CN103871004A - 基于专家系统和d-s证据理论的配电网故障原因分析法 - Google Patents
基于专家系统和d-s证据理论的配电网故障原因分析法 Download PDFInfo
- Publication number
- CN103871004A CN103871004A CN201410125128.0A CN201410125128A CN103871004A CN 103871004 A CN103871004 A CN 103871004A CN 201410125128 A CN201410125128 A CN 201410125128A CN 103871004 A CN103871004 A CN 103871004A
- Authority
- CN
- China
- Prior art keywords
- evidence
- information
- distribution network
- failure
- expert system
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及一种基于专家系统和D-S证据理论的配电网故障原因分析法。该方法,首先确定配电网故障原因分析所需信息及其来源,该所需信息具体包括故障信息和非故障信息;然后采用专家系统进行初步的故障原因分析,作为初步结论;最后,将上述每一个初步结论都作为一个基本信任分配函数;利用D-S证据理论的合成方式将各基本信任分配函数合成一个最终基本信任分配函数,该最终基本信任分配函数即最终结论,即得出配电网故障原因。本发明方法根据各种信息基于合理推导得出故障原因的最精确结论,从而能整体提升配电网的供电可靠性,提高经济效益。
Description
技术领域
本发明涉及一种配电网故障原因分析方法,尤其涉及一种基于专家系统和D-S证据理论的配电网故障原因分析法。
背景技术
在现代电力系统中,大型的发电厂往往远离负荷中心,发电厂发出的电能一般要通过高压或超高压输电网络送到负荷中心,然后在负荷中心由电压等级低的网络把电能分配到不同电压等级的用户。这种在电力网中主要起分配电能作用的网络就称为配电网络。配电网络主要供给一个地区的用电,因而又称为地方电力网。相对于区域电力网络来说,它的电压等级和供电范围均要小一些,但它在结构上最大的特点是作为电力网的末端而直接和用户相连,能敏锐地反映着用户在安全、优质、经济等方面的要求。
长期以来,我国配电网基础设施较差,发展水平较低,同发达国家相比,配电网建设相对落后。随着城网和农网复杂化以及人民物质生活水平的不断提高,电力需求增长迅速,国家加强了对配电网络的建设和改造,网络结构和硬件设施得到进一步完善,与此同时用户对供电质量安全性和可靠性的要求也相应提高。配电网故障后的快速诊断和供电恢复,能显著地缩短非故障区域的停电时间、减小停电带来的不方便、缩小故障停电面积和降低停电损失;不仅如此,对于已确定的故障区域中故障原因的快速确定,不仅能及时把故障隔离在最小的区域,使故障影响更少的用户,同时也能根据故障原因快速修复故障从而使受故障影响的用户迅速的恢复用电;上述两方面都能达到最小化或避免用户的供电中断,提高供电可靠性、改善供电质量的目的。所以不仅配电网故障自动定位、隔离及非故障区域的恢复供电是配电部门迫切需要的功能,对故障区域中故障原因的快速确定也是配电部门不能忽视的功能。
目前对于配电网故障原因的分析几乎没有人深入研究,现在配电网中主要的查找故障原因的方法是人工巡线法,人工巡线法主要是根据线路上的故障指示器或者配电自动化定位出的故障区域指示,通过工作人员按部就班的巡视来查找出配电线路上的故障点,并通过仔细检查故障点查找出故障原因;但是这种方法不仅浪费人力,而且查找故障原因的时间长,效率低下,特别对于范围广泛的农村配电网,由于地理条件的关系交通不方便、环境恶劣,这种查找方法尤其需要更长的时间。所以迫切需要寻找一种提高人工巡线效率,快速查找故障原因的算法或者方法,该算法应该能够根据各种信息基于合理推导得出故障原因的最精确结论,从而能整体提升配电网的供电可靠性,提高经济效益。
发明内容
本发明的目的在于提供一种能提出最可能的故障原因推理,为巡线人员查找故障原因增加目的性,从而提高故障原因查找效率的基于专家系统和D-S证据理论的配电网故障原因分析法。
为实现上述目的,本发明的技术方案是:一种基于专家系统和D-S证据理论的配电网故障原因分析法,包括如下步骤,
步骤S01:确定配电网故障原因分析所需信息及其来源,该所需信息具体包括故障信息和非故障信息;
步骤S02:采用专家系统进行初步的故障原因分析,作为初步结论;
