[发明专利]基于随机自调节脉冲神经P系统的电网故障诊断方法

说明书

本发明公开了基于RSSNPS的电网故障诊断方法，包括S1、读取SCADA数据；S2、确定待诊断电力系统中的停电区域；S3、基于确定的停电区域，建立对应的故障诊断目标函数；S4、基于SCADA数据，利用随机自调节脉冲神经P系统对建立的故障诊断目标函数进行寻优求解，获得最优解；S5、根据最优解的编码确定电网故障诊断结果。本发明提出了利用RSSNPS来提高故障诊断过程的全局收敛效果，以确保准确搜索到最优解，并将天气因素、自检信息和三类自条件信任因子引入到故障诊断目标函数，提高了目标函数在面对复杂环境条件时的故障诊断能力；有效地处理了由于灾害天气引发的故障警报信息畸变及保护装置和断路器异常下的故障诊断问题。

技术领域

本发明属于电网故障诊断方法，具体涉及一种致灾天气下基于随机自调节脉冲神经P系统(Random Self-regulation Spiking Neural P System，RSSNPS)的电网故障诊断方法。

背景技术

到目前为止，国内外众多学者对电力系统故障诊断方法开展了广泛地研究并取得了显著的成果。这些方法主要包括专家系统、优化技术、人工神经网络、petri网、粗糙集理论、贝叶斯理论、基于故障录波器信息等方法。其中基于优化技术的电力系统故障诊断方法具有严密的数学逻辑和较强的容错能力，利用优化算法可有效地实现对电网故障的准确诊断。

天气因素与输电网的故障原因有着密不可分的关系，特别是在灾害天气这种极端环境条件之下，与天气有关的诸如雷击、台风等致灾因子更是输电网故障的主要原因。所以在实际的工程环境中，因为其他外界客观因素的干扰，故障警报信息的准确性将会被降低，保护装置也会做出异常反应。

以优化技术对输电网做故障诊断，在面对输电网的故障诊断模型时，往往会面对高维数学模型，这将对算法的收敛效果，收敛速度提出较高的要求。因而面对具体问题时，若是算法遭遇收敛效果差、收敛速度慢的问题，那么对算法的改进必不可少。

发明内容

针对现有技术中的上述不足，本发明提供的基于随机自调节脉冲神经P系统的电网故障诊断方法解决了现有电网故障诊断方法中没有考虑天气因素的影响，以致故障诊断结果不准确的问题。

为了达到上述发明目的，本发明采用的技术方案为：基于随机自调节脉冲神经P系统的电网故障诊断方法，包括以下步骤：

S1、读取SCADA数据；

S2、基于读取的SCADA数据，确定待诊断电力系统中的停电区域；

S3、基于确定的停电区域，建立对应的故障诊断目标函数；

S4、基于SCADA数据，利用随机自调节脉冲神经P系统对建立的故障诊断目标函数进行寻优求解，获得最优解；

S5、根据最优解的编码确定电网故障诊断结果。

进一步地，所述步骤S2中确定停电区域的方法具体为：

基于SCADA数据，利用结线分析法对待诊断电力系统进行迭代搜索，并在迭代搜索过程中找出待诊断电力系统中的所有无源网络，即确定停电区域；

具体包括以下分步骤：

S21、设置搜索迭代次数C的初始值为1；

S22、基于SCADA数据，依次对待诊断电力系统中的每个元件进行编号，所有的元件编号构成Q_C；

S23、从元件编号集合Q_C中任意取一个元件编号放入元件编号子集合M_C中；

S24、判断最新加入到元件编号子集合M_C中的元件编号对应的元件是否存在与之相连的闭合断路器；

若是，则进入步骤S24；