电力系统不良数据检测与辨识方法的现状与发展
电力系统故障诊断的研究现状与发展趋势
电力系统故障诊断的研究现状与发展趋势【摘要】文章综述了电力系统故障诊断的各种研究方法，评述了这些方法中需要改进之处，并进一步指出了该领域所需解决的关键技术问题和主要发展趋势。
【关键词】电力系统；故障诊断；研究现状；发展趋势引言电力系统故障诊断是近年来十分活跃的研究课题之一。
主要包括系统故障诊断和元件故障诊断两个方向，系统级故障诊断是指通过分析电网中各级各类保护装置产生的报警信息、断路器的状态变位信息以及电压电流等电气量测量的特征，根据保护、断路器动作的逻辑和运行人员的经验来推断可能的故障元件和故障类型的过程。
1国内外研究发展状况1.1 基于专家系统的诊断方法专家系统(expert System)利用专家推理方法的计算机模型来解决问题，已获得日益广泛的应用。
目前，专家系统用于电力系统故障诊断是比较成功的。
根据故障诊断的知识表示和所用推理策略的不同，专家系统主要有两类:(1)基于启发式规则推理的系统。
此类系统把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成故障诊断专家系统的知识库，采用数据驱动的正向推理将所获得的征兆与知识库中的规则进行匹配，进而获得故障诊断的结论。
现在大多数故障诊断属于这一类。
(2)结合正、反推理的系统。
此类系统结合了正反向混合推理方法，根据断路器和继电保护与被保护设备之间的逻辑关系建立推理规则，同时通过反向推理，有效地缩小可能故障的范围，以动作的继电保护与故障假设的符合程度计算可信度。
文献[1]介绍了基于事例推理(CBR)和基于规则推理(RBR)的混合推理的故障诊断专家系统。
由于采用了混合推理，提高了故障诊断专家系统的适应性与自学习能力。
基于专家系统的诊断方法的主要特点是可以方便地把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，并允许在知识库中增加、删除或修改一些规则，以确保诊断系统的实时性和有效性，同时还能够给出符合人类语言习惯的结论，并具有相应的解释能力等，比较适合中小型电力系统和变电站的故障诊断。
电力系统故障诊断的研究现状与发展趋势
电力系统故障诊断的研究现状与发展趋势随着我国经济建设的发展，电力的需求越来越大，电力系统的正常运行不仅关系到城乡百姓的生活质量，也关系到地区经济的发展。
因此，提高电力系统故障诊断符合社会发展需求。
本文将对电力系统故障诊断技术展开探讨，电力系统故障诊断现状和发展趋势进行分析。
标签：电力系统;故障诊断;现状;发展电力系统故障产生的原因多种多样，气候的变化和人为因素都将导致电力系统故障的出现。
今年来随着经济建设的发展，电网企业规模在不断扩大，电网结构越来越复杂，各个区域的联系也越来越紧密，故障的发生几率也在不断增加。
加强电力系统故障诊断是确保电网企业正常运行的有效手段。
一、电力系统故障诊断概述随着当前电网企业规模的不断扩大和业务量的增加，电网结构越来越复杂。
在复杂的电网结构中，往往会由于各种因素的影响，在运行过程中发生各类故障。
由于电网企业业务覆盖范围较大，故障的发生将给地区电力运营带来重要影响，因此，加强电力系统的故障诊断成为电网企业重要工作。
变压器是电力系统的重要构成之一，是电力系统故障诊断中重点环节。
在变压器故障诊断中，又有内部诊断和外部诊断之分，相比较而言，内部诊断更为复杂，主要对由于局部温度过高产生的故障和绝缘性能降低產生的故障进行诊断。
二、电力系统故障诊断的研究现状从我国改革开放以来，我国电力系统故障诊断技术也在不断研究和探索中。
由于我国此类工作开展较晚，依然存在较多的困难，但是在逐渐的探索中也取得了许多骄人的成绩，形成了一些符合我国电力系统实情的故障诊断理论。
