CN104765965A - 基于模糊Petri的GIS故障诊断与可靠性分析方法 - Google Patents

Abstract

本发明公开了基于模糊Petri的GIS故障诊断与可靠性分析方法，该方法基于GIS故障的随机性、多样性和故障征兆的模糊性，提出模糊petri网的GIS故障建模及推理方法，其将Petri网的理论与模糊推理规则有机结合在一起，具有高效准确地并行推理能力。结合大量的统计故障案例，建立了基于FPN的GIS系统的故障诊断模型。当系统未发生故障，通过在线监测预测可能的故障征兆的情况下，对GIS故障状态进行矩阵的正向推理，可以快速、准确地计算出各个库所的可信度，并对初始库所重要度进行分析；在已知故障现象的情况下，通过反向的模糊推理规则，找出故障原因。

Description

基于模糊Petri的GIS故障诊断与可靠性分析方法

技术领域

本发明属于电气设备检测技术领域，特别涉及基于模糊Petri的GIS故障诊断与可靠性分析方法。

背景技术

气体绝缘金属封闭开关设备GIS(gas insulated switchgear)由于占地面积小、可靠性高、安全性好、检修周期长、受环境影响小等优点，被广泛用于城市变电站。随着电网规模的不断扩大，电力系统对供电可靠性要求越来越高，据资料统计，GIS设备的故障率只有常规的敞开式设备的16.6％～40％，但GIS故障不易被发现，且一旦发生故障，维修困难，给城市供电带来巨大的损失。GIS故障大致可分为机械故障、绝缘故障、二次回路故障、本体渗漏故障、其他故障等。机械故障和绝缘故障是GIS中较为常见的故障。机械故障多发生在操动机构，非操动机构的故障相对较少。绝缘故障一般由两类原因引起，一方面，各种过电压会导致局部场强超过临界场强，从而导致局部放电的产生，另一方面，绝缘缺陷引起GIS内部电气强度减弱，也会诱发局部放电。而GIS的各类绝缘缺陷可归类于如下五类缺陷：毛刺、悬浮电位、自由粒子、附着物、绝缘气隙等。及时准确的发现故障和采取相应的措施处理、排除故障具有重要的意义。

GIS内有多种开关设备，其故障具有随机性、多样性、复杂性；故障征兆具有模糊性；事件因果关系具有不确定性，数据采集与监视控制系统SCADA(Supervisory Control And Data Acquisition)提供的信息具有不确定性和不完整性。所以在加强对GIS监测的同时，更要对GIS监测结果进行综合分析以便精确诊断。GIS综合诊断方法有神经网络、聚类分析、粗糙集、支持向量机、专家系统等，但这些研究方法有一定的局限性和不全面性，主要表现为：需要复杂的计算；对于小样本会导致高误差，对于大样本会导致网络收敛困难；在通用性、实时性和准确性等方面都有缺陷。探索一种高效可行的GIS故障诊断方法,清晰动态地表达故障信息，准确地对GIS故障进行诊断和状态评价具有非常重要的意义。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供基于模糊Petri的GIS故障诊断与可靠性分析方法，将模糊Petri网应用在GIS在线检测和故障诊断中，通过Petri网的图形描述能力和模糊系统的模糊推理能力，使得知识表示简单清晰，便于故障的分析、推理和决策，从而对GIS系统进行定性、定量的性能分析。

为了实现上述技术目的，本发明的技术方案为：

基于模糊Petri的GIS故障诊断与可靠性分析方法，包括以下步骤：

步骤(1)：定义模糊Petri结构是一个九元组FPN：

FPN＝(P,T,D,I,O,f,α,β,η)

