基于模糊故障树的配电网可靠性分析

合集下载

故障树分析在配电系统中的应用

故障树分析在配电系统中的应用摘要：目前，配电系统可靠性评估的方法主要是模拟法、解析法和故障树法[1]。

解析法用数学模型来描述故障过程，但是计算量随着系统规模的增大而急剧增加，模拟法非常适合进行复杂电力系统的可靠性计算但是计算精度和计算时间经常受到各种因素的综合限制影响。

故障树分析法是分析大型复杂系统安全性与可靠性的常用的有效方法。

本文介绍了故障树分析法的基本概念、建模方式、基本计算步骤。

通过实例分析，介绍了故障树法在配电系统可靠性研究中的运用。

关键词：配电系统；故障树；可靠性前言配电系统处于电力系统的末端，配电设备数量大，分布面广，是整个电力系统与用户联系、向用户供应电能和分配电能的重要环节，配电系统的可靠性与用户用电的可靠性还有电网供电的可靠性有直接的联系，所以，配电系统的可靠性指标实际上就是整个电力系统结构及运行特性的集中反映。

配电系统的安全性和其发生故障产生的经济损失已不容忽视。

目前对电力系统可靠性评估的主要方法是蒙特卡洛模拟法和解析法。

蒙特卡洛模拟法属于统计试验方法，较为简单直观，采用抽样的方式，但求解花费的时间随计算精度要求提高而急剧增加且针对性不强。

解析法的物理概念清楚，模型的精度高。

但它的计算量随系统规模的增大而呈指数增长。

为了解决较为复杂的系统，引入故障树分析法。

故障树分析（Fault Tree Analysis，简称FTA）是较为适用于大型复杂系统安全性与可靠性的常用的有效方法。

1用户的配电系统可靠性指标[2]1、系统平均停电频率指标（System average interruption frequency index，SAIFI），是指每个由系统供电的用户在单位时间（年）内的平均停电次数。

（1.1）其中λi表示负荷点i的故障率；Ni表示负荷点i的用户数。

2、系统平均停电持续时间指标（System average interruption duration index，SAIDI），是指每个由系统供电的用户在单位时间（年）内的平均停电持续时间。

基于模糊故障树的变压器可靠性分析

系统故障的逻辑关系，如图１所示．
传统故障树分析方法是建立在概率论的基础上
解决了随机不确定性问题．对于变压器这类大型、复
杂的设备，还存在大量的模糊不确定性问题，即变压
器故障和不故障状态属于两个模糊集，在一定情况处于故障和不故障的中间状态．为此，本文利用模糊故障树理论对电力变压器进行分析，得出设备可靠性指
天津城市建设学院学报第ｌ９卷第４期２０１３年１２月
Ｊｏｕｒｎａｌｏｆｑ＇ｉａｎｊｉｎＩｎｓｔｉｔｕｔｅｏｆＵｒｂａｎＣｏｎｓｔｒｕｃｔｉｏｎＶｏ１．１９Ｎｏ．４Ｄｅｃ．２０１３
Ｘｉ
Ｂａ＝［Ｌ，Ｒ］［ＬＢ，ＲＢ】＝［ＬＬＢ，ＲＲＢ］
／Ｂｚ＝［Ｌ，Ｒ］／［ＬＢ，Ｒ８】＝
（６）
｛
生
［／Ｂ，Ｒ／］
（，一些易损密封件是慢慢磨损、腐蚀等这样的逐渐发生的退化失效．对于这种情况，失效的界限往往很不明确，传统
一
［上＋，＋］
Ｂｘ＝［Ｌ，Ｒ卜［，Ｒ］＝
（４）
［三一，Ｒ一】
（５）
１，２，３， …，ｎ）．传统故障树分析法对于系统和部件均只
考虑故障和完好这两种状态，即
大型电力变压器是电力系统的枢纽设备，担负着大量电能的输送和变电作用，其可靠性直接关系到整

基于模糊动态故障树带式输送机安全可靠性分析

基于模糊动态故障树带式输送机安全可靠性分析摘要：可靠性分析的方法有多种，大多数是静态的逻辑或静态的故障机理，虽然计算效率比较高，但是存在不少缺陷。

FMEA方法从系统到组件逐层的找出系统的故障模式，更多的用于定性分析，并且FMEA方法认为各个故障模式是相互独立的，并没有考虑到可靠性模型中故障模式之间的共因、诱因和从属关系和故障模式的动态随机特性。

