一、数据融合在输电线网故障诊断中的仿真研究（论文文献综述）
万若安[1]（2021）在《基于深度学习的AT牵引网短路故障识别与测距》文中研究指明AT牵引供电系统被广泛用于我国高速铁路供电,牵引网是牵引供电系统的核心组成部分,牵引网故障若故障不能得到及时有效的处理,故障范围将扩大造成严重影响。准确、快速的识别故障类型并确定故障位置有利于铁路工作人员对牵引网的修复工作,能够缩小故障发生时间和减少影响线路。论文提出了一种基于深度学习方法的AT牵引网短路故障的快速识别与测距方案,针对深度学习方法需要数据较多,而AT牵引供电系统输电线路故障数据较少的问题,使用了电磁暂态软件ATP-EMTP对AT牵引供电系统输电线路上的短路故障进行仿真实验获取牵引网短路数据集。论文首先使用仿真软件完成了全并联AT牵引供电系统的模型搭建,进行了不同条件下的牵引网短路故障实验,收集了4275组实验数据用于深度学习数据集的制作。通过将卷积神经网络、长短时神经网络相结合,构建了适用于AT牵引网短路故障识别与测距的模型。通过实验比对决定了模型的结构与参数,并使用数据集优化后生成模型。模型能够对牵引网接触线、馈线、钢轨间发生的短路故障做出识别,并完成对故障距离的测距工作。通过对模型的验证实验,模型识别准确,测距精度较高。
舒新星[2]（2021）在《全并联AT牵引网行波传播特性与故障测距研究》文中进行了进一步梳理全并联AT牵引供电系统因供电性能强和对通信线干扰低而广泛运用在中国高速铁路。其线路拓扑结构复杂,相比于其他供电方式发生故障的概率是最高的,特别是短路故障类型。牵引网没有备用线路,一旦出现故障,会影响铁路部门生产安全,现有故障测距装置的测量精度受多种因素影响。行波法在电网的成熟运用,且牵引网无此类装置,因此采用行波法对牵引网故障定位是非常重要的研究课题。首先,本文对全并联AT牵引供电系统及其他各种供电方式进行介绍,计算出牵引网的阻抗、导纳参数矩阵,其矩阵维度为14×14,并采用逐步合并规则将牵引网电气参数矩阵合并成维度为6×6的矩阵,为后续研究全并联AT牵引网行波传播特性提供理论及数据支撑。其次,基于第2章的电气参数矩阵计算出牵引网电流相模变换矩阵,对牵引网行波传播特性进行分析,包括牵引网频变特性曲线和大地电阻率对行波传播系数的影响,并选用频率为5k Hz下的模速作为后文测距数据。通过ATP-EMTP仿真分析AT自耦变压器对行波传播的影响。再次,使用ATP-EMTP建立完整的牵引供电系统仿真模型,通过对行波传播路径理论分析和线路多个量测点的仿真波形的验证故障电流行波传播路径及规律。故障发生后供电臂首末两端必有一端电流信号奇异性低难以检测的特点,提出一种基于时频谱相似度全并联AT牵引网行波测距方法。该方法首先测量双端电流数据,然后计算牵引变电所端上下行电流行波的时频谱相似度矩阵来识别故障点区段,最后选择与故障点同一区段量测端的电流行波采用A型测距公式测距,可通过故障点反射波极性与初始行波相同,AT所端反射波极性与初始行波极性相反来解决识别第二个反射波的问题。通过对空载及机车负载时进行仿真验证,利用小波模极大值标定波到时刻,计算出故障距离。仿真计算结果表明,本文提出的行波测距方法能够有效的识别反射波及准确定位。最后,将基于时频谱相似度的行波测距方法进行一个集成并以可视化操作,基于MATLAB中的GUI图形用户界面,开发出了一套全并联AT牵引网行波故障测距系统,界面设计简洁友好,能够在各种短路故障状态下精准快速测距,且结果准确。
张劲弦[3]（2021）在《基于Pix2Pix和YOLO v3算法的行波故障定位方法》文中研究表明随着社会经济持续增长,工业水平的不断提升,各行各业对电力的需求也在持续增长。作为输送电能的载体,输电线路安全稳定地运行才能够保证电力系统的可靠性。由于输电线路所在的环境复杂,关于输电线路的故障也时有发生。精确的故障测距技术能够有效减少电网工作人员的巡线时间,提高故障维修效率,降低线路故障带来的经济损失。现有的测距技术主要依赖于测量装置,其测距精度受测量装置采样率的限制从而无法获得更加精确的测量结果。测量装置存在只有在高采样率下才能保证测距精度的问题,从算法软件层面上提升采样率的技术具有工程实际应用前景。针对传统的行波故障测距技术受限于测量装置的采样率不高导致其定位精确度不高的问题,本文的主要研究工作及成果如下:首先,本文对基于行波的故障定位方法进行研究。双端行波故障定位技术的原理是通过行波波头到达输电线路两端测量装置的时间差与输电线路的长度以及行波在输电线路中的传播速度来确定故障距离。通过对双端行波故障定位精度过于依赖测量装置的采样频率的问题进行研究,提出了采取D型行波故障测距技术与深度学习算法相结合的方式解决行波故障定位精确度过于依赖硬件采样频率问题的可行思路。其次,本文提出了基于Pix2Pix的输电线路行波故障定位精确度提升的方法。将深度学习算法与传统的行波故障定位方法相结合,提出采用数据转图像的思路解决了电力系统总常见的时序数据在深度学习算法中的效果不理想的问题,达到了良好的故障定位精确度提升的效果。该方法原理是通过Pix2Pix网络,将低采样率的录波数据通过小波变换的多尺度分析转成包含行波波头1尺度细节分量的局部放大图,将该图片作为Pix2Pix的条件输入,凭借Pix2Pix网络能够有效学习并估计数据的潜在概率分布的特性,能够输出得到一张效果类似于通过高采样率录波装置采集得到的1尺度细节分量的局部放大图片。该方法能够有效地将输入Pix2Pix的低采样率行波图片转换成高采样率的行波图片,从而实现提升测量装置的采样频率,达到行波故障定位精确度提升的效果。