容纳时序约束的改进模糊Petri网故障诊断模型

现有基于Petri网理论的电力系统故障诊断模型与方法完全没有利用或没有充分利用警报信息的时序属性,且容错性不强,在处理复杂故障时可能无法得到明确的诊断结果。在此背景下,提出一种融合时序约束网络的模糊Petri网故障诊断模型。通过将Petri网的库所赋予时间属性,以充分计及元件故障、保护动作和断路器跳闸间的延时约束,并采用模糊加权算法进行推理运算,提高了模型的容错性。最后,以IEEE 10机39节点电力系统为例验证了所发展的模型的正确性和求解算法的有效性。与现有两种方法的比较表明,所发展的诊断方法能够自动跟踪网络拓扑变化,在增加少量计算量的情况下,较大提高了容错能力,满足大规模电力系统在线故障诊断需要。     

基于时间约束Petri网的电网警报处理及故障诊断

充分利用警报信息的时序属性和保护断路器动作的逻辑规则,提出了一种基于时间约束Petri网的电网警报处理及故障诊断方法。介绍了电力系统警报信息间的时序关系,以及常见警报差错信息的分类。提出了时间约束Petri网方法,引入时间约束通路的概念,直观地表达了警报信息之间的时序属性。提出了警报差错信息的识别算法,有效地识别警报信息中的误报、丢失以及时序不一致等情况。对不考虑时间约束与考虑时间约束两种情况下的故障诊断结果进行比较分析。结果表明所提出的警报处理方法,更加精确地描述了故障警报信息间的逻辑关系,使故障诊断结果更加准确。     

计及警报信息时序特性的电网故障诊断解析模型

现有的故障诊断解析模型没有利用警报信息的时序特性,对于复杂的多重故障,诊断结果可能有2个甚至多个解,不够明确。文中通过提出动态关联路径的概念,构造了能够充分利用警报信息时序特性的电力系统故障诊断的一种新解析模型,能够合理地描述现代电力系统多种保护配置下保护和断路器的动作时序关系,对于复杂故障可以得到更为明确的诊断结果。最后用实际电力系统所发生过的故障对所提出的方法进行了说明。     

计及时间约束的改进模糊Petri网故障诊断模型

为充分利用故障事件记录的时间约束特性,进一步提高故障诊断的准确性与快速性,建立了一种计及时间约束的改进模糊Petri网故障诊断模型。首先,分析故障事件记录的一元、二元时间约束关系,研究不确定及缺失的报警信息对故障诊断的影响,利用虚拟有向弧及Petri网产生式规则,建立改进模糊Petri网模型;之后,通过正、反向时序推理分析,获得所有报警信息应该满足的时间区间,依据所建立的状态真值矩阵有效甄别出时序不一致的报警信息;在上述基础上,制定电网故障诊断的具体流程,提出继电保护装置动作行为辨识规则;最后,通过局部电力系统的多组算例仿真和实际系统故障案例测试,证明了所建模型能有效地诊断出电网故障,并具有较高的容错性。     

基于时序约束网络的电力系统在线警报处理解析模型

现有电力系统警报处理方法完全没有利用或没有充分利用警报的时序特性.在人工智能研究领域发展起来的时序约束网络是一种能够清晰而直观地表示时序逻辑的有向无环图,适于解决计及警报信息时序特性的警报处理问题.在此背景下,构建了充分利用时序信息的警报处理解析模型.该模型不仅能够分析导致警报产生的具体事件以及该事件所在的时间区间,而且可以识别异常或遗漏的警报.基于时序约束网络中时间点和时间距离约束等相关概念,研究了事件发生时间的不确定性问题,避免了现有的计及时序特性的模型必须对时间精确定义的缺点.最后,用实际电力系统的警报处理案例对所提出的模型和方法进行了说明.     

基于时间约束的分层模糊Petri网的配电网故障诊断

配电网发生故障后充分利用报警信息和时序信息快速准确地诊断出故障元件,是对配电网可靠供电和保证配电网安全运行的首要任务?在现有Petri网的故障诊断基础上,提出一种基于时间约束的分层模糊Petri网的配电网故障诊断模型?建立的模型对配电网的拓扑结构变化具有良好的适应性,通过使用主保护和主保护对应断路器的动作时间来获得原因事件动作起点,并对高斯函数进行修正?通过算例比较证明此方法具有较强的准确度和通用性,能有效地诊断出配电网的故障?     