步骤S03:将上述每一个初步结论都作为一个基本信任分配函数;利用D-S证据理论的合成方式将各基本信任分配函数合成一个最终基本信任分配函数,该最终基本信任分配函数即最终结论,即得出配电网故障原因;
所述合成方式具体如下,
式中m(A)称为事件A的基本信任分配函数,它表示证据对A的信任程度;反映了对于空集不产生任何信度;反映了虽然给一个命题赋任意大小的信度值,但要求给所有命题赋予的信度值之和等于1;在识别框架下多个证据的基本信任分配函数中,对于一个子集 A,只要,则称A为焦元。
在本发明实施例中,所述故障信息包括变电站层故障信息、馈线层故障信息和用户层故障信息;所述变电站层故障信息通过变电站自动化系统获取;所述馈线层故障信息通过配电网自动化系统获取;所述用户层故障信息通过客服服务系统获取。
在本发明实施例中,所述变电站层故障信息包括保护动作信息、断路器跳闸信息和故障录波信息;所述馈线层故障信息包括分段开关状态变动信息、线路电压电流信息、线路过流报警信息、配变依次报警信息和电压电流信息;所述用户层故障信息包括用户停电投诉信息。
在本发明实施例中,所述非故障信息包括拓扑信息、天气信息、线路类型信息、检修记录和设备的状态记录;所述拓扑信息通过地理信息系统获取;所述天气信息、线路类型信息、检修记录和设备的状态记录通过生产管理系统获取。
在本发明实施例中,所述步骤S02的具体实现过程如下,
步骤S51:收集所述步骤S01的信息,并建立专家系统条件库,该专家系统条件库包括主条件库和辅助条件库;
步骤S52:根据收集的信息与辅助条件库中每个条件的前提条件进行匹配,若匹配成功,则推导出新的条件,并经过多次循环,直到收集的信息和已经推导出的条件不再与辅助条件库中每个条件的前提条件匹配,得到所有能够推导出的前提条件;
步骤S53:根据步骤S52中获得的前提条件,并利用该些前提条件与主条件库中每个条件的前提条件进行匹配,得到初步结论,作为初步的故障原因分析结果。
在本发明实施例中,所述辅助条件库采用收集的信息推导出前提条件,并根据收集的信息和已经推导出的前提条件推导出其他前提条件。
在本发明实施例中,所述主条件库采用所述辅助条件库推导出的前提条件推导出故障原因及该故障原因的可信度。
在本发明实施例中,所述合成方式在参与合成的证据间不一致或冲突的情况下,合成方式不能使用或得出明显不合理的结果,引起错误决策,所以在实际的数据处理当中,采用下述改进的合成规则,具体过程如下:
将初步结论作为证据,并设n组证据E1,E2,...,En所对应的的基本信任分配函数分别是m1,m2,...,mn,焦元分别是Ai(i=1,2,...,n),则所述改进合成方式:
其中:
上述公式中,K表示证据间的冲突程度,P表示不冲突证据交叉融合后总的概率;反映证据交叉融合程度,具有与运算关系,证据一致性越好,交叉融合程度越大;则表示交叉融合后对不冲突性概率的归一化;反映多个证据对A的平均支持程度,则表示把冲突的那部分概率按加权平均方式分配给A;当证据为完全冲突证据即K=1时,证据也是有用的,命题的基本可信度取决于所有证据对它的平均支持度,该合成公式考虑了冲突性和不冲突性证据的合成要求,冲突性证据按加权平均合成,不冲突性证据按与运算合成,并且反映了证据间的交叉融合程度。
相较于现有技术,本发明具有以下有益效果:
1、本发明所阐述的方法完全能在计算机上自动进行配电网故障原因的分析,而不是像现有人工巡线法仅仅依靠人工操作进行,所以一般不需要人员参与且效率非常高;
2、由于本发明采用基于产生式规则的专家系统,根据配电网故障发生原因的全面总结加上现场人员经验的总结列出完善的规则库,使故障原因分析即快速有准确;
3、本发明充分考虑到配电网中信息量大、信息错误率高等情况,可能根据专家系统推导出的结论较多,所以利用D-S证据理论推导出可能结论的信任度来给出更加可信的结论。
附图说明
图1为本发明配电网故障原因分析信息汇总。
图2为专家系统结构图。
图3为配电网故障原因分析系统结构和分析流程。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明一种基于专家系统和D-S证据理论的配电网故障原因分析法,包括如下步骤,
步骤S01:确定配电网故障原因分析所需信息及其来源,该所需信息具体包括故障信息和非故障信息;
步骤S02:采用专家系统进行初步的故障原因分析,作为初步结论;
步骤S03:将上述每一个初步结论都作为一个基本信任分配函数;利用D-S证据理论的合成方式将各基本信任分配函数合成一个最终基本信任分配函数,该最终基本信任分配函数即最终结论,即得出配电网故障原因;
所述合成方式具体如下,
式中m(A)称为事件A的基本信任分配函数,它表示证据对A的信任程度;反映了对于空集不产生任何信度;反映了虽然给一个命题赋任意大小的信度值,但要求给所有命题赋予的信度值之和等于1;在识别框架下多个证据的基本信任分配函数中,对于一个子集 A,只要,则称A为焦元。