基于Pix2Pix的输电线路行波故障定位精确度提升方法,能够彻底挖掘现有测量装置的潜能,且能够有效节省用于更新输电线路上的测量装置的人力物力,具有良好的经济性。随后,本文提出了基于YOLO v3的输电线路故障行波图像质量评估方法。针对Pix2Pix网络生成的图片目前尚无一个标准的图片质量评估智能算法,采取人工图片质量评估耗时耗力且容易受主观因素影响的问题。本文利用YOLO v3对目标识别精确且快速的特性,将其对目标探测归一化的预测值当做评价Pix2Pix网络生成图片的一个指标对Pix2Pix生成图片质量进行评估,成功弥补了Pix2Pix网络生成图片质量无法定性地、客观地评估图像质量的问题。生成图片通过YOLO v3算法的图像质量评估,能够有效增强Pix2Pix算法的可靠性。最后,本文综合了Pix2Pix和YOLO v3算法,提出了基于Pix2Pix和YOLO v3算法的行波故障定位方法,并对所提方法进行了仿真实验验证。通过Simulink仿真软件对输电线路故障模型进行建模仿真,通过设置在不同采样频率的条件下,改变故障发生时间、位置以及故障类型等不同条件得到故障定位结果,并与传统单端故障定位法和传统双端故障定位法得到的故障定位结果进行对比分析。结果验证了本文方法能够一定程度上摆脱传统双端行波法对硬件精确度的依赖性,在行波故障定位上的具有良好性能,其定位精确度显着提升,具有较好的可行性。
田丰勋[4]（2021）在《基于信息结构关联矩阵的电网故障诊断方法研究》文中研究说明我国电网互联规模不断扩大,局部故障如果不能尽快诊断隔离,必然引发故障连锁和故障区域扩大。此外,电网故障诊断往往受困于海量、复杂的元件运行状态和告警信息,甚至面临断路器或继电保护装置拒动、误动以及信息误报、漏报等不确定因素,给故障诊断带来了极大的困难,同时也降低了故障诊断效率及准确性。而解析模型能够最大限度考虑这些问题,有利于目前大数据背景下的电网故障诊断。因此,研究快速,准确的电网故障诊断解析模型,有助于加快事故的处理以及系统的恢复进程,对保障电网的可靠运行及用户用电质量具有至关重要的作用。本文首先根据电网的结构,研究元件与继电保护装置和断路器之间的矩阵拓扑与关联描述方法,并利用矩阵运算建立了保护装置与断路器之间的映射关系,构建元件与保护和断路器之间的动作解析模型,进而建立了与元件所关联的保护和断路器的继电保护动作网络。然后定义继电保护动作网络的每一个连接弧为一个动作事件,并根据事件之间的关系构建事件关系矩阵,再进一步建立计及保护信息的关联矩阵电网故障诊断解析模型。最后考虑继电保护装置和断路器的动作时序对电网故障诊断的影响,将保护的动作时序融入静态的继电保护动作网络,形成蕴含时序信息的继电保护动作网络,进而建立计及动作时序的电网故障诊断解析模型。通过典型四区输电网仿真模型及四川电网某地220k V线路对电网故障诊断解析模型进行测试分析,结果分析可知,本文所提方法在对故障元件进行诊断的同时可将继电保护和断路器的拒动、误动情况诊断出来,也能诊断告警信息的误报、漏报,且故障诊断结果准确率高,不会出现故障元件误判、漏判的情况。
杨斐然[5]（2020）在《基于BP与时间约束分层模糊Petri网的有源配电网故障诊断研究》文中进行了进一步梳理随着配网结构愈加复杂,配电网故障诊断方法的优劣对电力系统的安全稳定运行有着重要的作用。当配电网发生故障时,尤其是配电网发生复杂故障,众多的报警信息涌入调度中心,分层模糊Petri网可以较好的描述故障和保护、断路器的动作关联,并且具有简洁推理和图像化直观的表达方式,随着配电网规模扩大,大量分布式电源接入到配电网中,含有分布式电源配电网故障诊断问题受到广泛关注。首先,介绍了配电网故障诊断的概念以及国内外研究现状,阐述了含分布式电源配电网的故障诊断概念。其次通过Petri网构建有源配电网的故障诊断模型,分层模糊Petri网对配电网的拓扑结构变化具有良好的适应性,并且优化了高斯函数。根据保护和断路器的时序关系,将其应用到Petri网故障诊断模型中,使用主保护和主保护对应断路器的动作时间来获得原因事件动作起点,用时序推理关系修正库所的初始概率。算例分析验证本文分层模糊Petri网故障诊断模型的正确性。针对Petri网故障诊断过程中存在的最终库所置信度不合理的问题,利用BP神经网络和Petri网的结构相似性,通过神经网络优化Petri网的输入、输出层权值,将最终库所故障置信度进行修正,提升了故障诊断的准确性。重新构建故障诊断的推理过程,根据故障信息存在多重信号丢失的情况,优化了时序推理过程以及设定不同的故障诊断概率,使其对多重信号的丢失具有更好的适应性。通过多组算例对比,验证本文提出的故障诊断方法具有较好的准确性和多重信号丢失时的可靠性。
王钊[6]（2020）在《500kV变电站的故障诊断方法研究》文中研究指明随着我国电力事业的发展,电力系统的结构越来越复杂,线路之间通过变电站紧密的连接在一起,形成一个网状结构。在东北地区,500kV系统是电网的主网架,500kV变电站是主网架的关键节点,其线路结构复杂,保护配置多。当事故发生时,保护和断路器会产生大量故障信息,信息采集系统会将故障信息采集传输到变电站的监控界面,运行人员需要根据故障信息及时、准确的找出故障点、分析故障类型和故障原因。然而在故障发生时,由于设备本身可能存在缺陷或受到外界因素的影响,造成故障信息不准确,给故障诊断带来困难,因此500kV变电站的故障诊断技术的需要不断的提升。为提高故障诊断结果的可靠性,本文以北宁500kV变电站为例从开关量和电气量两个方面进行故障诊断分析。首先针对500kV变电站线路结构复杂和具有双重保护配置,在故障发生后,产生的故障信息量大,信息准确性判别难的问题上,将变电站的时序关系引入到故障诊断分析中,建立时序贝叶斯故障诊断模型。