传统的故障树分析方法（FTA）已在复杂和关键的可靠性和安全性分析方面得到广泛应用，因为该方法操作简单，借助强大软件工具支持可以实现定性与定量分析。

但是当故障树中最小割集较多时就会出现“组合爆炸”现象。

关键词：可靠性分析；FMEA；故障模式前言可靠性分析是设计和评估系统故障容忍度的一个重要方面。

系统可靠性分析的主要目的是建立整个系统失效概率随时间变化的模型和建立系统和部件的维护策略。

可修复系统可靠性分析的主要任务之一是预测系统规定时间内完成规定功能的可靠性，可靠性通过可靠度量化。

通常在可靠度计算时，结合马尔可夫链（Markov）和故障树（Fault Tree Analysis，FTA）模型，例如故障树（FTA）、动态故障树（Dynamic Fault Tree，DFT）、参数故障树（Parametric Fault Tree，PFT），对于一些先进的可修复系统的复杂动态特性，例如元件的故障修复、处理器的操作等相关故障，利用FTA没有办法不能充分分析这些不确定的复杂关系。

考虑到带式输送机结构和工作环境相对比较复杂，导致带式输送机驱动系统故障具有随机性和顺序相关性，本节文在FMEA分析的基础上，采用动态故障数树对带式输送机进行可靠性建模和分析，得到系统的可靠性参数和薄弱环节。

1 模糊动态故障树分析1.1 模糊动态故障树分析方法动态故障树分析方法（Dynamic Fault Tree，DFT）概念最早是由美国弗吉尼亚大学的J. D. Dugan教授在1992年提出。

基于模糊逻辑的电网故障诊断与修复研究

基于模糊逻辑的电网故障诊断与修复研究电网故障是电网运行中经常遇到的问题。

故障的及时诊断与修复，对于电网的稳定运行至关重要。

随着人工智能技术的发展，基于模糊逻辑的电网故障诊断与修复已经成为研究的热点。

一、模糊逻辑简介模糊逻辑是基于模糊集合的逻辑思维，其可以应用于不确定性与复杂性问题的处理。

模糊逻辑不同于传统的二元逻辑，而是将某个事物对于某个描述的合理程度，用介于0和1之间的数值来表示。

例如，在传统逻辑中，一个人的健康状态只能是“健康”或“不健康”，而在模糊逻辑中，健康状态可以用介于0和1之间的数值来表示，如0.3表示不健康，0.7表示相对健康等等。

二、基于模糊逻辑的电网故障诊断基于模糊逻辑的电网故障诊断主要涉及到故障类型的诊断和故障位置的诊断。

1. 故障类型的诊断在日常电网运行中，常见的电网故障主要包括短路、开路、欠电压、过电压等。

基于模糊逻辑的电网故障诊断可以通过建立模糊诊断模型，将故障类型进行分析和诊断。

具体方法是将电网各个节点的指标数据进行采集和分析，如电流、电压、功率等等，将这些指标数据输入到模糊诊断模型中，利用模糊逻辑的方法进行处理，得到故障类型的诊断结果。

2. 故障位置的诊断在故障类型诊断的基础上，需要进一步进行故障位置的诊断。

在电网运行中，故障的位置可以是电缆线路、配电箱、开关柜等等。

基于模糊逻辑的电网故障诊断可以将电网节点按照其位置信息进行分类，然后将每个节点的指标数据输入到模糊诊断模型中，利用模糊逻辑的方法进行处理，得到故障位置的诊断结果。

