基于PSO-GRNN和D-S证据理论的电网分区故障诊断

摘要：

针对大电网中保护和断路器误动、拒动、信息丢失等不确定的电网故障信息以及现有电网分区方法的不足,提出了基于粒子群优化广义回归神经网络(PSO-GRNN)和D-S证据理论的电网分区故障诊断方法.首先,通过改进图形分割法将大电网划分为相互重叠的不同区域,降低故障诊断难度.然后在各个区域建立PSO-GRNN诊断模块,根据故障警报信息,并行完成各自的故障诊断任务.最后,采用D-S证据理论对相邻区域的重叠区域进行分析,以实现对重叠区域的综合故障诊断.仿真结果表明,该方法能有效识别非重叠区域和重叠区域的故障,容错能力强,诊断准确率高.

关键词：电网分区、故障诊断、改进图形分割法、粒子群算法、广义回归神经网络、D-S证据理论

所属期刊栏目：51

分类号：TM711(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金61876097

在线出版日期：2023-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：25-30,45