CN105183952B - 一种基于分层时间模糊Petri网的输电网故障诊断方法 - Google Patents

Abstract

本发明公开了一种基于分层时间模糊Petri网的输电网故障诊断方法，属于电力技术领域；现有技术中的Petri网模型应对不确定及缺失的报警信息的容错能力仍有待加强；本发明的分层时间模糊Petri网模型，包括分层子模型和综合诊断模型，在保护和断路器发生误动或拒动、报警信息缺失以及发生多重故障等情况下，均能给出正确的诊断结果，具有较好的应用前景。

Description

一种基于分层时间模糊Petri网的输电网故障诊断方法

技术领域

本发明属于电网故障诊断研究领域，更具体地，涉及一种基于分层时间模糊Petri网的输电网故障诊断方法。

背景技术

随着现代技术及电力系统的发展，电网规模越来越大，结构也越来越复杂。对于局部电网发生的短路故障，若不能及时采取有效应对措施，可能导致故障区域蔓延，造成大面积断电。因此，合理利用电网故障信息，开展快速而准确的故障诊断算法研究，对故障识别和提高电网安全稳定运行能力具有十分重要的意义。目前，国内外电力学者在电力系统故障诊断领域已开展了广泛的研究，并提出了多种智能诊断方法，如专家系统、人工神经网络、解析模型、贝叶斯理论、Petri网等。这些理论和方法在故障诊断中均具有一定的适用性，其中Petri网以图形的方式描述电力系统元件、保护和断路器三者之间的关联特性，具有简洁、高效、物理意义清晰等特点，因而受到越来越多的关注，并衍生出一系列改进的算法。

针对传统Petri网理论无法有效应对故障诊断中的不确定性问题，近年来提出了模糊Petri网的概念，在一定程度上考虑了保护和断路器动作的不确定性，并通过矩阵运算的方式实现诊断推理过程。此外，考虑到报警信息的时间约束特性对故障诊断的重要影响，一些学者也展开了相关研究，提出了计及时间约束的模糊Petri网，主要利用保护和断路器动作信息的时序属性，对不完备的动作信息进行纠错处理。尽管上述研究取得了诸多成果，但在下述几个方面仍有待完善：(1)未能充分利用故障事件记录的时间约束特性对海量报警信息进行初步筛选，避免因时序不一致信息而导致的误判问题；(2)未能有效解决网络拓扑结构变化时Petri网模型的适应性问题，而且Petri网模型应对不确定及缺失的报警信息的容错能力仍有待加强。

发明内容

针对现有技术中存在的问题，本申请提供的是一种基于分层时间模糊Petri网的输电网故障诊断方法，其中通过对分层子模型和综合诊断模型的具体结构及其设置方式进行研究和涉及，增强了方法对不确定和不完备的继电保护装置动作信息的容错能力；并可有效甄别出时序不一致的报警信息。

为实现上述目的，按照本发明的一个方面，提供了一种基于分层时间模糊Petri网的输电网故障诊断方法，其特征在于，该方法包括以下步骤：

(1)获取所述输电网的网络拓扑结构以及故障时的报警信息；

(2)根据所述输电网网络拓扑结构以及报警信息，采用结线分析法搜索故障停电区域，确定可疑故障元件；

(3)根据所述输电网的网络拓扑结构和获得的每一个可疑故障元件，并针对各个可疑故障元件分别来设计对应的HTFPN模型也即分层时间模糊Petri网模型，该HTFPN模型包括分层子模型和综合诊断模型，其中：

所述分层子模型是在充分考虑故障可能蔓延的所有方向，以及各个方向上的保护和断路器的动作情况，首先应该由各个方向上的该可疑故障元件的主保护动作并触发与主保护对应的断路器跳闸，如果所述主保护或所述对应的断路器未动作，则应由该方向上的后备保护动作并触发与后备保护对应的断路器跳闸，然后利用Petri网的产生式规则，将上述所有动作情况采用图形的方式建立的各方向上的所述分层子模型；

所述分层子模型具体分为三层，第一层包括起始库所及其输出弧，第二层包括中间库所及其输入弧、输出弧，第三层包括终端库所及其输入弧。

所述综合诊断模型是将所述各个方向上的分层子模型通过Petri网的产生式规则建立起来的；

(4)利用所述分层子模型和所述综合诊断模型来确定实际故障元件。

优选地，所述步骤(4)包括以下步骤：

(41)根据所述输电网故障时的报警信息和每一个可疑故障元件的所述各分层子模型，搜索与所述各分层子模型相关联的报警信息，并利用故障事件记录的时间约束特性，通过时序推理分析检查时序不一致即误报的信息，从而获得每一个可疑故障元件的所述各分层子模型的状态真值矩阵其中元素表示库所p_i对应报警信息的状态，其取值为1、0或-1，1表示接收到的报警信息满足时间约束，0表示未接收到报警信息，-1表示接收到报警信息但不满足时间约束，即为误报，应予以剔除；

