摘要：随着我国经济在快速的发展，社会在不断的进步，本文提出结合运用BP神经网络和GRNN神经网络建立的故障诊断模型与模糊决策技术的电网故障诊断方法。首先，该方法对电网的三类主要元件（变压器、线路和母线）分别建立神经网络模型。其次，该方法中元件的神经网络基于电力系统中继电保护装置信息和断路器的状态信息进行初步诊断。神经网络模型中BP神经网络负责将该元件的状态和信息进行预处理和判断，将结果反馈给广义回归神经网络GRNN；GRNN神经网络负责在发生故障以及电网拓扑结构发生变化的情况下准确找到故障源。最后，专家系统根据得到的初步诊断信息运用模糊决策技术进行综合诊断。经本文分析及测试，该方法能够有效的提高运行人员故障处理效率，提高电力系统供电的可靠性和安全性。
关键词：神经网络；专家系统；电网
引言
人工智能是研究如何利用计算机从事推理、规划、设计、思考、学习等思维活动，解决迄今为止认为需要由专家才能处理好的复杂问题。计算机专家系统则是当前人工智能研究的主流。专家系统在国外由医界中兴起，现已广泛应用于各个领域中。而在电路故障诊断方面，由于故障现象与实际故障不是一一对应的，从而导致故障的模糊性。另外，功能测试也会产生大量的不可区分故障。这些必然要依靠实际经验，通过周密地推理，分析才能进一步定位模型的故障，所以建立电路故障诊断专家系统是必然的。
1专家系统
专家系统在输电网络故障诊断中的典型应用是基于产生式规则的系统，即把保护、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，进而根据报警信息对知识库进行推理，获得故障诊断的结论。提出了一种知识获取的多层流式的功能模型，用于产生变电站停电后的恢复方案，原理上有创新。介绍了一个基于专家系统和多媒体技术开发的配电变压器测试与诊断解释系统。采用面向对象技术开发了用于保护系统设计的专家系统，着重考虑了保护系统设计与电力网络本身设计的协调，以确保保护系统是电力系统运行中的一个继承的和有效的部分。虽然专家系统能够有效地模拟故障诊断专家完成故障诊断的过程，但是在实际应用中仍存在一定缺陷，其主要问题是知识获取的瓶颈问题，知识难以维护，以及不能有效地解决故障诊断中许多不确定因素，这些问题大大影响了故障诊断的准确性。
期刊文章分类查询,尽在期刊图书馆
2神经网络与支持向量机
2．1支持向量机
神经网络的训练需要大量对象的历史数据，这对于有些系统是无法实现的．与神经网络不同，支持向量机更加适用于小样本的情况．支持向量机具有较高的准确性，强大的泛化能力，因此被用于许多机器学习的应用中．支持向量机属于监督式学习算法．基于支持向量机的故障诊断的分为2个阶段：首先是训练阶段，通过已知的正常状态和故障状态的各种特征样本对支持向量机进行训练，找到训练样本的支持向量，从而确定最优分类超平面；其次是故障诊断阶段，装入训练阶段的有关数据，根据最优分类超平面，对测试样本集做出分类决策．支持向量机也存在一些局限，如故障诊断中客观存在大量模糊信息，当支持向量机处理模糊信息时，其性能大受影响．但支持向量机能克服人工神经网络合理的学习结构难以确定和存在局部最优等缺点，有效地提高学习方法的泛化能力．所以将两者结合恰好能取长补短．
2.2基于支持向量机的神经网络