其中：

P＝{p₁,p₂,…,p_n}，是一个有限的非空库所集，表示故障事件的集合，p_i为1个库所，i＝1,2,3,…,n；

T＝{t₁,t₂,…,t_m}，是一个有限的非空变迁集，表示故障事件的状态变化或行为动作，反映故障传播阶段的更替，t_j为1个变迁，j＝1,2,3,…,m；

D＝{d₁,d₂,…,d_n}，是一个有限的命题集，d_i为1个命题，i＝1,2,3,…,n，d_i表示p_i所代表故障事件发生的命题；

I：P×T→{0,1}，是m×n输入关联矩阵，表示从库所到变迁的映射位置；

O：T×P→{0,1}，是m×n输出关系矩阵，表示从变迁到库所的映射位置；

f：T→[0,1]，是变迁的置信度，u_j＝f(t_j)，u_j表示变迁规则的置信度向量；

α：P→[0,1]，是P的可信度，y_i＝α(p_i)，y_i称为托肯，表示库所p_i的真实度向量；

β是库所到命题的双向映射，即β(p_i)＝d_i(i＝1,2,…,n)；

η＝{η₁,η₂,…,η_n}^T为标志矩阵，η_i取值为1或0，分别表示库所p_i有效或无效。

步骤(2)：根据步骤(1)模糊Petri结构的定义，构建复合模糊Petri网络；

步骤(3)：结合GIS统计故障案例，将GIS故障进行分类，统计GIS各种故障所占得百分比，按步骤(2)中构建的复合模糊Petri网络，建立基于模糊Petri的GIS故障诊断模型；

步骤(4)：设定初始可信度值y⁰、变迁规则置信度U、变迁的阈值λ及标志矩阵η；

步骤(5)：当GIS系统无故障现象发生时，通过在线监测GIS设备预测潜在的故障征兆，由模糊Petri网络的正向矩阵推理算法原理进行故障可靠性分析，得到存在的潜伏性故障、实现对系统故障严重程度的评价和初始库所的重要度分析；

步骤(6)：当GIS故障已经发生时，首先由基于模糊Petri的GIS故障诊断模型建立初始库所集合、目标库所以及各个库所的可达集合、立即可达集合，然后从目标开始，按可信度最大的原则进行查询，反向使用模糊推理规则，找出该目标的前提命题，如果该前提命题还是其他规则的结论，再重复步骤(6)，直到对某个规则的前提给出确定的判断为止。

其中，步骤(1)中u_j的取值范围是[0,1]。

其中，步骤(1)中y_i的取值范围是[0,1]。

其中，步骤(4)中所述初始可信度值y⁰为可信度值y的初始值，其中，y＝{y₁,y₂,…,y_n}^T。

其中，步骤(4)中所述变迁规则置信度U＝diag{u₁,u₂,…,u_m}，diag{}表示将{}内的向量组成对角矩阵。

采用上述技术方案带来的有益效果：

(1)本发明通过Petri网的图形描述能力和模糊系统的模糊推理能力，使得知识表示简单清晰，便于对GIS故障进行分析、推理和决策；且本发明不需要复杂的计算，收敛快，具有较好实时性和准确性；本发明利用模糊数学理论和方法可以有效的处理研究对象和系统的不确定性和模糊性；

(2)在基于模糊Petri的GIS故障诊断模型中，采用基于统计事件的概率值来确定对应库所的初始标志，这样在实际应用中，只要根据统计数据更新模糊petri网的初始库所的可信度就可以将诊断推理顺利的进行下去，扩大了模型的适用范围；

(3)本发明采用矩阵的正向推理能充分利用模糊Petri网的数学理论基础和描述并发系统的能力，具有并行推理能力，可以同时得到推理后系统的全部状态值，非常适合数据不完备、不确定、模糊情况下的在线诊断。

附图说明

图1是本发明复合模糊Petri网络结构图；

图2是本发明基于模糊Petri的GIS故障诊断模型示意图；

图3是本发明的流程图；

图4是本发明以GIS绝缘缺陷为例构建的基于模糊Petri的GIS故障诊断模型示意图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

基于模糊Petri的GIS故障诊断与可靠性分析方法，包括以下步骤：

步骤1：定义模糊Petri结构是一个九元组FPN：

FPN＝(P,T,D,I,O,f,α,β,η)

