基于粗糙集理論和量子神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷方法研究.pdf

1、變電站自動化和無人值班是當(dāng)今電網(wǎng)調(diào)度自動化領(lǐng)域的熱門課題。隨著電網(wǎng)規(guī)模的不斷擴大，當(dāng)電網(wǎng)發(fā)生故障尤其是復(fù)雜故障或自動裝置動作不正常，開關(guān)、保護存在誤動、拒動以及因信道干擾而發(fā)生的信息丟失等諸多不確定因素時，電力系統(tǒng)響應(yīng)將會復(fù)雜化，給電網(wǎng)故障診斷造成很多困難。因此，有必要發(fā)展一種受錯誤信息干擾小、容錯性強的故障診斷方法，以協(xié)助調(diào)度人員迅速識別故障，保證電力系統(tǒng)的安全穩(wěn)定運行。這對于保證系統(tǒng)安全運行以及提高供電可靠性是一個非常有意義的研究課

2、題。以往的研究表明，即使是容錯性較強的人工神經(jīng)網(wǎng)絡(luò)，處理交叉數(shù)據(jù)模式識別問題的效果也不夠理想，在樣本出現(xiàn)錯誤數(shù)據(jù)特別是多重故障的情況時，提供的診斷結(jié)果可信度大大降低。 本文在借鑒量子信息相關(guān)理論以及深入研究各種典型的人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，提出運用基于多層激勵函數(shù)的量子神經(jīng)網(wǎng)絡(luò)進行模式識別和故障診斷。量子神經(jīng)網(wǎng)絡(luò)是借鑒量子力學(xué)相關(guān)概念的一種新型神經(jīng)網(wǎng)絡(luò)，它通過不斷更新不同層神經(jīng)元的連接權(quán)以及隱含層各神經(jīng)元的量子間隔，以達到提高容錯

3、性的目的。仿真實驗表明，該方法對存在誤動信息的不完備數(shù)據(jù)，表現(xiàn)出明顯強于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的特性。這一方法對存在一定錯誤信息的故障決策表也具有良好的識別能力，能夠較大程度地提高電網(wǎng)故障診斷的準(zhǔn)確性。在此基礎(chǔ)上，考慮到大電網(wǎng)故障決策表的復(fù)雜性，為了提高故障診斷速度和進一步驗證量子神經(jīng)網(wǎng)絡(luò)的診斷效果，本文采用粗糙集理論的可辨識矩陣進行屬性約簡，以作為量子神經(jīng)網(wǎng)絡(luò)診斷系統(tǒng)的預(yù)處理方法。對大規(guī)模電網(wǎng)的仿真實驗表明，該方法降低了網(wǎng)絡(luò)的訓(xùn)練時間和訓(xùn)練復(fù)雜