CN103901320A - 一种计及多源数据的电力系统故障诊断方法 - Google Patents
一种计及多源数据的电力系统故障诊断方法 Download PDFInfo
- Publication number
- CN103901320A CN103901320A CN201410087839.3A CN201410087839A CN103901320A CN 103901320 A CN103901320 A CN 103901320A CN 201410087839 A CN201410087839 A CN 201410087839A CN 103901320 A CN103901320 A CN 103901320A
- Authority
- CN
- China
- Prior art keywords
- storehouse
- transition
- isolating switch
- protection
- fault
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及多源数据的电力系统故障诊断方法,首先,利用故障后的断路器状态与静态电网拓扑数据快速确定故障区域,以此减少优化变量,提高诊断速度;然后,对现有的Petri网模型做了进一步发展,在模型中引入电气量判据并在保护和断路器期望状态表达式中充分计及电气量信息,所发展的计及多源数据的电力系统故障诊断方法求解。结果表明,本发明的方法具有较强的容错能力,可以处理保护和断路器误动/拒动情况以及警报丢失或错误情况。
Description
技术领域
本发明属于电力系统安全处理技术领域,涉及一种计及多源数据的电力系统故障诊断的方法。
背景技术
电力系统故障诊断就是利用故障发生后所产生的警报信息及时、有效地确定故障元件,为调度人员快速辨识故障提供辅助决策,其有助于尽快切除故障,恢复电力系统的正常运行。国内外学者在这一领域开展了大量研究,提出了众多的故障诊断方法。其中,基于Petri网的故障诊断方法理论相对比较成熟,但在实际电力系统中,故障发生时保护和断路器有可能误动或拒动,警报上传过程中也可能出现上传不及时、畸变或丢失的情况,这对基于Petri网的故障诊断方法提出了新的要求。
通信技术的发展和电力信息系统的逐渐成熟使得获取更加丰富的信息源用于故障诊断成为可能。在我国,以相量测量单元(phasor measurement unit,PMU)为基础的广域测量系统(wide area measurement system,WAMS)开始得到应用。戴志辉,李强等人在《电力系统保护与控制》2010,38(12):50-53上发表了《基于停电区域及广域同步信息的电网故障快速诊断研究》一文中介绍了利用广域同步信息,构建一种基于停电区域的故障诊断方法。
在上述背景下,提出了所述计及多源数据的电力系统故障诊断方法,该方法充分利用故障时系统的多源信息(如电气变化量、保护动作信息、断路器开断信息等)进行故障识别,通过这三类信息的时序属性对警报进行校正。所发展的模型考虑了故障时电气量的变化、元件动作的逻辑关系、电气量的时序属性、元件故障和保护动作之间及保护动作和断路器动作之间的延时约束、保护和断路器动作不确定性、主保护与近/远后备保护和断路器对诊断结果的影响程度。因此,在已有Petri网模型的基础上,合理利用电气量信息以此提高现有Petri网模型的容错性和准确度,是故障诊断领域的新的研究重点。
发明内容
本发明所要解决的技术问题是:提供一种电力系统故障诊断方法,能够避免断路器变位信息错误和缺失对确定故障区域所造成的负面影响。
为解决上述技术问题,本发明提供一种计及多源数据的电力系统故障诊断方法,其特征在于,包括以下步骤:
步骤1,确定故障区域:根据SCADA系统提供的断路器变位信息,采用广度优先方法搜索确定故障区域,若故障区域只包含一个元件,则该元件即为故障元件;若故障区域内包括两个或以上元件,则进入步骤2;
步骤2,建立元件故障诊断模型:根据故障电气量判据、故障元件与相应保护、断路器动作之间的逻辑关系构建元件的电力系统故障诊断模型,即加权模糊时序Petri网;
步骤3,基于矩阵计算的推理:根据所建立的电力系统故障诊断模型,通过矩阵运算实现推理分析,计算该可疑元件发生故障的真实度,最后诊断出故障元件;
步骤4,对保护和断路器动作进行评价:步骤三诊断出故障元件后,根据该故障元件故障时,所关联的保护和断路器期望状态跟实际状态进行比较,得到其中运行状态不一致的保护和断路器,以判断保护和断路器的误动与拒动情况,由此对保护和断路器动作进行评价。
本发明所达到的有益效果:
本发明的所述的计及多源数据的电力系统故障诊断方法,通过联合利用故障后的电气量和断路器变位信息,在很大程度上避免断路器变位信息错误和缺失对确定故障区域所造成的负面影响。通过计及故障后的电气量变化特性,发展了一种改进的故障诊断Petri网模型,改善了故障诊断Petri网方法的容错性,能够处理伴随保护/断路器异常动作和警报畸变/丢失的情况。
附图说明
图1为计及多源数据的电力系统故障诊断方法流程图;
图2为IEEE新英格兰10机39节点系统图;
图3为母线的计及多源数据的电力系统故障诊断模型;
图4为线路的计及多源数据的电力系统故障诊断模型;
图5某元件故障警报信息时序特性;
图6一个简单Petri网的结构;
图7为某元件故障警报信息时序特性。
具体实施方式
本发明的基于计及多源数据的电力系统故障诊断方法如流程图1所示。
下面对基于计及多源数据的电力系统故障诊断各步骤进行说明:
步骤1,确定故障区域:根据SCADA系统提供的断路器变位信息,采用广度优先方法搜索确定故障区域,若故障区域只包含一个元件,则该元件即为故障元件;若故障区域内包括两个或以上元件,则进入步骤2;
步骤2,建立元件故障诊断模型:根据故障电气量判据、故障元件与相应保护、断路器动作之间的逻辑关系构建元件的电力系统故障诊断模型,即加权模糊时序Petri网;
步骤3,基于矩阵计算的推理:根据所建立的电力系统故障诊断模型,通过矩阵运算实现推理分析,计算该可疑元件发生故障的真实度,最后诊断出故障元件;
步骤4,对保护和断路器动作进行评价:步骤三诊断出故障元件后,根据该故障元件故障时,所关联的保护和断路器期望状态跟实际状态进行比较,得到其中运行状态不一致的保护和断路器,以判断保护和断路器的误动与拒动情况,由此对保护和断路器动作进行评价。
在所述步骤2中,定义电力系统故障诊断模型为一个十一元组:
SWFTPN={P,T,I,O,Acc,ΔTmin,ΔTmax,U,Thre,W,M} (1)
式中:P={p1,p2,…,pn}为库所集,n为库所数;T={t1,t2,…,th}为变迁集,用于表征推理规则,h为变迁数;I:P→T为反映库所到变迁的映射,I=[δij]为n×h矩阵,当pi是tj的输入(即存在pi到tj的有向弧)时δij=1,否则δij=0;O:T→P反映变迁到库所的映射,O=[γij]为h×n矩阵,当pj是ti的输出(存在ti到pj的有向弧)时γij=1,否则γij=0;Acc=[aij]为n×n矩阵,表征一般库所到达目的库所的通路,当pi的库所通路经过pj时aij=1,否则aij=0,P={p1,p2,…,pn}为库所集,指的是故障母线/线路所关联的所有保护、断路器的集合,而pi则是其中的某一个保护或断路器;ΔTmin=[Δτ1min,Δτ2min,…,Δτnmin]为库所与后置变迁的最小延时约束,Δτnmin是其中编号为n的变迁tn和前置库所之间的最小延时约束,ΔTmax=[Δτ1max,Δτ2max,…,Δτnmax]为库所与后置变迁的最大延时约束,若Δτmin=Δτmax=0,Δτnmax是其中编号为n的变迁tn和前置库所之间的最大延时约束,变迁瞬间激活;U=[μ1,μ2,…,μh]为变迁的置信度向量,若对于任意j有μj=1,μj为变迁的置信度,λh为变迁的点火阈值,wn为输入弧的权值,模型即为不含模糊变量的简单Petri网;Thre=[λ1,λ2,…,λh]为变迁的点火阈值向量;W=diag(w1,w2,…,wn)为输入弧的权值矩阵,反映前提条件对规则的影响程度,其取值与库所表征的事件类型相关;M=[α(p1),α(p2),…,α(pn)]为库所置信度向量,α(pi)表示库所pi的置信度。
图5为某元件故障警报信息时序特性,1、3、5分别代表主保护、近后备保护和远后备保护;2、4、6分别为主保护、近后备保护和远后备保护所对应的断路器;τ1、τ3、τ5分别代表主保护、近后备保护和远后备保护动作的时间差(相对于故障时刻);τ2、τ4、τ6分别表示各个保护对应的断路器断开的时间差(相对于各对应保护动作时刻);ΔT为故障恢复时间。
变迁的置信度,指的是变迁事件发生的概率。
变迁的点火阈值,Petri网的网络结构是静态的,其动态性质是通过变迁的触发点火及库所中托肯的转移体现出来的。变迁在满足一定条件时点火,变迁的点火可以造成托肯按照有向弧的方向从该变迁的输入库所转移至输出库所中。Petri网的图形表示是将库所节点、变迁节点和有向弧用图形的方法表示出来,其中库所用圆圈“○”表示,变迁用竖线“|”表示。图6所示为简单的Petri网的结构,当变迁t1点火时库所p1中的托肯将转移至库所p2中。如果变迁t所有的输入库所中都有托肯且每一个库所中的托肯的数量大于或等于点火阈值,那么变迁t满足点火条件。
