机电之家行业门户网运行
文章 下载
最新公告:

  没有公告

设备维修与管理培训
您现在的位置: 设备维修与管理 >> 设备管理 >> 基础管理 >> 维修管理 >> 资讯正文
 
赞助商
 
 
最新文章
 
 设备管理中存在的问题及改进措施
 探索设备备件更换规律,实现设备
 创新设备管理 提升竞争优势
 设备管理关乎企业效益
 TPM自主保全实践的探索与思考
 驱动离心泵的电机电流高的原因及
 离心泵运行时不打量的原因
 离心泵一般容易发生的故障有哪些
 离心泵各零部件的检修标准
 计量泵的常见故障及处理方法
 
推荐技术
 
 
相关文章
 
红河供电局调度自动化应
OA系统就是OK——陕西省
电力企业配网GIS系统的设
中间件技术及其在电网调
基于PDA的变电站自动化系
便携式信息自动化综合调
配电自动化远方终端技术
基于多线程的变电站综合
基于保护整定值判别的电
新一代电网调度自动化系
 
客户服务
 
如果您有设备方面好的文章或见解,您可以送到我们的投稿信箱
客服电话:0571-87774297
信   箱:88ctv@163.com
我们保证在48小时内回复


s

b

g

l

.

j

d

z

j

.

c

o

m

 

配网自动化中的故障预测分析方法           
配网自动化中的故障预测分析方法
作者:佚名 文章来源:不详 点击数: 更新时间:2008-9-24 9:20:46
                           广东省东莞供电局麻涌供电公司  何勇枢

摘要:该文在配网自动化系统的基础上,以数据采集与监控(SCADA)系统作为故障预测的数据来源,针对故障预测中的信息不完备性和不确定性,引入可信度因子和BP神经网络算法来实现故障预测,并仿真说明其有效性。

关键词:配网自动化;故障预测;电网故障

中图分类号:TM76     文献标志码:A   文章编号:1003-0867(2006)01-0032-03

本文结合经验知识,研究因设备故障引起的电网故障的预测方法。在未出现故障的情况下,根据数据采集与监控(SCADA)系统提供的数据,能够了解设备的基本情况。在故障未发生前,进行预测,这样运行人员可以根据分析的结果,有目的的进行设备检查,从而减少故障发生的概率,提高电网运行的稳定性。本文将可信度因子和神经网络算法引入到故障预测中,实现对设备故障正确预测,提高电网运行稳定性。

1 SCADA系统

在配网自动化的众多功能中,故障的发现和处理功能是其最重要的功能,是提高供电可靠性和改善电能质量的关键,但这一直是一个比较复杂的技术难题。配网SCADA系统是配网自动化系统的重要组成部分之一。不同的电网调度中心,因其所处的地域不同,调度电网范围和规模不同,发展阶段不同,所采用的调度自动化系统的应用软件配置有很大差异。SCADA系统是各种档次电网调度自动化都应具备的基本功能,所提供的数据是故障预测的主要数据来源。

故障预测对SCADA系统的数据信息进行处理,基于参数信息的组合,对可能发生的故障进行分析预测,为控制系统和运行人员提示处理原则。因此,配网调度SCADA系统数据的正确性和稳定性为故障预测提供了保障。

SCADA系统实现了“四遥”功能:其中,遥测是指采集配电网的各种电参数的实时数值,通过信道送到计算机;遥信是指采集配电网的各种开关设备的实时状态,通过信道传到监控计算机;遥控是指操作人员通过监控计算机发送开关开合命令,通过信道传到现场,使现场的执行机构操作开关的开合,达到给用户供电,停电的目的;遥调是指操作人员通过监控计算机或高级监控程序自动发送参数调节命令,通过信道传到现场,使现场的调节机构对特定的参数进行调节,达到调节负荷、电压、功率因数等目的。当设备发生故障时,会直接或间接的影响采集到数据的数值。根据参数的正常和异常表现形式将故障现象明确到各个参数量的数值上,这样为故障预测提供了具体的参数,便于建立分析模型。

调度员在电网发生故障后,能及时了解故障前后发生的电网事件序列,能将电网故障发生的前一段时间和发生故障后一段时间中指定模拟量值和计算量值列表显示。这样就为故障类型提供了时间信息和权重信息。