(42)根据所获得的每个所述各分层子模型状态真值矩阵，对每一个可疑故障元件的HTFPN模型的库所、库所输入弧的置信度和库所输出弧的权重进行初始化设置；

(43)根据所获得的所述库所、所述库所输入弧的置信度和所述库所输出弧的权重的初始化设置结果，按照每个所述分层子模型的层次划分结构，分别对每个所述分层子模型进行模糊推理矩阵运算，获得该子模型的终端库所置信度矩阵，然后根据综合诊断模型的加权平均计算获得每一个可疑故障元件的置信度；

(44)根据所获得的所有所述可疑故障元件的置信度，通过与门槛值进行比较的方式确定实际故障元件；

优选地，所述方法还包括：

步骤(5)根据所获得的实际故障元件和所有可疑故障元件的分层子模型状态真值矩阵，辨识继电保护装置的动作行为。

优选地，所述步骤(43)中的模糊推理矩阵运算，具体包括以下步骤：

1)根据第一层中的起始库所置信度矩阵α_sta、输出弧置信度矩阵O_sta，获得第一层变迁的合成输入概率矩阵H₁＝α_staO_sta；

2)根据H₁以及第二层中的中间库所输入弧置信度矩阵I_mid，获得中间库所置信度矩阵α_mid＝H₁I_mid，然后根据中间库所输出弧置信度矩阵O_mid，获得第二层变迁的合成输入概率矩阵H₂＝α_midO_mid；

3)根据H₂以及第三层中的终端库所输入弧置信度矩阵I_ter，计算所述终端库所的置信度矩阵α_ter。

优选地，所述步骤(5)具体包括以下步骤：

(1)对于故障元件，若主保护及相应断路器对应的状态真值矩阵元素均为1，则所述后备保护或相应断路器对应的状态真值矩阵元素为1的视为误动；对于非故障元件，除了与故障元件相关的保护和断路器外，其他状态为1的视为误动；

(2)对于故障元件，若主保护或相应断路器对应的状态真值矩阵元素不为1，而所述后备保护或相应断路器对应的状态真值矩阵元素为1，则视为主保护或相应断路器拒动，后备缺失的信息为漏报；若后备保护及相应断路器对应的状态真值矩阵元素均不为1，则故障由主保护及相应断路器正确切除，缺失的信息为漏报。总体而言，按照本发明的上述技术构思与现有技术相比，主要具备以下的技术优点：

1、在现有模糊Petri网故障诊断模型的研究基础上，构造了一种基于分层子模型和综合诊断模型的分层时间模糊Petri网故障诊断方法。采用该方法能够提高模糊Petri网对网络拓扑结构变化的适应性，大大减少了模型复杂度和计算时间。此外，在充分考虑保护、断路器动作的不确定性和报警信息的缺失对故障诊断的影响基础上，通过利用虚拟有向弧和主、次库所，增强了方法对不确定和不完备的继电保护装置动作信息的容错能力；

2、采用本发明提出的时序推理分析方法和时序不一致信息检查方法能够充分利用故障事件记录的时间约束特性，有效甄别出时序不一致的报警信息，并通过状态真值矩阵能够准确辨识继电保护装置的动作行为。

附图说明

图1是本发明实施例的一种基于分层时间模糊Petri网的输电网故障诊断方法的实现流程示意图；

图2是本发明实施例的IEEE 30节点系统网络拓扑结构示意图；

图3是本发明实施例的母线B15的HTFPN模型图；

图4是本发明实施例的线路L15_18的HTFPN模型图；

图5是本发明实施例的时序推理示意图；

图6是本发明实施例的广州电网部分接线图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明提出了一种基于分层时间模糊Petri网的输电网故障诊断方法，利用虚拟有向弧和主、次库所，构造了元件的分层子模型和综合诊断模型，并根据子模型的层次划分结构，提出了报警信息的时间约束检查方法和模糊矩阵运算规则。采用本发明所提出的方法不仅能够有效应对网络拓扑结构变化时模型的适应性问题，大大减少模型复杂度和计算时间，还能充分利用故障事件记录的时间约束特性对海量报警信息进行初步筛选，增强了对不确定和不完备的继电保护装置动作信息的容错能力。

如图1所示，本发明实施例的基于分层时间模糊Petri网的输电网故障诊断方法包括如下步骤：

S1：获取输电网网络拓扑结构以及电网故障时的报警信息；

输电网网络拓扑结构包括：输电网的电气主接线形式(单母线、双母线或3/2接线)、母线和线路的继电保护类型(主保护、近后备保护、远后备保护或失灵保护)。报警信息包括：调度端接收到的保护动作和断路器跳闸信息，以及信息的动作时间；

