项目名称: 基于复杂系统理论的电网故障诊断预警及同步故障恢复方法研究

项目编号: No.61273029

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 杨东升

作者单位: 东北大学

项目金额: 80万元

中文摘要: 本申请课题针对我国电力网络结构规模不断扩大,系统运行不确定性日趋复杂,造成局部故障传播迅速,导致整个电力网络崩溃的重大问题,提出基于广域数据检测的复杂电力网络动态分析方法和电力网络可控节点同步自适应控制实现复杂电力网络故障恢复策略,系统地解决电网动态故障预警与诊断不准确和网络故障恢复控制方法缺乏的等一系列难点问题。本研究的显著特点是:1) 应用广域数据检测技术实现电网动态故障预估及故障诊断方法;2) 提出分数阶模糊的电力网络节点建模理论,解决智能电力网络节点观测及网络拓扑结构辨识研究的难题;3) 提出电力网络可控节点同步自适应控制方法,实现电力网络紧急故障后的电力系统恢复。研究成果将简捷地实现复杂工业现场环境下过程对象的故障预警与故障诊断,为智能电力网络安全运行与故障诊断研究提供必须的基础理论依据和关键技术保证。

中文关键词: 复杂系统理论;分数阶建模;电网故障预警;故障诊断;故障恢复

英文摘要: With the dimension of the structure increasing and the uncertainty of the system operating more complicated, the local fault of power grid spreads faster, which leads to the collapse of the entire power grid. To deal with this problem, recovery strategy for complex grid based on the synchronous adaptive control and the dynamic analyses of the wide-area data detection of power and electric power grid controllable node is proposed. The strategy solves a series of difficulties, such as power system dynamic fault early warning and inaccuracy. The notable feature of this study is as follows: 1) Realize the power grid dynamic faultearly warning and fault diagnosis with the wide-area data testing technology. 2) The electric power grid node modeling theory of fuzzy fractional order is raised, solving the problem of smart power network node observation and the network structure topology identification research. 3) Synchronous adaptive control method of electric power grid controllable node is presented, realizing the power system recovery after an urgent power grid fault. The product of the research will realize the fault predictive and fault diagnosis of procedure object under the circumstance of complex industrial field conveniently and provide the necessary basic theory and critical technology guarantee to support t

英文关键词: complex system theory;fractional order system modeling;power grid fault early warning;fault diagnosis;failure recovery

成为VIP会员查看完整内容
0

相关内容

电力人工智能发展报告
专知会员服务
76+阅读 · 2022年4月11日
专知会员服务
26+阅读 · 2021年9月4日
专知会员服务
146+阅读 · 2021年8月7日
专知会员服务
25+阅读 · 2021年6月9日
专知会员服务
43+阅读 · 2021年4月13日
专知会员服务
65+阅读 · 2021年1月28日
自动化学科面临的挑战
专知会员服务
37+阅读 · 2020年12月19日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
黑匣子这么重要,为什么数据不能云同步?
学术头条
1+阅读 · 2022年3月26日
解读:《金融数据安全 数据安全评估规范》
THU数据派
6+阅读 · 2022年1月18日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
66+阅读 · 2020年3月16日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
无人机集群对抗研究的关键问题
无人机
56+阅读 · 2018年9月16日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Table Enrichment System for Machine Learning
Arxiv
0+阅读 · 2022年4月18日
Arxiv
23+阅读 · 2022年2月24日
Arxiv
10+阅读 · 2021年11月10日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
小贴士
相关VIP内容
电力人工智能发展报告
专知会员服务
76+阅读 · 2022年4月11日
专知会员服务
26+阅读 · 2021年9月4日
专知会员服务
146+阅读 · 2021年8月7日
专知会员服务
25+阅读 · 2021年6月9日
专知会员服务
43+阅读 · 2021年4月13日
专知会员服务
65+阅读 · 2021年1月28日
自动化学科面临的挑战
专知会员服务
37+阅读 · 2020年12月19日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
相关资讯
黑匣子这么重要,为什么数据不能云同步?
学术头条
1+阅读 · 2022年3月26日
解读:《金融数据安全 数据安全评估规范》
THU数据派
6+阅读 · 2022年1月18日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
66+阅读 · 2020年3月16日
ICLR 2019论文解读:深度学习应用于复杂系统控制
机器之心
11+阅读 · 2019年1月10日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
无人机集群对抗研究的关键问题
无人机
56+阅读 · 2018年9月16日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
相关基金
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员