类是基于启发式规则推理的系统,即把继电保护、断路器的动作逻辑以及运行人员的诊断经验用一定的规则表示出来,以此来形成一个比较系统的专家知识库。当发生故障时,能够立即将故障与知识库中的类型进行匹配,这样就可以迅速判断故障并及时排除。这是目前最有效的一种诊断方法,因此它的应用范围比较广泛。第二类是结合正、反推理的系统,即把正向推理与反向推理两种方法混合起来,首先根据正向推理建立一定的规则,然后通过反向推理进行验证,这样就可以大大减小故障发生的范围,从而可以根据实际值与理论值的对比来计算可信度[10]。采用混合推理方法能够同时提高该系统的自学习能力与适应性。(2)基于人工神经网络的诊断方法基于人工神经网络(ANN-artificial-work)的诊断方法是由美国Pitts等人率先提出的,它的发展经历了三个阶段,目前应用于电力系统故障诊断的ANN有:基于BP(ackpropagation)算法的前向神经网络和基于径向基函数的神经网络等。该故障诊断的过程为:首先根据当前网络的内部表达,对输入样本进行前向计算;然后比较网络的输出与期望输出之间的误差,若误差满足条件,则训练结束;否则,将误差信号按原有的通路反向传播,逐层调整权值和阀值,如此反复,直至满足误差精度的要求。(3)基于优化技术的诊断方法基于优化技术(optimization-methods)的诊断方法是一种基于数学模型的诊断方法,它的基本思路是将把电力系统的故障诊断问题描述成为“0-1”整数规划的问题,并构造了一种数学解析模型,应用优化技术来寻找问题的最优解。(4)基于Petri网络的诊断方法在离散事件系统建模中,Petri网络是一种理想的工具,通过构造有向图组合模型,形成了以矩形运算来描述的严格的数学对象。在电力系统发生故障时,可以把其看做是一个动态的系统,并且故障的发生属于一个离散的过程,通过各类保护的动作和各级电压的变化
全文预览
