基于拓扑解析与深度学习融合的低压集抄系统故障诊断方法

论文摘要

针对低压集抄系统故障形式多样复杂、当前运维水平难以满足日益上升的用户需求的问题,提出了一种融合拓扑解析及深度学习的低压集抄系统故障诊断方法。从规划和运行两个阶段出发,分析变压器-集中器、集中器-电能表关联关系,对低压集抄系统拓扑结构进行解析。结合确定的物理拓扑及信息流动路径,基于深度学习理论,通过对涌现故障事件离线学习自动建立基于深度置信网络的故障诊断模型。根据在线获取的系统关键运行特征,建立系统故障断面特征向量,通过训练好的系统诊断模型获得最终诊断结果。算例结果表明,方法能有效准确地实现低压集抄系统故障诊断,能有效应对故障特征信息遗漏和错误的情况。

论文目录

• 0 引言
• 1 低压集抄系统的物理拓扑解析模型
•   1.1 低压集抄系统的物理拓扑建模
•   1.2 物理拓扑诊断方法
• 2 低压集抄系统的深度学习故障诊断方法
•   2.1 低压集抄系统的深度学习诊断模型
•   2.2 低压集抄系统故障断面特征向量
• 3 低压集抄系统的在线故障诊断方法
• 4 算例分析
•   4.1 仿真环境
•   4.2 算例描述
•   4.3 低压集抄系统物理拓扑诊断
•   4.4 基于DBN的低压集抄系统故障诊断模型
•   4.5 故障诊断容错性分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 罗步升,林志超,何小龙

关键词: 低压集抄系统,拓扑解析,深度学习,深度置信网络,故障诊断

来源: 电测与仪表 2019年20期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 广东电网有限责任公司惠州供电局

基金: 广东电网有限责任公司科技项目(031300KK52160-024),国家自然科学基金项目(51577073)

分类号: TM76

DOI: 10.19753/j.issn1001-1390.2019.020.025

页码: 145-152

总页数: 8

文件大小: 2078K

下载量: 166