基于多源信息的延时约束加权模糊Petri网故障诊断模型

提出一种基于电气量判据、保护判据和断路器判据,并能够计及这3类判据时序属性的多源信息延时约束加权模糊Petri网故障诊断模型。首先,分析故障前后的电力网络拓扑以确定可疑故障元件。之后,采用反向推理寻径法识别故障元件动作可能路径,并在此基础上构造加权模糊Petri网故障诊断模型来确定故障元件;该模型能够计及故障电气量及其时序属性、元件故障和保护动作之间、保护动作和断路器跳闸之间的延时约束以及保护和断路器动作不确定性,且诊断推理全程采用矩阵运算来实现。在上述基础上,采用逆向推理判断警报信息的完整性和正确性,识别出误动或拒动的保护与断路器。最后,用IEEE 39节点系统和贵州兴仁变电站实际故障案例对所构建的故障诊断模型的正确性和求解方法的有效性作了验证。     

基于故障区域识别及信息时序属性的电网故障诊断

针对电网故障诊断中的不确定和不完备信息,以及考虑到信息的时序逻辑关系,提出基于故障区域识别及信息时序属性的电网故障诊断方法。首先通过故障区域的识别确定可疑故障元件,减小了诊断范围。充分利用电力系统时序特性,建立带有时间戳的模糊Petri网模型,并利用时序逻辑矩阵对时序不一致信息进行识别和修正。给出该电网故障诊断方法的流程,通过仿真验证了所提方法的可行性。     

基于人工智能的输电线路故障快速诊断方法研究

针对电力系统发生故障后未经处理的多源告警信息可能导致故障处理时间增加的问题,提出一种基于人工智能的输电线路故障诊断方法。对输电线路故障诊断Petri网模型进行改进,在建立的模糊Petri网模型中预设变迁阈值,采用逆向搜索策略,对模糊Petri网进行约简,减小推理规模,提高故障诊断效率。所提方法可以对故障信息进行快速分析、分类处理,大大减少调度员处理信息的工作量,提高输电线路自动化水平,确保电力系统安全稳定运行。通过算例验证了所提方法的有效性。     

计及死区故障的3/2接线变电站的Petri网故障诊断方法

现有针对3/2接线系统的故障诊断方法较少考虑死区故障,在基于保护和断路器动作信息进行故障诊断时易造成误判。提出一种计及死区故障的3/2接线变电站的Petri网故障诊断方法,除了系统中母线、线路和变压器等元件,对死区位置也建立其加权模糊时序Petri网模型。针对3/2接线系统不同死区位置、不同类型故障的跳闸策略,利用保护动作信息和断路器辅助节点开合状态信息构造死区故障辨识逻辑。通过死区故障的逻辑辨识和保护及断路器的时序约束检查,对诊断模型的结构和参数进行修正。测试系统仿真算例和电网实际故障案例表明,该方法能够在保护和断路器不正确动作和警报信息不完整等复杂状态下识别真实故障元件,提高了诊断的准确度和容错性。     

基于时间序列相似性匹配的输电系统故障诊断方法

输电系统发生故障后的警报信号具有丰富的时序信息,若能充分利用则会有助于快速和准确地诊断故障。调度中心采集到的故障警报包含了统一时标基准的时序信息,从而构成了时间序列。在此背景下,将时间序列的数据挖掘概念与相关方法引入输电系统故障诊断之中,提出了基于相似性匹配的故障诊断方法。首先,介绍了时间序列的概念及其相似性匹配方法。随后,将这种方法进行了改进并应用于输电系统故障诊断,构造了相应的时间序列模型,定义了时间序列距离,采用子序列匹配查询方法求解,并与近年来提出的两种输电系统故障诊断方法进行了比较分析。所提出的方法利用警报信息序列的时序特征,对于复杂故障、相继故障等情形仍能迅速识别警报漏报/误报等情况,正确诊断出故障元件与故障类型,并对继电保护装置进行评价。最后,用两个实际案例说明了所提出的故障诊断方法的可行性与有效性。     

基于规则式的多重故障诊断及最优送电路径策略

为了提高电网多重故障诊断的准确性,提出一种基于多系统数据信息融合的故障诊断算法。通过对故障全过程的数据特征进行分析,以故障数据与电网结构图为基础对一次设备进行建模,形成断路器、线路、母线、主变诊断模型。对来自不同信息源(SCADA、保信系统、录波联网系统)的数据进行统一处理,形成故障全过程智能诊断数据源,并以此为基础进行深度数据融合,提升信息的质量。充分利用故障后的断路器状态和电气量信息,对故障进行精确诊断,确定故障区域,然后,采用基于规则式的故障恢复路径算法,给出快速恢复供电的最优的路径。该系统运行情况表明,所提出的方法具有较强的实用性。     

计及警报信息时间特性的故障诊断模型

电力系统发生故障时的警报信息具有时间特性,如果能够充分与合理地利用这一特性,可以 提高故障诊断结果的准确性和加快诊断速度。但至今,还没有一个电力系统故障诊断方法能 够系统地处理警报信息的时间特性。以外展推理(abductive inference)和简洁覆盖集理 论(parsimonious set covering theory)为基础,对计及警报信息时间特性的电力系统故 障诊断问题做了一些初步的研究工作。采用时间图表示元件故障与警报信息及其时间特性之 间的关系,时间图中的节点表示警报信息,节点间的有向支路表示这两个节点所代表的警报 信息出现的先后次序。在此基础上,首次建立了描述这一问题的优化模型(0-1整数规划模型 ),给出了用Tabu搜索技术求解该问题的算法。最后,用一个简单的例子说明了所建立的故 障诊断模型的正确性和Tabu搜索方法的可行性。     

基于智能信息融合的模拟电路故障定位方法

针对模拟电路故障诊断中存在的测试信息不足、故障定位准确性较低等问题,提出了一种应用智能信息融合技术的模拟电路故障定位方法.该法首先分别采用可测点工作电压及不同测试频率下的电路增益,各用一个独立的神经网络依据改进的BP算法对电路实施初级诊断;然后根据初级诊断结果,运用模糊融合诊断方法进行故障定位.所提方法能充分利用故障信息,对模拟电路的软故障与多故障均可进行诊断,故障定位准确率高.     