三、基于模糊逻辑的电网故障修复在得到故障类型和位置的诊断结果之后，需要进行相应的电网故障修复。

基于模糊逻辑的电网故障修复主要涉及到故障隔离和故障恢复。

1. 故障隔离故障隔离是指将故障隔离在电网系统中，以避免其对系统的影响和扩散。

基于模糊逻辑的电网故障隔离可以根据故障类型和位置的诊断结果，采取相应的隔离措施，如打开相应的开关，切断相应的电源等等。

基于模糊Petri网的电网故障研究

基于模糊Petri网的电网故障研究近几年来，电网故障诊断成为电网安全运行领域的研究热点。

以模糊Petri 网（FPN）为工具，对电网故障时收集到的故障信号进行分析诊断，判断出故障元件。

考虑系统元件的各级保护间的配合关系，对元件进行建模，结合Petri网的推理规则，计算出可疑故障元件的故障置信度。

以三机九节点系统为例，验证算法的可行性。

标签：故障诊断；模糊Petri网；故障置信度；三机九节点系统引言电网故障诊断技术一直是电力系统安全运行领域的研究热点。

电网发生故障时是一个典型的多信源系统，具有典型的异步并发特点。

Petri网具有严密的数学定义，具有同步并发处理问题的能力，利用Petri网进行电网故障诊断研究，具有理论的可行性。

模糊Petri网引入模糊理论，用概率的方法来描述具有不确定性的保护和断路器的动作信息。

对可疑故障元件进行建模，利用模糊推理规则，计算元件发生故障的可信度。

1 理论介绍1.1 模糊Petri网Petri网由三部分组成：库所、变迁和有向弧。

模糊Petri网（FPN）与Petri网的区别：FPN每个库所被赋予一个[0，1]上的实数作为该库所为真的置信度；赋予每个变迁一个确定因子表示变迁使能可能性概率。

1.2 模糊Petri网推理规则模糊Petri网是一个基于规则的网络系统，推理规则主要有：简单规则；与连接；或连接；条件“与”。

它们的点火机制：设库所pi对应命题置信度为？琢（pi），规则的置信度为？滋i，那么：简单规则：？琢（p2）=？琢（p1）·？滋；“与”连接：？琢（p3）=（（？琢（p1）+？琢（p2））/2）·？滋；“或”连接：？琢（p3）=max{（？琢（p1）·？滋1，？琢（p2））·？滋3}。

为了便于计算，将“与”连接点火规则引申为：设输出库所Pn的概率为？琢（pn），其具体值可用一高斯函数fa（x）加以拟合，即？琢（pn）=fa（a（pj）·？滋k），其中：pj∈I（tk），pi∈O（tk）。

基于模糊认知图的智能配电网WSNs实时性与可靠性优化研究

基于模糊认知图的智能配电网WSNs实时性与可靠性优化研究王君洪;陈跃东;陈孟元【摘要】In order to avoid the intelligent distribution network accident and improve the reliability and real time of its WSNs data communication,a method to model and control the network WSNs date transmission is established with efforts on the basis of the fuzzy cognitive map. At first,a qualitative analysis of the main factors affecting intelli⁃gent power distribution network WSNs data transmission performance index is made,the model of fuzzy cognitive map is built. Then,according to the change of the network environment,we can express causal relation between the various elements of the concept-set vertex of WSNs network nodes. Secondly,a calculation method is proposed to ob⁃tain dynamic variable values which decides the routing path and adjusts the network parameters according to the in⁃ference of the fuzzy cognitive map theory. Finally,we conduct a simulation experiment on the proposed method and analyze the performance of data transmission by testing. The experimental results show that the proposed method can provide sound QoS for intelligent distribution network WSNs data communication.%为了降低智能配电网事故，提高智能配电网无线传感器网络（WSNs）数据通信的可靠性与实时性，探索了一种基于模糊认知图的智能配电网WSNs数据通信建模与控制的方法。

阐述基于模糊可靠性故障树分析的优势

阐述基于模糊可靠性故障树分析的优势本文主要针对船用齿轮箱，分析齿轮箱结构型式，建立基于模糊可靠性故障树分析模型，利用蒙特卡洛算法在传统故障树分析基础上进行封装，并使用VC++、MAT-LAB混合编程，仿真船用齿轮箱系统，以分析船用齿轮箱的失效型式。

1 基于模糊可靠性故障树分析的优势在船用齿轮箱失效型式分析中，应用基于模糊可靠性故障树对其进行分析，较传统故障树分析方法中的工作及故障状态，深化产品的工作状态，能够对产品可靠性作出正确的评价。

在船用齿轮箱失效型式分析中，应用基于模糊可靠性故障树分析方法，可以降低获取事件发生概率准确值的难度，用精确值表示事件发生概率，不再是传统的不二向量分析方法，可以运用贝叶斯网络模型，以此来描述船用齿轮箱系统内各部件间相互的关系，并得出系统可靠性指标，验证模型有效性；还可以运用模糊理论，分析船用齿轮箱可靠性，在给定统一失效概率计算方法的前提下，从而得出齿轮箱的可靠性参数；同时也能够采用蒙特卡罗方法来编制一定的计算机程序，统计出可靠性参数，绘制相关参数曲线，提高船用齿轮箱失效分析的效率，提升船用齿轮箱的可靠性。