通过时序约束对接收到的保护和断路器的动作信息进行验证,然后结合信息熵理论确定模型中各个节点的动作初始概率,再通过模糊推理的方法计算出最小故障诊断结果集。此方法提高了依靠故障信息进行故障诊断的准确性,但其对开关的动作完备性要求较高。其次,除了保护和断路器等开关量的状态出现改变外,故障处的电流、电压等电气量也会出现突变,使用小波使分析方法提取电气量的特征值来描述可疑元件的故障度,通过比较可疑元件的特征值,可以确定发生故障的元件。此方法可以对断路器的实际动作情况做出评价分析,但其诊断过程过于单一,对故障类型难以判别。在此基础上,引入信息融合技术,建立DS（Dempster Shafer）证据理论信息融合诊断模型,将两种诊断方法获得的诊断结果作为作为证据体输入,通过DS融合决策诊断,获得最终诊断结果。与单个诊断方法相比,信息融合诊断将电气量和开关量进行融合决策,提高了诊断结果的精确性。仿真结果表明该方法精度更高、有效性更好。
谭明越[7]（2020）在《基于时序直觉模糊抑制弧Petri网的输电网故障诊断方法研究》文中研究说明随着国民经济的快速发展,人民的生产生活对于安全、优质、可靠电力的需求不断加大。目前,我国电网主要由500KV电网构成主网架,各省级电网间相互联结形成了规模庞大、系统复杂的电力网络,而系统的复杂性又在很大程度上表征了信息的复杂性。因此,在电网发生故障时,报警信息的复杂性对故障诊断系统的诊断性能提出了更加严峻的挑战。本文针对电网的上述情况,在分析研究了现有主要智能故障诊断方法的情况下,提出了一种新型的基于时序匹配的直觉模糊抑制弧Petri网输电网故障诊断方法。首先,本文运用了时间序列相似性匹配的方法对带有时标的警报信息进行处理,该方法同时考虑了编辑距离和时间距离,相对于Petri网自身带有的时序关系,该方法可同时计算故障发生时的时间差异和序列差异,充分考虑了时序对于故障诊断的影响程度。同时,运用了直觉模糊理论,从信息的隶属度、非隶属度和犹豫度三个层面充分考虑了不确定、不完整信息对诊断结果的影响。其次,针对传统Petri网故障诊断模型中继电保护的动作逻辑在模型结构中无法充分体现的情况,模型的准确性、容错性和快速性无法满足实时在线故障诊断要求的缺陷,以及复杂信息环境下人为主观因素会造成电网故障诊断误差的问题,本文研究了一种带抑制弧的直觉模糊Petri网故障诊断方法。在直觉模糊Petri网中引入抑制弧元组,将保护动作逻辑体现在模型结构上并使用BP算法对模型中的权值参数进行训练以减少参数设置对故障诊断结果造成的误差。最后,本文构建了基于时序匹配的直觉模糊抑制弧Petri网（Time Series Intuitionistic Fuzzy Inhibitor Arc Petri Net,TIFIAPN）综合电网故障诊断通用模型,并形成了相应推理算法,采用局部电力系统案例进行仿真验证了该方法的有效性,并基于LabVIEW语言搭建了一套综合试验平台,验证了本文所提出的电网故障诊断方法的有效性。
李桂昌[8]（2020）在《配电网故障定位与风险评估方法》文中提出随着电网公司对供电可靠性和电网运行安全性要求的不断提高,故障快速定位技术以及故障风险评估技术是其中必不可少的环节。与主网相比,配电网存在供电半径长、自动化终端覆盖率低以及单相接地故障率高的问题,严重影响供电可靠性考核指标,制约了配电网安全经济运行水平。配电网故障定位问题的本质是在配电网发生故障后,快速识别故障类型以及快速定位故障点,并以便于运维人员快速抵达故障点排除故障,达到快速复电的目的。而故障风险评估问题则是在配电网发生故障前,评估出当前运行方式下的配电网故障风险薄弱点,以指导运维人员提前排查隐患,减少故障损失。本文围绕配电线路故障定位与风险评估问题展开研究,主要工作归纳如下:（1）研究基于微遗传算法的配网故障定位问题,首先提出基于微遗传算法的配网故障定位算法设计模型,涵盖故障电流编码、开关函数以及适应度函数设计;接着,阐述所提方法中关于初始种群、控制参数以及选择操作的实现过程;最后,通过Matlab软件对IEEE-14节点系统仿真验收所提模型与方法的有效性。（2）研究基于馈线拓扑动态识别的配电网故障定位问题,首先,通过智能馈线终端单元识别馈线上各开关的状态变化以实时更新馈线拓扑信息,计算树枝状态函数;接着,根据节点共识容错判据进行故障区段可信度判断,进一步结合分叉区状态进行交叉验证;然后,对节点信息正方向的定义以过流前潮流信息为基准,解决有源配电网故障电流的方向定义问题;最后通过Matlab软件建模编程验证所提方法的有效性。（3）研究考虑台风影响的配电网连锁故障风险评估方法,首先选取事故链初始故障集;接着,开展过载主导型连锁故障事故链预测研究,获取台风传播影响下的故障概率;然后,借助动态故障树理论提出连锁故障事故链风险值计算方法;最后,采用IEEE-39节点系统进行仿真计算,验证所提故障风险评估模型与求解方法的有效性。
