[发明专利]一种基于小波变换和粗糙集理论的区域电网故障诊断方法

说明书

本发明公开了一种基于小波变换和粗糙集理论的区域电网故障诊断方法，包括以下步骤：首先根据区域电网各种可能发生的故障，将保护器和断路器的动作信号作为条件属性集，建立故障原始决策表；之后利用基于粗糙集理论的遗传算法对所述故障原始决策表进行约简，获得约简故障决策表，并从该表中提取故障诊断规则；接着对区域电网中所有元件的电压电流信号进行采集，之后根据采集到的电压电流信号获取可疑故障元件序列；最后根据故障诊断规则、可疑故障元件序列，判断每个可疑故障元件是否存在故障，从而完成区域电网故障诊断。本发明避免了传统电网故障诊断在保护误动情况下可能误判的问题，能够实时、准确地进行区域电网故障诊断。

技术领域

本发明属于故障诊断领域，特别涉及一种基于小波变换和粗糙集理论的区域电网故障诊断方法。

背景技术

现代电力系统网络规模不断扩大，发输电步入高电压、大机组时代，区域间电网联网程度更加紧密。一旦发生故障，需要快速的诊断出故障元件并恢复供电，以保证电力系统安全稳定运行，避免造成更大的损失。同时，随着电网监控装置越来越多、越来越智能化，故障时将会有大量的报警信息涌入调度中心，其中存在的不确定或不完备的信息及冗余信息给调度人员分析判断带来巨大工作量，因此研究一种能够在信息不完备情况下快速准确地给出故障结果的电网故障诊断方法具有重要意义。

当电网发生故障时，首先发生变化的是线路的电流、电压等电气量信息，之后保护装置通过测量计算所得发出保护动作信息，相应断路器或开关动作同时上传开关动作信息，与此同时相量测量单元、故障录波器等装置将现场采录的连续数据等上传。研究人员通过对这些信息特征的分析和提取结合电网的特性，结合人工智能和优化理论来分析判断故障元件和类型，进行电网故障诊断。其中专家系统是应用于电网故障诊断最早的人工智能技术，能提高决策的准确性，减轻运行调度人员的工作量，但存在学习能力差、知识库难以覆盖全面、容错性不高、对于大电网或复杂故障情况诊断速度非常慢等不足。人工神经网络在故障诊断中则存在训练学习工作量大，容错能力有限的困难。而遗传算法、粒子群算法等优化方法的寻优进化过程受到初值及一些初始参数的影响，存在收敛速度慢及收敛不满的情况。粗糙集理论能够很好的处理信息不完整和信息冗余的情况，适用于电网故障诊断，但在研究中存在多重复杂故障信息导致决策表过于庞大以及诊断决策规则过于依赖事先形成的决策表等问题。

发明内容

本发明的目的在于提供一种基于小波变换和粗糙集理论的区域电网故障诊断方法。

实现本发明目的的技术解决方案为：一种基于小波变换和模糊粗糙集的区域电网故障诊断方法，包括以下步骤：

步骤1、根据区域电网各种可能发生的故障，将保护器和断路器的动作信号作为条件属性集，建立故障原始决策表；

步骤2、利用基于粗糙集理论的遗传算法对所述故障原始决策表进行约简，获得约简故障决策表，并从该表中提取故障诊断规则；

步骤3、对区域电网中所有元件的电压电流信号进行采集，之后根据采集到的电压电流信号获取可疑故障元件序列；

步骤4、根据步骤2获得的故障诊断规则、步骤3获得的可疑故障元件序列，判断每个可疑故障元件是否存在故障，从而完成区域电网故障诊断。

本发明与现有技术相比，其显著优点为：1)本发明利用基于粗糙集理论的遗传算法约简原始故障决策表，能够在保留关键信息的前提下，对数据进行化简并求得知识的最小表达，揭示出信息集合的简单模式，提高电网故障诊断效率；2)本发明使用小波变换处理电压电流信号，以小波能量的形式量化评估元件的故障可能性，使缩小故障元件搜索范围，能在一定程度上缩短电网故障诊断的时间；3)本发明在基于断路器和保护动作信号的故障决策表的基础上，辅助使用基于电压电流信号的可疑故障元件序列指导诊断故障搜索，能减少在保护装置误动情况下的故障元件误判，能够更为实时、准确地进行区域电网故障诊断。

下面结合附图对本发明作进一步详细描述。

附图说明