基于自学习机制的配电网故障恢复方法

    公开(公告)号:CN111082401A

    公开(公告)日:2020-04-28

    申请号:CN201911116644.6

    申请日:2019-11-15

    IPC分类号: H02H7/26 H02H3/06

    摘要: 本发明公开了一种基于自学习机制的配电网故障恢复方法,电网正常运行时,依据风险评估结果进行预想事故仿真,进而构建基于事故预案与历史故障恢复方案的自学习数据库;故障后,提取故障特征,并计算当前故障与数据库中存储故障的相似度,按照由高到低的顺序排序;利用匹配到相似故障的供电恢复方案快速可靠地实现供电恢复的任务。本发明将传统复杂耗时的在线优化问题,转变成有限故障状态的相似性评估问题,在保证故障恢复方案质量的同时,大大降低了实时计算量,从而提高了供电恢复决策速度和方案性能,使供电恢复系统升级为具有自我学习、自我完善和不断进化能力的智能控制系统。

    一种考虑故障影响度的配电网供电恢复方法

    公开(公告)号:CN110350510A

    公开(公告)日:2019-10-18

    申请号:CN201910436833.5

    申请日:2019-05-23

    IPC分类号: H02J3/00 G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种考虑故障影响度的配电网供电恢复方法,通过分析配电网故障对负荷与网架结构造成的影响评估故障影响度,划分故障严重等级匹配供电恢复模型,执行故障恢复算法生成供电恢复方案。本发明通过引入故障影响度评估与控制模型自适应匹配机制协调供电恢复算法速度与策略质量之间的固有矛盾,在电网发生大面积失电情况下,系统将快速恢复负荷供电作为唯一目标,采用粒子群算法搜索转供电策略,在获取恢复全局负荷供电的可行解后即退出搜索;当电网故障造成的负荷停电损失较轻且不会影响重要负荷供电时,将负荷失电量、控制成本、电网重构后的运行性能同时作为评价指标,采用多目标粒子群算法搜寻最优方案,提升故障恢复算法的策略质量。

    基于粒子群优化神经网络的变压器故障诊断方法及装置

    公开(公告)号:CN118171071A

    公开(公告)日:2024-06-11

    申请号:CN202410161028.7

    申请日:2024-02-04

    摘要: 本发明提供一种基于粒子群优化神经网络的变压器故障诊断方法和装置,包括以下步骤:获取变压器故障样本集,所述变压器故障样本集中包括多种故障类型下变压器油中的溶解气体含量数据,对于每个变压器故障样本,基于无编码比值法进行预处理,获得变压器气体比值特征;从变压器故障样本集中随机筛选出测试集,并利用测试集通过灰色关联度法从变压器故障样本集中筛选出训练集;利用训练集通过粒子群算法对基于BP神经网络的变压器故障诊断模型进行训练,并利用测试集对变压器故障诊断模型进行测试,得到训练好的变压器故障诊断模型;将待诊断变压器的变压器油中溶解气体含量数据输入至训练好的变压器故障诊断模型,获得故障诊断结果。