MBD關鍵問題研究以及在配電網(wǎng)故障診斷中的應用.pdf

1、在當今社會，廣大用戶不僅要求保證供電的連續(xù)性，而且要求保證供電的可靠性，然而，配電網(wǎng)規(guī)模的不斷擴大，極大增加了故障發(fā)生的概率。為快速準確定位故障原因，一些人工智能的理論方法被用于配電網(wǎng)故障診斷，如基于經(jīng)驗的專家系統(tǒng)。但是傳統(tǒng)專家診斷系統(tǒng)難以診斷經(jīng)驗之外的故障，系統(tǒng)的可移植性與可維護性較差?；谀Ｐ驮\斷方法(Model-based diagnosis，MBD)則直接利用電壓電流等量測量來判斷故障元件，可以在保護裝置和斷路器動作前進行故障定

2、位，具有一定的故障預警功能，在產(chǎn)生更加嚴重后果之前及時排除故障并采取對應保護措施，已廣泛應用于工程領域，航天領域，電路診斷等領域。
　　首先，本文分析了課題的背景與意義，配電網(wǎng)故障診斷的研究現(xiàn)狀。簡述了MBD方法的基本思想、診斷步驟、常見存在的問題等。
　　其次，MBD方法中一個關鍵的問題就是如何求解沖突集的最小碰集，傳統(tǒng)碰集搜索算法搜索效率和正確率無法滿足復雜系統(tǒng)故障診斷實時性的要求。由于離散二進制粒子群算法(BPSO，B

3、inary Particle Swarm Optimization)算法有較快的收斂速度和較高的計算效率，引入改進的離散二進制粒子群算法用于求解沖突集的最小碰集，將計算最小碰集問題轉(zhuǎn)化為0、1表示的二值空間問題。通過實際建模、編程和實驗表明，二進制粒子群算法比HS-Tree、Boolean Algebra方法、遺傳算法等算法搜索效率更高，可節(jié)約1/2-1/3的搜索時間，當問題規(guī)模較大時并未出現(xiàn)內(nèi)存溢出問題，取得了較好的效果。
　　

4、接著，MBD方法存在著一定的不確定性問題，其診斷結(jié)論為一組或者多組引發(fā)故障的元件集合，導致實際應用效果不佳。本文引入貝葉斯概率方法進行診斷識別，利用最小診斷候選來區(qū)分可能狀態(tài)集合并且降低計算的復雜度，由后驗概率方法對診斷候選進行故障概率排序，從而以后驗概率形式量化了診斷識別的衡量標準，并通過診斷實例驗證方法的可行性與有效性。
　　最后，通過完善MBD配電網(wǎng)故障診斷過程中存在的問題，結(jié)合配電網(wǎng)本身結(jié)構(gòu)特點，給出一個基于MBD方法的配