（一）专家系统1.专家系统的特点我国电力系统诊断中专家系统理论被广泛应用，专家系统电力故障诊断利用了计算机技术，通过计算机程序对电力系统进行检测，具有较高的智能化特点，通过人工智能在一定的规则范围下进行推理，解决以往只有在专家层面才能够解决的现实问题。
2.专家系统的应用随着我国电力技术的不断发展，电力系统所应用的设备越来越复杂，自动化程度越来越高，给电力系统故障诊断提出了更高的要求。
电力系统故障判断的研究现状及发展趋势
电力系统故障判断的研究现状及发展趋势摘要：城市快速发展下对电网建设也提更高的要求，作为电力系统安全运行的重要依据，系统故障判断发挥着重要作用。
对配电线路的检修运行工作和运行故障的检修分析在城市电网的生产工作中发挥着重要的作用。
本文将浅谈电力系统故障判断中的常见问题，并提出具体的发展策略。
关键词：电力系统；故障判断；现状研究；发展趋势引言电力工程的发展与人们的生活与企业发展等方面有着非常重要的影响，需要结合人们用电需求的特点，做好相应的调整。
自动化技术体现出技术的创新与突破，使得电力系统运行更加安全，并在一定程度上提高了工作的效率。
面对其中出现的设备老化、管理不够规范等问题，应该引起高度的重视，针对出现的安全控制相关的问题，做好全面的分析，从而采取可行的应对措施，并促进我国电力工程的持续发展。
1故障判断的重要性对于电力系统来说，配电线路作为电力系统中重要环节，是需要进行定期的维修的。
正常工作状态下的配电线路能够确保电力供应，同时起到连接降压变电器和配压变电器的作用。
配电线路能够在运行的过程中将所需的电力及时输送到用户终端，保障城市供电的正常运行。
在生产过程中，一旦配电线路出现了运行故障，会直接影响电力系统的稳定供应，严重时导致停电事故的出现。
因此定期定时的配电线路运行故障的检修，能够有效避免配电线路在运行工作中出现问题，在检修过程中一旦发现故障点能够及时进行处理，进而将出现故障所带来的损失降到最低，保证整个电力系统能够正常稳定的运行，最终促进电力服务质量的提升优化，促进城市建设的有序进行。
2电力系统运行中存在的问题2.1电力系统故障判断的研究现状专家系统利用专家推理方法的计算机模型来判断故障，目前该方法的应用比较广泛，并且效果明显，是比较成功的方法。
根据故障诊断知识表示和所用推理策略不同，又可以将专家系统分为基于启发式规则推理系统和结合正反推理系统，目前大多数故障判断采用第一种方法。
总之，专家系统诊断方法能用规则表示保护器、断路器的动作逻辑及运行人员诊断经验，允许增加或删除规则，提升诊断系统实时性和有效性，该方法适用于中小型电力系统和变电站故障诊断。
关于电力系统状态估计中不良数据的估计识别方法
关于电力系统状态估计中不良数据的估计识别方法的报告，
800字
电力系统状态估计是指通过监测电力系统中测量和观测变量的变化，对电力系统的实时状态进行估计。
由于电力系统中存在各种物理、控制和环境因素，会导致电力系统估计中出现不良数据。
因此，如何有效识别和处理不良数据是电力系统状态估计中一个重要问题。
目前，已经开发出许多不良数据识别方法，可以有效识别电力系统状态估计中的不良数据。
其中，最常用的方法是基于规则的方法和基于模型的方法。
基于规则的方法是建立一系列规则，根据这些规则来识别不良数据。
该方法的优点在于实现简单，而且容易检测出大多数不良数据，但是存在着检测精度较低的缺点。
基于模型的方法则是建立一个数学模型，来模拟电力系统状态估计过程，并利用模型进行不良数据识别。
该方法的优点在于检测精度高，能够准确地检测不良数据，但存在着模型参数较难定义的缺点。
此外，目前也有综合性的不良数据识别方法，既利用基于规则的方法识别较大的不良数据，又利用基于模型的方法识别较小的不良数据，以达到最优的检测精度。
