基于改进贝叶斯网络和Hibert-Huang变换的多源信息融合电网故障诊断方法

随着电网的规模不断扩大,电网发生故障后大量报警信息上传到调度中心,需要调度人员快速、准确地判别故障元件,因此,研究有效的电网故障诊断系统对保证电网安全稳定运行具有重要意义。基于开关量信息的电网故障诊断方法在复杂的故障情形下可能无法得到准确的诊断结果,而利用开关量和电气量等多源信息的电网故障诊断能够提高诊断结果的准确性。本文研究了利用多数据源信息进行电网故障诊断的方法,通过改进贝叶斯网络和HHT方法分别提取开关量和电气量信息的故障表征,通过数据融合方法判断故障元件。首先研究了计及可信度的变结构贝叶斯网络电网故障诊断方法。现有贝叶斯网络方法利用开关量信息进行电网故障诊断时受电网结构复杂、保护与断路器动作信息不确定性等影响,存在所建网络模型复杂、诊断结果不准确等不足,本文对其进行了改进。根据判断疑似元件所属的故障模式,建立对应故障模式下的贝叶斯网络模型；对模型中各保护与断路器动作事件的状态和发生时刻分别进行可信度评估后,代入含可信度的贝叶斯推理公式,计算元件的故障概率。该方法所建模型简单,能较好处理某些信息的不确定性。通过不同算例验证了该方法的有效性。本文还研究了多源信息融合的电网故障诊断方法。首先收集停电区域内元件的方向元件和距离保护Ⅰ段、Ⅱ段启动信息建立故障判别矩阵,通过疑似故障元件判别方法减少了疑似故障元件的个数,只调取疑似故障元件的电流录波数据,采用Hilbert-Huang变换方法分析其电流幅值和能量变化,得到电流幅值畸变度和故障能值,将其与由开关量信息得到的贝叶斯网络故障度进行归一化处理,经改进的D-S理论进行数据融合,根据融合结果判断故障元件。多个算例验证了该方法在复杂的故障情形下能够有效地判别出故障元件。