2 构建齿轮箱故障树2.1 故障树中的事件船用齿轮箱故障树构建中，应该以不能正常工作齿轮箱来作为顶事件，然后再通过分析、研究齿轮箱故障原因，找出引起齿轮箱失效各级底事件，之后可以将其简归纳，形成故障树。

在故障树中，对于故障树顶事件中主要可以包括由离合器打滑、润滑系统失效、关键部件失效组成；故障树中间事件中主要包括摩擦片失效、工作油孔堵塞、油质不合格以及油温过高、轴承失效、轴断裂等事件组成；故障树底事件主要可包括安装精度低、轴承装配不好、齿距偏差、机械磨损、疲劳失效、箱体铸造缺陷、塑性变形、腐蚀、轴加工精度不高等事件组成。

2.2 定性、定量分析故障树故障树分析中，应用数字仿真技术，对其进行定性及定量分析。

在定性分析中，其主要任务就是找出产生顶事件的所有故障模式，并求故障树全部最小割集。

基于模糊算法的配电网故障诊断研究

原因Ｊ，），表示的是量化的模糊值（故障征兆，与故障原因Ｙ，，
如果越大，就说明故障现象Ｘ受故障原因Ｙｌ的影响越大，也就是两者的相关程度随着的增大而增大。诊断结果的好坏很大部分由的可靠性来决定，专家的知识及经验用来判定的初值，在实际应用时，
（３）最后通过故障现象向量以及故障原因向量来建立一个它们之
间的矩阵：
一
１
Ｒ＝Ｉ！
：。 …ｒ删
Ｊ
Ｉ＿（） … …（３．２）
１，１ｉ ≤ｍ，１，ｓ，Ｒ表示的是模糊关系（故
在这里０障征兆到故障
对已知沦域ｃ，， “ 是将任意 ∈ Ｕ映ｔ为【０，１ｌｊ二某个数值的函数，即
：ｃ，【０，ｌ】Ｘ— “ （Ｘ） …… （２．１）
在这里 “ 就是定义在Ｕ上的一个隶属函数，由” （）（ｘ∈Ｕ）
构成的集合Ａ就被称作【，上的一个模糊集，而 “ （ｘ）就称为对的
进
Ｉ
薯毫觜蓁模糊诊断的基础数学模型，以便在对故障
Ｘ＝，！， … ，，｝ …・・（３．１）
式中，元素一代表了在系统运行时所有可能发生的故障现象，这
ｉｎｔｓｔａｔ — ｕｓ；Ｉ１０为合闸状态，１为跳闸状态，都为遥测量ｉｎｔｄｉｒｅｃｔｉｏｎ；／／１为单向，２为双向，０
，
：二：

基于模糊推理的配电网故障诊断

基于模糊推理的配电网故障诊断1、问题描述当配电网发生故障时，系统的电压会大幅下降，电压的降低会使异步电动机的电磁转矩显著降低，造成产品的损坏或报废，另外接地电路产生冲击电流也有可能烧坏设备，甚至造成整个系统的不稳定，导致大面积停电，造成巨大的经济损失。

用模糊推理的方法，以配电网的接地故障为诊断对象，解决目前的诊断方法中存在的速度慢、误判与漏判的问题，以期能够达到提高诊断速度、消除误判与漏判的情况。

2、模糊推理步骤以三相与单相接地故障为例，以三相电压与电流为输入以三相状态为输出进行分析。

进行模糊推理步骤为：○1定义语言变量的模糊集为：Va={Vafault,Vanormal};Vb={Vbfault,Vbnormal};Vc={Vcfault,Vcnormal};Ia={Iafault,Ianormal};Ib={Ibfault,Ibnormal};Ic={ICfault,Icnormal}○2模糊变量的论域、隶属函数的确定。

