基于GPNN算法的电网区间故障诊断策略

• 作者: 赵金勇 卢恒 于月平 段立春 李宁宁 刘春秀
• 来源期刊: 控制工程
• 关键词: 高斯 相似性 合并预测 电网子区间 故障诊断
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 工业过程管理与决策系统
• 页码范围: 606-612
• 页数: 7页
• 分类号: TM277|TP391
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.20180047

摘要

为提升电网故障诊断算法的有效性,提出一种基于改进高斯概率神经网络(GPNN)核相似性合并预测的电网子区间故障诊断策略.首先,针对电网故障诊断中存在的数据不确定性现象,引入概率神经网络对其进行数据处理,同时为进一步提高概率神经网络对于数据不确定性的鲁棒处理效果,利用高斯算法对概率神经网络进行改进;其次,针对大型电网故障诊断的效率问题,提出一种子区间并行的故障诊断算法,对电网进行子区间操作,分别应用GPNN算法实现对电网故障子区域的诊断和最终诊断结果的融合;最后,通过仿真实验验证了所提算法在电网故障诊断中的有效性.