电力系统分析第三版答案

本文格式为Word版，下载可任意编辑——电力系统分析第三版答案

电力系统的故障诊断技术是一门综合性技术，涉及现代操纵理论、信号处理、模式识别、人工智能、小波变换数理统计、模糊规律等多学科理论。本文结合国内外研究，总结了几种对比实用的诊断方法。

随着电力的大规模生产，电力设备的布局越来越繁杂，功能越来越完善，自动化程度也越来越高，各子系统的关系也越来越紧密，一旦设备的某个片面在运转过程中展现故障，就很可能中断生产，造成巨大的经济损失，甚至带来灾难性的后果。为保证电力系统安好、经济、稳定运行，电力设备的故障监测诊断将从以时间为基准的方式转变到以状态为基准的方式，其内容包括状态监测与故障诊断两个方面：前者通过提取故障的特征信号为状态修理供给检修依据，后者那么分析、处理所采集的状态信息。国内外在电力系统故障诊断方而的研究已经取得了大量成果，内容包括特征量、诊断方法等。

1.线路变压器诊断

超高压输电线路犹如联系东西部经济和全国电网的动脉，当输电线路发生故障时，切实、快速地分析以及急速恢复供电有着举足轻重的作用。国内外已经在这一领域举行了长期的研究，研究内容包括故障类型、故障定位和输电线路热故障（高压输电线路的接头和连接件会展现热故障点）等；研究方法包括利用专家系统、神经网络、小波理论和模糊集理论等；使用的手段包括注入信号法、行波检测法、CPS及红外热成像技术等。故障定位的方法有阻抗法、行波检测法、注入信号法。热故障诊断方法使用红外成像技术。利用电气量和开关量的量测，采用某种算法提高线路故障诊断的精度是目前研究较多的问题。神经网络的研究最为热门，但由于其算法繁杂，因此多数停留在理论研究和仿真计算的阶段，很少在实际中告成应用。目前，线路故障诊断而对的主要问题是在所需信息不能完全得到的处境下如何提高精度。以及提高故障诊断算法与故障类型的无关度。而注入信号法、行波检测法等的使用需要额外的设备，有确定的局限性。目前，所要解决的是能够有一种运用于实际的理论或方法。目前，变压器故障诊断方面的研究主要集中在故障性质方而，诊断的方法较多，用得最广的是气相色谱法，即通过变压器中展现的各种气体含量判断变压器潜伏性故障。采用的诊断方法主要为数值方法，另外人工神经网络方法也被告成应用。变压器的在线故障诊断尤其是故障定位研究，在国内外仍属起步阶段，这对制止故障恶化、缩短检修时间是特别必要的。但仅仅依靠油气量难以做到这一点。

2.谱分析方法

在故障诊断中对比常用的信号处理方法是谱分析。常用傅里叶谱、沃尔什谱，另外还有滤波、相关分析等。

谱分析的目的：信号中包含噪声，故障信号的时域波形不能领会地反映故障的特征。而电力电子电路中包含故障信息的关键点信号通常具有周期性，因此可以用傅里叶变换将时域中的故障波形变换到频域，以突出故障特征，实现故障诊断。傅里叶变换是将某一周期函数分解成各种频率的正弦分量，类似地，沃尔什变换是将某一函数分解成一组沃尔什函数分量。

自适应滤波是一种数字信号的处理统计方法，它不需要知道信号一二阶的先验统计学识，直接利用观测资料，通过运算变更滤波器的某些参数，而使自适应滤波器的输出能自动跟踪信号特性的变化。在电力电子系统故障诊断中，可以用自适应处理来实现噪声抵消，谱线巩固等功能，从噪声背景下提取故障特征，从而实现切实的诊断。

3.基于神经网络的故障诊断方法

利用神经网络的自学习、白归纳才能，经过确定的训练，建立起故障信号与故障分类之间的映像关系。利用学习后的神经网络，实现故障诊断。

神经网络是由大量的神经元广泛互连而成的网络，这里以BP网络为例加以介绍。BP网络（BackPropagationNN）是单向传播的多层前向网络，它由输人层、中间层和输出层组成，中间层可有若干层，每一层的神经元只采纳前一层神经元的输出。BP网络中没有反应，同一层的节点之间没有藕合，每一层的节点只影响下一层节点的输人。BP网络一般采取的学习算法是：网络的输出和梦想的输出举行对比，然后根据两者之间的差调整网络的权值，最终使误差变为最小。

当电力电子电路发生故障时，假设能够利用神经网络的学习才能，使故障波形与故障理由之间的关系通过神经网络的学习后保存在其布局和权中，然后将学习好的神经网络用于故障诊断，神经网络就可以通过对当前电压或电流波形的分析，得出故障理由，从而实现故障的在线自动诊断。

4.基于GA的电力系统故障诊断

GA是建立在Darwin自然选择和Mendel遗传学说根基上，通过模仿生物遗传和进化的进程，寻求对繁杂问题的全局最优解的优化算法。它按确定规矩对问题解举行字符串编码，模拟人工染色体表示某优化问题的可行解，用随机方法形成初始解群，再按自然选择的原理，通过群体探寻策略和遗传操作，对群体中个体之间的信息交换，使得GA不易陷入局部微小点，能够以很约莫率得到全局最优解集或局部最优解集。与传统优化技术不同，GA对待求解问题不需涉及常规优化问题求解的繁杂数学过程；同时GA也不需要直接对学识规矩和训练样本选择处理，这是它和基于ES、NN诊断系统相比的最大优势之处。

研究用GA解决输电网络故障诊断问题。根据各类养护动作时段内断路器动作的时序信息，从而将输电网络故障诊断问题转化为0－1整数规划问题，建立了GA的电力系统故障诊断的适应度函数模型，实现任意繁杂的故障处境下的故障诊断；用无源信息识别故障区域的方法，将故障诊断问题局限于小的局部网络，在此根基上分别用Boltzmann机法、模拟退火法、简朴的和高级的GA实现了故障诊断系统，验证了对交错和变异算子做过调整的高级GA在诊断信息不完整的处境下，可以有效的找到全局最优解，得到对比梦想故障诊断效果。

用GA从优化的角度解决故障诊断问题，它能够在诊断信息不完整的处境下给出全局最优或局部最优的多个可能的诊断结果。但在诊断所依据的信息发生畸变，展现繁杂的故障模式的时候，也难以保证诊断结果的稳当性。因此如何根据被诊断对象特征，建立能保证高容错性能故障诊断适应度函数，以及如何确定迭代操作终止的准那么和保证最终的结果为最优解或近似最优解。这些问题是基于GA应用中需要深入研究的内容。

5.结语

本文简