CN102393922A - 变电站智能报警专家系统的模糊Petri推理方法 - Google Patents
变电站智能报警专家系统的模糊Petri推理方法 Download PDFInfo
- Publication number
- CN102393922A CN102393922A CN2011101711115A CN201110171111A CN102393922A CN 102393922 A CN102393922 A CN 102393922A CN 2011101711115 A CN2011101711115 A CN 2011101711115A CN 201110171111 A CN201110171111 A CN 201110171111A CN 102393922 A CN102393922 A CN 102393922A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- alarm signal
- reasoning
- rule
- petri
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明涉及变电站智能报警专家系统的模糊Petri推理方法,变电站智能报警专家系统获得告警信号后,推理机查询由模糊产生式表示的规则知识库,查找与此告警信号相关联的所有规则,建立所有模糊产生式对应的模糊Petri子网,形成整体的模糊推理Petri网,并在所有的此告警信号库所中添加托肯值;模糊推理Petri网根据条件判断是否触发,若触发并求得故障可信度,并据此确定是否进行相应的故障处理;本发明的方法不仅可以对单个事件推理出带可能性的推理结果,并且能够很好的处理关联事件的推理,保证关联时间推理的全面性和准确性,根据推理结果和处理方案的可信度,评定其优先级,剔除无关信息,提高了处理效率,降低了误判率。
Description
技术领域
本发明属于自动化控制系统技术领域,具体涉及一种变电站智能报警专家系统的模糊Petri推理方法。
背景技术
变电站监控系统普遍存在的问题是,变电设备运行监视的模拟量、开关量信息由监控系统采集上来以后,大部分是按照时序显示的事件,未作任何的分层或判断处理。当发生事故产生大量时序信息时,变电所值班员很容易眼花缭乱、抓不住重点,影响事故的正确处理,并可能遗漏重要告警信号,延误处理造成事故。因此,需要在监控系统中建立告警和异常处理专家系统,对变电所运行信息进行智能化处理,提取故障报警信息,辅助故障判断及处理,同时也可以弥补变电所值班员技术业务水平参差不齐带来的隐患。
目前处于实用阶段的众多电力监控专家系统主要运用的推理方式为简单的单步推理和穷举法推理。其中,单步推理主要针对简单的确定的单个时间的推理,对复杂的关联信号推理无法给出正确的推理结果,不能保证推理的精确度,穷举法推理虽然精确度高,又能有效排除误遥信的影响,但适应性较差,因为变电设备型号、构造繁多,告警信号不可能完全一致,造成推理不够全面,不能提前对某些故障事故做相应的处理。
关联事件定义为:在一个短时间段内,变电站某一单元设备连续发生多个事故或告警信号,这些连续发生信号是一个存在关联的有机整体,并具有一定的时序性和随机性。这类综合事件很难简单判定为由某个事故或异常引起,需要技术人员进行综合分析,给出一个综合的判断和处理方案。为了在变电站智能告警专家系统中对这类复杂问题进行综合推理,提高系统的智能水平,需要对变电站事故和告警处理的业务规则进行深入探讨,并研究特定业务知识的表达方法和综合推理机制,开发出针对性很强的逻辑推理机,作为变电站智能告警专家系统的核心部件。
发明内容
本发明的目的是提供一种变电站智能报警专家系统的模糊Petri推理方法,以解决变电站智能报警专家系统的不确定性问题及综合关联事件的推理能力差的问题。
为实现上述目的,本发明的变电站智能报警专家系统的模糊Petri推理方法步骤如下:
(1)变电站智能报警专家系统第一次获得告警信号后,推理机查询由模糊产生式表示的规则知识库,查找其中与此告警信号相关联的所有规则,建立所有模糊产生式对应的模糊Petri子网,形成整体的模糊推理Petri网,并在所有的此告警信号库所中添加托肯值;
(2)依据各托肯值与其对应的权值相乘来求取转移函数值,将该转移函数值与模糊推理Petri网变迁的阈值进行比较,确定是否触发,如果触发可推理求得故障可信度,如果不触发等待接受下一个告警信号;
(3)在规定的时间内再次获取告警信号后,推理机在规则知识库中进行搜索,获得与此告警信号相关联的所有规则,若是各条规则已经在模糊推理Petri网中,则再次检验变迁是否触发,如果触发可求得推理结果的可信度,更新之前的推理的故障可信度,如果不触发等待接受下一个信号;若是有规则没有在步骤(1)得出的模糊推理Petri网中,则将该规则动态加入模糊推理Petri网中,并执行步骤(2)中所述的操作;
