基于自适应FNN和DTMC的MOA在线故障诊断与评估方法

摘要

现阶段一般采用离线停电试验方法对氧化锌避雷器(metal oxide arrester,MOA)进行故障判断和运行评估,影响了供电可靠性。为此,基于自适应模糊神经网络(fuzzy neural network,FNN)和离散时间马尔科夫链(discrete-time Markov chain,DTMC),提出MOA在线故障诊断与状态评估方法。首先提取与MOA运行状态相关的指标参数,通过自适应FNN学习运行状态特征指标,并且自适应动态调整隶属度函数。然后基于DTMC,考虑不同时刻运行状态特征数据,计算MOA故障类型与运行状态评估概率值。最后进行实时数据仿真以及多组历史数据仿真试验,结果准确率均在90%以上,验证了所提算法的合理性和可靠性。