输入电压Va,Vb,Vc的论域在[0,5100]，输入电流的论域在[0,40]之间。

系统选用三角形隶属函数，将输入的变量的论域转换到区间[0,1]。

电压隶属函数的确定：1)电压fault时隶属函数情况：当电压为0的时候，是故障度最大的情况，我们定义电流为0时，隶属度为1；之后电流递减，根据实验规定25的时候隶属度为0.5；30以上可视为正常情况，故[30,40]隶属度为0.2)电流normal时隶属度情况：与上面相反[30,40]隶属度为1，电流为0时隶属度为0,25时隶属度为0.5.输出隶属度情况：从0到1中间递增的，0时隶属度为0,1时隶属度为1.○3模糊规则的描述：三相接地、双相接地及单相接地故障的模糊规则可简单概括如下：1)If(Va is Vafault)or(Ia is Iafault)then (phase A is fault)2) If(Vb is Vbfault)or(Ib is Ibfault)then (phase B is fault)3) If(Vc is Vcfault)or(Ic is Icfault)then (phase C is fault)4)If(Va is Vanormal)and(Vb is Vbnormal)and(Vc is Vcnormal)and(Ia is Ianormal)and(Ib is Ibnormal)and(Ic is Icnormal)than(phase A is normal)(phase B is normal)(phase C is normal)3、M ATLAB仿真验证本文设计的一个6输入3输出的模糊系统连接到配电网的仿真模型上，在matlab中创建的模糊推理系统结构图如图1所示：图1 模糊推理系统结构图其中6输入量Va,Vb,Vc与Ia,Ib,Ic分别代表三相电压与三相电流。

智能变电站通信网络的T-S模糊故障树分析

智能变电站通信网络的T-S模糊故障树分析摘要：智能变电站通信系统的可靠性直接决定了智能变电站的可用性。

本文根据模糊可能性和T-S模糊门构造智能变电站通信网络系统的T-S模糊故障树，通过基本事件的模糊失效率推导出系统失效的模糊可能性。

该方法克服了传统故障树分析方法对大量故障数据和需对故障机理有深入研究的依赖，丰富了传统的智能变电站通信系统可靠性评估方法。

关键词：T-S模糊故障树；智能变电站；通信网络0 引言智能变电站[1]为智能电网提供标准的、可靠的节点支撑，而其通信系统的可靠性直接决定了智能变电站的可用性。

以往智能变电站通信系统的可靠性度量都是从概率的角度基于单个元件的失效率构建故障树[2]、贝叶斯网络[3]或是马尔科夫过程[4]来对系统的可靠性进行定量分析。

然而智能变电站中运行着大量的大型成套设备，系统复杂且昼夜连续运行，其可靠性实验无法在实验室进行，有时在历史数据缺乏或系统环境的变化对元件故障率影响具有不确定性等情况下，常规的可靠性分析方法无法准确的获得单个元件的概率可靠性，且在系统建模时，一个元件从“完好”到“故障”是一个相互渗透相互转化的过程，不能明确失效的含义（故障程度具有不确定性），在可靠性分析中表现出逻辑门的模糊性和部件状态的模糊性。

本文根据模糊可能性和T-S模糊门构造智能变电站通信网络系统的T-S模糊故障树，通过基本事件的模糊失效率推导出系统失效的模糊可能性，该方法克服了传统故障树分析方法对大量的故障数据和需对故障机理有深入研究的依赖，丰富了传统的智能变电站通信系统可靠性评估方法。

1 T-S模糊故障树1.1 基于四边形隶属函数的模糊数通常用F表示某个函数，称它为模糊数的一个基准函数，本文将F描述为四边形隶属函数，即有（1）其中，模糊数支撑集的中心为F0，左右支撑半径分别为sl和sr，左右模糊区为ml和mr，模糊数F0称为由隶属函数F描述的模糊数，如图1所示。

图1 四边形模糊数的隶属函数根据图1，F0模糊数的隶属函数有如下定义：（2）四边形隶属函数变为三角形函数当且仅当sl=sr=0时；模糊数变为确定数当且仅当支撑半径为0且ml=mr=0时。

基于故障树和模糊推理的电气系统故障分析方法

基于故障树和模糊推理的电气系统故障分析方法摘要：本文提出了一种基于模糊推理及故障树分析法的电气系统连锁故障结构化逻辑表示方法。

用故障树来表示连锁事件，并通过故障树分析法求取导致连锁事件的最小割集和连锁事件的发生概率。

在建立连锁故障事件的故障树过程中，重点考虑继电保护装置的动作行为对连锁故障发展模式的影响，采用交替进行稳定和潮流计算的方式并采用模糊推理的方法判别在初始故障阶段及初始故障切除后系统潮流转移阶段继电保护装置的动作行为，进而确定连锁故障的发展模式。