其中：

P＝{p₁,p₂,…,p_n}，是一个有限的非空库所集，表示故障事件的集合，p_i为1个库所，i＝1,2,3,…,n；

T＝{t₁,t₂,…,t_m}，是一个有限的非空变迁集，表示故障事件的状态变化或行为动作，反映故障传播阶段的更替，t_j为1个变迁，j＝1,2,3,…,m；

D＝{d₁,d₂,…,d_n}，是一个有限的命题集，d_i为1个命题，i＝1,2,3,…,n，d_i表示p_i所代表故障事件发生的命题；

I：P×T→{0,1}，是m×n输入关联矩阵，表示从库所到变迁的映射位置；

O：T×P→{0,1}，是m×n输出关系矩阵，表示从变迁到库所的映射位置；

f：T→[0,1]，是变迁的置信度，u_j＝f(t_j)，u_j表示变迁规则的置信度向量，u_j的取值范围是[0,1]；

α：P→[0,1]，是P的可信度，y_i＝α(p_i)，y_i称为托肯，表示库所p_i的真实度向量，y_i的取值范围是[0,1]

β是库所到命题的双向映射，即β(p_i)＝d_i(i＝1,2,…,n)；

η＝{η₁,η₂,…,η_n}^T为标志矩阵，η_i取值为1或0，分别表示库所p_i有效或无效。

步骤2：由步骤1中的定义，构建复合模糊Petri网络，其结构如图1所示；其模糊推理规则为：IF d₁ or d₂ or…or d_n THEN d_k，(CF＝u_i)，d_k表示GIS发生故障的命题。模糊Petri网的输入库所是模糊推理规则的前提部分，输出库所为结论部分，两者都可以包含模糊变量，每个命题的真值介于0到1之间。u_j∈[0,1]，规则的可信度表示规则中真实度的强度，其值越高可信度越高。令λ为变迁的阈值，且λ∈[0,1]，y_i(i＝1,2,…,n)表示库所p_i所对应的命题d_i的可信度，且y_i∈[0,1]，只有当命题d_i的可信度y_i≥λ，则推理是可被激发；变迁前提部分规则保持不变，变迁后命题d_k的真值为y_k＝max(y₁·u₁,y₂·u₂,…,y_n·u_n)。

步骤3：GIS统计故障案例，将GIS故障进行分类，统计GIS各种故障所占得百分比，按步骤2中所构建的模糊Petri网络，建立基于模糊Petri的GIS故障诊断模型，其结构如图2所示，模糊Petri的GIS故障诊断模型的对应的事件如表1所示。

表1

步骤4：根据模糊规则、专家知识及历史数据等设定初始可信度值y⁰、变迁规则置信度U、变迁的阈值λ以及初始标志矩阵η。

步骤5：定义两个特殊算子：

(1)A,B和C均为m×n的矩阵，则c_ij＝max(a_ij,b_ij)，i＝1,2,…,m，j＝1,2,…,n；

(2)A,B和C分别为m×p，p×n，m×n的矩阵，则i＝1,2,…,m，j＝1,2,…,n。

由上述算子得出事件p_i的可信度推理公式如下：

$y^{k+1}=y^k\⊕[(O\·U)\⊗\left(\stackrel{\‾}{I^T\⊗\stackrel{\‾}{y^k}}\right)]$

式中，I_n＝(1,1,…,1)^T为n维向量，表示事件p_i在第k次推理时为假的置信度，i＝1,2,…,n；为m维向量，表示规则t_j为假的可信度，j＝1,2,…,m；为m维向量，表示规则t_j为真的可信度，j＝1,2,…,m；

步骤6：按步骤5中的公式得出模糊Petri网的正向推理算法：①令k＝0；②由y^k求得y^k+1；③若y^k+1≠y^k，则令k＝k+1，重复步骤②，若y^k+1＝y^k，则推理结束。

当GIS系统无故障现象发生时，通过在线监测GIS设备预测可能出现的故障征兆，按照步骤7正向推理算法原理进行故障可靠性分析，得到可能存在的潜伏性故障和实现对系统故障严重程度的的评价和初始库所的重要度分析。

步骤7：对反向推理算法的集合进行定义：可达库所集合(RS)：库所p_i经过激活规则所能到达的所有库所的集合；立即可达库所集合(IRS)：库所p_i经过一次变迁就能到达的库所p_j则称p_j是p_i的立即可达集合，p_i是p_j的反向立即可达集合反向立即可达库所集合(RIRS)；相邻库所集合(AP)：库所p_i经历同一变迁的所有库所的集合。