本实施例中,所述步骤S02的具体实现过程如下,
步骤S51:收集所述步骤S01的信息,并建立专家系统条件库,该专家系统条件库包括主条件库和辅助条件库;
步骤S52:根据收集的信息与辅助条件库中每个条件的前提条件进行匹配,若匹配成功,则推导出新的条件,并经过多次循环,直到收集的信息和已经推导出的条件不再与辅助条件库中每个条件的前提条件匹配,得到所有能够推导出的前提条件;
步骤S53:根据步骤S52中获得的前提条件,并利用该些前提条件与主条件库中每个条件的前提条件进行匹配,得到初步结论,作为初步的故障原因分析结果。
所述辅助条件库采用收集的信息推导出前提条件,并根据收集的信息和已经推导出的前提条件推导出其他前提条件;所述主条件库采用所述辅助条件库推导出的前提条件推导出故障原因及该故障原因的可信度。
本实施例中,所述合成方式在参与合成的证据间不一致或冲突的情况下,合成方式不能使用或得出明显不合理的结果,引起错误决策,所以在实际的数据处理当中,采用下述改进的合成规则,具体过程如下:
将初步结论作为证据,并设n组证据E1,E2,...,En所对应的的基本信任分配函数分别是m1,m2,...,mn,焦元分别是Ai(i=1,2,...,n),则所述改进合成方式:
其中:
上述公式中,K表示证据间的冲突程度,P表示不冲突证据交叉融合后总的概率;反映证据交叉融合程度,具有与运算关系,证据一致性越好,交叉融合程度越大;则表示交叉融合后对不冲突性概率的归一化;反映多个证据对A的平均支持程度,则表示把冲突的那部分概率按加权平均方式分配给A;当证据为完全冲突证据即K=1时,证据也是有用的,命题的基本可信度取决于所有证据对它的平均支持度,该合成公式考虑了冲突性和不冲突性证据的合成要求,冲突性证据按加权平均合成,不冲突性证据按与运算合成,并且反映了证据间的交叉融合程度。
为更好的讲述本发明方法,以便本领域技术人员更加了解本发明,以下为本发明的具体实施例。
一种基于专家系统和D-S证据理论的配电网故障原因分析方法,具体步骤为:
步骤一:确定配电网故障原因分析所需信息及其来源,该所需信息具体包括故障信息和非故障信息:
配电网故障发生的层次可以分为变电站层、馈线层以及用户层,不仅表示故障发生的三种地点,也表明了故障信息来源的层次性,所以不论故障发生在哪,都可能有三个层次中至少一个层次的故障信息。变电站层故障信息包括保护动作信息、断路器跳闸信息和故障录波信息,馈线层故障信息包括分段开关状态变动信息、线路电压电流信息、线路过流报警信息、配变异常报警和电压电流信息,用户层故障信息主要是用户停电投诉信息;这些信息可能是故障时监测终端或者客户服务系统主动传回的故障报警信息,也可能是根据设备的报警信息和故障时间主动召测的故障信息,它们主要用来确定故障区域是否发生过负荷、短路或者断线,确定某个设备故障或者异常。故障原因分析是在线路断路器跳闸或者用户停电投诉之后进行,而且一般在此之前已经隔离故障确定了故障区域,所以配电网故障原因分析的主要任务就是在确定的故障区域中利用已有的故障信息确定最可能的故障点和故障原因。
配电网故障原因分析除了需要各层次的故障信息,还需要一些非故障信息用来辅助分析。首先发生故障的馈线拓扑是必不可少的,因为故障原因分析主要根据故障区域中各个设备的故障信息来判断故障元件和故障原因,所以需要根据拓扑搜索到故障区域中主要的设备,再根据这些设备名称去各个系统查找信息;再者由于架空线路是配电网主要的供电线路,而架空线路受到风雨雷电等天气因素的影响很大,所以天气因素是配电网故障原因的重要组成部分,还需要收集故障区域内的天气信息;考虑到电缆线路几乎不受天气因素的影响,所以整个故障区域是架空线路还是电缆线路对故障原因分析影响很大,还需要收集故障线路的线路类型;最后要推导故障元件以及元件可能的故障原因,那么设备的检修记录以及设备的状态记录是影响判别的主要因素之一,也需要尽量收集故障线路最近的记录。
上述故障和非故障信息就是配电网故障原因分析所需要的所有信息,其中变电站层故障信息主要从变电站自动化系统获得;馈线层故障信息主要是从馈线上的设备装设的监控终端传回的信息,这些监测终端的信息会传会到配电自动化系统,所以馈线层故障信息一般从配电自动化系统获得;而用户层故障信息主要是从95598客户服务系统获得;拓扑信息从GIS(地理信息系统)中获得,天气信息从GPMS(生产管理系统)中的防灾减灾子系统获得,线路类型信息从GPMS(生产管理系统)中的设备台账中获得,检修记录以及设备的状态记录也是在GPMS(生产管理系统)中获得。综上所述所有分类信息及来源如图1所示。
步骤二:采用专家系统进行初步的故障原因分析,作为初步结论:
专家系统是一个智能计算机程序系统,其内部含有大量的某个领域专家水平的知识与经验,能够利用人类专家的知识和解决问题的方法来处理该领域问题。专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成,可用图2所示的结构图来说明,由于专家系统的知识库和推理机是整个系统的核心,所以主要介绍这两个部分,再简要介绍综合数据库和知识获取。
各部分在故障原因分析中的具体功能如下:
(1)知识库用来存放专家提供的知识。专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的,一般知识表示形式有产生式、框架、语义网络等。在配电网故障原因分析方法中专家系统的知识用条件来表示,主要条件的具体形式是用收集到的所有故障和非故障信息组合起来推导出初步的故障原因及故障原因的可信度,但是由于一些信息不能直接用来推导故障原因,只能推导出一些中间结果,而这些中间的结果能用来推导故障原因,所以还需要用收集的信息推导中间结果的辅助条件;所以在本发明采用的专家系统的知识的表现形式用产生式比较适合。
(2)推理机是专家系统中实现基于知识推理的部件,是基于知识的推理在计算机中的实现,推理机针对当前问题的条件或已知信息,反复匹配知识库中的条件,获得新的结论,以得到问题求解结果。由于故障原因分析方法是首先收集可以推导出故障原因的信息,再通过信息与规则的前提进行匹配等操作得出故障原因,所以本方法采用的推理方式是正向推理。
(3)综合数据库专门用于存储推理过程中所需的原始数据、中间结果和最终结论,往往是作为暂时的存储区。在这里,原始数据就是收集上来的故障和非故障信息经过统一数据格式以及提取所需信息后输入数据库中的数据;而中间结果是原始数据或者其他中间结果通过规则推导出的非结论信息以及初步结论;最终结论是所有初步结论经过合成得到的最终的故障原因及其可信度。
(4)知识获取是专家系统知识库是否优越的关键,也是专家系统设计的“瓶颈”问题,通过知识获取,可以扩充和修改知识库中的内容,也可以实现自动学习功能。对于本发明的专家系统来说,由于配电网的故障原因分析知识是通过总结现场工作人员的实际经验、配电网中的常识以及统计故障信息的的详细历史数据而得到,所以一些通用的、符合大部分配电网特点的知识能够立刻转化为条件,可是针对各个地区配电网的设备、架构以及当地气候等的不同,不论是从现场工作人员的心得,还是从他们记录的故障信息历史数据中统计得到的知识都会有各种差异,所以针对各个实际的配电网,对于专家系统知识的完善和获取是必不可少的。
针对本发明采用的专家系统的实际情况,专家系统的系统结构和分析流程如图3(虚线以上部分)所示。本方法首先收集故障和非故障信息,收集完信息后根据正向推理方式先利用辅助条件库推导前提条件,推理策略是用收集的信息和已经推导出的条件与辅助条件库中每个条件的前提条件进行匹配,如果匹配成功,那么推导出新的条件,经过多次循环,确定收集的信息和已经推导出的条件不能再和任何辅助条件匹配,那么就形成了所有能推导出的前提条件,继续利用这些前提条件与主条件库中所有条件的前提条件进行匹配,得到一些初步结论作为初步的故障原因分析结果。图中的前提集合中的信息包括收集上来的故障和非故障信息、通过条件推导出的非结论信息,结论集合是所有可能的配电网故障原因的集合;再根据前提集合和结论集合、现场工作人员的经验、配电网中的常识以及对当地故障信息历史数据的统计建立专家系统条件库,条件库包括主条件库和辅助条件库,主条件库中的条件是用前提条件推导出故障原因及其可信度,由于收集上来的故障和非故障信息有些不能直接推导故障原因而需要先间接推导出其他前提条件,再用这些前提条件推导故障原因,所以辅助条件库中的条件是用收集的信息推导前提条件。
首先介绍辅助条件的条件形式,由于采用产生式条件,产生式条件以IF…THEN…的形式出现,所以条件采用如下形式:
RULE<条件名>:IF I AND E THEN {E1,E2,…,En}.
其中:
(1)I AND E是条件,I={I1,I2,I3,…,In }是收集的故障和非故障信息的集合,E={E1,E2,E3,…,En }是前提集合,I AND E表示I和E中一个或者多个元素通过AND或者OR等的逻辑运算符连接起来的条件。
(2){E1,E2,…,En}是结论,是E集合的子集,E1,E2,…,En是该子集中的元素,表示结论是一个或多个前提。
整个条件的含义是由收集上来的信息以及已经推导出的前提推导出其他前提。例如如果收集到馈线首端的重合闸信息且重合失败,那么能推导出两个前提,一个前提是线路是架空线路,还有一个是故障是永久性故障。
然后介绍主条件的条件形式,也是采用产生式条件,条件形式如下所示:
RULE<条件名>:IF E THEN {R1,R2,…,Rn}, CF={C1,C2,…,Cn}.
