论文部分内容阅读
配电网作为电力系统中的一个重要组成部分,直接面向用户,是保证供电服务质量与用户服务质量、提高电力系统运行效率的关键环节。在配电网自动化快速发展的过程中,保证配电网安全、稳定运行和供电可靠性始终是电网建设运行的重中之重。一方面,配电网自动化系统为配电网故障诊断提供了丰富的数据信息,蕴含着丰富的潜在价值;另一方面,配电网中大量智能化设备的增加和使用导致配电网的数据采集与监视控制系统(Supervisory Control And Data Acquisition,SCADA)等信息采集系统收集到大量无用的冗余故障信息,并且其中夹杂着不完备故障信号,对配电网的故障诊断工作造成困扰。配电网的复杂结构也使得多重故障的出现频率增加,加大诊断难度。因此,快速、准确的配电网故障诊断方法对于配电网的安全、稳定、经济运行具有重要意义。针对配电网故障信息不完备和故障信息冗余的特点,本文提出一种基于改进型粗糙集理论(Rough Set,RS)与支持向量机(Support Vector Machine,SVM)相结合的故障诊断方法。将故障信息中各断路器、保护器动作信息作为故障诊断模型的输入量,对故障所处的线路或区域进行定位诊断。本文的主要内容如下:首先,提出利用粗糙集理论进行故障信息预处理。充分考虑故障信息冗余、不完备的特点,以二进制可辨矩阵约简算法为基础,提出一种改进的基于广义二进制可辨矩阵的属性约简算法。根据配电网拓扑结构关系建立原始决策表,利用改进后的约简算法对原始决策表进行属性约简,求取约简后的最小决策表与决策规则,在保证约简后数据有效性和诊断精确度的前提下缩减了故障信息数据量。结合一个简单的配电网算例进行验证分析,为接下来的故障诊断奠定了基础。然后,建立改进型RS-SVM相结合的配电网故障诊断模型。在构建支持向量机分类模型的过程中,采用基于非线性惯重权值递减和异步线性变化学习因子两种策略改进的粒子群算法(Particle Swarm Optimization,PSO)优化支持向量机核函数参数g与惩罚参数C,以改善传统支持向量机易陷入循环寻优的缺点。将得到的最优解用于支持向量机的训练学习,将约简后的测试样本决策数据用于故障诊断。最后,以某区域实际10kV配电三端口环网为算例进行实验分析。按照单次故障和多重故障两种情况,与单一的SVM和RS-SVM算法进行对比分析,并且结合多种评价指标,验证了本文方法应用于配电网故障诊断工作的可行性和精确性。