(4)在规定的时间内,推得所有告警信号的故障可信度,并据此确定是否进行相应的故障处理;当某个模糊Petri网子网中告警信号库所的托肯值都为零时,从模糊推理Petri网中清除该子网。
进一步的,所述步骤(1)中规则知识库的构建是以间隔为单位将告警信号分为各大单元类,并根据具体设备来源和关联性质对各单元类进一步划分为各小类,对各小类的告警信号建立相应的子规则知识库,建立二级索引,方便规则知识库的查询。
进一步的,所述规则知识库用到的构建规则为模糊规则;变电站智能报警专家系统依据经验对单个告警信号给出可能的事故及相应的处理方案,建立单个事件推理的模糊规则,即单一的告警信号推得可能的事故信息,并给出相应的处理方案;变电站智能报警专家系统依据经验对复杂告警信号给出可能的事故及相应的处理方案,建立关联事件推理的模糊规则,即在一定时间段内相关联的告警信号推得可能的事故信息,并给出相应的处理方案;关联事件推理的告警信号中有一个主信号。
进一步的,所述步骤(1)中模糊产生式表示模糊规则的方法为:单个事件的模糊产生式相对于传统的产生式添加了阈值和确信度,关联事件的模糊产生式相对于传统的产生式添加了权值、阈值和确信度,且采用模糊Petri网映射模糊产生式。
进一步的,所述模糊Petri网映射模糊产生式的方法如下:模糊Petri网的告警信号库所中存放一个托肯值,表示该告警信号的可信度;模糊Petri网中告警信号库所的出弧包含一个权值参数,表示该告警信号在推理规则中所占的比重;模糊Petri网的变迁为产生式的推理过程,包含一个阈值参数,变迁的触发由一个转移函数值是否大于阈值来决定;其中转移函数值由告警信号的可信度和比重确定;模糊Petri网的变迁出弧包含一个确信度参数,该参数用于推理结果可信度的计算;推理结果库所包含一个可信度参数,表示该规则推理结果的可信度。
进一步的,所述步骤(1)中告警信号库所中添加的托肯值表示告警信号在推理规则中所占的比重。
进一步的,在执行步骤(2)的时候,采用伪触发的模式,即在一定时间内已使用的告警信号的托肯值不变,当超过规定的时间则信号库所中托肯值为零。
本发明的变电站智能报警专家系统的模糊Petri推理方法不仅可以对单个事件推理出带可能性的推理结果,并且能够很好的处理关联事件的推理,保证关联时间推理的全面性和准确性,根据推理结果和处理方案的可信度,评定其优先级,剔除无关信息,提高了处理效率,降低了误判率。
模糊Petri网映射模糊产生式的方法使得模糊产生式以图形的形式描述,更加直观,容易理解。模糊产生式的参数在图形中体现更加明确,并且具有数学方面的性质,方便进行计算,使得在进行模糊推理时更容易理解和分析。
模糊产生式的方法使变电站智能告警专家系统的知识能够反映变电站中信息和知识的模糊性和不确定性,基于模糊集理论引人了模糊产生式。模糊产生式仍采用IF-THEN的形式,其前件和后件均为模糊集,并引入权值、阈值、确信度等参量,可用于表现知识的不确定性和模糊性,尤其适用于模糊推理。
附图说明
图1是本发明带索引的模糊规则知识库的示意图;
图2是模糊产生式的模糊Petri网示意图;
图3是实施例的收到信号①的模糊推理Petri网示意图;
图4是实施例的收到信号②的模糊推理Petri网示意图;
图5是实施例的收到信号③的模糊推理Petri网示意图;
图6是实施例的收到信号④的模糊推理Petri网示意图;
图7是实施例的收到信号⑤的模糊推理Petri网示意图。
具体实施方式
本发明的变电站智能报警专家系统的模糊Petri推理方法步骤如下:
(1)变电站智能报警专家系统第一次(该处第一次就是指系统启动后,第一个得到的信号获得告警信号后,推理机查询由模糊产生式表示的规则知识库,查找规则知识库中与此告警信号相关联的所有规则,建立所有模糊产生式对应的模糊Petri子网,形成整体的模糊推理Petri网,并在所有的此告警信号库所中添加托肯值,该托肯值表示告警信号在推理规则中所占的比重;
(2)依据各托肯值与其对应的权值(该处权值是由《变电站信号辨识手册》相关内容得到,系统建立的时候确定权值)相乘来求取转移函数值,将该转移函数值与模糊推理Petri网变迁的阈值进行比较,确定是否触发,如果触发可推理求得(是指托肯值与权值乘积后,相加,得到的结果再乘以确信度值β)故障可信度,如果不触发等待接受下一个告警信号;在执行该步骤的时候,采用伪触发的模式,即在一定时间内已使用的告警信号的托肯值不变,当超过规定的时间则信号库所中托肯值为零;
(3)在规定的时间内再次获取告警信号后,推理机在规则知识库中进行搜索,获得与此告警信号相关联的所有规则,若是各条规则已经在模糊推理Petri网中,则再次检验变迁是否触发,如果触发可求的推理结果的可信度,更新之前的推理的故障可信度,如果不触发等待接受下一个信号;若是有规则没有在步骤(1)得出的模糊推理Petri网中,则将该规则动态加入模糊推理Petri网中,并执行步骤(2)中所述的操作;