S2：根据所述输电网网络拓扑结构以及报警信息，采用已较为成熟的结线分析法快速搜索故障停电区域，确定可疑故障元件；

在本发明实施例中，结线分析法是一种常见的公知技术，主要利用母线、线路等电网元件的保护和断路器的逻辑关联关系，构建元件集合及网络搜索策略，可实现停电区域及其中可疑故障元件的快速搜索与识别，有助于提高故障诊断的速度。

S3：令x＝1，其中x表示可疑故障元件序号；

S4：根据所述输电网网络拓扑结构和获得的第x个可疑故障元件，获得第x个可疑故障元件的HTFPN模型，包括分层子模型和综合诊断模型；

HTFPN的数学定义可以用一个6元组来描述：

HTFPN＝(P,B,I,O,α,T_sta) (1)

其中，P＝{p₁,p₂,…,p_n}，表示库所结点的有限集合(1×n维)，定义表示报警信息的库所为起始库所(1×k维)，表示电网元件的库所为终端库所(1维),其他不具备物理含义的称为中间库所(1×q维)，则满足代数关系k+q+1＝n；B＝{t₁,t₂,…,t_m}，表示变迁结点的有限集合(1×m维)；I＝{I_mid,I_ter}，表示库所结点的输入弧置信度集合，其中I_mid＝[I_ij]，表示中间库所的输入弧置信度矩阵(q×q维)，I_ij∈[0,1]，当存在从t_i到p_j的有向弧时，I_ij的值为该有向弧的置信度，否则I_ij＝0；I_ter＝[I₁,I₂,…,I_q]^T，表示终端库所的输入弧置信度矩阵(q×1维)，同样，当存在从t_i到p_n的有向弧时，I_i的值为该有向弧的置信度，否则I_i＝0；O＝{O_sta,O_mid}，表示库所结点的输出弧置信度集合，其中O_sta＝[O_ij]，表示起始库所的输出弧置信度矩阵(k×q维)，O_mid＝[O_ij]，表示中间库所的输出弧置信度矩阵(q×q维)，O_ij∈[0,1]，当存在从p_i到t_j的有向弧时，O_ij的值为该有向弧的权重，否则O_ij＝0；α＝{α_sta,α_mid,α_ter}，表示库所结点的置信度集合，其中α_sta＝[α₁,α₂,…,α_k]，表示起始库所的置信度矩阵(1×k维)，α_mid＝[α_k+1,α_k+2,…,α_k+q]，表示中间库所的置信度矩阵(1×q维)，α_ter＝[α_n]，表示终端库所的置信度矩阵(1维)；T_sta＝[T₁,T₂,…,T_k]，表示起始库所动作时间矩阵(1×k维)。

建立HTFPN模型的具体实现方法为：当电力系统某母线或线路停电检修时，电网拓扑结构将发生改变，原有的Petri网模型不再适用，而建立新的诊断模型势必会增大故障诊断时间，尤其是随着电网规模的变大，Petri网的网络结构将更加复杂。显然，上述缺陷不利于模糊Petri网故障诊断方法的推广与工程实际应用。因此，在充分考虑继电保护、断路器动作的不确定性和报警信息的缺失对故障诊断的影响基础上，本发明将第x个可疑故障元件的HTFPN模型分为两个部分：分层子模型和综合诊断模型。

下面以图2所示的IEEE 30节点系统为例，详细说明母线和线路的HTFPN模型的建模过程。图2中，按照传统继电保护配置原则，分别用m、p、s表示主保护、近后备保护和远后备保护，母线B₀₁和B₀₂之间的线路用L_{01_02}表示，其中L₀₁₀₂为靠近B₀₁的一侧，CB₀₁₀₂为该侧的断路器，L₀₂₀₁为靠近B₀₂的一侧，CB₀₂₀₁为相应断路器，B_01m表示母线B₀₁的主保护，其他以此类推。

1)母线的HTFPN模型

当母线发生故障时，需跳开与其相连的所有断路器，若某个断路器未跳闸，则故障区域将扩大，引起后备保护动作。因此，充分考虑故障可能蔓延的所有方向，并建立各方向上的分层子模型，然后构建母线的综合诊断模型。以母线B₁₅为例，其故障可能蔓延方向分别为线路L_{12_15}、L_{14_15}、L_{15_18}和L_{15_23}，由于每个方向上可能收到的报警信息类型均一致，分别为母线主保护、主保护对应的断路器、线路的远后备保护、远后备保护对应的断路器，因此这四个方向上的分层子模型结构相同，其中线路L_{14_15}方向上的子模型以及综合诊断模型如图3(a)、(b)所示。

图3(a)中，ω表示库所输出弧的权重，μ表示库所输入弧的置信度。考虑到主保护或对应断路器拒动后，后备保护才能够动作，因此为体现这种报警信息之间的逻辑关联性，在断路器CB₁₅₁₄和变迁t₂间添加了虚拟有向弧，即图3(a)中的虚线所示，同时赋予虚拟有向弧一定权重，使得后备保护及对应断路器动作时，能够有利于故障的推理诊断。为便于描述，将其余的有向弧称为实有向弧。

