声明
摘要
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 根据诊断方法进行分类
1.2.2 根据警报信息进行分类
1.2.3 根据空间属性进行分类
1.3 本文主要的研究内容和工作
2 故障诊断系统概述
2.1 引言
2.2 故障诊断系统的目标和功能
2.3 故障警报信息的来源和分类
2.3.1 故障诊断系统的信息源
2.3.2 警报信息分类及其特征
2.4 故障诊断系统的层次化结构
2.5 本章小结
3 融合信息理论的电力系统故障诊断解析模型
3.1 引言
3.2 故障诊断的信息运动过程
3.3 基于信息理论的故障诊断模型
3.3.1 信息量损失
3.3.2 基于信息量损失最小的故障诊断模型
3.4 故障诊断中的信息量损失计算
3.4.1 故障诊断中不确定性的量化
3.4.2 设备故障引起的信息量损失
3.4.3 继电保护装置和断路器动作引起的信息量损失
3.4.4 警报信息上传过程(信道2)的信息量损失
3.5 求解过程及故障诊断结果评价
3.5.1 故障假说的概率分布
3.5.2 故障诊断结果评价
3.6 算例分析
3.7 本章小结
4 考虑警报冗余和时序特征的电力系统故障诊断解析模型
4.1 引言
4.2 故障诊断模型的基本框架
4.3 故障假说和目标函数
4.3.1 故障假说
4,3.2 目标函数
4.4 目标函数的计算
4.4.1 警报预处理
4.4.2 保护设备动作逻辑
4.4.3 权重系数调整
4.4.4 时序冲突指标的确定
4.4.5 GATS求解
4.5 保护设备动作和警报评价
4.6 算例分析
4.7 本章小结
5 容纳时序约束的改进模糊Petri网故障诊断模型
5.1 引言
5.2 时序模糊Petri网
5.2.1 时序约束定义
5.2.2 时序约束定义
5.2.3 时序推理
5.2.4 时序模糊Petfi网的矩阵运算
5.3 基于TRFPN的电力系统故障诊断模型
5.3.1 故障诊断时序分析
5.3.2 故障诊断模型
5.3.3 仿真参数确定
5.4 仿真算例验证及比较
5.4.1 基于TRFPN的故障诊断过程
5.4.2 继电保护装置评价
5.4.3 算例分析与比较
5.5 本章小结
6 基于时间约束网络的电力系统故障诊断事件关联分析方法
6.1 引言
6.2 所发展模型的基本架构
6.3 时序约束网络
6.3.1 时序约束网络的基本概念
6.3.2 时序信息表的构建
6.4 基于极限学习机的实时故障诊断模块
6.4.1 故障诊断模块的功能
6.4.2 生成候选假说集
6.4.3 特征采集
6.4.4 特征分类
6.4.5 综合评估
6.5 测试案例
6.5.1 最优隐藏层个数范围
6.5.2 极限学习机的集成
6.5.3 泛化能力分析
6.6 本章小结
7 结论与展望
7.1 全文工作总结
7.2 研究工作展望
参考文献
作者简历及攻读博士学位期间发表的学术论文
致谢
浙江大学;