在连锁故障的逻辑结构表述及连锁故障发展模式的判别方面具有良好的应用前景。

关键词：连锁故障；继电保护；暂态稳定；故障树；模糊规则；电气系统引言电气系统很多灾难事故的发生通常是多个事件叠加的结果，而这多个事件通常表现为由一个初始事件引发的一系列连锁事件，加强连锁故障的预测分析对防止事故的发生具有重要意义。

国内外对连锁故障的研究已取得了很多成果，在连锁故障的模式搜索方面，应用比较广泛的是抽样法，只要计算时间足够长，这种方法可以搜索各种故障模式，其主要缺点是计算时间长，不适于在线应用；对此进行了一定的改进，使计算速度得到了一定的提高。

运用不确定决策理论，依照初始故障的发生概率和保护动作概率大小的排序结果直接进行搜索，以得到可能的连锁故障模式及其排序结果。

故障树分析法的结构化逻辑表达方式可以直观地表达连锁事件的发展路径，而且便于求取导致连锁事件的最小事件割集和连锁事件的发生概率，因此适于建立电气系统连锁故障事件表。

同时，由于不确定因素的存在，提前预测电气系统连锁故障时必然存在近似推理，而模糊逻辑能充分利用专家的信息，且能表征人类自然语言，并可以恰当地解决许多近似推理问题，因此可用于电气系统连锁故障事件发展过程的判断推理。

1 基于故障树的连锁故障结构化表示方法1．1 故障树分析法简介故障树分析法是研究引起系统某一事件的各种原因，然后依据各事件的先后次序及其因果关系等建立逻辑关系，并用树形逻辑框图表示的一种方法。

基于模糊决策树的配电线路故障诊断研究

基于模糊决策树的配电线路故障诊断研究作者：***来源：《无线互联科技》2023年第23期摘要：配电系统中准确、快速的故障识别在运行中起着不可或缺的作用，当故障事件发生后，停电区域将扩展到相邻区域，因此，为了使电力系统恢复健康状态，准确及时的故障识别越来越重要。

文章提出了一种基于模糊决策树（FDT）的电力系统故障诊断方法。

FDT将模糊规则库引入传统的决策树，通过在终端节点结合每个参与类的概率的多类决策。

FDT在离线模式下使用电力系统分析，针对不同的操作条件进行训练，并且在节点总线系统、14节点总线系统上验证了所开发方案的性能。

关键词：模糊决策树；配电线路；故障诊断; 隶属函数中图分类号：TM73 文献标志码：A0 引言传统配电系统的故障诊断，需要操作人员根据专业知识来识别故障区域。

近年来随着技术的发展，人工智能逐渐取代了操作员的工作。

在电力系统的不同领域，有研究者使用了基于类似决策树（Decision Tree，DT）的电压安全评估，并探讨了瞬态稳定性分析、电力变压器保护、高阻抗故障检测和控制孤岛、瞬态稳定性、在线电压安全性评估和自适应保护DT在电力系統研究中的不同应用［1-3］。