如前所述，其他故障可能蔓延方向上的分层子模型结构相同，只是起始库所表征的含义不一样而已。其中，线路L_{12_15}的起始库所为B_15m、CB₁₅₁₂、L_1215s、CB₁₂₁₅,线路L_{15_18}的起始库所为B_15m、CB₁₅₁₈、L_1815s、CB₁₈₁₅,线路L_{15_23}的起始库所为B_15m、CB₁₅₂₃、L_2315s、CB₂₃₁₅。假设线路均未停电检修，则得到上述四个方向上的故障置信度后，便可通过图3(b)所示的综合诊断模型，经过推理运算获得母线B₁₅的置信度。

2)线路的HTFPN模型

对于线路采取同样的建模思路。以线路L_{15_18}为例，首先分析故障可能蔓延的所有方向(线路L_{12_15}、L_{14_15}、L_{15_23}和L_{18_19})及各方向上保护和断路器的动作情况，然后建立L_{15_18}的HTFPN故障诊断模型。其中线路L_{18_19}方向上的分层子模型以及综合诊断模型如图4(a)、(b)所示。

图4(a)中，由于线路L_{15_18}的主保护L_1815m和近后备保护L_1815p动作后触发的是同一个断路器CB₁₈₁₅。因此，为准确辨识该断路器的动作行为，提出了主库所和次库所的概念。其中，主库所CB_{1815_1}表示主保护触发的断路器，次库所CB_{1815_2}表示近后备保护触发的断路器，两者之间可通过报警信息的时序约束特性加以区分。其他方向上的子模型与此类似，不再赘述。

S5：根据所述电网故障时的报警信息和第x个可疑故障元件的分层子模型，搜集与分层子模型相关联的报警信息，并利用故障事件记录的时间约束特性，通过时序推理分析检查时序不一致即误报的信息，从而获得第x个可疑故障元件的分层子模型状态真值矩阵；

搜集与分层子模型相关联的报警信息的具体实现手段为：首先根据主保护、主保护对应的断路器、近后备保护、近后备保护对应的断路器、远后备保护、远后备保护对应的断路器的动作时间先后关系排列分层子模型起始库所的顺序，并确定报警信息的优先等级，则主保护的等级最高，远后备保护对应的断路器等级最低。然后按照报警信息的优先等级，判断调度端接收到的报警信息是否为分层子模型起始库所表征的信息，若是，则此信息与分层子模型相关联，若否，则不相关联。

下面给出故障事件记录的时间约束特性的具体内容。电力系统的故障事件记录主要包括两个组成部分：原因事件和报警信息。原因事件是指母线或线路发生故障，用集合C＝{c₁,c₂,…,c_N}表示，其中N为原因事件的个数，元素c_i表示第i个原因事件。报警信息是指原因事件引发的保护和断路器动作信息，用集合A＝{a₁,a₂,…,a_M}表示，其中M为报警信息的个数，元素a_i表示第i个报警信息。

故障事件记录不仅直接反映实际故障情况，还蕴含着丰富的时间特性，并满足一定的约束关系。定义两类时间约束：①一元时间约束，即单个事件发生的时间T应满足一定的时间范围，用T∈[T^-,T⁺]表示，其中T^-和T⁺分别为时间T的最小值和最大值；②二元时间约束，即两个事件之间的时间差应满足一定的时间范围，用表示，其中T_i和T_j分别为事件i和事件j发生的时间，d(T_i,T_j)＝T_j-T_i，表示T_i和T_j之间的时间距离，和分别为d(T_i,T_j)的最小值和最大值。

电力系统的故障诊断主要是利用原因事件和报警信息的动作时间及时间约束关系来诊断出实际故障元件，其中最重要的就是通过二元时间约束对海量报警信息进行初步筛选，进而剔除时序不一致的信息。基于此，本文将二元时间约束分为以下两种类型：①原因事件与报警信息之间的二元时间约束，即其中a_j为原因事件c_i引发的报警信息，两者的动作时间分别为和②报警信息与报警信息之间的二元时间约束，即其中a_i与a_j为同一原因事件引发的报警信息，动作时间分别为和

实际系统中，当原因事件发生时，保护和断路器的动作时间并不能精确确定。其中，保护的动作时间主要由保护装置整定延时和触发延时决定，而断路器也有一定的动作延时。因此，根据传统继电保护配置原则，定义主保护、近后备保护、远后备保护相对原因事件c的延时区间(单位为ms)分别为：