刘裕铖[9]（2020）在《近海微电网内部线路故障诊断的研究》文中进行了进一步梳理近年来,随着近海可再生能源供能技术和储能技术瓶颈的不断突破,越来越多的学者看好近海微电网的发展前景。但是,近海微电网的快速发展也给其内部线路的故障诊断带来了巨大的挑战。本文就近海地区的气候特点故障成因进行分析发现,主要的影响因素有三种,分别是温度、湿度以及含盐度。本文首先根据线路发生故障时最先变化的是电气量信号这一特征来初步选定本文的诊断对象。其中由于暂态电气量信号不受保护拒动或误动的影响,含有丰富且直接的故障信息且故障点产生的电流行波发生反射后幅值将会增大,并且电流行波在传播过程中能量的衰减比较小,因此本文将故障电流信号作为诊断对象,不仅可以降低故障诊断的误报率,增强故障的识别能力,还能有效地避开建模的困难。然后本文根据暂态故障电流信号具有非线性、非平稳性这一特点,提出采用经验模态分解（Empirical Mode Decomposition,EMD）来处理信号。EMD虽然具有基于数据本身的适应性且降噪性能好等优点,但是依旧存在模态混叠等问题。为解决上述问题,通过查阅大量文献发现带有自适应噪声的完全集成经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）能够有效消除模态混叠等效应。因此,本文提出一种基于CEEMDAN的希尔伯特-黄变换（Hilbert-Huang Transform,HHT）的故障诊断方法。首先利用CEEMDAN有效地分解原始信号,得到各阶固有模态函数（Intrinsic Mode Function,IMF）,接着利用希尔伯特变换提取相应分量的故障特征,同时也能辨识出行波的波头,基于此再结合三点测量方法测得波速,最终实现故障的识别与定位。本文利用PSCAD软件搭建微电网模型,并在该模型中设置故障点模拟微电网系统在运行过程中线路出现故障的情况,采集暂态故障电流的原始信号数据,最后利用MATLAB软件编程并对本文所提出的诊断方法进行验证分析,仿真结果证明了本文所提诊断方法的有效性。
段丹妮[10]（2020）在《基于多源信息融合的配电网故障定位方法研究》文中研究指明配电网与用户紧密相连、息息相关,大多数电力用户的停电事故都源于配电网络故障,因此,实现配电网故障的快速准确定位对于缩短停电时间、保障电力系统的安全稳定运行都有着重要的意义。然而,配电网中故障信号微弱,多分支、线路长度较短、大量分布式电源接入等特点更是为配网定位增加了难度。随着配网自动化程度越来越高,迫切需要高效、可靠、智能的信息处理技术来保障配网的安全稳定运行与发展。因此,本文提出了一种高效、快速地对电网特征信息进行采集和分析处理的多源信息融合配网故障定位方法。首先,结合谐振接地配网单相接地故障初瞬零序电流幅值、极性分布规律,提出了一种应用DPMU的电流瞬时值采集功能的配网故障选线方法,经验证,不同的故障位置、过渡电阻、故障初相角下,该方法都能灵活适应;与此同时,基于广域测量系统WAMS的主要量测单元DPMU所采集到的多源信息,获取了短时窗零序电流极性、零序电流的突变能量、故障初相角、开关故障信息一系列有效的多源故障特征量,可以作为故障区段判断的有效信息,用于后续的训练与分析。其次,在前文多源故障特征量的基础上,提出了一种基于多源信息融合的故障区段定位方法。通过分析常见的聚类手段,找到适用于复杂配网故障分析的主成分分析方法PCA,并用于可疑故障区段的划分,将WAMS采集到的多源信息应用于改进后的贝叶斯方法,同时利用状态量、电气量与开关量求取先验概率、后验概率,最终得出各个元件故障概率推算出故障区段,该方法准确度高、容错率大,利用的多源信息可使广域测量系统存在漏传或错传的情况下依旧适用。最后,从贝杰龙沿线电压行波分布规律出发,提出了配电网络单相接地故障时单端沿线电压行波分布在时间-距离二维尺度上具有唯一性,实测的沿线电压分布可以反映唯一的真实故障距离;由此提出了一种着眼于电路响应求解的配网故障定位的测后模拟方法。该测后模拟方法由一种测后模拟波形库的建立方法和一种基于时间-距离二维信息的波形匹配方法组成,基于完备的测后模拟波形库,通过实测波形、测后模拟波形两者之间的波形匹配,可以得到接近实际的故障距离值。经验证,在不同故障位置、不同过渡电阻、不同故障初相角下,该测后模拟方法的定位误差均在合理准确的范围内。
二、数据融合在输电线网故障诊断中的仿真研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数据融合在输电线网故障诊断中的仿真研究（论文提纲范文）
（1）基于深度学习的AT牵引网短路故障识别与测距（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.1.1 电气化铁路的发展现状 |
| 1.1.2 我国牵引供电系统现状 |
| 1.1.3 牵引网故障诊断意义 |
| 1.2 国内外研究现状 |
| 1.3 研究目标 |
| 1.4 论文安排 |
| 第二章 牵引供电系统的短路故障 |
| 2.1 电气化铁路与牵引供电系统 |
| 2.2 牵引供电系统供电方式 |
| 2.3 全并联AT牵引网短路故障 |
| 2.4 本章小结 |
| 第三章 深度神经网络基本原理 |
| 3.1 深度学习现状与概念 |
| 3.1.1 深度学习发展现状 |
| 3.1.2 深度学习基本概念及原理 |
| 3.2 卷积神经网络 |
| 3.2.1 卷积核 |
| 3.2.2 卷积层 |
| 3.2.3 卷积神经网络结构 |
| 3.3 长短时记忆神经网络 |
| 3.3.1 循环神经网络 |
| 3.3.2 长短时记忆神经网络 |
| 3.4 本章小结 |
| 第四章 牵引供电输电系统仿真与故障数据集的制作 |
| 4.1 ATP-EMTP简述 |
| 4.2 全并联AT牵引供电系统的建模 |
| 4.2.1 外部电源 |
| 4.2.2 牵引变电所建模 |
| 4.2.3 自耦变压器建模 |
| 4.2.4 牵引网线路建模 |
| 4.3 短路故障仿真实验 |
| 4.3.1 短路实验的建模 |
| 4.3.2 仿真实验 |
| 4.4 短路数据集制作 |
| 4.5 本章小结 |