输入弧的权值,反映前提条件对规则的影响程度,其取值与库所表征的事件类型相关,取值在0到1之间,如图3和图4中所示wn。
在所述步骤2中,所述电力系统故障诊断模型中,库所集包括保护库所、断路器库所、过渡库所,还包括电气量判据库所,最大/最小延时约束增加了电气量判据的延时区间,其他九元亦做相应调整。
在所述步骤3中,推理过程同样用于获得一个稳定的网络状态,即库所置信度矩阵M的值不再随迭代进行而变化的状态,首先通过延时约束对警报进行筛选。假设第k次迭代得到置信度矩阵Mk,则获取第k+1次置信度矩阵Mk+1的推理过程如下:
31)根据时序约束推理分析求出库所通路对应的最小累积延时约束矩阵ΣΔTmin,以及最大累积延时约束矩阵ΣΔTmax:
ΣΔTmin=(Accg(ΔTmin)T)T (2)
ΣΔTmax=(Accg(ΔTmax)T)T (3)
时序约束推理分析方法具体是指对于每一个元件故障,都会有其关联的主保护、近后备保护和远后备保护相应地动作。图7为某元件故障警报信息时序特性所示,1、3、5分别代表主保护、近后备保护和远后备保护;2、4、6分别为主保护、近后备保护和远后备保护所对应的断路器;τ1、τ3、τ5分别代表主保护、近后备保护和远后备保护动作的时间差(相对于故障时刻);τ2、τ4、τ6分别表示各个保护对应的断路器断开的时间差(相对于各对应保护动作时刻);ΔT为故障恢复时间。
32)检验警报信息的时序一致性,在此基础上筛选警报:将由警报信息中保护、断路器,和给定的过渡库所的延时信息所构成的向量ΔTmesmin和ΔTmesmax与延时约束进行比较,得库所的延时约束判定向量:
ΔTmesmin和ΔTmesmax定义:警报信息中保护、断路器和给定的过渡库所的延时信息所构成的最小延时向量和最大延时向量;
在加权模糊时序Petri网的推理过程中,需要同时考虑延时约束。假设A、B和C均为h×n矩阵,而D为h×q矩阵,E为q×n矩阵,定义:1)加法算子 则cij=max(aij,bij);2)比较算子则当aij≥bij时cij=1,否则cij=0;3)直乘算子e:C=AeB,则cij=aijbij;4)乘法算子则 5)矩阵乘法g:C=DgE,则
33)根据电气量判据与断路器判据延时区间相关性,对断路器信息进行校正:根据警报信息里的电气量判据、保护判据,以及修正的断路器判据给定库所置信度向量M的初始状态M0,令k=0;电气量判据与断路器判据延时区间相关性:指的是电气量判据在时间上也跟断路器判据延时约束上有一样的特性;
34)计算库所第k+1次推算的Mk+1:
式中:Winarc为输入弧的权值,Winarc=WgI;Ek为变迁合成输入可信度,Ek=MkgWinarc;Gk为变迁的合成输入可信度与阈值进行比较后得到满足激活条件的变迁集合,Hk为可使变迁激活的合成输入可信度,Hk=EkeGk。
35)若Mk+1=Mk,则电力系统故障诊断模型Petri网的置信度矩阵是稳定的,否则令k=k+1,返回步骤34)。
针对故障诊断中存在保护和断路器有可能误动或拒动,警报上传过程中也可能出现上传不及时、畸变或丢失等不确定性因素,本发明用一个较为复杂的算例说明本发明所提出故障诊断方法的能力。
在这种故障场景中,有四个设备同时发生故障,且在一个较小区域内存在三重故障,还伴随保护误动和拒动、断路器拒动以及警报信息丢失和电气量信息局部畸变等复杂情况。以图2所示的IEEE39节点系统为例来说明所发展的方法。假设收到带时序的警报信息:电气量判据vI_B14=1(721ms)、vU_B14=1(739ms);保护RB14m(20ms)、R(4)-14s(750ms)和R14-(15)s(371ms)动作;断路器CB(14)-15(73ms)、CB(14)-13(81ms)和CB(4)-14(870ms)跳开。
1)故障区域识别。基于所收到的警报信息,通过广度优先搜索确定故障区域,确定可疑故障元件为B14和L4-14。
2)对故障区域中的各元件建模。采用所述的方法,建立母线B14和线路L4-14的计及多源数据的电力系统故障诊断模型,分别如图3和图4所示。
3)基于矩阵运算的推理分析。根据所述的计及多源数据的电力系统故障诊断方法的推理分析,构造相应矩阵进行推理运算。
①采用矩阵运算对母线B14的计及多源数据的电力系统故障诊断模型进行推理分析
首先根据延时约束对收到的警报进行筛选,得到库所通路矩阵、库所通路所对应的最小累积延时约束向量和最大累积延时约束向量分别为:
(注:库所RB14m的库所通路只需计t1、t3和t5中的一个即可,因为三个变迁是等价的。)
ΣΔTmin=(Accg(ΔTmin)T)T
=[640,640,640,50,50,50,10,600,600,600,0,0,0,0,640,50,0,0,0,0]