(4)在规定的时间内,推得所有告警信号的故障可信度,并据此确定是否进行相应的故障处理;当某个模糊Petri网子网中告警信号库所的托肯值都为零时(由于信号有生命周期,如果某时刻某个子网中告警信号库所都没有托肯就取出该子网,减小模型),从模糊推理Petri网中清除该子网。
变电站智能报警专家系统的带索引的模糊规则知识库的构建是以间隔为单位将告警信号分为各大单元类,如图1所示分为线路单元、主变单元、母线单元和公共单元四大单元类,并根据具体设备来源和关联性质对各单元类进一步划分为各小类,对各小类的告警信号建立相应的子规则知识库,建立二级索引,方便规则知识库的查询,如图1中将线路单元分为断路器信号、保护信号、控制回路三小类,其中欧冠断路器信号又分为SF6气压、三相电流、弹簧机构、液压机构、空压机构五个子小类。
规则知识库用到的构建规则为模糊规则;变电站智能报警专家系统依据经验对单个告警信号给出可能的事故及相应的处理方案,建立单个事件推理的模糊规则,即单一的告警信号推得可能的事故信息,并给出相应的处理方案;变电站智能报警专家系统依据经验对复杂告警信号给出可能的事故及相应的处理方案,建立关联事件推理的模糊规则,即在一定时间段内相关联的告警信号推得可能的事故信息,并给出相应的处理方案;关联事件推理的告警信号中有一个主信号,(是指在网中与旁证级别相同的信号为主信号,如图7中两个“液压机构分闸闭锁”和一个“断路器气压低闭锁”信号,在关联事件推理中起着重要(此处重要也就体现了权值较大,即为对推理的贡献较大)作用。
Petri网是对离散并行系统的数学表示,是1960年代由卡尔·A·佩特里发明的,适合于描述异步的、并发的计算机系统模型。一般地,Petri网由4种不同的元素组成,即库所(place,用“O”表示),转移(transition,用“|”表示),连接库所和转移的有向弧及位于库所中托肯(token,用“●”表示)。库所表示系统状态的逻辑描述,转移表示系统中事件或行为的产生过程,输入函数(I)和输出函数(O)分别表示库所和转移之间的连接函数关系,若一个库所被赋予k个标记(k为非负整数),则说明该库所有k个托肯,也称该库所被标记。
在知识表达的模糊推理Petri网(FuzzyReasoning PetriNet FRPN)中,网的框架代表基于产生式规则的知识结构,库所表示命题,如果命题为真,在库所中标识上token,token的值表示命题为真的置信度,规则推理过程用推理Petri网中带置信度的变迁的触发表示,命题与推理规则之间的因果联系用库所和变迁之间的有向弧表示。一个库所中的token数不会大于1,其值在0,1之间;规则的触发意味着命题为真的繁衍,规则触发后,规则的前提部的真值并不消失;变迁的引发不存在传统Petri网中的并发冲突问题;变迁上多一个参数,其为规则的置信度。 本发明中模糊产生式表示模糊规则的方法为:单个事件的模糊产生式相对于传统的产生式添加了阈值和确信度,关联事件的模糊产生式相对于传统的产生式添加了权值、阈值和确信度,且采用模糊Petri网映射模糊产生式。如图2所示,图中i为托肯值,即告警信号值,α为权值,F的计算方式是正确的, 为阈值,即当F大于时变迁才发生,也就是规则才进行推理,o=F,为转移量,β为确信度,即该条规则的可信度,o与β的乘积为推理结果的可信度。即为0.85536的计算方式。
模糊Petri网映射模糊产生式的方法如下:
(1)模糊Petri网的告警信号库所中存放一个托肯值,表示该告警信号的可信度;
(2)模糊Petri网中告警信号库所的出弧包含一个权值参数,表示该告警信号在推理规则中所占的比重;
(3)模糊Petri网的变迁为产生式的推理过程,包含一个阈值参数,变迁的触发由一个转移函数值是否大于阈值来决定;其中转移函数值由告警信号的可信度和比重确定;
(4)模糊Petri网的变迁出弧包含一个确信度参数,该参数用于推理结果可信度的计算;
(5)推理结果库所包含一个可信度参数,表示该规则推理结果的可信度;
(6)模糊Petri网中的特殊变迁和库所,特殊变迁表示除主信号库所之外的其他库所的推理过程,得到中间推理结果,特殊库所表示该中间推理结果,同时包含阈值,确信度等参数。
举例说明变电站智能告警专家系统中模糊Petri推理的实现方法:
下表为变电站智能告警专家系统的关于断路器的四条规则。
假设某个变电站3秒内随时间顺序收到了以下五个告警信号:①液压机构:合闸闭锁;②断路器SF6气压低报警;③断路器SF6气压低闭锁;④断路器控制回路断线:第一组/第二组控制回路/电源断线;⑤液压机构:分闸闭锁(油压总闭锁,N2/OIL/SF6分合闸总闭锁,液压异常)。如果这五个信号为关联信号,则推理过程如下:
1) 收到信号①“液压机构:合闸闭锁”后,推理机在规则知识库中进行搜索,获得可适用的两条规则R1、R2,使用这两条规则可动态建立以下的模糊Petri子网,并加入到模糊推理Petri网中,如图3所示。因为推理机得到的数据小于规则R1和R2的推理阈值,此时还无法进行“断路器操作机构N2泄漏或打压过高”或“断路器操作机构故障闭锁分合闸”的判断,仅作为旁证数据,等待新的时序信号提供更多的证据;
2) 收到信号②“断路器SF6气压低报警”后,推理机在规则知识库中进行搜索,获得可适用的一条规则R4,将这条规则动态加入模糊推理Petri网中,如图4所示。推理机得到的新信号所提供的数据小于规则R4的推理阈值,此时也不能为R1和R2的成立提供新的数据支持,因此也仅作为旁证数据,等待新的时序信号;
3) 收到信号③“断路器SF6气压低闭锁”后,推理机在规则知识库中进行搜索,获得可适用的一条规则R4。因为这条规则已在模糊推理Petri网中,所以,不再加入新的FPN子网,而是将这个信号直接参与推理机的运算,如图5所示。推理机得到的新数据为规则R4的成立提供了新的支持,此时推断出“断路器SF6气压低闭锁分合闸”的可能性为0.836,适用“断路器SF6气压低闭锁”方案的可能性为0.769。但因一组时序信号的预定义周期为3秒,所以此时并不急于给出报告,而是在3秒的信号周期内等待提高判断准确性的新证据;
4) 收到信号④“断路器控制回路断线:第一组/第二组控制回路/电源断线”后,推理机在规则知识库中进行搜索,获得可适用的三条规则R1、R2、R4。因为这三条规则已在模糊推理Petri网中,所以,不再加入新的模糊Petri子网,而是将这个信号直接参与推理机的运算,如图6所示。推理机得到的新数据为规则R1、R2、R4均提供了新的支持。其中,R1的旁证数据由0.3增至0.5;R2的旁证数据由0.6增至1,并由此推断出“断路器操作机构故障闭锁分合闸”的可能性为0.45,但此时结论的可信度较低,未达到适用“液压机构:分闸闭锁”方案的阈值,可继续等待新证据的参与;R3的旁证数据由0.7增至1,并提高了“断路器SF6气压低闭锁分合闸”结论的可能性至0.95,适用“断路器SF6气压低闭锁”方案的可能性增至0.875;
5) 收到信号⑤“液压机构:分闸闭锁”后,推理机在规则知识库中进行搜索,获得可适用的两条规则R1、R2。因为这两条规则已在模糊推理Petri网中,所以,不再加入新的模糊Petri子网,而是将这个信号直接参与推理机的运算,如图7所示。推理机得到的新数据为规则R1、R2均提供了新的支持。此时,R1推断出“断路器操作机构N2泄漏或打压过高”的可能性为0.665,R2“断路器操作机构故障闭锁分合闸”结论的可能性提高至0.9,并推导出适用R1、R2共用的处理方案“液压机构:分闸闭锁”的可能性0.855。
以上推理过程能够得到关联信号的综合推理结果,并且计算得到推理结果的相应可信度。此发明能够有效的解决变电站智能告警专家系统的不确定性问题以及综合关联事件的推理,并能够依据推理结果及处理方案的可能性作出正确的处理顺序。
Claims (7)
1. 一种变电站智能报警专家系统的模糊Petri推理方法,其特征在于,该方法的步骤如下:
(1)变电站智能报警专家系统第一次获得告警信号后,推理机查询由模糊产生式表示的规则知识库,查找其中与此告警信号相关联的所有规则,建立所有模糊产生式对应的模糊Petri子网,形成整体的模糊推理Petri网,并在所有的此告警信号库所中添加托肯值;
(2)依据各托肯值与其对应的权值相乘来求取转移函数值,将该转移函数值与模糊推理Petri网变迁的阈值进行比较,确定是否触发,如果触发可推理求得故障可信度,如果不触发等待接受下一个告警信号;
(3)在规定的时间内再次获取告警信号后,推理机在规则知识库中进行搜索,获得与此告警信号相关联的所有规则,若是各条规则已经在模糊推理Petri网中,则再次检验变迁是否触发,如果触发可求得推理结果的可信度,更新之前的推理的故障可信度,如果不触发等待接受下一个信号;若是有规则没有在步骤(1)得出的模糊推理Petri网中,则将该规则动态加入模糊推理Petri网中,并执行步骤(2)中所述的操作;
(4)在规定的时间内,推得所有告警信号的故障可信度,并据此确定是否进行相应的故障处理;当某个模糊Petri网子网中告警信号库所的托肯值都为零时,从模糊推理Petri网中清除该子网。
2. 根据权利要求1所述的变电站智能报警专家系统的模糊Petri推理方法,其特征在于,所述步骤(1)中规则知识库的构建是以间隔为单位将告警信号分为各大单元类,并根据具体设备来源和关联性质对各单元类进一步划分为各小类,对各小类的告警信号建立相应的子规则知识库,建立二级索引,方便规则知识库的查询。
3. 根据权利要求2所述的变电站智能报警专家系统的模糊Petri推理方法,其特征在于,所述规则知识库用到的构建规则为模糊规则;变电站智能报警专家系统依据经验对单个告警信号给出可能的事故及相应的处理方案,建立单个事件推理的模糊规则,即单一的告警信号推得可能的事故信息,并给出相应的处理方案;变电站智能报警专家系统依据经验对复杂告警信号给出可能的事故及相应的处理方案,建立关联事件推理的模糊规则,即在一定时间段内相关联的告警信号推得可能的事故信息,并给出相应的处理方案;关联事件推理的告警信号中有一个主信号。