由上述定义，得出反向推理算法：①建立初始库所集合，目标库所，及各个库所的可达集合RS、立即可达集合IRS②当GIS系统故障已经发生时，从目标开始，按可信度最大的原则进行查询，反向使用模糊推理规则，找出该目标的前提命题，如果该前提命题还是其他规则的结论，再重复以上步骤，直到对某个规则的前提给出确定的判断为止。

上述整个流程如图3所示

本实施例以GIS绝缘缺陷为例加以说明：

1、建立基于模糊Petri的GIS绝缘缺陷故障诊断模型，如图4所示。

2、初始化：

y⁰＝(0.5582,0.7593,0.8892,0.5586,0.8781,0.8851,0.9282,0.8653,0.8275,0.8788,0,0,0,0,0,0)^T；

U＝diag(0.82,0.89,0.92,0.90,0.92,0.90,0.93,0.94,0.96,0.92,0.92,0.89,0.98,0.92,0.95)；

λ＝(0.3,0.4,0.5,0.5,0.5,0.5,0.5,0.5,0.6,0.5,0.5,0.5,0.6,0.5,0.5)^T；

η＝[1,1,1,…,1]^T _1×16。

3、基于模糊Petri的GIS绝缘缺陷的故障模型的拓扑结构，有16个库所和15个变迁，得到该模型的输入输出矩阵分别为： $I=\left[\begin{array}{c}{E}_{15\×15}\\ 0_{1\×15}\end{array}\right],O=\left[\begin{array}{c}{0}_{10\×15}\\ O_{21}\end{array}\right]$

其中， $O_{21}={\left[\begin{array}{c}111000000000000\\ 000111000000000\\ 000111100000000\\ 000011010000000\\ 000000001100000\\ 000000000011111\end{array}\right]}_{6\×15}$

4、将数据导入程序，进行推理迭代计算：

y¹＝(0.5582,0.7593,0.8892,0.5586,0.8781,0.8851,0.9282,0.8653,0.8275,0.8788,0.8181,0.8079,0.8539,0.8134,0.8085,0)^T

y²＝(0.5582,0.7593,0.8892,0.5586,0.8781,0.8851,0.9282,0.8653,0.8275,0.8788,0.8181,0.8079,0.8539,0.8134,0.8085,0.8367)^T

y²＝y³正向推理结束，获得各事件的可信度。

5、当只有一个故障发生时，此时，通过推理算法计算得到的目标库所的可信度为初始库所重要度指标。

6、当GIS绝缘缺陷故障已经发生，进行反向推理：建立初始库所集SP＝{p₁,p₂,p₃,p₄,p₅,p₆,p₇,p₈,p₉,p₁₀}，目标库所集GP＝{p₁₆}；建立每个库所的可达集合RS、立即可达集合IRS，如表2所示。

表2

7、故障现象“绝缘缺陷”已发生，并导致了局部放电，其在FPN模型中对应库所P₁₆引发P₁₆的路径有五条，P₁₁→P₁₆、P₁₂→P₁₆、P₁₃→P₁₆、P₁₄→P₁₆和P₁₅→P₁₆；再查询变迁t₁₁、t₁₂、t₁₃、t₁₄和t₁₅的可信度，P₁₃→P₁₆的可信度CF₁₃₁₆最大，选择路径P₁₃→P₁₆。首先对P₁₃进行标记，表示系统在查找故障原因时已访问过该库所，以避免在利用深度优先策略进行搜索时重复查询此库所；然后进行反向查询，能引发P₁₃的路径有四条，即P₄→P₁₃、P₅→P₁₃、P₆→P₁₃、P₇→P₁₃，由于CF₇₁₃较大，根据可信度最大选择的原则，系统首先选择变迁t₇,找到t₇的输入库所；由于P₇是起始库所，系统询问“导杆油漆层脱落？”，若用户回答“非常真实”，则有系统预先设定的模糊程度自动算出该命题的可信度y₇＝0.91大于事先设定的阈值0.5，所以P₇为被激活事件。计算P₁₃的可信度y₁₃＝y₇×0.93＝0.846＞0.6,P₁₃事件也被激活，得到y₁₆＝y₁₃×0.98＝0.83，此时故障原因已找到即“导杆油漆层脱落”其产生绝缘缺陷故障的可信度为0.83。