由于不良数据对电力系统状态估计有着至关重要的影响，因此，有效地识别和处理不良数据对于电力系统状态估计和稳定运行
至关重要。
上述提出的方法既可以满足电力系统状态估计的需求，又可以保证识别的准确性和合理性，极大地提高了不良数据识别的效率。
综上所述，电力系统状态估计中不良数据的识别方法可以分为基于规则的方法和基于模型的方法以及综合性的方法，这些方法都可以有效地识别电力系统状态估计中出现的不良数据，从而有效地提高电力系统状态估计的准确性和可靠性，以实现安全可靠的电力系统运行。
电力系统故障诊断研究现状及发展
电力系统故障诊断研究现状及发展摘要：电力系统的产生和发展使得电网的规模出现了比较大的变化，其构成越来越复杂，不同区域的联系也更加紧密，其能源管理和数据收集监督系统在其网络中已经被广泛应用，这里存在着一个问题，就是系统中发生故障的几率会增大，对电力系统稳定性产生较大的影响，所以对于电力系统故障诊断研究具有重要的意义。
关键词：电力系统故障诊断现状目前，国内外提出了许多电力系统故障诊断的技术和方法，主要有专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论、模糊集理论、贝叶斯网络、多Agent技术和基于故障录波器信息等方法。
一、电力系统故障诊断国内外研究发展状况一是基于专家系统原理的电力系统故障诊断。
专家系统(expert system)是发展较为早的，并且是比较成熟的一种人工智能技术。
在上个世纪70年代，一些专家就把专家系统引进到电力系统损坏诊断的研究领域，其特点与电力系统故障诊断问题有很多想象的地方，因此运用此法的诊断研究时间较为长。
将专家系统的优化智能模型结合在一起，发挥各自的长处，并有效与模糊理论结合，可以改善专家系统的容错能力，这也是近些年专家系统发展的主要趋势。
二是基于人工神经网络的电力系统故障诊断。
基于人工神经网络(artificialneural network，ANN)的故障诊断方法具有性能好、容错率强和学习能力强等特点。
目前，针对ANN收敛性和容易陷入局部最小局部问题，比如将遗传优化算法、群智能算法与这种方法结合起来，对其进行网络演练，可以大幅度改善ANN的性能。
目前对于ANN怎样更好地适应电力系统在线故障诊断是今后一段时期重要的研究方向。
三是基于优化技术的电力系统故障诊断。
采用优化算法需要根据其电网故障的特点，假设事故发生的目标函数（或适应度函数），并且要根据适应度对假象事故进行不断更新，直到找到适应度最大的假象事故集，把它作为最终诊断的结果。
四是基于Petri网络的电力系统故障诊断。
电力系统中的不良数据监测和辨识方法
电力系统中的不良数据检测和辨识方法介绍西南交通大学电气学院10专业2班傅广港摘要:简述了电力系统不良数据的检测和辨识的必要性。
列举了目前较为主流的不良数据检测和辨识方法，并对这些方法优缺点作出评价。
关键词：不良数据；检测；辨识；优缺点Ways to detect and identify the bad data in power systemFu Guanggang（College of Electrical and Engineering，Southwest Jiao Tong University) Abstract: This paper expounds the necessity of the bad data detection and the identification in power system, as well as the common methods to realize，and discuss the advantages and disadvantages。
