1、答辩中提出的主要问题及回答的简要情况1、粗糙集为何具有较高容错性一般配电网有哪些情况出现信息畸变？答:粗糙集是一种有效的处理不精确、不一致、不完整等各种不完备数据的方法。粗糙集可以通过属性约简的方法把信息当中产生畸变和误判的信息给处理掉。所以保证了诊断结果的准确性。具有较高的容错性。配电网出现信息畸变主要是在信息的传输过程中。也就是通过实时监控系统(SCADA) 在向电网控制中心这一过程中出现的。2、数据挖掘技术别人用过没有？答:从目前可供参考的文献来看。数据挖掘技术应用于配电网故障诊断的比较少。该方法在其他故障诊断中用的比较多。如高压输电线路的故障诊断、蒸汽机故障诊断和变压器故障诊断等。3、
2、论文中的三种方法是相互验证吗？答:在论文中。采用了1717 据挖掘技术中三种常用的方法: 粗糙集、神经网络、决策树。论文中的三种方法不是相互验证。主要是在三种方法采用的配电网的实例是不相同的。所以无法比较和相互验证。只是尝试把这三种方法应用于配电网中。看能否得出比较理想的诊断结果。4、图 5-3 结构图中给出的故障特征。能否准确的给出区域故障比如图 5-3 中的区域 Sec2 出现故障。若 CB8 不跳时。是不是还能判断出 Sec2 故障？答:是可以的。因为当某处线路故障时。在条件允许情况下。断路器会动作。如果短路器拒动。故障处附近的过流保护和后备保护就会动作。从而保证故障区域不往外延伸。有效
3、控制故障范围。例如在图 5-3 中。当母线 Bus2 发生故障时。母线保护 BR2 就会动作。如果 BR2 拒动。母线 Bus2 附近的断路器就会动作。如果上述都不动作。过流保护和后备距离保护动作。从而保证故障1717域不延伸。有效地控制了故障范围。5、课题很有意义。例子是怎么来的？答:论文中应用的实例是参考的中国电机工程学报中论文中的一篇基于粗糙集理论的配电网故障诊断研究 ，单一故障信息表也是引用的该文中的数据。6、采用的神经网络与传统常用神经网络有什么不同？答:论文中的神经网络采用的对 BP 算法进行改进后的网络。由于传统网络存在局部极小值、算法收敛速度慢等缺点。本文采用的是急于自适应学习速率动量梯度反向传播算法对 BP 网络进行改进。改进后的网络有效地。
