软计算方法及其在电力系统故障诊断中的若干应用研究

【摘要】： 电力系统是一个非常复杂的广域系统，网络互联，错综复杂，纵横几千里。在这个巨型系统内，各种各样的开关、设备、元件以及硬软件交织在一起，交相辉映，形成一个规模庞大、开放的异构系统。另一方面，由于电能在生产和消费过程中不能够贮藏，任一时刻发出的总电能等于系统消费的总电能。因此，电力系统是很有特点的复杂系统。开放的异构系统是一个复杂的系统，对于在不确定、不确知环境中的复杂问题求解和管理成为有关领域研究的核心。随着电力系统的日趋复杂和开放，电力系统面临着许多新问题，如在电力设备故障诊断与维护、无功控制及电网调度等方面。对于这些问题，传统的方法以及某些新出现的方法都不能很好地解决，总是或多或少地存在着问题。而软计算方法的建立和发展却为解决这一问题提供了有效的途径，它们能被用于传统方法和其它新方法未能很好解决的遗留问题。因此，必须针对电力系统的具体问题，提出新的、适合特定领域问题求解的、具有普适性思想和算法。 本文基于粗糙集、模糊集和神经网络等软计算的方法和理论，提出并讨论了一些软计算方法及其计算模型，以及这些模型是如何用来求解电力系统问题的。包括它们在某些领域的创新应用以及解答以前我们未能很好理解的问题。具体为： 针对变压器故障诊断过程中故障征兆信息的模糊性以及故障群和征兆群之间的复杂对应关系，提出采用粗糙集、模糊集和证据理论进行变压器故障诊断的方法。 将模糊信息融合在贝叶斯最优学习器中，提供解决上述问题的另一途径。接着将Vague信息嵌入到贝叶斯最优学习器中，形成能同时处理正、反两方面模糊信息和不确定信息的新的贝叶斯最优学习器。基于上述诊断结果，采用贝叶斯风险决策的概率粗模型，探讨可能的维护策略。 采用粗糙集及其它软计算方法对变电站故障信息进行分层挖掘和诊断。对变电站故障区域进行划分，降低问题求解规模，提高可靠性、实时性和准确性，增强抗干扰能力，增加诊断过程的透明性和解释能力。 提出采用Kohonen网络离散化方法对汽轮机振动故障诊断决策表连续属性值离散化，并用粗糙集约简，最终采用集成神经网络分类器进行汽轮机振动故障诊断的新方法。