| 第五章 牵引网故障识别与测距模型搭建 |
| 5.1 故障识别与信号输入 |
| 5.2 深度学习开发环境 |
| 5.2.1 深度学习开发设备 |
| 5.2.2 深度学习框架Tensorflow |
| 5.3 短路故障识别 |
| 5.3.1 卷积结构的选择 |
| 5.3.2 LSTM网络参数的选择 |
| 5.4 短路故障定位 |
| 5.4.1 故障区段识别 |
| 5.4.2 故障测距 |
| 5.5 本章小结 |
| 第六章 深度学习模型训练 |
| 6.1 牵引网故障识别模型 |
| 6.1.1 故障识别模型的训练 |
| 6.1.2 故障识别模型的输出 |
| 6.2 牵引网故障测距模型训练 |
| 6.2.1 短路区段的识别 |
| 6.2.2 短路故障的测距模型 |
| 6.3 本章小结 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 个人简历 在学期间发表的学术论文 |
| 致谢 |
（2）全并联AT牵引网行波传播特性与故障测距研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 牵引供电系统 |
| 1.2.2 牵引网行波传播特性研究现状 |
| 1.2.3 牵引网故障测距研究 |
| 1.3 本文主要研究内容 |
| 第二章 牵引网电气参数计算 |
| 2.1 牵引供电系统简介 |
| 2.1.1 牵引供电系统的基本组成 |
| 2.1.2 牵引网供电方式 |
| 2.2 牵引网导线参数 |
| 2.3 牵引网导线阻抗参数矩阵计算 |
| 2.4 牵引网导线导纳参数矩阵计算 |
| 2.5 牵引网导线等值合并 |
| 2.6 本章小结 |
| 第三章 行波基本理论及牵引网行波传播特性 |
| 3.1 行波基本理论 |
| 3.1.1 行波的产生 |
| 3.1.2 行波的折射与反射 |
| 3.1.3 行波故障测距原理 |
| 3.2 单导体传输线波动方程 |
| 3.3 牵引网行波传播特性 |
| 3.3.1 牵引网模变换矩阵 |
| 3.3.2 牵引网行波频率特性 |
| 3.3.3 大地电阻率对行波传播系数的影响 |
| 3.4 自耦变压器对行波传播的影响 |
| 3.5 本章小结 |
| 第四章 牵引供电系统建模与仿真 |
| 4.1 牵引供电系统建模 |
| 4.1.1 电力输电线路电源模型 |
| 4.1.2 牵引变压器模型 |
| 4.1.3 AT自耦变压器模型 |
| 4.1.4 牵引网模型 |
| 4.1.5 短路故障模型 |
| 4.1.6 电力机车模型 |
| 4.2 完整全并联AT牵引供电系统仿真模型 |
| 4.3 全并联AT牵引网短路故障仿真 |
| 4.4 本章小结 |
| 第五章 基于时频谱相似度的行波测距方法 |
| 5.1 牵引网故障行波传播路径 |
| 5.1.1 牵引网行波波头折反射分析 |
| 5.1.2 牵引网行波传播路径仿真验证 |
| 5.2 基于小波变换的行波波头标定 |
| 5.2.1 小波变换原理 |
| 5.2.2 小波模极大值 |
| 5.2.3 小波基的选取 |
| 5.3 行波故障测距算法及测距流程图 |
| 5.3.1 时频谱相似度识别故障点区段原理 |
| 5.3.2 第二个反射波识别 |
| 5.3.3 故障行波测距流程图 |
| 5.4 故障测距仿真验证 |
| 5.4.1 线路空载下不同类型短路故障仿真验证 |
| 5.4.2 线路空载下不同过渡电阻短路故障仿真验证 |
| 5.4.3 机车负载下不同类型短路故障仿真验证 |
| 5.4.4 机车负载下不同过渡电阻短路故障仿真验证 |
| 5.5 本章小结 |
| 第六章 全并联AT牵引网行波故障测距仿真平台 |
| 6.1 GUI界面开发环境 |
| 6.2 仿真平台实现功能及基本功能模块 |
| 6.3 全并联AT牵引网行波故障测距系统展示 |
| 6.4 本章小结 |
| 第七章 总结和展望 |
| 7.1 工作总结 |
| 7.2 展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（3）基于Pix2Pix和YOLO v3算法的行波故障定位方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 故障定位研究现状 |
| 1.2.2 相量测量单元(PMU) |
| 1.2.3 人工智能在电力工业应用的研究现状 |
| 1.2.4 故障定位精确度提升算法研究现状 |
| 1.2.5 图像质量评估的现状 |
| 1.3 论文的主要工作和章节安排 |
| 2 基于行波的故障定位方法研究 |
| 2.1 行波在输电线路的传输过程 |
| 2.1.1 行波的定义 |
| 2.1.2 波动方程 |
| 2.1.3 输电线路上的行波过程 |
| 2.1.4 三相解耦 |
| 2.2 行波法故障测距及其改进研究 |
| 2.2.1 小波多尺度分析 |
| 2.2.2 行波法 |
| 2.2.3 改进的D型行波故障定位方法 |
| 2.3 本章小结 |
| 3 基于Pix2Pix的行波故障定位精确度提升方法研究 |
| 3.1 Pix2Pix网络简介 |
| 3.1.1 Pix2Pix网络结构 |
| 3.1.2 Pix2Pix网络参数训练 |
| 3.1.3 Pix2Pix网络的特征 |
| 3.2 故障定位精确度提升方法 |
| 3.2.1 故障定位精确度提升方法介绍 |
| 3.2.2 基于Pix2Pix的行波定位精度提高评估指标 |