其中:
(1)E是条件,表示E中一个或者多个元素通过AND或者OR等的逻辑运算符连接起来的条件。
(2){R1,R2,…,Rn}是结论,R={R1,R2,R3,…,Rn }是结论集合,{R1,R2,…,Rn}是R集合的子集,R1,R2,…,Rn是该子集中的元素,表示结论是一个或多个故障原因。
(3)CF是可信度因子,用集合形式表示,其中Ci用来指出在这个条件中Ri(i=1,2,…,n)成立的可信度,Ci与Ri一一对应,因为条件推理的逻辑性以及为了能有效体现结论之间可信度的比较,所以定义Ci应符合下列条件:
Ci≥0 (1)
整个条件的含义是:如果前提条件E得到满足,则结论部分R1的可信度是C1,R2的可信度是C2,…,Rn的可信度是Cn。那么对于配电网故障原因分析来说,如果前提条件E得到满足,那么故障原因R1发生的概率是C1,R2发生的概率是C2,…,Rn发生的概率是Cn。对于各个条件可信度因子CF的设置,如果某个条件是从故障信息历史数据统计得出的,那么用统计的各个故障原因发生概率值作为初始的可信度,随着故障数据的更新,可信度也可以随时更新从而使推理结果更加可信;如果某个条件是根据现场工作人员或者专家的经验得出的,那么首先以他们给出的概率值作为初始的可信度,随着他们对这个规则中故障原因的统计和推导逐步完善可信度;如果某个条件是根据配电网的常识得出的,例如是配电变压器的监测终端发出故障报警信号表示这个配电变压器故障了,那么配电变压器故障的初始可信度是根据监测终端报警的准确率给出的,而且随着监测终端报警的准确率的改变而改变,其他根据常识得出的条件的可信度也类似。
综上所述,采用专家系统进行初步的故障原因分析得出的一个初步结论就是成立的一个条件推导出的故障原因及其可信度,所以如图3所示,一般初步结论有多个。采用专家系统进行配电网故障原因初步分析后,利用D-S证据理论的的合成方式把所有初步结论合成为最终的故障原因分析结果。
上述的信息集合I的基本集合I={I1,I2,I3,…,In }、前提集合E的基本集合为E={E1,E2,E3,…,En }、结论集合R的基本集合R={R1,R2,R3,…,Rn }共同列于下表中:
步骤三:利用D-S证据理论的合成规则进行最终的故障原因分析:
由于先采用专家系统对配电网故障原因进行了初步的分析,得到了初步结论,可是每一个规则都能得到初步的结论,且这个初步结论由于前提的孤立可能比较片面,所以需要集合所有初步的结论得出最终的结论。合成所有初步结论的方法就是采用D-S证据理论,下面介绍一下D-S证据理论。
D-S证据理论(Dempster-Shafer Theory),起源于1967年Dempster提出的由多值映射导出的上概率和下概率,之后Shafer进一步将其完善,建立了命题和集合之间的一一对应关系,把命题的不确定问题转化为集合的不确定问题,满足比概率论弱的情况,形成了一种不精确推理理论;D-S证据理论主要用于不确定推理方面,在人工智能、检测诊断等方面具有广泛的应用,尤其是在多源信息融合的应用中,已成为一种基本的、重要的融合算法。
式中m(A)称为事件A的基本信任分配函数,它表示证据对A的信任程度。反映了对于空集不产生任何信度;反映了虽然可以给一个命题赋任意大小的信度值,但要求给所有命题赋予的信度值之和等于1。在识别框架下多个证据的基本信任分配函数中,对于一个子集 A,只要,则称A为焦元。
首先条件库中的结论集合很符合上述D-S证据理论的识别框架,每个条件的前提都可以作为一个证据,而基本信任分配函数的定义很符合上述条件中可信度的定义,且可信度的限制条件也和基本信任分配函数匹配,所以每一个条件推导出的结论都可以看做这个条件的基本信任分配函数。采用D-S证据理论的主要目的是为了合成初步结论从而得到最终结论,而每个初步结论都是一个基本信任分配函数,所以要利用D-S证据理论的证据合成方式,将多个基本信任分配函数合成一个基本信任分配函数,那么这个合成的基本信任分配函数就是最终的结论,如图3(虚线以下部分)所示即为这个部分的流程,其中M的含义就是基本信任分配函数,接下来主要是找到合适的合成方式。
一般D-S证据理论原始的合成方式在参与合成的证据间具有较大的不一致或冲突的情况下,合成方法不能使用或得出明显不合理的结果,引起错误决策,所以在实际的数据处理当中,如果遇到证据冲突的情况需要改进D-S证据理论的合成方式来得出更客观、准确的结果。在配电网故障原因分析中由于每个前提通过条件所产生的结论冲突很大,所以也要采用改进的D-S证据理论的合成方式来使结果更客观、准确。下面给出改进的D-S证据理论的合成方式:
设n组证据E1,E2,...,En所对应的的基本信任分配函数分别是m1,m2,...,mn,焦元分别是Ai(i=1,2,...,n),则改进的合成方式是:
其中:
上述公式中,K表示证据间的冲突程度,P表示不冲突证据交叉融合后总的概率;反映证据交叉融合程度,具有与运算关系,证据一致性越好,交叉融合程度越大;则表示交叉融合后对不冲突性概率的归一化;式(7)反映多个证据对A的平均支持程度,则表示把冲突的那部分概率按加权平均方式分配给 A。当证据为完全冲突证据即K=1时,证据也是有用的,命题的基本可信度取决于所有证据对它的平均支持度。所以这个改进的合成公式考虑了冲突性和不冲突性证据的合成要求,冲突性证据按加权平均合成,不冲突性证据按与运算合成,并且反映了证据间的交叉融合程度。
选定上述的合成公式作为本方法对初步结论的合成方式,在得到所有的初步结论后,那么就得到了所有参与合成的基本信任分配函数,然后通过合成公式合成最终的基本信任分配函数以及最终所有可能的故障原因。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (8)