4. 根据权利要求3所述的变电站智能报警专家系统的模糊Petri推理方法,其特征在于,所述步骤(1)中模糊产生式表示模糊规则的方法为:单个事件的模糊产生式相对于传统的产生式添加了阈值和确信度,关联事件的模糊产生式相对于传统的产生式添加了权值、阈值和确信度,且采用模糊Petri网映射模糊产生式。
5. 根据权利要求4所述的变电站智能报警专家系统的模糊Petri推理方法,其特征在于,所述模糊Petri网映射模糊产生式的方法如下:模糊Petri网的告警信号库所中存放一个托肯值,表示该告警信号的可信度;模糊Petri网中告警信号库所的出弧包含一个权值参数,表示该告警信号在推理规则中所占的比重;模糊Petri网的变迁为产生式的推理过程,包含一个阈值参数,变迁的触发由一个转移函数值是否大于阈值来决定;其中转移函数值由告警信号的可信度和比重确定;模糊Petri网的变迁出弧包含一个确信度参数,该参数用于推理结果可信度的计算;推理结果库所包含一个可信度参数,表示该规则推理结果的可信度。
6. 根据权利要求5所述的变电站智能报警专家系统的模糊Petri推理方法,其特征在于,所述步骤(1)中告警信号库所中添加的托肯值表示告警信号在推理规则中所占的比重。
7. 根据权利要求1-5中任一项所述的变电站智能报警专家系统的模糊Petri推理方法,其特征在于,在执行步骤(2)的时候,采用伪触发的模式,即在一定时间内已使用的告警信号的托肯值不变,当超过规定的时间则信号库所中托肯值为零。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101711115A CN102393922B (zh) | 2011-06-23 | 2011-06-23 | 变电站智能报警专家系统的模糊Petri推理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011101711115A CN102393922B (zh) | 2011-06-23 | 2011-06-23 | 变电站智能报警专家系统的模糊Petri推理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102393922A true CN102393922A (zh) | 2012-03-28 |
CN102393922B CN102393922B (zh) | 2013-11-27 |
Family
ID=45861239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011101711115A Expired - Fee Related CN102393922B (zh) | 2011-06-23 | 2011-06-23 | 变电站智能报警专家系统的模糊Petri推理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102393922B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278328A (zh) * | 2013-05-16 | 2013-09-04 | 华北电力大学 | 基于模糊Petri网的风电机组液压变桨系统故障诊断方法 |
CN103530824A (zh) * | 2013-11-07 | 2014-01-22 | 南京国电南自轨道交通工程有限公司 | 一种基于模板库的变电站智能告警系统的知识库生产方法 |
CN103679354A (zh) * | 2013-12-02 | 2014-03-26 | 南京磐能电力科技股份有限公司 | 基于多层故障推理库和智能推理机的智能告警方法 |
CN103970072A (zh) * | 2014-05-26 | 2014-08-06 | 清华大学 | 一种器械设备的工作状态检测方法 |
CN104064001A (zh) * | 2014-06-19 | 2014-09-24 | 国家电网公司 | 一种智能变电站告警推理方法 |
CN104111988A (zh) * | 2014-07-03 | 2014-10-22 | 国家电网公司 | 一种智能变电站的告警推理知识库的构建方法 |
CN105183937A (zh) * | 2015-07-17 | 2015-12-23 | 中国运载火箭技术研究院 | 一种适用于无人飞行器电气系统的故障诊断方法 |