其中，下标m表示主保护，p表示近后备保护，s表示远后备保护。

定义主保护、近后备保护、远后备保护对应的断路器相对于保护动作时间的延时区间(单位为ms)为：

其中，下标b表示断路器，r表示触发断路器跳闸的保护。

下面给出时序推理分析方法的具体实现手段。首先定义库所—时间关联矩阵：①最小库所—时间关联矩阵表示起始库所与原因事件的最小时间约束；②最大库所—时间关联矩阵表示起始库所与原因事件的最大时间约束。若以原因事件的动作时间为参考点，可得最小、最大库所—时间关联矩阵分别为ΔT_min＝[10,30,260,280,950,970]、ΔT_max＝[40,80,340,380,1070,1100]，单位为ms。实际上，调度中心仅能接收到报警信息，对于原因事件的动作时间是未知的，另外报警信息还存在不确定性及部分缺失等现象，因此需对接收到的信息进行时序推理分析，以找到合适的时间参考点。此外，不仅保护与相应断路器之间存在时间延迟，而且主保护与后备保护之间同样存在着时间约束关系，根据式(2)—(4)，定义主保护与近、远后备保护之间的延时区间分别为d(T_m,T_p)＝[250,300]、d(T_m,T_s)＝[940,1030]和d(T_p,T_s)＝[690,730]，单位为ms。

根据与分层子模型相关联的报警信息优先等级，制定如下时间参考点确定方法：①将与元件相关联的报警信息置于集合Z＝{z₁,z₂,…,z_η}中，其中η为分层子模型的总数，元素z_i＝{y₁,y₂,…,y_Q}为与第i个分层子模型相关联的报警信息集合，其中Q为信息总数；②对z_i进行时间约束检查。首先以优先级最高的报警信息为基准，依次检查与下一级报警信息之间是否满足时间约束，若至少有一个下一级报警信息满足，则直接以优先级最高的报警信息为时间参考点，对其他报警信息进行时间约束检查；③若z_i中所有下一级报警信息均不满足时间约束，则将此最高优先级报警信息依次与z_j(j≠i)进行比较，若还都不满足，则表明此信息时序不一致，应以z_i中下一级报警信息为基准，重复上述过程，直至检查完所有报警信息。

此外，由于主库所和次库所对应的是同一个断路器，因此根据断路器的实际动作时间对这两个库所均进行时间约束检查，只要其中之一满足时间约束条件即可。如此，根据库所对应报警信息的参考动作时间，便可推理出原因事件及其他库所的期望动作时间，从而获得完整的故障事件时间区间。首先对于两个库所之间的时间约束，应该满足如下关系：

其中，定义[T₁,T₂]为正向时间约束，[-T₂,-T₁]为反向时间约束。假设库所p₁、p₂对应报警信息的动作时间分别为则若已知，便可根据正向时间约束推理出若已知，便可根据反向时间约束推理出

根据正、反向时间约束关系，以及第x个可疑故障元件的分层子模型，制定起始库所的时序推理方法如图5所示。图5中，实线箭头表示正向时序推理方向，虚线箭头表示反向时序推理方向，p₁—p₄为与原因事件c相关联的库所，分别表示主保护、主保护对应的断路器、后备保护、后备保护对应的断路器。

假设接收到与某电网元件的分层子模型相关联的主保护在时刻动作，且与下一 级报警信息满足时间约束关系，则以为时间参考点，通过反向时间约束关系，便可推理 出原因事件的动作时间区间为然后以此时间区间为出发点，通过一系列正向时序 推理，便可获得各保护及相应断路器的的动作时间区间，如主保护对应的断路器跳闸时间 应满足

时序不一致信息检查方法的具体实现手段为：为充分利用上述获得的各分层子模型起始库所应满足的时间区间，以便对实际接收到的报警信息进行时序不一致检查，定义期望最小、最大动作时间矩阵如下。

其中，元素

根据实际接收到的报警信息对分层子模型的起始库所动作时间矩阵T_sta进行赋值，并与T_hmin和T_hmax比较，即可初步判定各报警信息是否满足时间约束关系，并得到状态真值矩阵其中元素表示库所p_i对应报警信息的状态，定义如下：

其中，1表示接收到的报警信息满足时间约束，0表示未接收到报警信息，-1表示接收到报警信息但不满足时间约束，即为误报，应予以剔除。

综上所述，通过对报警信息进行时序推理分析，可实现信息的初步筛选，有效甄别出误报的信息，为后续继保装置动作行为辨识提供依据。

S6：根据所获得的各分层子模型的状态真值矩阵，对第x个可疑故障元件的HTFPN模型的库所、库所输入弧的置信度和库所输出弧的权重进行初始化设置；

库所置信度初始化设置的具体实现手段为：①将满足时间约束，即的报警信息视为真，赋予较高的置信度。对于母线，主保护及相应断路器的置信度分别为0.8564、0.9833；对于线路，主保护及相应断路器的置信度分别为0.9913、0.9833；不论是母线还是线路，近、远后备保护的置信度分别为0.8、0.7，相应断路器的置信度分别为0.85、0.75。②考虑到报警信息的不确定性，对时序不一致与调度端未曾接收即的报警信息也赋予一个较低的置信度，取为0.2。③对于中间库所和终端库所，其初始置信度均为0。