1.一种基于专家系统和D-S证据理论的配电网故障原因分析法,其特征在于:包括如下步骤,
步骤S01:确定配电网故障原因分析所需信息及其来源,该所需信息具体包括故障信息和非故障信息;
步骤S02:采用专家系统进行初步的故障原因分析,作为初步结论;
步骤S03:将上述每一个初步结论都作为一个基本信任分配函数;利用D-S证据理论的合成方式将各基本信任分配函数合成一个最终基本信任分配函数,该最终基本信任分配函数即最终结论,即得出配电网故障原因;
所述合成方式具体如下,
2.根据权利要求1所述的一种基于专家系统和D-S证据理论的配电网故障原因分析法,其特征在于:所述故障信息包括变电站层故障信息、馈线层故障信息和用户层故障信息;所述变电站层故障信息通过变电站自动化系统获取;所述馈线层故障信息通过配电网自动化系统获取;所述用户层故障信息通过客服服务系统获取。
3.根据权利要求2所述的一种基于专家系统和D-S证据理论的配电网故障原因分析法,其特征在于:所述变电站层故障信息包括保护动作信息、断路器跳闸信息和故障录波信息;所述馈线层故障信息包括分段开关状态变动信息、线路电压电流信息、线路过流报警信息、配变依次报警信息和电压电流信息;所述用户层故障信息包括用户停电投诉信息。
4.根据权利要求1所述的一种基于专家系统和D-S证据理论的配电网故障原因分析法,其特征在于:所述非故障信息包括拓扑信息、天气信息、线路类型信息、检修记录和设备的状态记录;所述拓扑信息通过地理信息系统获取;所述天气信息、线路类型信息、检修记录和设备的状态记录通过生产管理系统获取。
5.根据权利要求1所述的一种基于专家系统和D-S证据理论的配电网故障原因分析法,其特征在于:所述步骤S02的具体实现过程如下,
步骤S51:收集所述步骤S01的信息,并建立专家系统条件库,该专家系统条件库包括主条件库和辅助条件库;
步骤S52:根据收集的信息与辅助条件库中每个条件的前提条件进行匹配,若匹配成功,则推导出新的条件,并经过多次循环,直到收集的信息和已经推导出的条件不再与辅助条件库中每个条件的前提条件匹配,得到所有能够推导出的前提条件;
步骤S53:根据步骤S52中获得的前提条件,并利用该些前提条件与主条件库中每个条件的前提条件进行匹配,得到初步结论,作为初步的故障原因分析结果。
6.根据权利要求5所述的一种基于专家系统和D-S证据理论的配电网故障原因分析法,其特征在于:所述辅助条件库采用收集的信息推导出前提条件,并根据收集的信息和已经推导出的前提条件推导出其他前提条件。
7.根据权利要求6所述的一种基于专家系统和D-S证据理论的配电网故障原因分析法,其特征在于:所述主条件库采用所述辅助条件库推导出的前提条件推导出故障原因及该故障原因的可信度。
8.根据权利要求1所述的一种基于专家系统和D-S证据理论的配电网故障原因分析法,其特征在于:所述合成方式在参与合成的证据间不一致或冲突的情况下,合成方式不能使用或得出明显不合理的结果,引起错误决策,所以在实际的数据处理当中,采用下述改进的合成规则,具体过程如下:
将初步结论作为证据,并设n组证据E1,E2,...,En所对应的的基本信任分配函数分别是m1,m2,...,mn,焦元分别是Ai(i=1,2,...,n),则所述改进合成方式:
其中:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410125128.0A CN103871004A (zh) | 2014-03-31 | 2014-03-31 | 基于专家系统和d-s证据理论的配电网故障原因分析法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410125128.0A CN103871004A (zh) | 2014-03-31 | 2014-03-31 | 基于专家系统和d-s证据理论的配电网故障原因分析法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103871004A true CN103871004A (zh) | 2014-06-18 |
Family
ID=50909516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410125128.0A Pending CN103871004A (zh) | 2014-03-31 | 2014-03-31 | 基于专家系统和d-s证据理论的配电网故障原因分析法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103871004A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504525A (zh) * | 2014-12-26 | 2015-04-08 | 国家电网公司 | 通过大数据挖掘技术实现电网设备故障预警的方法 |
CN105510729A (zh) * | 2014-10-11 | 2016-04-20 | 国家电网公司 | 一种变压器过热故障诊断方法 |
CN106841928A (zh) * | 2017-03-29 | 2017-06-13 | 中国电力科学研究院 | 一种基于多源信息融合的配电网故障区段定位方法及系统 |
CN107222322A (zh) * | 2016-03-22 | 2017-09-29 | 中国移动通信集团陕西有限公司 | 一种通信故障诊断方法及装置 |
CN107729920A (zh) * | 2017-09-18 | 2018-02-23 | 江苏海事职业技术学院 | 一种基于bp神经网络与d‑s证据理论结合的状态估计方法 |