CN106353690A (zh) * | 2016-09-20 | 2017-01-25 | 上海海事大学 | 利用Petri网诊断锂电池故障的方法 |
CN106443341A (zh) * | 2016-09-29 | 2017-02-22 | 国网四川省电力公司电力科学研究院 | 一种智能电网系统故障诊断方法 |
CN106771853A (zh) * | 2016-11-29 | 2017-05-31 | 华中科技大学 | 一种基于事件起点的智能化电网故障诊断方法 |
CN107113199A (zh) * | 2014-11-18 | 2017-08-29 | 菲尼克斯电气公司 | 用于分析和处理通信序列的分析装置 |
CN107426015A (zh) * | 2017-06-02 | 2017-12-01 | 四川铭扬通信科技有限公司 | 一种网络设备云管理系统及方法 |
CN108629526A (zh) * | 2018-05-28 | 2018-10-09 | 国网福建省电力有限公司 | 一种基于电网调度自动化系统的事故简报方法 |
CN109690641A (zh) * | 2016-08-29 | 2019-04-26 | 韩国水力原子力株式会社 | 包括确定设备重要度和警报有效性的处理程序的用于预检核电站设备异常迹象的方法及系统 |
CN110011849A (zh) * | 2019-04-08 | 2019-07-12 | 郑州轨道交通信息技术研究院 | 一种基于归一化事件格式的关联分析报警方法 |
CN110261159A (zh) * | 2019-07-31 | 2019-09-20 | 上海应用技术大学 | 柔性制造刀具子系统故障诊断方法 |
CN110489862A (zh) * | 2019-08-19 | 2019-11-22 | 重庆大学 | 一种复杂机电系统寿命预测方法 |
CN110619131A (zh) * | 2018-06-20 | 2019-12-27 | 陕西师范大学 | 一种基于加权模糊Petri网的UUV智能体行为规划方法 |
CN111401680A (zh) * | 2020-02-06 | 2020-07-10 | 西安电子科技大学 | 具有复杂进程子网的自动制造系统的协同活性构建方法 |
CN115936122A (zh) * | 2023-03-13 | 2023-04-07 | 南京感动科技有限公司 | 一种基于专家系统的规则引擎对报警数据的处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359347A (zh) * | 2008-10-07 | 2009-02-04 | 北京交通大学 | 基于随机Petri网的铁路应急预案的建模方法 |
CN101567814A (zh) * | 2009-05-22 | 2009-10-28 | 清华大学 | 基于SNMP和随机Petri网的自动化网络管理方法 |
CN101590918A (zh) * | 2009-06-19 | 2009-12-02 | 上海微小卫星工程中心 | 卫星自主故障诊断方法及其诊断系统 |
-
2011
- 2011-06-23 CN CN2011101711115A patent/CN102393922B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359347A (zh) * | 2008-10-07 | 2009-02-04 | 北京交通大学 | 基于随机Petri网的铁路应急预案的建模方法 |
CN101567814A (zh) * | 2009-05-22 | 2009-10-28 | 清华大学 | 基于SNMP和随机Petri网的自动化网络管理方法 |
CN101590918A (zh) * | 2009-06-19 | 2009-12-02 | 上海微小卫星工程中心 | 卫星自主故障诊断方法及其诊断系统 |
Non-Patent Citations (2)
Title |
---|
张才炎: "基于petri网的机车故障诊断方法研究", 《中国优秀硕士学位论文全文数据库》, 22 October 2010 (2010-10-22) * |
高梅梅等: "模糊推理Petri网及其在故障诊断中的应用", 《自动化学报》, vol. 26, no. 5, 30 September 2000 (2000-09-30) * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278328A (zh) * | 2013-05-16 | 2013-09-04 | 华北电力大学 | 基于模糊Petri网的风电机组液压变桨系统故障诊断方法 |
CN103278328B (zh) * | 2013-05-16 | 2015-06-10 | 华北电力大学 | 基于模糊Petri网的风电机组液压变桨系统故障诊断方法 |