1 模糊决策树模糊决策树（Fuzzy Decision Tree，FDT）是基于模糊逻辑的决策分析方法，其目的是在不确定或模糊环境下对决策问题进行分析和决策。

FDT使用模糊集合理论来处理决策问题中的不确定性和模糊性，它将决策问题的各个因素和变量以模糊集合的形式表示，并通过模糊逻辑运算进行决策分析。

1.1 隶属函数隶属函数是模糊逻辑中用于描述某个事物或概念隶属程度的数学函数。

它将输入的值映射为0～1的实数值，表示输入值对某个概念的隶属程度。

其值越接近1，表示输入值对概念的隶属程度越高；值越接近0，表示输入值对概念的隶属程度越低。

隶属函数的输入可以是一个或多个变量，这取决于所描述的概念的复杂程度。

隶属函数的输出可以表示为隶属度值或模糊集合，根据需要可以进行后续的推理、决策或模糊控制等。

基于可信性理论的电气化铁路接触网可靠性的模糊评估

第３Ｏ卷第６期
２ＯＯ８年１２月
铁
道
学
报
Ｖｏ．Ｏ１３
Ｎｏ６．
Ｊ０ＵＲＮＡＬＯＦＴＨＥＣＨＩＮＡＲＡＩＷＡＹ０ＣＩＬＳＥＴＹ
Ｄｅｅｅ２ＯｃｍｂｒＯ８
文章编号：１０ — ３Ｏ２Ｏ）６Ｏ１一５Ｏ１８６（Ｏ８Ｏ一１５Ｏ
ａｄｒｐｉａｅｆｔｏｐｅｔｆｔｙｔｍｒｖｅｎｅａｒｒｔｓｏｈｅｃｍｏｎｎｓ０ｈｅｓｓｅａｅｇｉｎ．
Ｋｅｏｄ：ｃｅｉｔｈｏｙ；ｃｔｎｒｙｔｍ；ｒｌｂ１ｙ；ｆｚｙｅａｕｔｎ；ｆｕｔｔｅｎ１ｓｓ（ｙｗｒｓｒｄｌｙｔｅｒｉａｅａｙｓｓｅｅｉｉｔａｉｕｚｖｌａｉｏａｌｒｅａａｙｉＦＴＡ）
的可靠性指标，差满足工程精度的要求。误关键词：信度理论；接触网；靠性；糊评估；障树分析可可模故
中图分类号：２Ｕ２５文献标志码：Ａ
ＦｕｚｌａｉｉｙＥＶｌａｉｎ０ｅｔｉｉｄＲａｌｙＣａｅａｙｚｙＲｅｉｂｌｔａｕｔ０ｆＥｌｃｒｆｅｉｗａｔｎｒ
基于可信性理论的电气化铁路接触网可靠性的模糊评估
杨媛吴俊勇，吴燕，郑积浩，
（Ｅ交通大学电气工程学院，京１０４）ｊ京北ＯＯ４

基于模糊优化的网架结构可靠度在电力安全事件(故)系统中的应用

基于模糊优化的网架结构可靠度在电力安全事件（故）系统中的应用标签：模糊优化、网架结构、可靠度模糊搜索的目的是根据预定的目标或要求以最优的方式实现。

得到数据结果最优解的合理方法是基于可靠性的优化方法。

在模糊优化设计的基础上，在结构模糊算法的基础上，确定目标函数，并在一定的约束条件下最大化或最小化目标函数。

从可靠性的角度来看，传统的模糊算法至少存在以下缺点：（1）计算后得到的最优结果不能保证得到更均匀的结果;（2）传统的理论，例如，在同一时间内只使用一组约束条件时输入法只考虑单个约束，不考虑最小约束，但数据的可靠性不好，可以使用。

从可靠性的角度来看，这种设计不一定是最佳解决方案。

在数据可靠性优化中，有三个方面：时间、关键字和相似性。

相应地确定了优化的目标函数和约束条件。

可靠性的最佳结构应该是使结果最小化或最接近给定数据和可靠性的结构。

此时，以时间、关键字和相似性为目标函数，或作为约束，也相当于这样一个问题。

1、电力事件（故）指数的模糊优化决策目前，每种算法都采用“定标法”确定目标可靠性指标，即通过对原始数据的检查，找出隐藏在现有数据中的相应可靠性指标，综合分析后确定相应的相似结果指标。

该方法的本质是对现有可靠性水平的整体继承，是一种安全可行的方法。

根据任务的时间、关键字和相似性，综合权衡确定数据结果。

在这些目标中起作用的因素是模糊不清的。

2、本系统案例实例本项目主要是通过提出一种基于模糊优化查找的网架算法不用打开某个文件，改系统可以直接搜索某WORD、PDF、PPT里面的关键词（如某做某项工作前的危险点比较、工作地点或类似工作的相关案例）来提高事故学习的积极性和效率，提供类似的事故进行比较分析，这样利于新员工的学习也利于安全事故的保存与查找、对比，也利于每周安全学习的进行，也能在做某项工作前能对工作班成员进行危险点分析，从而避免了事故的发生。

用户登录系统后，点击左侧菜单中的“案例管理”菜单项，系统将展示已上传的案例信息，如下图所示：用户点击列表上方的“添加案例”按钮，系统将弹出添加案例录入对话框，如下图所示：在“添加案例”录入对话框中输入案例名称、作者、关键字（已逗号分隔）、摘要（可选），并且在选中案例。