CN108562845A (zh) * | 2018-04-23 | 2018-09-21 | 温州大学 | 一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法 |
CN108920426A (zh) * | 2018-07-04 | 2018-11-30 | 西北工业大学 | 一种基于幂均算子和ds证据理论的故障诊断方法 |
CN108964273A (zh) * | 2018-07-14 | 2018-12-07 | 国网江西省电力有限公司赣西供电分公司 | 一种基于大数据的配网薄弱环节监控平台 |
CN109655712A (zh) * | 2019-01-14 | 2019-04-19 | 中国电力科学研究院有限公司 | 一种配电网线路故障原因分析方法与系统 |
CN109782123A (zh) * | 2018-12-17 | 2019-05-21 | 国网浙江省电力有限公司 | 基于大数据的电力故障监测方法、系统及可读存储介质 |
CN111435366A (zh) * | 2019-01-14 | 2020-07-21 | 阿里巴巴集团控股有限公司 | 设备故障诊断方法、装置和电子设备 |
CN112180215A (zh) * | 2020-09-29 | 2021-01-05 | 国网上海市电力公司 | 一种基于多源数据融合的配电网故障智能搜索定位方法 |
CN112290542A (zh) * | 2020-10-19 | 2021-01-29 | 北京中恒博瑞数字电力科技有限公司 | 基于多源数据融合的配网故障停电损失分析展示方法 |
CN112381321A (zh) * | 2020-11-27 | 2021-02-19 | 广东电网有限责任公司肇庆供电局 | 一种基于网格化划分的配电网运行状态感知方法 |
CN113281616A (zh) * | 2021-05-28 | 2021-08-20 | 国网冀北电力有限公司承德供电公司 | 一种基于专家系统的输电线路故障诊断方法、系统及架构 |
CN113625109A (zh) * | 2021-08-04 | 2021-11-09 | 广西电网有限责任公司电力科学研究院 | 一种电力线路故障智能诊断方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120023058A1 (en) * | 2010-07-24 | 2012-01-26 | Abb Research Ltd. | Systems and methods for monitoring automation systems |
CN102928738A (zh) * | 2012-10-31 | 2013-02-13 | 辽宁省电力有限公司沈阳供电公司 | 一种智能电网故障的动态层次诊断装置及方法 |
-
2014
- 2014-03-31 CN CN201410125128.0A patent/CN103871004A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120023058A1 (en) * | 2010-07-24 | 2012-01-26 | Abb Research Ltd. | Systems and methods for monitoring automation systems |
CN102928738A (zh) * | 2012-10-31 | 2013-02-13 | 辽宁省电力有限公司沈阳供电公司 | 一种智能电网故障的动态层次诊断装置及方法 |
Non-Patent Citations (3)
Title |
---|
何小飞: "基于贝叶斯网络和D-S证据理论的电网故障诊断模型研究", 《中国优秀硕士学位论文全文数据库 工程科技辑II》 * |
肖明珠等: "一种改进的证据合成公式", 《数据采集与处理》 * |
钟明: "输电网络故障诊断专家系统", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105510729A (zh) * | 2014-10-11 | 2016-04-20 | 国家电网公司 | 一种变压器过热故障诊断方法 |
CN104504525A (zh) * | 2014-12-26 | 2015-04-08 | 国家电网公司 | 通过大数据挖掘技术实现电网设备故障预警的方法 |
CN107222322A (zh) * | 2016-03-22 | 2017-09-29 | 中国移动通信集团陕西有限公司 | 一种通信故障诊断方法及装置 |
CN106841928B (zh) * | 2017-03-29 | 2021-05-28 | 中国电力科学研究院 | 一种基于多源信息融合的配电网故障区段定位方法及系统 |
CN106841928A (zh) * | 2017-03-29 | 2017-06-13 | 中国电力科学研究院 | 一种基于多源信息融合的配电网故障区段定位方法及系统 |
CN107729920A (zh) * | 2017-09-18 | 2018-02-23 | 江苏海事职业技术学院 | 一种基于bp神经网络与d‑s证据理论结合的状态估计方法 |
CN108562845A (zh) * | 2018-04-23 | 2018-09-21 | 温州大学 | 一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法 |