对库所输入弧的置信度，均取为0.95。

对库所输出弧的权重进行如下设置：从容错性角度出发，将保护库所和断路器库所对变迁的影响程度视为相同，则从库所到同一个变迁的所有实有向弧具有相同的权重，且总和为1；对于虚拟有向弧，若相应断路器库所满足时序约束条件，则令权重为0，否则为1。

S7：根据所获得的库所、库所输入弧的置信度和库所输出弧的权重的初始化设置结果，按照分层子模型的层次划分结构，分别对每一个分层子模型进行模糊推理矩阵运算，获得该子模型的终端库所置信度矩阵，然后根据综合诊断模型的加权平均计算获得第x个可疑故障元件的置信度；

分层子模型的层次划分结构具体为：将每一个分层子模型的结构分为三层，第一层包括起始库所及其输出弧，第二层包括中间库所及其输入弧、输出弧，第三层包括终端库所及其输入弧。

获得每一个分层子模型的终端库所置信度矩阵的具体实现手段为：假设图3(a)中 线路L_{14_15}方向上的起始库所置信度已知，并用表示库所B_15m的置信度，则库所p₁的置信 度为库所p₂的置信度则终端 库所的置信度为同理可获得其他方向上的故障置信度，即最终得到母线B₁₅的置信度为

为使故障诊断结果更加快速、简洁地显示出来，分层子模型的推理过程采用矩阵运算的形式，主要包括以下步骤：

1)根据第一层中的起始库所置信度矩阵α_sta、输出弧置信度矩阵O_sta，获得第一层变迁的合成输入概率矩阵H₁＝α_staO_sta；

2)根据H₁以及第二层中的中间库所输入弧置信度矩阵I_mid，获得中间库所置信度矩阵α_mid＝H₁I_mid，然后根据中间库所输出弧置信度矩阵O_mid，获得第二层变迁的合成输入概率矩阵H₂＝α_midO_mid；

3)根据H₂以及第三层中的终端库所输入弧置信度矩阵I_ter，计算终端库所的置信度矩阵α_ter。为便于描述，定义乘法算子若则其中E为q×l阶矩阵，F为l×ζ阶矩阵，G为q×ζ阶矩阵，则有

获得第x个可疑故障元件的置信度的具体实现手段为：根据每一个分层子模型的终端库所置信度，采用加权计算的方式获得第x个可疑故障元件的置信度，即α_fault＝(α_{ter_1}ω₁+α_{ter_2}ω₂+…+α_{ter_η}ω_η)μ。其中，α_{ter_i}表示第i个分层子模型的终端库所置信度，η为分层子模型的总数。

从上述推理公式即可看出，对于故障元件，不论是主保护及相应断路器正确动作，还是依靠后备保护来切除故障，分层子模型的终端库所均可获得较大的置信度。而通过所有分层子模型加权来获得元件置信度，则可使非故障元件的保护或断路器误动时，元件的置信度仍能保持一个较低的数值，因此不会发生误判。

S8：令x＝x+1；

S9：判断x是否大于X，其中X为可疑故障元件的总数，若是，则进入步骤S10，若否，则进入步骤S4；

S10：根据所获得的X个可疑故障元件的置信度，通过与门槛值进行比较的方式确定实际故障元件。考虑到方法的容错性，令门槛值为0.6，则若元件的置信度大于0.6时，表明确实发生故障。

S11：根据所获得的实际故障元件和X个可疑故障元件的分层子模型状态真值矩阵，辨识继电保护装置的动作行为，具体方法如下；

1)对于故障元件，若主保护及相应断路器状态均为1，则后备状态为1的视为误动；对于非故障元件，除了与故障元件相关的保护和断路器外，其他状态为1的视为误动。

2)对于故障元件，若主保护或相应断路器状态不为1，而后备保护或相应断路器状态为1，则视为主保护或相应断路器拒动，后备缺失的信息为漏报；若后备保护及相应断路器状态均不为1，则故障由主保护及相应断路器正确切除，缺失的信息为漏报。

为了验证本发明提出的一种基于分层时间模糊Petri网的输电网故障诊断方法的有效性，以图2中的IEEE 30节点电力系统为例，对多种故障场景进行算例仿真分析。

算例1：假设调度中心接收到如下报警信息：保护B_15m(12ms)、L_1815s(990ms)动作，断路器CB₁₅₁₂(62ms)、CB₁₅₁₄(63ms)、CB₁₅₂₃(63ms)、CB₁₈₁₅(1043ms)跳闸。