Keywords：bad data ；detect; identify；advantage disadvantage0引言在电力系统的实际运行中，由于量测量和量测通道的误差以及可能受到的干扰，会出现各种测量误差。
而我们电力系统的量测数据，通常可看作有效的量测数据和量测噪声的线性组合，通常情况下量测噪声为白噪声[1]，通过一定的技术处理（如数字滤波、提高量测冗余度等)一般可消除白噪声对电力系统状态估计结果的影响.但当量测数据中包含不良数据时，这些不良数据对电力系统状态估计结果的影响是不容忽视的，电力系统中的不良数据可能会影响调度员做出错误的决策，进而影响电力系统的正常运行,甚至可能威胁整个电力系统的安全。
因此，为了确保电力系统的稳定安全运行，对不良数据的处理有非常重要的意义[2].1不良数据检测和辨识的研究现状不良数据检测与辨识是电力系统状态估计的重要功能之一，其功能是在获得状态估计值的基础上依靠系统提供的多余信息，发现和排除测量采样数据中偶然出现的少数不良数据,以提高状态估计的可靠性。
电力系统故障诊断的研究现状与发展趋势研究
电力系统故障诊断的研究现状与发展趋势研究【摘要】在电力系统故障诊断的研究中，经常采用的方法包括专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论、模糊集理论、多Agent技术等。
通过对以上方法的特点与适用性进行分析，阐述了其优劣，指出了该领域的关健技术问题和主要发展趋势，以促进该研究领域的进一步发展。
【关键词】电力系统；故障诊断；人工智能；优化技术；多Agent技术引言由于气候条件、人为影响等诸多因素，电力系统故障在所难免。
同时，随着电力系统的不断发展，大规模、复杂结构的电网使得不同区域之间的关联愈发紧密，大量的报警信息会在短时间内涌入调度中心，远远超出了运行人员的处理能力。
一旦系统发生故障，其损失较以往大增[1]。
为了适应各种复杂情况下故障的快速、准确识别，最大程度的降低电力设备的损坏，保证用户供电安全，对于电力系统故障诊断的研究具有重要意义。
对于电力系统故障诊断，识别故障元件是解决问题的关键也是难点。
当发现电力系统故障后，需通过各种手段，了解故障元件所在位置、故障类型以及误动作的装置等等。
随着电力系统自动化水平的不断提高，当电网发生故障后，大量的报警信息通过远程终端装置（RTU）传送到各级电网调度中心，可以此作为故障诊断的数据源[2，3]。
专家系统、人工神经网络、优化技术、Petri网络、粗糙集理论、模糊集理论、多Agent技术等是目前国内外的电力系统故障诊断所主要采取的技术和方法。
以下将分别对各技术理论的发展状况进行介绍。
1 国内外研究发展状况1.1 专家系统专家系统（expert system）是一种带有智能功能的计算机程序。
其基本原理是在某一领域内，通过一定的规则和推理过程，来解决往往需要具有专家水平的知识和经验才能解决的复杂问题。
目前，专家系统已广泛应用于设备故障诊断领域，这一是由于设备故障诊断的技术复杂性，需要结合多方面领域知识的工作，才能胜任此项工作并且高效地解决问题；二是由于设备数量、自动化程度和复杂程度不断提高，专家系统有助于提高故障设备诊断和维修效率，能向设备维修人员提供故障诊断技术咨询和辅助指导。
电力系统故障诊断的研究现状与发展趋势
电力系统故障诊断的研究现状与发展趋势随着电力系统的发展，越来越多的电力系统故障事件发生，使电网的安全性和稳定性受到严重威胁，这也使得电力系统故障诊断成为一个研究热点。
本文论述了电力系统故障诊断研究的现状，重点讨论了电力系统故障诊断及其未来发展趋势。
首先，本文对电力系统故障诊断研究的发展历史和现状进行了介绍。
近年来，电力系统故障诊断技术发展迅速，由于高科技产品的应用，电力系统故障诊断技术急需不断改进。
凭借现代计算机技术的发展，电力系统的实时监测、诊断和管理技术得到了极大提高和改善，并不断推动着电力系统故障诊断技术的发展。