CN103530824A (zh) * | 2013-11-07 | 2014-01-22 | 南京国电南自轨道交通工程有限公司 | 一种基于模板库的变电站智能告警系统的知识库生产方法 |
CN103530824B (zh) * | 2013-11-07 | 2016-07-13 | 南京国电南自轨道交通工程有限公司 | 一种基于模板数据库的变电站智能告警系统的模板知识库生产方法 |
CN103679354A (zh) * | 2013-12-02 | 2014-03-26 | 南京磐能电力科技股份有限公司 | 基于多层故障推理库和智能推理机的智能告警方法 |
CN103970072B (zh) * | 2014-05-26 | 2016-06-29 | 清华大学 | 一种器械设备的工作状态检测方法 |
CN103970072A (zh) * | 2014-05-26 | 2014-08-06 | 清华大学 | 一种器械设备的工作状态检测方法 |
CN104064001A (zh) * | 2014-06-19 | 2014-09-24 | 国家电网公司 | 一种智能变电站告警推理方法 |
CN104111988A (zh) * | 2014-07-03 | 2014-10-22 | 国家电网公司 | 一种智能变电站的告警推理知识库的构建方法 |
CN107113199A (zh) * | 2014-11-18 | 2017-08-29 | 菲尼克斯电气公司 | 用于分析和处理通信序列的分析装置 |
CN107113199B (zh) * | 2014-11-18 | 2020-10-27 | 菲尼克斯电气公司 | 用于分析和处理通信序列的分析装置 |
CN105183937A (zh) * | 2015-07-17 | 2015-12-23 | 中国运载火箭技术研究院 | 一种适用于无人飞行器电气系统的故障诊断方法 |
CN105183937B (zh) * | 2015-07-17 | 2018-08-21 | 中国运载火箭技术研究院 | 一种适用于无人飞行器电气系统的故障诊断方法 |
CN109690641A (zh) * | 2016-08-29 | 2019-04-26 | 韩国水力原子力株式会社 | 包括确定设备重要度和警报有效性的处理程序的用于预检核电站设备异常迹象的方法及系统 |
CN106353690A (zh) * | 2016-09-20 | 2017-01-25 | 上海海事大学 | 利用Petri网诊断锂电池故障的方法 |
CN106353690B (zh) * | 2016-09-20 | 2019-04-02 | 上海海事大学 | 利用Petri网诊断锂电池故障的方法 |
CN106443341A (zh) * | 2016-09-29 | 2017-02-22 | 国网四川省电力公司电力科学研究院 | 一种智能电网系统故障诊断方法 |
CN106443341B (zh) * | 2016-09-29 | 2018-12-25 | 国网四川省电力公司电力科学研究院 | 一种智能电网系统故障诊断方法 |
CN106771853A (zh) * | 2016-11-29 | 2017-05-31 | 华中科技大学 | 一种基于事件起点的智能化电网故障诊断方法 |
CN107426015A (zh) * | 2017-06-02 | 2017-12-01 | 四川铭扬通信科技有限公司 | 一种网络设备云管理系统及方法 |
CN108629526A (zh) * | 2018-05-28 | 2018-10-09 | 国网福建省电力有限公司 | 一种基于电网调度自动化系统的事故简报方法 |
CN108629526B (zh) * | 2018-05-28 | 2021-07-27 | 国网福建省电力有限公司 | 一种基于电网调度自动化系统的事故简报方法 |
CN110619131A (zh) * | 2018-06-20 | 2019-12-27 | 陕西师范大学 | 一种基于加权模糊Petri网的UUV智能体行为规划方法 |
CN110011849A (zh) * | 2019-04-08 | 2019-07-12 | 郑州轨道交通信息技术研究院 | 一种基于归一化事件格式的关联分析报警方法 |
CN110261159A (zh) * | 2019-07-31 | 2019-09-20 | 上海应用技术大学 | 柔性制造刀具子系统故障诊断方法 |
CN110261159B (zh) * | 2019-07-31 | 2021-06-29 | 上海应用技术大学 | 柔性制造刀具子系统故障诊断方法 |
CN110489862A (zh) * | 2019-08-19 | 2019-11-22 | 重庆大学 | 一种复杂机电系统寿命预测方法 |