ΣΔTmax=(Accg(ΔTmax)T)T
=[1200,1200,1200,100,100,100,40,1100,1100,1100,0,0,0,0,1200,100,0,1200,0,0]
之后,检验时序的一致性。将警报信息中的电气量判据、保护和断路器延时信息集合ΔTmesmin和ΔTmesmax与延时约束进行比较,得到满足约束的保护和断路器判定
向量(fi=0表示相应警报信息不满足约束):
这样,经延时约束筛选后的有效警报信息为:电气量判据vI_B14s=1(721ms)、vU_B14=1(739ms);保护RB14m(20ms)和R(4)-14s(750ms)动作;断路器CB(14)-15(73ms)、CB(14)-13(81ms)和CB(4)-14(870ms)跳开。
Petri网模型的库所集为:
P={CB(4)-14,CB(13)-14,CB14-(15),CB4-(14),CB(14)-13,CB(14)-15,RB14m,R(4)-14s,R(13)-14s,R14-(15)s,L4-14,L13-14,L14-15,p1,vI_B14m,vI_B14s,p2,vU_B14,p3,B14}
变迁集为:
T={t1,t2,t3,t4,t5,t6,t7,t8,t9,t10,t11}
变迁的输入矩阵:
变迁的输出矩阵:
变迁置信度向量:
U=[0.95,0.95,0.95,0.95,0.95,0.95,0.95,0.95,0.95,0.95,1]
变迁激活阈值向量:
Thre=[0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0]
输入弧权值向量:
W=diag(0.50,0.50,0.50,0.45,0.45,0.45,0.60,0.50,0.50,0.50,0.33,0.33,0.33,0.50,1.00,1.00,0.50,0.50,0.50,0)
给定Petri网模型中的库所初始状态为:
M0=[0.65,0.20,0.20,0.20,0.85,0.85,0.90,0.70,0.20,0.20,0.00,0.00,0.00,0.00,0.20,0.85,0.00,0.85,0.00,0.00]
第1次迭代/推理后得到的库所状态为:
第2次迭代/推理得到的库所状态为:
第3次迭代/推理得到的库所状态为:
第4次迭代/推理得到的库所状态为:
由于第3次和第4次迭代/推理后的结果相同,求解过程结束,母线B14发生故障的置信度为0.721。
②采用矩阵运算对线路L4-14的计及多源数据的电力系统故障诊断模型进行推理分析
同理,首先根据延时约束对收到的警报进行筛选,得到库所通路所对应的最小和最大累积延时约束向量分别为:
ΣΔTmin=(Accg(ΔTmin)T)T
=[640,640,640,640,320,320,50,50,10,10,300,300,600,600,600,600,0,0,0,0,0]
ΣΔTmax=(Accg(ΔTmax)T)T
=[1200,1200,1200,1200,540,540,100,100,40,40,500,500,1100,1100,1100,1100,0,0,0,0,0]
之后,检验时序的一致性。将警报信息中的保护和断路器延时信息集合ΔTmesmin和ΔTmesmax与延时约束进行比较,得到满足约束的保护和断路器判定向量(fi=0表示相应警报信息不满足约束):
这样,经延时约束筛选后的有效警报信息为:电气量判据vI_B14=1(721ms)、vU_B14=1(739ms);保护RB14m(20ms)和R(4)-14s(750ms)动作;断路器CB(14)-15(73ms)、CB(14)-13(81ms)和CB(4)-14(870ms)跳开。
Petri网模型的库所集为:
P={CB4-(5),CB(3)-4,CB14-(15),CB(13)-14,CB'(4)-14,CB'4-(14),CB(4)-14,CB4-(14),R(4)-14m,R4-(14)m,R(4)-14p,R4-(14)p,R4-(5)s,R(3)-4s,R14-(15)s,R(13)-14s,p1,p2,p3,p4,p5,p6,L(4)-14,L4-(14),p7,uI_L4-14m,uI_L4-14p,uI_L4-14s,p8,uU_L4-14m,uU_L4-14p,uU_L4-14s,p9,p10,L4-14}
变迁集为:
T={t1,t2,t3,t4,t5,t6,t7,t8,t9,t10,t11,t12,t13,t14,t15,t16,t17,t18,t19,t20,t21}
给定Petri网模型中的库所初始状态为:
M0=[0.20,0.20,0.20,0.20,0.75,0.20,0.85,0.20,0.20,0.20,0.20,0.20,0.20,0.20,0.20,0.20,0.00,0.00,0.00,0.00,0.00,0.00,0.00,0.00,0.00,0.20,0.20,0.20,0.00,0.20,0.20,0.20,0.00,0.00,0.00]
第1次迭代/推理后得到的库所状态为:
第2次迭代/推理后得到的库所状态为:
第3次迭代/推理后得到的库所状态为:
第4次迭代/推理后得到的库所状态为:
由于第3次和第4次迭代/推理后的结果相同,求解过程结束,线路L4-14发生故障的置信度为0.283。
基于上述结果,可以判定故障元件为母线B14。
4)保护和断路器动作评价
经上述步骤判断出故障元件后,现在进行逆向推理。可知在母线B14发生故障后,主保护RB14m动作,触发断路器CB(14)-15、CB(14)-13和CB4-(14)动作跳闸,而其中断路器CB4-(14)拒动,故相应后备保护R(4)-14s动作跳开断路器CB(4)-14,从而隔离故障。这样,评价结果为断路器CB4-(14)拒动。
以上已以较佳实施例公开了本发明,然其并非用以限制本发明,凡采用等同替换或者等效变换方式所获得的技术方案,均落在本发明的保护范围之内。
Claims (4)
1.一种计及多源数据的电力系统故障诊断方法,其特征在于,包括以下步骤:
步骤1,确定故障区域:根据SCADA系统提供的断路器变位信息,采用广度优先方法搜索确定故障区域,若故障区域只包含一个元件,则该元件即为故障元件;若故障区域内包括两个或以上元件,则进入步骤2;
步骤2,建立元件故障诊断模型:根据故障电气量判据、故障元件与相应保护、断路器动作之间的逻辑关系构建元件的电力系统故障诊断模型,即加权模糊时序Petri网;
步骤3,基于矩阵计算的推理:根据所建立的电力系统故障诊断模型,通过矩阵运算实现推理分析,计算该可疑元件发生故障的真实度,最后诊断出故障元件;
步骤4,对保护和断路器动作进行评价:步骤三诊断出故障元件后,根据该故障元件故障时,所关联的保护和断路器期望状态跟实际状态进行比较,得到其中运行状态不一致的保护和断路器,以判断保护和断路器的误动与拒动情况,由此对保护和断路器动作进行评价。
2.根据权利要求1所述的计及多源数据的电力系统故障诊断方法,其特征在于:在所述步骤2中,定义电力系统故障诊断模型为一个十一元组:
SWFTPN={P,T,I,O,Acc,ΔTmin,ΔTmax,U,Thre,W,M} (1)
式中:P={p1,p2,…,pn}为库所集,n为库所数;T={t1,t2,…,th}为变迁集,用于表征推理规则,h为变迁数;I:P→T为反映库所到变迁的映射,I=[δij]为n×h矩阵,当pi是tj的输入时δij=1,否则δij=0;O:T→P反映变迁到库所的映射,O=[γij]为h×n矩阵,当pj是ti的输出时γij=1,否则γij=0,i和j为编号;Acc=[aij]为n×n矩阵,表征一般库所到达目的库所的通路,当pi的库所通路经过pj时aij=1,P={p1,p2,…,pn}为库所集,在所发展方法中,则指的是故障母线/线路所关联的所有保护、断路器的集合,而pi则是其中的某一个保护或断路器;否则aij=0;ΔTmin=[Δτ1min,Δτ2min,…,Δτnmin]为库所与后置变迁的最小延时约束,Δτnmin是其中编号为n的变迁tn和前置库所之间的最小延时约束,ΔTmax=[Δτ1max,Δτ2max,…,Δτnmax]为库所与后置变迁的最大延时约束,Δτnmax是其中编号为n的变迁tn和前置库所之间的最大延时约束,若Δτmin=Δτmax=0,变迁瞬间激活;U=[μ1,μ2,…,μh]为变迁的置信度向量,若对于任意j有μj=1,μj为变迁的置信度,λh为变迁的点火阈值,wn为输入弧的权值;Thre=[λ1,λ2,…,λh]为变迁的点火阈值向量;W=diag(w1,w2,…,wn)为输入弧的权值矩阵,反映前提条件对规则的影响程度,其取值与库所表征的事件类型相关;M=[α(p1),α(p2),…,α(pn)]为库所置信度向量,α(pi)表示库所pi的置信度。
3.根据权利要求1所述的计及多源数据的电力系统故障诊断方法,其特征在于:在所述步骤2中,所述电力系统故障诊断模型中,库所集包括保护库所、断路器库所、过渡库所,还包括电气量判据库所。
4.根据权利要求1所述的计及多源数据的电力系统故障诊断方法,其特征在于:在所述步骤3中,假设第k次迭代得到置信度矩阵Mk,则获取第k+1次置信度矩阵Mk+1的推理过程如下:
31)根据时序约束推理分析方法求出库所通路对应的最小累积延时约束矩阵ΣΔTmin,以及最大累积延时约束矩阵ΣΔTmax:
ΣΔTmin=(Accg(ΔTmin)T)T (2)
ΣΔTmax=(Accg(ΔTmax)T)T (3)
32)检验警报信息的时序一致性,在此基础上筛选警报:将由警报信息中保护、断路器,和给定的过渡库所的延时信息所构成的向量ΔTmesmin和ΔTmesmax与延时约束进行比较,得库所的延时约束判定向量:
ΔTmesmin和ΔTmesmax定义:警报信息中保护、断路器和给定的过渡库所的延时信息所构成的最小延时向量和最大延时向量;
33)根据电气量判据与断路器判据延时区间相关性,对断路器信息进行校正:根据警报信息里的电气量判据、保护判据,以及修正的断路器判据给定库所置信度向量M的初始状态M0,令k=0;
34)计算库所第k+1次推算的Mk+1:
式中:Winarc为输入弧的权值,Winarc=WgI;Ek为变迁合成输入可信度,Ek=MkgWinarc;Gk为变迁的合成输入可信度与阈值进行比较后得到满足激活条件的变迁集合,Hk为可使变迁激活的合成输入可信度,Hk=EkeGk。
35)若Mk+1=Mk,则电力系统故障诊断模型Petri网的置信度矩阵是稳定的,否则令k=k+1,返回步骤34)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410087839.3A CN103901320A (zh) | 2014-03-11 | 2014-03-11 | 一种计及多源数据的电力系统故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410087839.3A CN103901320A (zh) | 2014-03-11 | 2014-03-11 | 一种计及多源数据的电力系统故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103901320A true CN103901320A (zh) | 2014-07-02 |
Family
ID=50992773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410087839.3A Pending CN103901320A (zh) | 2014-03-11 | 2014-03-11 | 一种计及多源数据的电力系统故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103901320A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297637A (zh) * | 2014-10-31 | 2015-01-21 | 国家电网公司 | 综合利用电气量和时序信息的电力系统故障诊断方法 |
CN105119243A (zh) * | 2015-09-11 | 2015-12-02 | 合肥工业大学 | 基于故障电压比值与多信息融合的广域后备保护方法 |
CN105470932A (zh) * | 2015-08-28 | 2016-04-06 | 上海电力设计院有限公司 | 面向对象Petri网的输电网线路保护仿真方法 |
CN105548815A (zh) * | 2016-01-14 | 2016-05-04 | 山东科技大学 | 一种基于最大似然译码字的Petri网电网故障检测方法 |
CN106226657A (zh) * | 2016-09-07 | 2016-12-14 | 上海市政工程设计研究总院(集团)有限公司 | 一种用于电网故障诊断的停电区域识别方法 |
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 |
CN106841909A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 基于方向分层模糊Petri网的多源信息融合配电网故障分析 |
CN106841910A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 将仿电磁学算法融于时序模糊Petri网的配电网故障诊断方法 |
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 |
CN108919055A (zh) * | 2018-07-11 | 2018-11-30 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于Petri网的含高密度屋顶光伏配电网故障诊断方法 |