实时数据库中的任何数据都可以被保存到系统的历史数据库中。数据类型主要是遥测量和电量,通过人机对话环境中的历史数据检索功能对历史数据库进行操作和管理。当监视的测量值超出了限制或者是状态发生变化,就要进行事件处理。在事件处理中,事件被赋予特定的状态和级别,并通过人机交互界面报告给调度员。

根据SCADA系统提供的各个设备的参数信号,可以得到各个设备的参数,根据实际的运行情况,由运行人员确定相关的参数,以及参数正常和异常的表现形式,将故障的现象明确到各个参数量的表示上。

此外,配网调度SCADA系统同样要给监控、操作人员提供监视画面,给其他高级管理软件提供数据共享的接口。

2 故障预测分析方法

在故障预测的过程中,由于所确定的各种参数量的变化不一定能够完全表征故障的发生和类型的判断。同时,很多条件组合的确定往往是一种近似,所以推出的结论既有一定不完备性和不确定性。针对其特点采用了以下的解决方法。

在故障预测的过程中,总是存在一些不确定的信息,例如某故障发生过多次,其可能发生的概率较高。相反,当某故障在很长的一段时间里面未发生过,其发生的概率相对较低,所以采用不确定信息来表示。当监视测量值超出了限制或者是状态发生变化,则要就数据信息进行分析来消除不确定性影响。

不确定信息表示包括知识的不确定性表示和事实的不确定性。知识不确定性的表示是与不确定性推理方法密切相关的一个问题。在选择知识的不确定性表示方式时,主要应考虑以下两个方面:一是要能够比较准确地描述问题本身的不确定性;二是要便于推理过程中不确定性的计算。在故障预测中,为故障组合加上可信度因子,将故障的不确定性用数值表示,其取值范围为[0,1],该值越接近1,说明该故障发生的次数越多;其值越接近0,说明该故障发生的次数越少。每处理完故障后,根据故障的发生的频率实时调整。当出现了故障条件相似或故障条件相同,但故障处理原则不同时,则要考虑可信度因子的影响。计算公式为:

可信度因子=某事故类型发生的次数/事故发生的总次数

根据故障信息的组合,可信度因子可以转化成为故障条件的权重,从而突出重要故障信息的影响,使得预测的结果符合实际情况。

某一故障条件起主导作用,是故障发生的主要标志。为了突出这样故障条件的影响,引入可信度因子,即对于某些故障组合中的关键故障条件加上可信度因子,以说明它们对故障判断的重要程度,其结构如图1所示。


根据实际的情况可结合实际应用,在故障预测中,对历史数据的分析以规则的判断为主,引入神经网络的算法进行推理,对离线的历史数据进行非线性分析,为故障的预测提供条件。实现推理的合理机制,减少了错误信息的干扰程度,提高了系统的稳定性和准确度。

进行故障预测的过程是一个知识推理的过程。传统的推理机制是一个搜索和匹配的过程,是基于逻辑的演绎方法。而神经网络采用的是并行竞争机制,通过神经网络中隐含的模式对输入矢量并行运算和竞争实现推理。其推理机制是一数值计算过程。

3 推理具有如下特征

对BP网络来讲其推理过程是对输入矢量的前向计算过程。

同一层节点是完全并行的,只是层间信息传递是串行的,而一层中节点的数目要比网络的层数多得多,因而是一种并行推理。

在传统推理方法中,如果多条推理的前提均与某一事实相匹配,即出现冲突问题,从而使推理速度大为降低。而神经网络的推理过程不存在冲突问题。

在推理机制中嵌入神经网络算法,在离线的状态下对历史数据进行分析,实现知识的自动获取,实现对故障的预测。将BP算法嵌入到故障预测中,在历史数据库中,对数据进行分析,以达到了预测功能。具体流程如图2所示。


对于设备故障的预测不需要电压、电流等参数的实时处理和显示,只要在一段时间里面进行分析得到分析结果即可。对于设备的失效情况,即对设备的各个条件进行综合的分析。为了验证设计的可靠性,选择以下几个主要的影响因素进行分析:

·设备的折旧率;

·设备已经使用的年限;