CN108562845B (zh) * | 2018-04-23 | 2020-04-07 | 温州大学 | 一种基于不精确推理和概率论的变电站电气控制电路的故障检测方法 |
CN108920426A (zh) * | 2018-07-04 | 2018-11-30 | 西北工业大学 | 一种基于幂均算子和ds证据理论的故障诊断方法 |
CN108920426B (zh) * | 2018-07-04 | 2019-08-09 | 西北工业大学 | 一种基于幂均算子和ds证据理论的故障诊断方法 |
CN108964273A (zh) * | 2018-07-14 | 2018-12-07 | 国网江西省电力有限公司赣西供电分公司 | 一种基于大数据的配网薄弱环节监控平台 |
CN109782123A (zh) * | 2018-12-17 | 2019-05-21 | 国网浙江省电力有限公司 | 基于大数据的电力故障监测方法、系统及可读存储介质 |
CN109655712A (zh) * | 2019-01-14 | 2019-04-19 | 中国电力科学研究院有限公司 | 一种配电网线路故障原因分析方法与系统 |
CN111435366A (zh) * | 2019-01-14 | 2020-07-21 | 阿里巴巴集团控股有限公司 | 设备故障诊断方法、装置和电子设备 |
CN112180215A (zh) * | 2020-09-29 | 2021-01-05 | 国网上海市电力公司 | 一种基于多源数据融合的配电网故障智能搜索定位方法 |
CN112290542A (zh) * | 2020-10-19 | 2021-01-29 | 北京中恒博瑞数字电力科技有限公司 | 基于多源数据融合的配网故障停电损失分析展示方法 |
CN112381321A (zh) * | 2020-11-27 | 2021-02-19 | 广东电网有限责任公司肇庆供电局 | 一种基于网格化划分的配电网运行状态感知方法 |
CN113281616A (zh) * | 2021-05-28 | 2021-08-20 | 国网冀北电力有限公司承德供电公司 | 一种基于专家系统的输电线路故障诊断方法、系统及架构 |
CN113625109A (zh) * | 2021-08-04 | 2021-11-09 | 广西电网有限责任公司电力科学研究院 | 一种电力线路故障智能诊断方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103871004A (zh) | 基于专家系统和d-s证据理论的配电网故障原因分析法 | |
CN106990328B (zh) | 配网抢修异常数据分析、故障定位系统及方法 | |
Kezunovic et al. | The role of big data in improving power system operation and protection | |
US10291029B2 (en) | Enhanced island management application for power grid systems | |
US10733901B2 (en) | Dynamic dispatcher training simulator | |
JP2018061425A (ja) | 送電網システムの高度妨害管理 | |
CN107167704B (zh) | 基于cim模型的配电网故障诊断系统及方法 | |
CN113189451B (zh) | 配电网故障定位研判方法、系统、计算机设备和存储介质 | |
CN106124935A (zh) | 中低压配电网络故障定位方法 | |
CN105427039A (zh) | 一种基于责任区的配电网抢修工单高效处理方法 | |
CN106771883A (zh) | 一种基于云的多源信息配电故障定位方法及系统 | |
CN104753178A (zh) | 一种电网故障处理系统 | |
CN110988596B (zh) | 一种新型主动配电网故障区段定位方法 | |
CN104657913A (zh) | 一种基于全数据模型的智能告警系统 | |
CN109949178B (zh) | 一种基于支持向量机中压配网停电事件判断及补全方法 | |
CN109474067A (zh) | 一种电网调度故障处理辅助决策方法 | |
CN108846591A (zh) | 一种变电站开关柜多运行状态智能监测系统及评估方法 | |
CN103607042A (zh) | 面向城郊长架空线路故障指示器的配电网故障处理方法 | |
CN105224667A (zh) | 基于电网智能监控信息的多站端故障诊断与辅助决策方法 | |
CN112467724A (zh) | 一种低压配电网故障研判方法 | |
CN104104151A (zh) | 配电终端设备信息的接入方法 | |
CN112381321A (zh) | 一种基于网格化划分的配电网运行状态感知方法 | |
Sharma et al. | Major blackouts of the decade: Underlying causes, recommendations and arising challenges | |
CN113328437B (zh) | 一种智能配电网cps拓扑构建方法及故障恢复方法 | |
CN104979903B (zh) | 一种集控中心巡维分析方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140618 |