| 3.3 本章小结 |
| 4 基于YOLO v3 的图像质量评估方法 |
| 4.1 YOLO v3 简介 |
| 4.1.1 算法原理分析 |
| 4.1.2 网络模型结构 |
| 4.1.3 算法关键组成 |
| 4.2 基于YOLO v3 的图像质量评估方法 |
| 4.3 本章小结 |
| 5 基于Pix2Pix和 YOLO v3 的行波故障定位仿真分析 |
| 5.1 实验环境说明 |
| 5.2 故障数据集的生成 |
| 5.2.1 接地故障仿真模型 |
| 5.2.2 样本数据集的生成 |
| 5.3 训练过程 |
| 5.4 仿真结果分析 |
| 5.4.1 基于Pix2Pix故障定位精确度提升结果 |
| 5.4.2 基于YOLO v3 图像质量评估结果 |
| 5.4.3 故障定位提升结果 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的科研成果 |
| 致谢 |
（4）基于信息结构关联矩阵的电网故障诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 电网故障诊断研究现状及分析 |
| 1.2.1 基于警报处理系统的电网故障诊断方法 |
| 1.2.2 电网复杂性和信息不完备对故障诊断方法的局限性分析 |
| 1.2.3 基于解析模型的电网故障诊断方法 |
| 1.2.4 解析模型存在的局限性分析 |
| 1.3 主要研究内容及创新点 |
| 1.4 本文的章节组织 |
| 第二章 电网矩阵拓扑及元件关联关系建模 |
| 2.1 引言 |
| 2.2 现有电网故障诊断的解析模型 |
| 2.3 本文解析模型技术路线 |
| 2.4 输变电系统的继电保护配置 |
| 2.4.1 继电保护配置模型 |
| 2.4.2 动作关系说明 |
| 2.5 矩阵拓扑及关联描述 |
| 2.5.1 电网矩阵拓扑 |
| 2.5.2 继电保护动作关联描述 |
| 2.5.3 动作关联描述分析及对比 |
| 2.6 本章小结 |
| 第三章 基于信息结构关联矩阵的电网故障诊断方法 |
| 3.1 引言 |
| 3.2 电网故障不确定因素 |
| 3.2.1 SCADA/EMS系统 |
| 3.2.2 继电保护装置误动和拒动 |
| 3.2.3 动作信息误报和漏报 |
| 3.3 故障区域识别 |
| 3.4 计及保护信息的关联矩阵电网故障诊断解析模型 |
| 3.4.1 事件关系矩阵 |
| 3.4.2 矩阵运算定义 |
| 3.4.3 故障诊断解析模型 |
| 3.4.4 故障诊断流程 |
| 3.5 计及动作时序的关联矩阵电网故障诊断方法 |
| 3.5.1 蕴含时序信息的继电保护动作网络 |
| 3.5.2 继电保护动作时间级差压缩 |
| 3.5.3 计及动作时序的关联矩阵电网故障诊断解析模型 |
| 3.6 本章小结 |
| 第四章 故障诊断方法验证分析 |
| 4.1 引言 |
| 4.2 故障区域识别方法验证分析 |
| 4.3 计及保护信息的电网故障诊断模型测试分析 |
| 4.3.1 典型四区输电网仿真测试分析 |
| 4.3.2 四川某地220KV线路故障应用分析 |
| 4.4 计及动作时序的电网故障诊断方法应用分析 |
| 4.5 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（5）基于BP与时间约束分层模糊Petri网的有源配电网故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 课题的研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要的研究内容和工作 |
| 2 含分布式电源配电网 |
| 2.1 分布式发电 |
| 2.2 分布式电源故障电流特性 |
| 2.3 分布式电源加入对传统配电网的影响 |
| 2.4 本章小结 |
| 3 BP神经网络与Petri网的基本原理 |
| 3.1 BP神经网络理论 |
| 3.2 Petri网理论 |
| 3.3 Petri网在配电网中的应用 |
| 3.4 本章小结 |
| 4 时间约束分层模糊Petri网故障诊断 |
| 4.1 时间约束 |
| 4.2 时间约束分层模糊Petri网 |
| 4.3 时间约束分层模糊Petri网的计算 |
| 4.4 本章小结 |
| 5 基于BP与时间约束分层模糊Petri网的有源配电网故障诊断 |
| 5.1 BP神经网络的模型建立 |
| 5.2 完整的推理过程 |
| 5.3 算例分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据库 |
（6）500kV变电站的故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 专家系统 |
| 1.2.2 人工神经网络 |
| 1.2.3 Petri网的诊断方法 |
| 1.2.4 模糊理论的诊断方法 |
| 1.2.5 贝叶斯网的诊断方法 |
| 1.3 500kV变电站故障的基本类型 |
| 1.4 500kV变电站发展趋势 |
| 1.5 论文研究工作 |
| 第2章 500kV变电站故障诊断信息源 |
| 2.1 一次系统 |
| 2.1.1 500kV变电站电气主接线 |
| 2.1.2 主设备的参数 |
| 2.2 诊断数据源 |
| 2.2.1 SCADA系统 |