·设备的发生故障的次数。

4 需考虑的问题

采用BP网络进行数据的处理时要考虑以下几个主要方面。

确定输入层的数目。根据影响设备是否失效的因素为三个,确定输入的数目为3。数值上进行了处理,使输入量比较接近,程序上对输入的数值做如下处理,便于权值和偏置值的选择。

·理论上,折旧率在0.01~0.99之间,一般取值为0.05~0.2之间;

·理论上,使用的年限为0~100之间,根据实际的设备样本的分布,取50为标准,一般的设备的输入值在0.01~0.3之间;

·发生的次数以10次为标准,一般的输入范围为0~1.5之间。

输出量为设备是否需要进行检查,为了便于分析,将输出简化为0或者1。如果设备的输出值为1时,就应该实际考察设备的运行情况,考虑是否要进行设备的更换。而设备输出值为0时,则不用进行检查或者更换。同时对于输出数值也做一定的处理,当输出的值大于0.9时认为输出值为1,小于0.1时认为输出值为0,提高程序应用范围。

为了验证预测的正确性,采用三层的BP网络,考虑输入和输出的数量比较少,网络的节点数对网络的泛化能力有很大的影响。节点数太多,它倾向于记住所有的训练数据。于是也包括了噪声的影响,反而降低了泛化能力;结点数太少,不能拟和样本数据,也就谈不上较好的泛化能力。中间隐层的处理采用四个结点的结构以求能够对问题有一个满意解。

针对实际的情况,选用了1000个数据作为样本。当学习的样本值增多以后,实际的输出和理想的输出的误差很快下降,但是当样本数目增加到一定的数目以后,反而使误差变大,影响了网络的泛化能力。在480个样本左右学习后误差最小,其学习误差曲线如图3所示。


经过学习后的BP网络基本上能够实现对需要检修和更换的设备能有一个准确的标示,实现预期的目的。通过400测试样本的检验,准确率较高,只有少数的特殊样本出现了偏差。对于特殊样本的造成网络的误差,可以采用增加中间层的结点个数,或是增加隐层的数目来调节提高网络的泛化性能。

5 总结

在配网SCADA系统提供的数据基础上,将可信度因子和BP神经网络算法引入到故障预测中,实现对故障的预测分析,使得运行人员能够有目的的进行设备检查,从而大大降低故障的发生率,保证了配电网的安全稳定运行。

参考文献

[1] 刘有源, 黄新民, 陈定方. 知识的可视化获取. 湖北工学院学报, 2002,(6).

[2] 韩祯祥, 文福拴, 张琦. 人工智能在电力系统中的应用. 电力系统自动化, 2000,(1).

[3] 杨莉, 邱家驹, 江道灼. 基于BP网络的下一交易日无约束市场清算价格预测模型.电力系统自动化, 2001,(10).

[4] 容善华, 孟遂民, 许文.计算机故障诊断专家系统的研究.武汉水利电力大学(宜昌)学报, 1998,(6).

[5] 危辉, 潘云鹤.从知识表示到表示——人工智能认识论上的进步. 计算机研究与发展, 2000,(7).

[6] 孙嘉, 韩少晓. 自动化设备运行自动监控系统开发与应用. 电力系统自动化, 2001,(2).

[7] 潘华.浅谈如何提高电力配网的可靠性. 科技情报开发与经济, 2004,(5).

[8] 郝喜艳. 浅析配网自动化在线路发生故障中的应用. 油气田地面工程, 2004,(8).

资讯录入:admin    责任编辑:admin 
  • 上一篇资讯:

  • 下一篇资讯:
  • 【字体: 】【发表评论】【加入收藏】【告诉好友】【打印此文】【关闭窗口
      网友评论:(只显示最新10条。评论内容只代表网友观点,与本站立场无关!)

    不良信息
    举报中心
    机电之家设备管理网
    致力于机电设备维修与管理技术
    网络110
    报警服务
    服务热线:0571-87774297 传真:0571-87774298 电子邮件:donemi@hz.cn 服务 QQ:66821730
    机电之家(www.jdzj.com)旗下网站 杭州滨兴科技有限公司提供技术支持

    版权所有 Copyright © 机电之家--中国机电行业门户·设备维修与管理

    主办:杭州高新(滨江)机电一体化学会
    浙ICP备05041018号