电力系统中基于神经网络的故障诊断技术研究

・４２・　煤矿机　电　２００８年第６期　

基于神经网络与专家系统的高压断路器　

故障诊断研究与分析　

孙向林，李纪全　

（河南焦作供电公司，河南焦作４５４０００）　

摘　要：　利用神经网络获取故障编码，把与之相对应的故障类型存放到知识库中，故障诊断时专　

家系统利用故障编码通过正向推理找到对应的故障类型，给出合理的故障解决办法。经仿真结果　

证明，这种将神经网络与专家系统集成的智能诊断系统，为高压断路器的快速故障诊断提供了一种　

新的途径。　

关键词：　高压断路器；专家系统；神经网络；故障诊断　

中图分类号：ＴＰ２７７　文献标识码：Ａ　文章编号：１００１—０８７４（２００８）０６—００４２—０３　

Ｓｔｕｄｙ　ｏｆ　Ｈｉｇｈ－ｖｏｌｔａｇｅ　Ｂｒｅａｋｅｒ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　

Ｂａｓｅｄ　ｏｎ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　ａｎｄ　Ｅｘｐｅｒｔ　Ｓｙｓｔｅｍ　

ＳＵＮ　Ｘｉａｎｇ—ｌｉｎ，ＬＩ　Ｊｉ—ｑｕａｎ　

（Ｈｅｎａｎ　Ｊｉａｏｚｕｏ　Ｐｏｗｅｒ　Ｓｕｐｐｌｙ　Ｃｏ．，Ｊｉａｏｚｕｏ　４５４０００，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ａｃｑｕｉｒｅｓ　ｆａｕｌｔ　ｃｏｄｅｓ　ａｎｄ　ｓｔｏｒｅｓ　ｔｈｅ　ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ｏｆ　ｆａｕｌｔ　ｍｏｄｅ，ｗｈｉｃｈ　ｉｎｔｏ　ｔｈｅ　

ｋｎｏｗｌｅｄｇｅ　ｂａｓｅ．Ｉｎ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ，ｔｈｅ　ｅｘｐｅｒｔ　ｓｙｓｔｅｍ　ｒｅｆｅｒｓ　ｔｈｅ　ｆａｕｌｔ　ｃｏｄｅｓ　ｆｏｒ　ｄｅｃｉｄｉｎｇ　ｆａｕｌｔ　ｍｏｄｅ　ｔｈｒｏｕｇｈ　ｆｏｒｗａｒｄ　

ｒｅａｓｏｎｉｎｇ，ａｎｄ　ｇｉｖｅｓ　ａ　ｒｅａｓｏｎａｂｌｅ　ｓｏｌｕｔｉｏｎ．Ｔｈｅ　ｒｅｓｕｌｔ　ｏｆ　ｓｉｍｕｌａｔｉｏｎ　ｓｈｏｗｓ　ｔｈａｔ　ｉｎｔｅｇｒａｔｅｄ　ｄｉａｇｎｏｓｉｓ　ｓｙｓｔｅｍ　

ｉｎｔｅｌｌｉｇｅｎｔ　ｂｙ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ａｎｄ　ｅｘｐｅ￣ｓｙｓｔｅｍ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆｆｅｒｓ　ａ　Ｄｅｗ　ｗａｙ　ｆｏｒ　ｒａｐｉｄ　ｆａｕｌｔ　ｄｉａｇｎｏｓｅ　ｏｆ　ｈｉｇｈ—ｖｏｌｔａｇｅ　

人工智能技术在电力系统故障诊断中的应用研究

随着科技的发展，人工智能技术正在各个领域得到广泛的应用。其中，在电力系统故障诊断方面，人工智能技术也发挥着重要的作用。本文将阐述人工智能技术在电力系统故障诊断中的应用研究，并探讨其优点和挑战。

一、人工智能技术在电力系统故障诊断中的应用

在电力系统中，故障诊断一直是一个重要的问题。如何快速准确地定位故障，并迅速采取措施进行修复，是保障电力系统运行稳定的关键。而人工智能技术能够结合大数据和机器学习算法，提供快速且准确的电力系统故障诊断解决方案。

目前，电力系统故障诊断中常用的人工智能技术主要包括神经网络、遗传算法和支持向量机。这些技术能够对电力系统进行实时监测，分析和处理数据，快速识别故障类型，并给出适当的处理方案。

1、神经网络

神经网络是一种模拟人脑神经系统的计算模型。在电力系统故障诊断中，神经网络能够通过对大量历史数据进行学习和训练，构建出一个完整的电力系统故障诊断模型。当出现故障时，即可通过该模型进行快速诊断和处理。

2、遗传算法

遗传算法是一种优化计算方法，主要用于解决复杂问题。其原理是将问题的解采用二进制编码表示，然后通过基因操作对解进行优化，找出最优解。在电力系统故障诊断中，遗传算法能够通过对故障信息的加权和分析，找出最佳的处理方案。

3、支持向量机 支持向量机是一种广泛应用于分类和回归分析的机器学习算法。在电力系统故障诊断中，支持向量机能够根据历史数据和特定的特征，对故障类型进行分类和识别。而且，该技术能够在实时处理中提供有力的支持。