其次，本文重点讨论了电力系统故障诊断及其未来发展趋势。
在技术上，电力系统故障诊断技术未来发展的趋势：1.基于模式的故障诊断技术与基于数据的故障诊断技术有机结合起来，实现多元化的故障诊断;2.用现代技术，如机器学习、深度学习等，研发电力系统的智能故障诊断技术;3.展和实施全面的电力系统运行监控和安全保护系统;4.分利用大数据技术，建立电力系统故障诊断综合信息系统。
最后，利用新兴科技推动电力系统故障诊断技术的发展，可以实现智能化、高效化、安全化的电力系统运行，进而更好的保障电力系统的安全性和稳定性。
综上所述，随着电力系统故障诊断技术的发展，电力系统故障诊断研究在未来会受到更多关注，未来也将有多种更加先进的技术应用于电力系统故障诊断，从而提高电力系统的安全性和稳定性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
电力系统不良数据检测与辨识方法的现状与发展
发表时间：2018-03-14T11:49:42.847Z 来源：《基层建设》2017年第34期作者：沈越王稼祥
[导读] 摘要：随着社会的发展，电力已经成了我们生活中不可分割的一部分。
国网安徽省铜陵供电公司 244000
摘要：随着社会的发展，电力已经成了我们生活中不可分割的一部分。
无论是我们的日常生活还是工业生产都离不开对电的需求，随着我国节能减排计划逐步提上日程，我们对电力的需求将更加巨大。
而电力系统也看到了这一趋势，在对电网进行升级和改造，在资源合理利用和分配方面进行着努力。
西电东送将我国西部地区资源资源优势充分利用，同时也缓解了东北地区资源相对匮乏的现状，促进了东西部的共同发展。
而随着我国电网的不断建设，我国现在已经形成了一个全国一盘棋的电网框架。
各省的电网相互关联构成了区域电网，区域电网之间相互协调又形成了全国的电网。
这样全国的电网成为了相互关联相互影响的一个整体，但是这种电网模式也存在着一定的弊端，那就是局部地区的电力事故如果不能得到很好的控制很可能会影响到整个电网的安全性。
所以我国现在也在开发建设电网和局部微电网，通过这样的方式让电网能够在一个整体的前提下还能各自相互独立。
而要说到电网的事故预防我们首先应该想到的便是电网中不良数据的影响，本文分析了我国电力系统不良数据检测与辨识方法的发展。
关键词：电力系统；不良数据；现状与发展
引言：我国电力系统的建设正在逐步加快，并且我国现在已经在电网建设方面开始处于世界领先地位。
从以前的500kv输电的技术引进，到现在超高压、特高压、和直流电网输电技术的不断突破，我国的电网建设可以说已经取得了跨越式的发展。
虽然电网建设已经取得了明显的成就，但是我国在电网的安全防护方面的工作仍然在一直进行。
因为电网的安全性和稳定性是电网运行过程中最为关键的因素，如果出现任何电力事故，那么可能会危机到我们整个电网的安全。
所以保障电网运行的安全和可靠性是电力工作人员们每天都要面临的挑战。
电网运行会受到很多方面的影响，无论是用电企业、发电企业还是天气状况都可能会影响到电网的正常运行。
而要想检测到电网运行中存在的问题就需要对电网中的相关参数进行时时的监测，当发生不良数据参数时，如果短时间内能够恢复稳定那么可能对电网运行影响不大，但是如果不良参数一直存在，那么可能会对电网造成巨大的影响。
所以在如今的电网运行中对于相关电气参数的检测与辨识是十分必要的，我们可以通过监测相关的参数避免事故的发生，降低事故带来的损失。
一、目前电力系统不良数据检测与辨识的方法
1、基于数据挖掘的检测与辨识方法
我们所说的数据挖掘的方法便是从大量随机的、模糊的、不完全的实际数据当中对隐含在其中的一些未知的，却有具有某种价值的信息及知识的提出过程，整个数据挖掘过程大致可以分为数据准备、数据挖掘和解释评估三个方面。