CN110470951A (zh) * | 2019-08-18 | 2019-11-19 | 天津大学 | 基于PMU信息和Petri网的有源配电网故障诊断方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050180335A1 (en) * | 2004-02-13 | 2005-08-18 | Lucent Technologies Inc. | Path based network management method and apparatus for data communication networks |
CN101726688A (zh) * | 2009-09-17 | 2010-06-09 | 浙江大学 | 一种多数据源信息融合的电网故障诊断方法 |
CN103487723A (zh) * | 2013-08-30 | 2014-01-01 | 中国南方电网有限责任公司 | 电力系统故障诊断方法及系统 |
-
2014
- 2014-03-11 CN CN201410087839.3A patent/CN103901320A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050180335A1 (en) * | 2004-02-13 | 2005-08-18 | Lucent Technologies Inc. | Path based network management method and apparatus for data communication networks |
CN101726688A (zh) * | 2009-09-17 | 2010-06-09 | 浙江大学 | 一种多数据源信息融合的电网故障诊断方法 |
CN103487723A (zh) * | 2013-08-30 | 2014-01-01 | 中国南方电网有限责任公司 | 电力系统故障诊断方法及系统 |
Non-Patent Citations (2)
Title |
---|
杨健维 等: "基于方向性加权模糊Petri网的电网故障诊断方法", 《中国电机工程学报》 * |
杨健维 等: "基于时序模糊Petri网的电力系统故障诊断", 《电力系统自动化》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297637A (zh) * | 2014-10-31 | 2015-01-21 | 国家电网公司 | 综合利用电气量和时序信息的电力系统故障诊断方法 |
CN105470932A (zh) * | 2015-08-28 | 2016-04-06 | 上海电力设计院有限公司 | 面向对象Petri网的输电网线路保护仿真方法 |
CN105119243B (zh) * | 2015-09-11 | 2018-10-16 | 合肥工业大学 | 基于故障电压比值与多信息融合的广域后备保护方法 |
CN105119243A (zh) * | 2015-09-11 | 2015-12-02 | 合肥工业大学 | 基于故障电压比值与多信息融合的广域后备保护方法 |
CN105548815A (zh) * | 2016-01-14 | 2016-05-04 | 山东科技大学 | 一种基于最大似然译码字的Petri网电网故障检测方法 |
CN106226657A (zh) * | 2016-09-07 | 2016-12-14 | 上海市政工程设计研究总院(集团)有限公司 | 一种用于电网故障诊断的停电区域识别方法 |
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 |
CN106841909A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 基于方向分层模糊Petri网的多源信息融合配电网故障分析 |
CN106841910A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 将仿电磁学算法融于时序模糊Petri网的配电网故障诊断方法 |
CN106841910B (zh) * | 2016-12-20 | 2019-05-24 | 国网辽宁省电力有限公司沈阳供电公司 | 将仿电磁学算法融于时序模糊Petri网的配电网故障诊断方法 |
CN106841909B (zh) * | 2016-12-20 | 2019-07-09 | 国网辽宁省电力有限公司沈阳供电公司 | 基于方向分层模糊Petri网的多源信息融合配电网故障分析 |