二、人工智能技术在电力系统故障诊断中的优点

人工智能技术在电力系统故障诊断中的应用，具有以下优点：

1、提高准确性和效率

传统的电力系统故障诊断需要人工或传统机器进行数据分析和处理。而人工智能技术能够通过机器学习算法对大量历史数据进行学习和训练，并提供快速且准确的处理方案。这大大提高了诊断的准确性和效率。

基于神经网络的电网故障诊断研究

随着现代社会的发展，能源需求不断增长，电力系统作为能源产业的重要组成部分，承担着为社会经济发展提供可靠、安全、高效的供电服务的重要使命。然而，电力系统面临的种种故障问题也不容忽视。因为故障对整个电网的运行会产生不可预知的影响，导致电网一度甚至长时间不能正常供电，这不仅会给社会带来巨大损失，也会对日常生活带来巨大的影响。

电网故障诊断是解决这些问题的关键所在。而神经网络模型是近年来被广泛应用于电力系统故障诊断领域的一种重要方法。本文就基于神经网络的电网故障诊断研究给出一些基本的想法和建议。

一、电网故障与神经网络

当电网系统接受特定负荷电流时，可能会出现各种类型的故障，如短路、接地故障、欠压故障和过电压故障等。这些故障不同，对电路的电压和电流的影响也不同。而神经网络能够学习电网的复杂非线性关系，同时可以对电压和电流的波形进行精确分析。正是由于神经网络模型的这些性质，使得它成为预测和诊断电力系统故障的有力工具。

二、神经网络的应用

基于神经网络的电网故障诊断则是利用神经网络模型构建一个模型来预测各种类型的故障。在该模型中，特定的输入参数可能是电网电流、电压和负荷。同时，对于故障的不同类型，可能存在不同的情况，而这些情况需要对神经网络进行再训练，以提高其预测准确性。

值得注意的是，神经网络模型的构建需要大量的数据，这些数据需要从现有的电网系统中获取。因此，对于电网系统而言，要进行数据的收集和处理工作。

三、基于神经网络的电网故障诊断研究 目前，基于神经网络的电网故障诊断已经成为了众多研究方向之一。比如，在交流阻抗分析中，研究人员通过交流阻抗和复合接地电阻的测量，使得神经网络模型能够识别无地故障、单地故障和双地故障。同时，也有一些研究关注于利用神经网络模型诊断过电压故障、欠电压故障等故障类型。

最近，一些研究人员也开始探究在开放环境中构建神经网络模型的可能性。这些研究人员认为，开放环境中可以获取更多的数据，而这些数据可以大规模地用于提高神经网络模型的应用效果和预测准确率。

２０１０年第３３期　（总第１６８期）　两毒　扣ｔ．ｒ　ｒ￣ｌ，ｓ　ＮＯ．３３．２０１　０　（ＣｕｍｕＩａｔｉＶｅｔｙＮＯ

．１　６８）　

基于神经网络的高压输电线路故障诊断研究　

乐亮　

（广西电力工业勘察设计研究院。广西南宁５３００２３）　

摘要：文章在对电力系统故障诊断方法进行分析的基础上，利　

用径向基函数（ＲＢＦ）网络适合于求解模式识别问题的优势，　

提出了应用ＲＢＦ神经网络来实现高压输电线路的故障诊断，　

建造了基于ＲＢＦＮＮ的高压输电线路故障诊断模型结构，并且　

给出了确定ＲＢＦ网络最佳聚类数的标准。　

关键词：高压输电线路；ＲＢＦＮＮ；故障诊断；ＨＭＣ算法　

中图分类号：ＴＭ７５５　文献标识码：Ａ　

文章编号：１００９—２３７４（２０１０）３３—００２２—０３　

高压输电线路故障诊断系统是一个在线的实时信息处理　

系统。主要依靠事故环境下所发生的一系列实时序列信息进　

行分析；判断故障发生的原因、故障元件，输电线路一、二次设　

备静动作性能，以及预测敦障恶化的发展趋势。当诊断用实　

时输入信息因受干扰而畸变甚至丢失时，将导致不正确的诊　

断结果。这就要求输电线路故障诊断系统具有容错能力。因　

此，探求一种快速且容错性能强的高压输电线路故障诊断方　

法具有实用意义。本文主要是提出基于ＲＢＦＮＮ的高压输电　

线路故障诊断技术。　

１　基于ＲＢＦＮＮ的高压输电线路故障系统的原理　

近年来，径向基函数神经网络ＲＢＦＮＮ网络在实际工程　

应用中显示出它的优势。ＲＢＦ网络的隐层节点是由辐射状　

作用函数构成（通常取高斯核函数），对输入信息具有局部激　

活特性，在用于解决模式识别问题时，它是将与问题相关的知　

识分散存储于局部神经元中，使隐含层神经元对不同类模式　

响应的程度不同，对接近于确定局部神经元特征的样本模式　

的输入具有最强的吸引力，也就是对非训练的检测样本具有　

一定的容错能力。　

１。１　ＲＢＦＮＮ高压输电线路故障系统的数学模型　

输入层节点只是传递输入信号到隐含层，隐含层节点由