| 2.2.2 ENA-CBMS系统 |
| 2.3 继电保护系统 |
| 2.3.1 保护装置功能简介 |
| 2.3.2 RCS-931BM保护装置配置 |
| 2.4 小结 |
| 第3章 时序贝叶斯模型诊断变电站故障 |
| 3.1 时序约束简介 |
| 3.2 500kV变电站时序约束 |
| 3.3 时序贝叶斯诊断模型 |
| 3.4 诊断模型的初始信息赋值 |
| 3.4.1 信息熵理论 |
| 3.4.2 初始信息赋值 |
| 3.5 时序贝叶斯网故障诊断推理 |
| 3.6 案例分析 |
| 3.7 小结 |
| 第4章 小波分析诊断变电站故障 |
| 4.1 小波分析理论 |
| 4.2 小波故障度 |
| 4.3 小波奇异度 |
| 4.4 小波能量度 |
| 4.5 案例分析 |
| 4.6 小结 |
| 第5章 基于信息融合的500kV变电站故障诊断 |
| 5.1 D-S证据理论 |
| 5.1.1 D-S证据理论定义 |
| 5.1.2 D-S证据理论合成规则 |
| 5.1.3 D-S证据理论决策规则 |
| 5.2 信息融合诊断模型 |
| 5.2.1 故障数据采集模块 |
| 5.2.2 融合决策模块 |
| 5.2.3 信息融合诊断模型 |
| 5.3 D-S证据理论的融合诊断方法 |
| 5.4 案例分析 |
| 5.5 小结 |
| 总结 |
| 参考文献 |
| 致谢 |
（7）基于时序直觉模糊抑制弧Petri网的输电网故障诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文主要工作 |
| 1.4 本文章节结构 |
| 2 Petri网理论 |
| 2.1 Petri网基本理论 |
| 2.2 Petri网的结构与性质 |
| 2.3 直觉模糊Petri网 |
| 2.4 Petri网在输电网故障诊断中的应用 |
| 2.5 本章小结 |
| 3 基于时序匹配的Petri网故障诊断研究 |
| 3.1 引言 |
| 3.2 时序匹配的定义 |
| 3.3 时序匹配Petri网的具体实现 |
| 3.4 IFTPN模型的算例验证 |
| 3.5 本章小结 |
| 4 抑制弧Petri网的故障诊断研究 |
| 4.1 引言 |
| 4.2 抑制弧Petri网的基本原理 |
| 4.3 输电网的抑制弧Petri网模型 |
| 4.4 案例验证 |
| 4.5 本章小结 |
| 5 时序直觉模糊抑制弧Petri网分层故障诊断研究 |
| 5.1 引言 |
| 5.2 输电网的时序直觉模糊抑制弧Petri网模型 |
| 5.3 时序直觉模糊抑制弧Petri网故障诊断方法 |
| 5.4 案例验证 |
| 5.5 TIAIFPN故障诊断方法在LabVIEW系统中的实现 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（8）配电网故障定位与风险评估方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的意义和目的 |
| 1.2 国内外研究现状 |
| 1.2.1 配电网故障定位方法的研究现状 |
| 1.2.2 配电网故障风险评估方法的研究现状 |
| 1.3 论文的研究内容及结构安排 |
| 1.3.1 研究内容 |
| 1.3.2 结构安排 |
| 1.4 本章小结 |
| 第二章 基于微遗传算法的配电网故障定位方法 |
| 2.1 概述 |
| 2.2 基于微遗传算法的配网故障定位算法设计 |
| 2.2.1 故障电流编码 |
| 2.2.2 开关函数设计 |
| 2.2.3 适应度函数设计 |
| 2.3 微遗传算法的实现过程 |
| 2.3.1 初始种群的形成 |
| 2.3.2 控制参数的设计 |
| 2.3.3 选择操作的设计 |
| 2.4 计算实例及分析仿真 |
| 2.4.1 算例模型简介与分析 |
| 2.4.2 算例仿真 |
| 2.5 本章小结 |
| 第三章 基于馈线拓扑动态识别的配电网故障定位方法 |
| 3.1 概述 |
| 3.2 馈线拓扑动态识别的模型 |
| 3.2.1 馈线树 |
| 3.2.2 馈线树拓扑动态识别 |
| 3.3 方法步骤 |
| 3.4 算例仿真 |
| 3.4.1 单电源供电 |
| 3.4.2 馈线拓扑变化 |
| 3.4.3 含DG馈线故障投入运行 |
| 3.5 本章小结 |
| 第四章 考虑台风影响的配电网连锁故障风险评估方法 |
| 4.1 概述 |
| 4.2 事故链初始故障集的选取 |
| 4.2.1 台风天气下配电线路的故障概率 |
| 4.2.2 台风天气下事故链初始故障集的选取 |
| 4.3 过载主导型连锁故障事故链的预测 |
| 4.4 台风传播影响下的故障概率 |
| 4.5 连锁故障事故链风险评估 |
| 4.5.1 动态故障树理论 |
| 4.5.2 风险评估 |
| 4.6 仿真及结果分析 |
| 4.7 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
（9）近海微电网内部线路故障诊断的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 微电网概述 |
| 1.3 近海微电网的可再生能源供能技术 |
| 1.3.1 风能及其发电技术 |
| 1.3.2 太阳能及其发电技术 |
| 1.3.3 海洋能及其发电技术 |
| 1.3.4 地热能及其发电技术 |
| 1.3.5 生物质能及其发电技术 |
