文献类型：期刊文章

作　　者：裴求根[1,2] 黄达文[3] 高祥斌[4]

PEI Qiu-gen;HUANG Da-wen;GAO Xiang-bin(School of Electrical and Electronic Engineering,Huazhong University of Science and Technology,Wuhan 430074,China;Information Center,Guangdong Power Grid Co.Ltd.,Guangzhou 510600,China;Information Center of Zhaoqing Power Supply Bureau,Guangdong Power Grid Co.Ltd.,Guangzhou 510600,China;Computer Teaching and Research Office,Linyi University,Linyi 273400,China)

机构地区：[1]华中科技大学电气与电子工程学院,武汉430074 [2]广东电网有限责任公司信息中心,广州510600 [3]广东电网有限责任公司肇庆供电局信息中心,广州510600 [4]临沂大学计算机教研室,山东临沂273400

出　　处：《沈阳工业大学学报》

基　　金：山东省软科学课题(2018RKB01381).

年　　份：2021

卷　　号：43

期　　号：6

起止页码：619-623

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对电力系统频繁出现故障,其人工成本及工作危险系数增加的问题,在贝叶斯网络及时间序列下提出一种电力系统元件故障诊断技术.将提取的故障特征作为待诊断的特征项,确定每个类别下故障因子的集合,通过集合中潜在故障因子的系数判断真假,为真则将该类别下的因子系数代入到挖掘公式中,利用时间序列匹配法求得故障因子发生与未发生概率,根据单位元件发出的具体断开或跳闸等保护动作判断具体故障元件.仿真结果表明,所提出的故障诊断模型诊断结果与实际结果的拟合程度较高,拥有较高的准确率和有效性,在智能电网领域具有很好的应用潜力.

关 键 词：智能电网 贝叶斯网络 低频带  时间序列匹配法  潜在故障因子  保护动作  因子系数  故障元件

分 类 号：TM324]