8、若用户在回答导杆油漆层脱落程度时，回答“基本没有脱落”，由模糊程度自动算出该命题的可信度y₇＝0.2<0.5，因此P₁₃事件没有被激活，继续寻找P₁₃被激活的其他路径，系统按照变迁可信度的大小，继续执行上述的推理过程。

9、若P₄、P₅、P₆、P₇事件都没有被激活，则系统寻找路径P₄→P₁₃、P₅→P₁₃、P₆→P₁₃中变迁置信度较大的路径。重复上述过程，直到最终找到故障原因，并且计算目标库所的可信度。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (6)

1.基于模糊Petri的GIS故障诊断与可靠性分析方法，其特征在于：包括以下步骤：

步骤(1)：定义模糊Petri结构是一个九元组FPN：

FPN＝(P,T,D,I,O,f,α,β,η)

其中：

P＝{p₁,p₂,…,p_n}，是一个有限的非空库所集，表示故障事件的集合，p_i为1个库所，i＝1,2,3,…,n；

T＝{t₁,t₂,…,t_m}，是一个有限的非空变迁集，表示故障事件的状态变化或行为动作，反映故障传播阶段的更替，t_j为1个变迁，j＝1,2,3,…,m；

D＝{d₁,d₂,…,d_n}，是一个有限的命题集，d_i为1个命题，i＝1,2,3,…,n，d_i表示p_i所代表故障事件发生的命题；

I：P×T→{0,1}，是m×n输入关联矩阵，表示从库所到变迁的映射位置；

O：T×P→{0,1}，是m×n输出关系矩阵，表示从变迁到库所的映射位置；

f：T→[0,1]，是变迁的置信度，u_j＝f(t_j)，u_j表示变迁规则的置信度向量；

α：P→[0,1]，是P的可信度，y_i＝α(p_i)，y_i称为托肯，表示库所p_i的真实度向量；

β是库所到命题的双向映射，即β(p_i)＝d_i(i＝1,2,…,n)；

η＝{η₁,η₂,…,η_n}^T为标志矩阵，η_i取值为1或0，分别表示库所p_i有效或无效。

步骤(2)：根据步骤(1)模糊Petri结构的定义，构建复合模糊Petri网络；

步骤(3)：结合GIS统计故障案例，将GIS故障进行分类，统计GIS各种故障所占得百分比，按步骤(2)中构建的复合模糊Petri网络，建立基于模糊Petri的GIS故障诊断模型；

步骤(4)：设定初始可信度值y⁰、变迁规则置信度U、变迁的阈值λ及标志矩阵η；

步骤(5)：当GIS系统无故障现象发生时，通过在线监测GIS设备预测潜在的故障征兆，由模糊Petri网络的正向矩阵推理算法原理进行故障可靠性分析，得到存在的潜伏性故障、实现对系统故障严重程度的评价和初始库所的重要度分析；

步骤(6)：当GIS故障已经发生时，首先由基于模糊Petri的GIS故障诊断模型建立初始库所集合、目标库所以及各个库所的可达集合、立即可达集合，然后从目标开始，按可信度最大的原则进行查询，反向使用模糊推理规则，找出该目标的前提命题，如果该前提命题还是其他规则的结论，再重复步骤(6)，直到对某个规则的前提给出确定的判断为止。

2.根据权利要求1所述基于模糊Petri的GIS故障诊断与可靠性分析方法，其特征在于：步骤(1)中u_j的取值范围是[0,1]。

3.根据权利要求1所述基于模糊Petri的GIS故障诊断与可靠性分析方法，其特征在于：步骤(1)中y_i的取值范围是[0,1]。

4.根据权利要求1所述基于模糊Petri的GIS故障诊断与可靠性分析方法，其特征在于：步骤(4)中所述初始可信度值y⁰为可信度值y的初始值，其中，y＝{y₁,y₂,…,y_n}^T。

5.根据权利要求1所述基于模糊Petri的GIS故障诊断与可靠性分析方法，其特征在于：步骤(4)中所述变迁规则置信度U＝diag{u₁,u₂,…,u_n}，diag{}表示将{}内的向量组成对角矩阵。

6.根据权利要求1所述基于模糊Petri的GIS故障诊断与可靠性分析方法，其特征在于：步骤(4)中所述变迁的阈值λ取值范围是[0,1]。