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 |
CN108919055A (zh) * | 2018-07-11 | 2018-11-30 | 国网江苏省电力有限公司淮安供电分公司 | 一种基于Petri网的含高密度屋顶光伏配电网故障诊断方法 |
CN110470951A (zh) * | 2019-08-18 | 2019-11-19 | 天津大学 | 基于PMU信息和Petri网的有源配电网故障诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103901320A (zh) | 一种计及多源数据的电力系统故障诊断方法 | |
CN103308824B (zh) | 一种基于概率Petri网的电力系统故障诊断方法 | |
CN104297637B (zh) | 综合利用电气量和时序信息的电力系统故障诊断方法 | |
CN103487723B (zh) | 电力系统故障诊断方法及系统 | |
CN107656176B (zh) | 一种基于改进贝叶斯Petri网的电网故障诊断方法 | |
CN103001328B (zh) | 一种智能变电站的故障诊断与评估方法 | |
Zhang et al. | A fuzzy Petri net based approach for fault diagnosis in power systems considering temporal constraints | |
Senroy et al. | Decision tree assisted controlled islanding | |
CN105183952B (zh) | 一种基于分层时间模糊Petri网的输电网故障诊断方法 | |
CN106841910B (zh) | 将仿电磁学算法融于时序模糊Petri网的配电网故障诊断方法 | |
Zhao et al. | Power system fault diagnosis based on history driven differential evolution and stochastic time domain simulation | |
Lo et al. | Extended Petri net models for fault diagnosis for substation automation | |
CN102721901B (zh) | 基于时序贝叶斯知识库tbkb的电网故障诊断方法 | |
CN110470951A (zh) | 基于PMU信息和Petri网的有源配电网故障诊断方法 | |
CN104504248A (zh) | 一种基于设计数据分析的故障诊断建模方法 | |
CN105488537A (zh) | 一种基于Petri网的部件故障属性表征方法 | |
CN103197168B (zh) | 电力系统中基于事件集因果链实现故障诊断控制的方法 | |
CN106327033A (zh) | 一种基于马尔可夫过程的电力系统连锁故障解析方法 | |
CN104133968A (zh) | 电网连锁故障事故链的相关性评估方法 | |
CN110018390A (zh) | 基于综合变权的分层模糊petri网电网故障诊断方法 | |
Su et al. | Diagnosability of Discrete-Event Systems with Uncertain Observations. | |
CN106771853A (zh) | 一种基于事件起点的智能化电网故障诊断方法 | |
Ahmad et al. | Formal reliability and failure analysis of ethernet based communication networks in a smart grid substation | |
Ghainani et al. | Fuzzy timing Petri net for fault diagnosis in power system | |
Naseem et al. | Probability estimation for the fault detection and isolation of pmu-based transmission line system of smart grid |
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: 20140702 |