灾害天气条件下电力系统故障诊断特征匹配方法

灾害天气会导致电力通信系统的可靠性降低, 警报信息在通信过程中发生畸变的可能性上升, 进而增加对停电区域内元件准确识别故障的困难。现有研究表明, 通过对线路发生故障期间的外部环境数据进行分析可得到该线路的故障风险程度, 但此信息尚很少被用于故障诊断之中。在此背景下,提出一种利用外部天气环境信息进行故障特征匹配的电力系统故障诊断方法。首先, 利用故障期间采集得到的外部环境信息根据灰色模糊理论得到线路综合故障概率。然后, 在现有的电力系统故障诊断解析模型（优化模型）的目标函数中增加外部环境故障特征匹配指标, 对与灾害天气相关故障特征不匹配的故障假说进行惩罚。接着, 利用模拟退火遗传算法对改进的解析模型进行求解。最后, 针对广州市局部电网的故障案例进行仿真测试,结果表明所提的改进故障诊断方法对通信故障的容错性强;此外,还比较分析了考虑与不考虑外部天气环境影响时的诊断结果及差异原因。     

基于规则网的高压输电线路故障诊断与保护动作性能评价

对于多重或复杂故障以及存在警报信息丢失或畸变等复杂情况,如何准确诊断所发生的故障和评价保护装置的动作性能仍是值得研究的问题。在此背景下,提出一种基于规则网利用故障录波信息进行高压输电线路故障诊断和评价保护与断路器动作性能的新方法。首先,对故障录波信息进行预处理,利用小波变换技术从电气模拟量信息中提取线路故障特征量,得到电流突变事件和保护动作事件序列。在此基础上,建立计及警报信息时序特性的高压线路故障诊断规则网络模型,并确定故障假说集与期望的保护和断路器状态,并利用它们之间存在的因果与时序关系确定故障原因以及对保护和断路器动作性能进行评价;之后,对故障录波做进一步分析以判别故障类型、故障性质和故障位置;最后,用实际电力系统故障案例对所提出的方法进行说明。     

A fuzzy Petri net based approach for fault diagnosis in power systems considering temporal constraints

The fuzzy Petri net is a promising and efficient approach that can tackle the complexities of power system fault diagnosis. In this work, the temporal constraint between event occurrences in power systems is investigated. Then, it is introduced to a fuzzy Petri net (FPN) for fault diagnosis. The temporal attributes are assigned to the propositions in the Petri net, so that temporal information can be taken into account, which makes the true hypothesis distinguishable from the false ones. The modified matrix execution algorithm can enhance computational efficiency, with a “weighted average” operation included to improve the fault-tolerance. The developed model possesses a modular structure, which is easy to adapt to topology changes, and to accommodate modern protection schemes. A preliminary evaluation of the operating performance of protective devices is also carried out after fault section identification. The testing results on the IEEE 14-bus power system and Zhejiang provincial power system in China demonstrate that the developed model is correct and efficient. Compared with three existing fault diagnosis methods, the proposed one has stronger fault-tolerance with lower computational cost, and is suitable for on-line fault diagnosis in large-scale power systems.     

基于时序信息的模糊Petri网电网故障诊断方法

为提高电网故障诊断的准确性,充分利用报警信号的时序信息,研究一种基于时序信息的分层变迁模糊Petri网故障诊断方法。首先,建立分层变迁加权模糊Petri网(WFPN)故障诊断模型;其次,构建元件、保护和断路器之间的时间关联特性(TAC),进行时间关联一致性检查;最后,通过模糊推理进行故障诊断,并对保护和断路器异常行为进行评判。通过典型电网算例推理验证,结果证明该方法不仅能够提高故障诊断的准确性和容错性,还能够判断保护和断路器的异常行为并推出元件故障发生时刻。     

考虑样本类别不平衡的电网故障事件智能识别方法

电网中不同设备的故障概率存在差异,影响智能诊断技术的准确性.为解决此问题,提出了一种基于代价敏感学习和模型自适应选择融合的电网故障事件智能识别方法.首先,利用Word2vec模型将预处理后的电网告警信息向量化,并搭建2个双向长短期记忆网络作为基础分类器;然后,设计代价敏感损失函数,将交叉熵损失函数与代价敏感损失函数分别应用于2个分类器中;最后,提出一种模型自适应选择融合法,融合上述分类器,得到故障事件识别结果.实际数据测试表明,所提方法能够有效降低故障事件识别中样本类别不平衡的影响.