论文部分内容阅读
随着近些年我国智能化、数字化、信息技术电网的全面建设,电力行业呈现爆炸式数据增长的形势,运行中的电力系统产生大量的电气信息,日益复杂的电网系统发生故障的频率也升高。历年来各地区的大规模电力事故都造成了巨大的经济损失和社会影响。与此同时,建设社会主义新农村是现在我国的重点发展战略,其中发展农村农业电网便是最好的证明,应用在农业生产系统的输电线路不断增加,农业电网系统一旦出现故障,将会造成巨大的经济损失以及严重的资源浪费。因此,对大数据时代背景下的研究人员提出了更高的标准,如何快速、准确地对农业输电系统故障进行检测、定位、保障农业电网的可靠性是现在的重要研究课题,也是加快农业智能电网发展、建设新农村的迫切需要。在对农业智能电网故障进行诊断及分析的过程中,其具体的研究内容如下:首先,对短路故障诊断、农业智能电网建设情况、电网故障定位等方面进行分析,重点对小波算法、贝叶斯网络模型、BP神经网络应用构建等方面进行讨论,以此作为本次研究的理论依据。其次,对故障特征进行基于贝叶斯参数估计方法下的融合,分析故障诊断的贝叶斯网络构造学习与推理的原理,釆用贝叶斯网络学习方法构建诊断网络模型,利用信息更新的联合预测贝叶斯网络推理方法进行故障诊断,从而实现基于贝叶斯网络与小波算法的电网故障诊断。为进一步提高农业智能电网故障定位、故障处理的有效性及准确性,对贝叶斯模型进行改进,在分析贝叶斯网络模型、电网短路控制的前提下,对电网短路特征分析、故障诊断进行概率统计。最后,针对改进后的贝叶斯模型与小波算法的融合进行分析,并对故障属性、故障概率验证等方面进行计算,提出了一种利用电压行波进行单端故障定位的方法。以BP神经网络计算与小波算法、贝叶斯网络故障定位对比分析的方式进行分析,以吉林省辉南县高集岗乡供电所下属的智能电网项目试验田为依据,实验结果证明,小波算法、贝叶斯网络故障定位及检测,可以对农业智能电网故障进行有效分析。由于电压故障波形较电流故障波形幅度更大更易采集,所以最终利用小波算法找到故障电路中电压波形的奇异点,计算电压行波在发生故障的点和测量点往返一次所用的时间从而计算出故障点到测量点的距离。测试结果表明,本文结合贝叶斯网络方法和小波算法对农业智能电网的故障分析,能够准确判断出故障类型和距离,达到了预期效果。