首先利用结线分析法快速搜索电网拓扑，得到可疑故障元件为母线B₁₅和线路L_{15_18}，其HTFPN模型分别如图2和图3所示。对于母线B₁₅，接收到的报警信息都与其相关联，则需对各方向上的分层子模型进行时序约束检查。其中在线路L_{14_15}方向上，按照报警信息的优先等级，得到起始库所动作时间矩阵为T_sta＝[12,63,0,0]，其中优先级最高的报警信息为主保护B_15m(12ms)动作，与下一级信息“断路器CB₁₅₁₄(63ms)跳闸”相比较，满足保护与相应断路器的延时区间[40,60]。则以B_15m(12ms)为时间参考点，通过主保护与原因事件的反向时间约束[-40,-10]，推理出原因事件的动作时间区间为[-28,2]，然后通过正向时序推理分析，得到期望最小动作时间矩阵为T_hmin＝[-18,22,922,962]，期望最大动作时间矩阵为：T_hmax＝[42,102,1072,1132]。通过式(9)，可得状态真值矩阵为γ＝[1,1,0,0]，根据γ定义，可知接收到的报警信息均满足时间约束。因此，线路L_{14_15}方向上的起始库所置信度矩阵为α_sta＝[0.8564,0.9833,0.2,0.2]。经模糊推理矩阵运算后，可得中间库所及终端库所的置信度矩阵分别为α_mid＝[0.8739,0.19]、α_ter＝[0.8302]。

同理，对于线路L_{12_15}、L_{15_18}和L_{15_23}方向上的分层子模型进行时间约束检查及模糊推理矩阵运算，得到终端库所的置信度矩阵分别为[0.8302]、[0.8348]、[0.8302]。因此，根据综合诊断模型，可得母线B₁₅的置信度为(0.8302+0.8302+0.8348+0.8302)0.95/4＝0.7898。

对于线路L_{15_18}，与其相关联的报警信息仅为断路器CB₁₈₁₅(1043ms)跳闸，由于没有其他报警信息作比较，因此不必进行时间约束检查。同理，推理后得到线路的置信度为0.384，则本案例的故障元件为母线B₁₅。

此外，案例中，母线B₁发生故障，在线路L_{15_18}方向，其主保护状态为1，相应断路器CB₁₅₁₈状态为0，而后备保护及相应断路器状态均为1，因此可诊断出断路器CB₁₅₁₈拒动。

算例2：假设检测到保护L_2423s(960ms)动作，断路器CB₂₃₁₅(61ms)、CB₂₃₂₄(134ms)、CB₂₄₂₃(1013ms)跳闸。

此场景下可疑故障元件为母线B₂₃和线路L_23-24，分别对与每一个可疑元件相关联的实际报警信息进行时序检查，发现仅有信息“CB₂₃₂₄(134ms)跳闸”不满足时间延迟区间，即为时序不一致的报警信息。利用剩余信息进行模糊推理，得到可疑元件的置信度分别为0.6502、0.3429，因此实际故障元件为母线B₂₃。进一步分析实际报警信息，发现主保护B_23m漏报，且对应断路器CB₂₃₂₄拒动，最终由远后备保护L_2423s动作，并触发断路器CB₂₄₂₃跳闸。可见，在关键信息丢失、断路器拒动且存在时序不一致信息的情况下，尽管实际故障元件的置信度会降低，但模型仍能给出正确的诊断结果。

算例3：假设检测到保护L_2423m(22ms)、B_15m(25ms)、L_2423p(500ms)、L_1415s(980ms)动作，断路器CB₂₃₂₄(71ms)、CB₂₄₂₃(71ms)、CB₁₅₁₂(76ms)、CB₁₅₁₈(77ms)、CB₁₅₂₃(78ms)、CB₁₄₁₅(1033ms)跳闸。

经分析得到可疑故障元件分别为线路L_23-24、母线B₂₃、线路L_15-23、母线B₁₅、线路L_14-15。通过时间约束检查，发现与线路L_23-24相关联的报警信息“L_2423p(500ms)动作”为时序不一致信息，应予以剔除。然后通过模糊推理分析，得到各可疑元件的置信度分别为0.7334、0.5787、0.5376、0.7898和0.384，则诊断结果为线路L_23-24、母线B₁₅发生故障，与实际情况相吻合。进一步分析，发现线路L_23-24的主保护L_2324m动作信息缺失，母线B₁₅的断路器CB₁₅₁₄拒动。

上述仿真算例中例1和例2为单重故障下的诊断，例3则模拟了多重故障，从仿真结果可以看出，本文提出的故障诊断模型和推理分析方法能够准确判断出故障元件。

为了验证本发明提出的一种基于分层时间模糊Petri网的输电网故障诊断方法的适应性，在算例1的基础上，假设线路L_{12_15}停电检修，调度中心收到如下报警信息：保护B_15m(12ms)、L_1815s(990ms)动作，断路器CB₁₅₁₄(63ms)、CB₁₅₂₃(63ms)、CB₁₈₁₅(1043ms)跳闸。

