
3.根據權利要求1所述的基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，所述基于所述特征事件庫分析故障時SER數據中不同故障的置信度結果識別換流站故障區域，包括以下步驟：
4.根據權利要求1所述的基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，所述通過分析換流站調試運行期間不同故障的開關量錄波數據構件模糊知識規則庫，包括以下步驟：
5.根據權利要求4所述的基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，所述利用所述模糊Petri網對換流站開關量數據進行推理迭代，得到開關量故障診斷證據信息，包括以下步驟：
6.根據權利要求1所述的基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，所述通過小波分解法獲取的換流站調試運行期間不同
7.根據權利要求1所述的基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，所述利用D-S證據理論的融合規則整合所述開關量故障診斷證據信息和所述電氣量故障診斷證據信息，包括以下步驟：
8.一種基于故障區域識別和證據信息融合的換流站故障診斷裝置，其特征在于，所述裝置包括：
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至7中任一項所述的基于故障區域識別和證據信息融合的換流站故障診斷方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述的基于故障區域識別和證據信息融合的換流站故障診斷方法的步驟。
...【技術特征摘要】
1.一種基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，所述通過預處理后的換流站ser數據構建特征事件庫，包括以下步驟：
3.根據權利要求1所述的基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，所述基于所述特征事件庫分析故障時ser數據中不同故障的置信度結果識別換流站故障區域，包括以下步驟：
4.根據權利要求1所述的基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，所述通過分析換流站調試運行期間不同故障的開關量錄波數據構件模糊知識規則庫，包括以下步驟：
5.根據權利要求4所述的基于故障區域識別和證據信息融合的換流站故障診斷方法，其特征在于，所述利用所述模糊petri網對換流站開關量數據進行推理迭代，得到開關量故障診斷證據信息，包括以下步驟：
6.根據權利要求1所...
【專利技術屬性】
技術研發人員：王業，任旭超，許蘇迪，王書征，崔玉，徐寧，施紀棟，馮軒，孔祥平，賓子君，鄭俊超，
申請(專利權)人：國網江蘇省電力有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。