基于故障树分析的电力变压器可靠性跟踪方法

基于故障树分析的电力变压器可靠性跟踪方法摘要：故障树分析方法是最早美国贝尔实验室研究的，是一种行之有效的逻辑模式分析的方法，常用于安全工程的主要分析方法。

使用故障树分析法需要具有数理逻辑的基础，了解逻辑符合，理解逻辑操作，从顶层开始进行故障树的编制。

本文利用故障树的科学分析方法，对大型电力变压器系统进行分析，对故障作出做出研究。

关键词：故障树分析；电力变压器；维护方法大型电力变压器的安全稳定运行日益受到各界的关注，尤其越来越多的大容量变压器进网运行，一但造成变压器故障，将影响正常生产和人民的正常生活，而且大型变压器的停运和修复将带来很大的经济损失，本文分析了电力变压器的各种类型故障以及检修方法。

近年来，随着大型变压器制造水平的不断提高，变压器的可靠性也越来越高，同时，对电网运行单位的生产效率和经济效益的要求不断提高，以往所普遍采用的变压器定期维修的弊端越来越突出。

因此人们开始关注变压器状态检修的研究和应用，状态检修代替定期维修已成为电力系统的共识。

一、故障树分析故障树分析法，简称(FTA Fault Tree Analysis)，是一种评价复杂系统可靠性与安全性的分析方法。

故障树分析把系统不希望发生的失效状态作为失效分析的目标，这一目标在故障树分析中定义为“顶事件”。

在分析中要求寻找出导致这一失效发生的所有可能的直接原因和间接原因，这些原因在故障树分析中称之为“中间事件”。

然后再跟踪找出导致每一个中间事件发生的所有可能的原因，顺序渐进，直至追踪到对被分析对象来说是一种基本原因为止。

这种基本原因，故障树分析中定义为“底事件”1.起源：其实从起源来说故障树分析技术已经有很长的历史了，它最早是由美国贝尔实验室研发的。

它是使用树的模型对一些工程系统进行评估的分析方法。

树的模型是依据由顶端开始逐级向下的图形类方法。

在1974年，它首次应用于核电站的安全评估。

从此开始故障树分析法就不断的得到优化，并且应用范围也在不断的拓宽。

基于模糊Petri网的电力系统故障诊断的开题报告

基于模糊Petri网的电力系统故障诊断的开题报告一、研究背景及意义随着电力系统的不断发展，电力网络已经成为国民经济发展的重要基础设施之一。

然而，电力系统发生的各种故障和事故不仅会对供电安全产生重大影响，也会对电力系统的正常运行和可靠性产生负面影响。

因此，建立一套完善的电力故障诊断系统对于提高电力系统的安全运行和可靠性具有重要意义。

传统的电力系统故障诊断方法主要基于各种故障诊断算法、故障处理系统和故障监测设备来实现。

这种方法虽然具有一定的可靠性，但是对于复杂的电力系统来讲，往往需要投入大量的成本和人力，而且实现难度较大。

因此，使用模糊Petri网的电力系统故障诊断方法成为研究的热点之一。

二、研究目的和内容本研究的目的是基于模糊Petri网的电力系统故障诊断方法，提高电力系统的安全运行和可靠性。

具体研究内容包括：1. 建立电力系统故障诊断模型。

通过对电力系统进行建模，建立电力系统故障诊断模型，构建基于模糊Petri网的电力系统故障诊断系统。

2. 设计模糊Petri网算法。

通过研究现有的故障诊断方法，设计适合电力系统的基于模糊Petri网的算法，完成电力系统故障检测和诊断过程。

3. 实现电力系统故障诊断系统。

将设计的算法应用于电力系统故障诊断系统中，建立完整的电力系统故障诊断系统和实现系统的可视化和智能化操作。

三、研究方法和技术路线本研究采用动态建模和仿真方法研究电力系统故障诊断问题。

具体技术路线如下：1. 通过现有文献、专家访谈等方式获取电力系统故障诊断的相关知识和信息，为建立电力系统故障诊断模型提供参考。

2. 根据电力系统的特点，选择模糊Petri网作为电力系统故障诊断模型，并根据模型的特点优化模型参数。

3. 基于建立的电力系统故障诊断模型，设计基于模糊Petri网的电力系统故障诊断算法，完成电力系统故障检测和诊断。

4. 建立电力系统故障诊断系统的软件和硬件系统架构，实现系统的可视化和智能化操作。