基于支持向量机的神经网络是使用支持向量机选择最好的特征并作为神经网络的输入，然后由神经网络完成分类任务．支持向量机的目标是产生一个模型，为新数据实例预测目标值．特征选择问题在于用带有尽可能少的特征的分类超平面识别两个在n维特征空间的有限点集．而训练过程可以进一步分为两步：首先，对一些有不同参数结构的个体的神经网络和支持向量机模型进行测试．其次，集成这些神经网络和支持向量机模型．在集成的过程中，去掉预测性差的模型，选择预测性最好的神经网络和支持向量机的个体集成到一起．这样可以减少训练效果差的模型带来的影响．为了简化集成模型，所有被选中的模型有相等的权值．在测试阶段，提供这些被选择的模型给测试数据，并分别产生预测值．采用这些预测值的中间值作为集成方法的预测值．对于某一给定的问题，如何寻找到最适合的核函数是SVM从理论走向实际应用时所必须解决的一个关键问题，也是研究的重点．在支持向量机中，核函数的参数（核参数）和误差惩罚参数是影响其性能的主要因素．
2.3在线诊断方案
基于上述试验结果分析，本文提出了如下的车载水箱传感器诊断方案，主要包括静止状态的检测与动态状态的检测，静止状态主要用于判断不方便拆卸和安装好的传感器，而动态状态检测用于未安装的传感器。静止状态的检测：先将万用表置于输入挡，两个表笔分别接于水箱传感器的两个引出线，测量的阻值应为无穷大。动态状态的检测：用水位传感器的可旋转的部分（外部控制磁铁）靠近信号感知部分，此时万用表的指针应该向右摆至零，说明水位传感器已经导通，然后将水位传感器的可旋转的部分移动远离信号感应部分，万用表指针应向左回摆至无穷大。测试时，如果外部控制磁铁靠近信号感应部分四方，万用表指针没有开始摆动或者摆动不到零位，说明其内部干簧管不能很好吸合，表明该干簧管间隙过大或者已经发生位移，如果外部控制磁铁远离信号感应部分，干簧管不能很快断开，说明该干簧管的簧片弹性已经减弱，这样的水位传感器已经不能够再次稳定的工作。
2.4模糊理论
输电网络故障诊断的不确定因素对于要求严格匹配搜索的专家系统来说，很容易导致错误的结果。当在专家系统中融入模糊理论后，由精确推理变为近似推理，在相当程度上增强了专家系统的容错性。应用多目标模糊决策方法进行故障测距与故障类型辨识，并做了现场测试。研究了在配电网络中，当每个设备的运行状况可以大致知道时，如何决定其适当的维修水平，以兼顾运行安全和维修成本。先用模糊集方法描述设备的运行状况，之后构造了决定适当维护水平的模糊现行规划模型。由于一般的模糊系统采用了与专家系统类似的结构，所以它也具有专家系统的一些固有缺陷：.a模糊系统在推理时也要搜索知识库内一定的规则集才能得出诊断结论，所以当系统比较大时完成诊断的速度也比较慢。b.当输电网络的结构或自动装置的配置发生变化时，模糊系统的知识库或相关规则的模糊度也要进行相应的修改，即模糊系统也存在维护的问题。.c模糊系统也不具备学习能力。
结语
本文分析了神经网络和粗糙集、支持向量机、粒子群、小波相结合使用的方法．很多文献中的实验已验证这些技术的优点：粗糙集和神经网络相结合用于故障诊断，可以消除训练样本中的冗余信息，简化网络结构，缩短训练时间；基于神经网络和支持向量机的复合故障诊断技术不但可以进一步提高个体的预测精度，而且可以使故障诊断模型始终处于最优识别状态；粒子群优化神经网络克服了神经网络容易陷入局部最优解的缺点，提高了训练精度；小波神经网络能够很好地对故障进行分类，分类精度较高．
参考文献：
［1］马媛．高可靠性水位传感器的设计与实现［D］．西安科技大学，2016．
［2］苏红．信息融合理论及其在水位传感器故障诊断中的应用研究［D］．华北电力大学（河北），2005．
［3］马珺，王辉．检索式数字水位传感器智能变送器的设计［J］．仪器仪表学报，2008，（4）：740－744．
论文作者:任东
论文发表刊物:《电力设备》2018年第29期
论文发表时间:2019/3/27
标签：神经网络论文; 向量论文; 专家系统论文; 故障诊断论文; 模糊论文; 模型论文; 传感器论文; 《电力设备》2018年第29期论文;