根据他们对于数据处理方式的不同我们又可以将其分为神经网络法、基于聚类分析及模糊理论的方法和间隙统计法。
其中神经网络法最大的优点便是结构简单，我们可以通过对设备进行神经网络的训练后，让待检数据在神经网络中获得相应的输出，然后对输入和输出茶几的平方进行比较。
当然在之前我们要先设定一个阈值，这个值便是我们对比的标准，如果我们经过神经网络的判断发现得出的值超高了事先设定的阈值，那么该数据将被认为是不良数据。
当然，虽然通过这种方式我们可以及时准确的找出不良参数，但是这种方式也存在着一定的弊端。
我们的阈值在选取过程中并没有严格的理论依据，大多数是凭借多年的经验或者进行相关的参考而确定的。
而在实际的操作过程中，不同的地区可能会有不同的要求，所以这种方法会出现误判的现象。
有时候可能会判断不出不良数据，还有时候可能会将正常的波动判定为不良数据。
而基于聚类分析及模糊理论的方法也存在这样的缺点，标准值在选定的过程中过于主观，没有太大的辨识度。
相对于上述两种方法，间隙统计发可以以神经网络对数据信息的预处理为基础，利用间隙统计的自动生成功能确定出数据的最佳聚类个数。
根据这个再对检测的数据进行聚类分析，最终可以实现对不良数据的检测与辨识。
2、基于状态估计的不良数据检测与辨识
状态顾忌是通过测量系统的冗余度对数据的精确度惊醒一定的增强，从而排除因随机干扰而产生的错误数据信息。
从这些我们便可以看出，相对于数据挖掘的检测与辨识，状态估计有了更高的准确度。
基于状态估计的辨识方法大多是以标准残差值或者加权残差值为基本的特征值，并假定其服从某一特定的概率分布，然后根据置信度确定一个门槛值，最后进行假设检测。
当系统发现有不符合取值范围的数据出现时就认为是错误的数据，然后将其排除。
当然这种方式也是存在缺陷，如果存在残差淹没及污染的情况，这样便会出现数据的遗漏或者失误，进而会影响到整体的数据检测效果。
二、不良数据检测与辨识方法的发展
电力系统数据检测与辨识对于电力系统的稳定性有很重要的作用，数据检测是电网智能化发展必不可少的要求，没有数据检测与辨识继电保护系统就不会做出相应的设备和线路保护动作。
所以我们必须要进一步提高数据检测与辨识的能力，这样才能更好的实现故障的自动排除并且减少系统误判的机会。
随着国内和国外一些新兴技术的星期，数据检测与辨识的能力将会得到进一步的提升。
目前我们的研究的方向中有将抗差估计理论应用于不良数据检测与辨识中，也有的在不断完善基于数据挖掘的检测理论。
但是无论从哪一方面入手我们所要解决的问题便是如何通过理论的不断升级减小门槛值的误差，同时相应的阈值可以通过数学计算的方式直接得出，而非凭借经验或者主观得出的数值。
并且在制定数值标准的时候也要综合各地区的外界因素的影响，避免外界因素导致的各种数据偏差造成不良数据的遗漏或者正常数据的误报。
结束语
电网运行的安全稳定性关系到我国各行各业的正常发展，而电网运行参数的检测将会是电网能够安全运行的重要保证，所以我们要在以往的基础上加强对电网运行参数的检测。
要提升对不良数据检测与辨识的方法，在智能化电网发展的今天，不断完善电网的各级监管制度，保证电网中的各项不良参数都能得到有效的处理，维护电网的高效和安全运行。
参考文献：
[1]刘莉，翟登辉，姜新丽等.电力系统不良数据检测与辨识方法的现状与发展[J].电力系统保护与控制，2010，38（5）：143-147，152.
[2]王兴志，严正，沈沉等.基于在线核学习的电网不良数据检测与辨识方法[J].电力系统保护与控制，2012，40（1）：50-55.
[3]倪小平，张步涵.基于等效电流量测变换的状态估计及不良数据检测与辨识方法[J].电网技术，2002，26（8）：12-15.
[4]周小宝.电力系统状态估计不良数据检测与辨识方法研究与应用[D].湖南大学，2013.。