CN111401680A (zh) * | 2020-02-06 | 2020-07-10 | 西安电子科技大学 | 具有复杂进程子网的自动制造系统的协同活性构建方法 |
CN111401680B (zh) * | 2020-02-06 | 2024-01-30 | 西安电子科技大学 | 具有复杂进程子网的自动制造系统的协同活性构建方法 |
CN115936122A (zh) * | 2023-03-13 | 2023-04-07 | 南京感动科技有限公司 | 一种基于专家系统的规则引擎对报警数据的处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102393922B (zh) | 2013-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102393922B (zh) | 变电站智能报警专家系统的模糊Petri推理方法 | |
CN109118075B (zh) | 一种基于业务逻辑一致性的电力工控终端安全监测方法 | |
CN103840967B (zh) | 一种电力通信网中故障定位的方法 | |
Peng et al. | Fault diagnosis of power systems using fuzzy tissue-like P systems | |
CN107145959A (zh) | 一种基于大数据平台的电力数据处理方法 | |
Qu et al. | False data injection attack detection in power systems based on cyber-physical attack genes | |
CN1311604C (zh) | 电力发送系统的恢复控制模块、系统及方法 | |
CN113132392B (zh) | 工控网络流量异常检测方法、装置及系统 | |
CN104168137A (zh) | 一种告警压缩的方法 | |
CN106296440A (zh) | 基于ann和es集成的变电站告警信息分析决策系统和方法 | |
CN105117430B (zh) | 一种基于等价类的重复任务过程发现方法 | |
Zhu et al. | Expanding a complex networked system for enhancing its reliability evaluated by a new efficient approach | |
CN107454089A (zh) | 一种基于多节点关联性的网络安全态势诊断方法 | |
WO2010084344A1 (en) | Method, computer program and apparatus for analysing symbols in a computer system | |
CN104749493B (zh) | 基于规则树的电网故障设备分析推理方法 | |
CN115208604B (zh) | 一种ami网络入侵检测的方法、装置及介质 | |
Laumonier et al. | Towards alarm flood reduction | |
CN104346246B (zh) | 故障预测方法和装置 | |
CN114301761A (zh) | 一种告警方法、系统、告警装置及存储介质 | |
CN113887799A (zh) | 一种水电厂安全生产人工智能报警方法 | |
Meng et al. | Differentiating data collection for cloud environment monitoring | |
CN103198065A (zh) | 一种正则表达式匹配电路的优化方法 | |
Li et al. | Anormaly intrusion detection based on SOM | |
CN107436958B (zh) | 一种基于通用逻辑的调度主站二次设备信号建模方法 | |
Yun et al. | Residual size is not enough for anomaly detection: improving detection performance using residual similarity in multivariate time series |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131127 Termination date: 20190623 |
|
CF01 | Termination of patent right due to non-payment of annual fee |