脈沖神經(jīng)膜系統(tǒng)及其在電力系統(tǒng)故障診斷中的應(yīng)用.pdf

1、電力系統(tǒng)發(fā)生故障診斷時(shí)，大量警報(bào)信息將涌入調(diào)度控制中心。豐富的警報(bào)信息在提供多樣化故障診斷依據(jù)的同時(shí)也讓監(jiān)控人員應(yīng)接不暇。同時(shí)，由于受到技術(shù)、設(shè)備和環(huán)境等因素影響，警報(bào)信息可能存在錯(cuò)誤、丟失或畸變等諸多不確定性。所以，在電力系統(tǒng)進(jìn)行故障診斷時(shí)需要借助計(jì)算機(jī)和人工智能技術(shù)幫助分析和處理這些警報(bào)信息。因此，對(duì)于電力系統(tǒng)故障診斷問(wèn)題來(lái)說(shuō)，診斷方法的信息處理能力十分重要。脈沖神經(jīng)膜系統(tǒng)是受生物神經(jīng)細(xì)胞之間通訊機(jī)制啟發(fā)而建立的一類特殊神經(jīng)型膜系統(tǒng)

2、，是一類動(dòng)態(tài)離散的仿生分布式并行計(jì)算模型，具有強(qiáng)大的計(jì)算能力和信息處理能力，適用于求解電力系統(tǒng)故障診斷問(wèn)題。所以，本文針對(duì)電力系統(tǒng)故障診斷的實(shí)際特點(diǎn)，基于膜計(jì)算框架和脈沖神經(jīng)膜系統(tǒng)理論，從模型抽象、算法設(shè)計(jì)和實(shí)際算例等方面展開(kāi)，重點(diǎn)研究脈沖神經(jīng)膜系統(tǒng)的信息處理能力和自適應(yīng)調(diào)整能力，設(shè)計(jì)適用于求解電力系統(tǒng)故障診斷問(wèn)題的脈沖神經(jīng)膜系統(tǒng)。
　　論文首先依據(jù)電力系統(tǒng)故障診斷中知識(shí)表達(dá)和知識(shí)推理的實(shí)際需求，結(jié)合實(shí)際生物網(wǎng)絡(luò)功能結(jié)構(gòu)，從實(shí)數(shù)模

3、糊推理的角度設(shè)計(jì)脈沖神經(jīng)膜系統(tǒng)應(yīng)用模型，引入輸出權(quán)重（突觸權(quán)重）、點(diǎn)火閾值和信息預(yù)判斷參數(shù)等參數(shù)項(xiàng)，重新定義神經(jīng)元、突觸、脈沖和點(diǎn)火規(guī)則等要素，提出兩類模糊推理實(shí)數(shù)脈沖神經(jīng)膜系統(tǒng)應(yīng)用模型——模糊推理實(shí)數(shù)加權(quán)脈沖神經(jīng)膜系統(tǒng)和模糊推理實(shí)數(shù)加權(quán)預(yù)判脈沖神經(jīng)膜系統(tǒng)，分別設(shè)計(jì)其推理算法，并建模常用模糊產(chǎn)生式規(guī)則。若給出以上系統(tǒng)輸入神經(jīng)元和規(guī)則神經(jīng)元真值，通過(guò)執(zhí)行其推理算法便可自動(dòng)計(jì)算其余神經(jīng)元真值，順利完成知識(shí)表達(dá)和推理。圖形化建模過(guò)程清晰直觀，

4、矩陣推理計(jì)算簡(jiǎn)單，對(duì)復(fù)雜知識(shí)的表達(dá)推理有很好的適應(yīng)性。論文以輸電網(wǎng)故障診斷為研究背景，設(shè)計(jì)電網(wǎng)主要元件的分層模糊推理實(shí)數(shù)加權(quán)預(yù)判脈沖神經(jīng)膜系統(tǒng)診斷模型，給出基于因果網(wǎng)絡(luò)的時(shí)序信息處理方法，提出基于模糊推理實(shí)數(shù)加權(quán)預(yù)判脈沖神經(jīng)膜系統(tǒng)的故障診斷方法。該診斷方法降低了矩陣維度，減少了計(jì)算量，提高了模型的自適應(yīng)能力。
　　為了提高脈沖神經(jīng)膜系統(tǒng)處理不確定和不精確信息的能力，論文結(jié)合知識(shí)和信息實(shí)際存在情況和真實(shí)傳播過(guò)程，從模糊數(shù)模糊推理的角

5、度設(shè)計(jì)脈沖神經(jīng)膜系統(tǒng)應(yīng)用模型，引入梯形模糊數(shù)，重新定義神經(jīng)元、脈沖含義、脈沖處理方式、點(diǎn)火規(guī)則和點(diǎn)火條件等要素，提出模糊推理梯形模糊數(shù)脈沖神經(jīng)膜系統(tǒng)，設(shè)計(jì)其模糊推理算法，建模常用模糊產(chǎn)生式規(guī)則。論文以輸電網(wǎng)故障診斷為研究背景，設(shè)計(jì)輸電網(wǎng)主要元件的故障模糊產(chǎn)生式規(guī)則集，提出基于模糊推理梯形模糊數(shù)脈沖神經(jīng)膜系統(tǒng)的故障診斷方法。由于梯形模糊數(shù)的引入，脈沖神經(jīng)膜系統(tǒng)在不進(jìn)行輸入信息預(yù)判的情況下，仍具有很強(qiáng)的模糊知識(shí)表達(dá)和推理能力，有效減少了方法

6、的復(fù)雜度。
　　優(yōu)化脈沖神經(jīng)膜系統(tǒng)無(wú)需依賴進(jìn)化計(jì)算中的進(jìn)化算子實(shí)現(xiàn)個(gè)體進(jìn)化，算法性能優(yōu)越。論文采用優(yōu)化脈沖神經(jīng)膜系統(tǒng)產(chǎn)生的二進(jìn)制串表示優(yōu)化問(wèn)題中的染色體（個(gè)體），首次嘗試基于膜計(jì)算框架采用優(yōu)化方法的思路解決電力系統(tǒng)故障診斷問(wèn)題，提出基于優(yōu)化脈沖神經(jīng)膜系統(tǒng)的故障診斷方法。
　　為了驗(yàn)證脈沖神經(jīng)膜系統(tǒng)實(shí)際應(yīng)用效果，本文探討了模糊推理實(shí)數(shù)加權(quán)脈沖神經(jīng)膜系統(tǒng)、模糊推理實(shí)數(shù)加權(quán)預(yù)判脈沖神經(jīng)膜系統(tǒng)、模糊推理梯形模糊數(shù)脈沖神經(jīng)膜系統(tǒng)和優(yōu)化