高电压技术
高電壓技術
고전압기술
HIGH VOLTAGE ENGINEERING
2009年
7期
1624-1628
,共5页
邓武%杨鑫华%赵慧敏%唐飞龙
鄧武%楊鑫華%趙慧敏%唐飛龍
산무%양흠화%조혜민%당비룡
电力系统%变电所%故障诊断%粗糙集理论%RBF神经网络%专家系统%混合聚类法
電力繫統%變電所%故障診斷%粗糙集理論%RBF神經網絡%專傢繫統%混閤聚類法
전력계통%변전소%고장진단%조조집이론%RBF신경망락%전가계통%혼합취류법
针对电力系统变电所故障诊断系统中含有大量不确定信息和实时性要求高的特点,以电力系统变电所开关保护信息为基础,基于智能互不融合的思想,将粗糙集、神经网络和专家系统有机结合在一起,提出一种电力系统变电所故障诊断的新方法.首先在数据采集和预处理的基础上,利用混合聚类法对原始故障诊断样本进行离散化处理,然后利用粗糙集理论对样本决策表进行属性约简,删除冗余信息,得到能够覆盖原始数据特征的具有最小条件属性的相应学习样本集.再运用径向基函数(RBF)神经网络对故障诊断知识进行模式识别,并结合专家系统,利用其推理判断能力,对RBF神经网络的某些输出结果进行必要的修正.最后通过故障诊断实例,说明了方法的有效性.
針對電力繫統變電所故障診斷繫統中含有大量不確定信息和實時性要求高的特點,以電力繫統變電所開關保護信息為基礎,基于智能互不融閤的思想,將粗糙集、神經網絡和專傢繫統有機結閤在一起,提齣一種電力繫統變電所故障診斷的新方法.首先在數據採集和預處理的基礎上,利用混閤聚類法對原始故障診斷樣本進行離散化處理,然後利用粗糙集理論對樣本決策錶進行屬性約簡,刪除冗餘信息,得到能夠覆蓋原始數據特徵的具有最小條件屬性的相應學習樣本集.再運用徑嚮基函數(RBF)神經網絡對故障診斷知識進行模式識彆,併結閤專傢繫統,利用其推理判斷能力,對RBF神經網絡的某些輸齣結果進行必要的脩正.最後通過故障診斷實例,說明瞭方法的有效性.
침대전력계통변전소고장진단계통중함유대량불학정신식화실시성요구고적특점,이전력계통변전소개관보호신식위기출,기우지능호불융합적사상,장조조집、신경망락화전가계통유궤결합재일기,제출일충전력계통변전소고장진단적신방법.수선재수거채집화예처리적기출상,이용혼합취류법대원시고장진단양본진행리산화처리,연후이용조조집이론대양본결책표진행속성약간,산제용여신식,득도능구복개원시수거특정적구유최소조건속성적상응학습양본집.재운용경향기함수(RBF)신경망락대고장진단지식진행모식식별,병결합전가계통,이용기추리판단능력,대RBF신경망락적모사수출결과진행필요적수정.최후통과고장진단실례,설명료방법적유효성.
