[发明专利]基于快速自适应优化脉冲神经膜系统的故障诊断方法

说明书

本发明提供了一种基于快速自适应优化脉冲神经膜系统的故障诊断方法，包括步骤：从电网的监控与数据采集系统中获取继电保护装置的动作信息以及断路器的跳闸信息；根据从监控与数据采集系统中获取的信息识别出停电区域并确定停电区域内的可疑故障元件；根据元件故障与保护动作和断路器跳闸之间的逻辑关系，将电力系统的故障诊断问题表示为0‑1整数规划问题，即求取所建立目标函数的最值问题；构建快速自适应优化脉冲神经膜系统；利用快速自适应优化脉冲神经膜系统对目标函数进行求解，依据求解得到的结果确定故障元件。本发明对自适应优化脉冲神经膜系统中的学习率进行了改进，收敛性和多样性更好。

技术领域

本发明涉及电网调度与故障分析技术领域，特别是一种基于快速自适应优化脉冲神经膜系统的故障诊断方法。

背景技术

随着社会经济和科技的发展，电力系统进入了以高电压、大机组、跨区域、交直流混合的大电网时代，这就使得电网对于供电可靠性和供电持续性有更加严苛的要求。目前电力系统已经采取了各种手段和措施来保证电力系统的稳定可靠运行，但是近年来各种停电事故依然层出不穷，这些停电事故造成了严重的社会影响和巨大的经济损失。基于优化方法的电力系统故障诊断也慢慢成为主要的电力系统故障诊断方法，其优势在于优化技术的电力系统故障诊断方法将电力系统故障诊断问题转化为0—1整数规划问题，具有严密的数学逻辑和较强的容错能力，并且已经在实际电网当中有所应用。快速优化脉冲神经膜系统相比于其他优化算法理论上有更快的诊断速度，对于实现电力系统故障元件快速诊断具有重要意义。快速优化脉冲神经膜系统在优化脉冲神经膜系统的基础上重新设计了学习率，使得学习速度大大提升。面对调度中心涌入的各种警报信息不仅数量多而且种类也越来越复杂的情况，准确地确定出具体的故障元件是本领域技术人员亟待解决的问题。

发明内容

本发明的目的在于提供一种基于快速自适应优化脉冲神经膜系统的故障诊断方法，能够在复杂故障情况下，准确地确定出具体的故障元件。

实现本发明目的的技术方案如下：

基于快速自适应优化脉冲神经膜系统的故障诊断方法，包括步骤：

S10:从电网的监控与数据采集系统中获取继电保护装置的动作信息以及断路器的跳闸信息；

S11:根据获取的信息识别出停电区域并确定停电区域内的可疑故障元件；

S12:根据可疑故障元件与保护装置的动作信息和断路器的跳闸信息之间的逻辑关系，将电力系统的故障诊断问题表示为0-1整数规划问题，即目标函数；

S13:构建快速自适应优化脉冲神经膜系统；

S14:利用快速自适应优化脉冲神经膜系统对目标函数进行求解，依据求解得到的结果确定故障元件；

所述构建快速自适应优化脉冲神经膜系统，包括步骤：

S131：输入学习概率值将脉冲串T_s重新排列成规则概率矩阵P_R，输入变异概率和初始迭代次数gen＝0；其中，1≤j≤m，m为规则概率矩阵P_R的列数，矩阵中的每一行概率值来自同一个ESNPS，用于表示优化问题的一个染色体或者一个个体；

S132：开始执行gen＝gen+1；

S133：行指示器i赋初始值为1。

S134：如果行指示器i大于其最大值H，则转至S1325；其中，H为规则概率矩阵P_R的行数；

S135：列指示器j赋初始值为1。

S136：如果列指示器j大于其最大值m，则转至S1312；

S137：产生一个随机数f_rand，如果随机数f_rand小于学习概率值则继续，否则，转至S1310；