基于RST改进NN模型的高压输电线系统故障诊断

• 作者: 叶青华 廖志伟 王钢
• 来源期刊: 华南理工大学学报(自然科学版)
• 学科: 工学
• 关键词: 输电线系统 故障诊断 容错性能 粗糙集理论 神经网络
• 年，卷（期）: 2004,（1）
• 页码范围: 24-28
• 页数: 5页
• 分类号: TM732
• 字数: 4640字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-565X.2004.01.006

摘要

为了克服实时诊断信息在形成和传递过程中的畸变而导致故障诊断结果的错误,在基于粗糙集理论(Rough Set Theory,简称RST)的高压输电线系统故障诊断模型的研究基础上,充分利用神经网络(Neural Networks,简称NN)的泛化能力和粗糙集理论强大的定性分析能力,构造了RST与NN相结合的故障诊断模型.首先利用RST从诊断样本中提取领域知识,然后利用所提取的诊断对象知识属性形成诊断NN的初始结构,进而增强诊断NN的智能性和容错性.通过高压输电线系统故障诊断的仿真结果比较,证明了该模型的有效性和通用性.该模型即使在诊断信息不完整的情况下,也具有高的诊断容错性能,因此在电力系统实时故障诊断方面具有广阔的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王钢	华南理工大学电力学院	144	3457	34.0	54.0
2	廖志伟	华南理工大学电力学院	39	740	14.0	26.0
3	叶青华	华南理工大学电力学院	6	191	4.0	6.0