| 1.4 国内外海岛微电网发展现状 |
| 1.4.1 国外海岛微电网发展现状 |
| 1.4.2 国内海岛微电网发展现状 |
| 1.5 本文研究的主要内容 |
| 第2章 近海微电网的故障研究分析 |
| 2.1 近海微电网故障机理分析 |
| 2.1.1 线路故障原因分析 |
| 2.1.2 线路故障基本类型 |
| 2.1.3 微电网线路短路的故障特性 |
| 2.2 故障数据的来源 |
| 2.2.1 SCADA系统 |
| 2.2.2 广域测量系统 |
| 2.2.3 故障录波信息系统 |
| 2.3 近海微电网的故障诊断研究 |
| 2.3.1 故障诊断的基本内容 |
| 2.3.2 微电网的故障诊断研究现状 |
| 2.4 本章小结 |
| 第3章 基于CEEMDAN的 HHT故障识别 |
| 3.1 基于暂态量电气信号的故障识别概述 |
| 3.2 HHT在微电网故障诊断中的应用 |
| 3.2.1 HHT基本概念 |
| 3.2.2 Hilbert变换 |
| 3.2.3 IMF基本概念 |
| 3.2.4 EMD算法 |
| 3.2.5 希尔伯特谱与边际谱基本概念 |
| 3.3 HHT在故障特征提取中存在的问题及解决方法 |
| 3.4 CEEMDAN算法概述 |
| 3.4.1 EEMD与 CEEMD |
| 3.4.2 CEEMDAN |
| 3.4.3 CEEMDAN算法步骤 |
| 3.5 基于HHT提取故障特征 |
| 3.5.1 幅值畸变度 |
| 3.5.2 频率畸变度 |
| 3.6 基于CEEMDAN的近海微电网故障识别 |
| 3.7 本章小结 |
| 第4章 基于暂态行波的故障定位 |
| 4.1 线路故障定位技术的发展 |
| 4.2 故障定位算法概述 |
| 4.2.1 故障分析法 |
| 4.2.2 阻抗法 |
| 4.3 行波法概述 |
| 4.3.1 行波的基本概念 |
| 4.3.2 行波法故障定位 |
| 4.4 基于CEEMDAN和三点测量的行波定位法 |
| 4.4.1 波头的辨识 |
| 4.4.2 行波波速的确定 |
| 4.4.3 基于三点测量波速的原理 |
| 4.4.4 基于CEEMDAN和三点测量法的故障定位 |
| 4.5 本章小结 |
| 第5章 故障诊断方法有效性的验证 |
| 5.1 仿真软件PSCAD简介 |
| 5.2 仿真模型的建立 |
| 5.3 不同故障状态下的仿真波形 |
| 5.3.1 单相接地故障时的电流波形 |
| 5.3.2 两相接地短路故障时的电流波形 |
| 5.3.3 两相短路故障时的电流波形 |
| 5.3.4 三相短路故障时的电流波形 |
| 5.4 基于CEEMDAN的 HHT的故障诊断方法的仿真验证 |
| 5.5 本章小结 |
| 第6章 结论 |
| 6.1 论文的主要工作 |
| 6.2 论文的不足与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（10）基于多源信息融合的配电网故障定位方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 配电网单相接地故障定位的难点 |
| 1.4 论文的主要研究内容 |
| 第二章 基于DPMU的配网故障特征量获取 |
| 2.1 配电网故障信息数据源 |
| 2.2 基于DPMU的配电网络故障选线 |
| 2.3 基于DPMU的零序电流突变能量分布 |
| 2.4 故障初相角和开关量的量测获取 |
| 2.5 小结 |
| 第三章 基于多源信息融合的配电网区段定位 |
| 3.1 引言 |
| 3.2 基于聚类理论的相关分析 |
| 3.3 贝叶斯与PCA相结合的故障区段定位 |
| 3.4 小结 |
| 第四章 配电线路故障定位的测后模拟方法 |
| 4.1 贝杰龙沿线电压行波分布规律 |
| 4.2 基于贝杰龙模型的配电线路故障定位的测后模拟方法 |
| 4.3 仿真分析 |
| 4.4 小结 |
| 第五章 结论与展望 |
| 5.1 论文总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录一 |
| 附录二 |
四、数据融合在输电线网故障诊断中的仿真研究（论文参考文献）
- [1]基于深度学习的AT牵引网短路故障识别与测距[D]. 万若安. 华东交通大学, 2021(01)
- [2]全并联AT牵引网行波传播特性与故障测距研究[D]. 舒新星. 华东交通大学, 2021(01)
- [3]基于Pix2Pix和YOLO v3算法的行波故障定位方法[D]. 张劲弦. 武汉大学, 2021(12)
- [4]基于信息结构关联矩阵的电网故障诊断方法研究[D]. 田丰勋. 电子科技大学, 2021(01)
- [5]基于BP与时间约束分层模糊Petri网的有源配电网故障诊断研究[D]. 杨斐然. 山东科技大学, 2020(06)
- [6]500kV变电站的故障诊断方法研究[D]. 王钊. 沈阳工业大学, 2020(01)
- [7]基于时序直觉模糊抑制弧Petri网的输电网故障诊断方法研究[D]. 谭明越. 山东科技大学, 2020(06)
- [8]配电网故障定位与风险评估方法[D]. 李桂昌. 广东工业大学, 2020(06)
- [9]近海微电网内部线路故障诊断的研究[D]. 刘裕铖. 新疆大学, 2020(07)
- [10]基于多源信息融合的配电网故障定位方法研究[D]. 段丹妮. 昆明理工大学, 2020(05)