在故障诊断中只需去掉线路L_{12_15}方向上的分层子模型，而保留母线B₁₅在线路L_{14_15}、L_{15_18}和L_{15_23}方向上的诊断结果，即[0.8302]、[0.8348]和[0.8302]，然后修正综合诊断模型，得到母线B₁₅的置信度为(0.8302+0.8348+0.8302)0.95/3＝0.7901。同理，线路L_{15_18}的置信度为0.3977，最终可得实际故障元件为母线B₁₅。

另外，若电网增加了几条线路，则只需添加元件的相应分层子模型，并修正综合诊断模型，不需要重新建立元件的整个模糊Petri网，大大减小了建模复杂度。因此，当网络拓扑结构发生变化时，本模型只需做少量的修正，便可得到新网络拓扑下的故障诊断模型，因而具有较好的适应性。

为进一步验证本发明所提方法的实用性，下面采用广州电网的一个实际故障案例进行详细说明，网络接线如图6所示。

某故障发生后，调度中心接收到如下报警信息：靠近碧山站的线路L₂₉₄₃纵联差动保护0ms动作，靠近炼化站的线路L₂₉₄₃纵联差动保护2ms动作，断路器CB₁₄于50ms跳闸，断路器CB₁₂于90ms跳闸，碧山站失灵保护279ms动作，断路器CB₁₆于328ms跳闸，断路器CB₆于330ms跳闸，断路器CB₇于337ms跳闸。

通过分析得到可疑故障元件为线路L₂₉₄₃和母线B₄，然后建立其HTFPN模型。根据报警信息的时间延迟区间，发现断路器CB₁₂(90ms)跳闸不满足时间约束关系，故为时序不一致的报警信息。最后，利用矩阵运算进行模糊推理，得到诊断结果为：①对于线路L₂₉₄₃，在B₈和B₄方向上的分层子模型的终端库所置信度矩阵分别为[0.8910]和[0.9363]，经过综合诊断模型，得到元件最终置信度为0.8680；②对于母线B₄，在L₂₂₉₅、L₂₂₇₉、L₂₉₄₃和CB₁₆方向上的分层子模型的终端库所置信度矩阵分别为[0.5340]、[0.5340]、[0.3610]和[0.5340]，经过综合诊断模型，得到元件最终置信度为0.4662；可知线路L₂₉₄₃发生故障，进一步分析，发现断路器CB₁₂拒动，与实际情况相吻合，可见本发明所提方法对于实际系统也能给出正确的诊断结果，具有较好的应用前景。

研究分析表明，本发明提出的一种基于分层时间模糊Petri网的输电网故障诊断方法，不仅能够有效应对网络拓扑结构变化时模型的适应性问题，大大减少模型复杂度和计算时间，还能充分利用故障事件记录的时间约束特性对海量报警信息进行初步筛选，提高了对不确定和不完备的继电保护装置动作信息的容错能力。通过IEEE 30节点系统的多组算例仿真和实际电力系统的故障案例测试，验证了方法的正确性和有效性。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于分层时间模糊Petri网的输电网故障诊断方法，其特征在于，该方法包括以下步骤：

(1)获取所述输电网的网络拓扑结构以及故障时的报警信息；

(2)根据所述输电网网络拓扑结构以及报警信息，采用结线分析法搜索故障停电区域，确定可疑故障元件；

(3)根据所述输电网的网络拓扑结构和获得的每一个可疑故障元件，并针对各个可疑故障元件分别来设计对应的HTFPN模型也即分层时间模糊Petri网模型，该HTFPN模型包括分层子模型和综合诊断模型，其中：

所述分层子模型是在充分考虑故障可能蔓延的所有方向，以及各个方向上的保护和断路器的动作情况，首先应该由各个方向上的该可疑故障元件的主保护动作并触发与主保护对应的断路器跳闸，如果所述主保护或所述对应的断路器未动作，则应由该方向上的后备保护动作并触发与后备保护对应的断路器跳闸，然后利用Petri网的产生式规则，将上述所有动作情况采用图形的方式建立的各方向上的所述分层子模型；

所述分层子模型具体分为三层，第一层包括起始库所及其输出弧，第二层包括中间库所及其输入弧、输出弧，第三层包括终端库所及其输入弧；

所述综合诊断模型是将所述各个方向上的分层子模型通过Petri网的产生式规则建立起来的；

(4)利用所述分层子模型和所述综合诊断模型来确定实际故障元件；

所述步骤(4)包括以下步骤：

(41)根据所述输电网故障时的报警信息和每一个可疑故障元件的所述各分层子模型，搜索与所述各分层子模型相关联的报警信息，并利用故障事件记录的时间约束特性，通过时序推理分析检查时序不一致即误报的信息，从而获得每一个可疑故障元件的所述各分层子模型的状态真值矩阵其中元素表示库所p_i对应报警信息的状态，其取值为1、0或-1，1表示接收到的报警信息满足时间约束，0表示未接收到报警信息，-1表示接收到报警信息但不满足时间约束，即为误报，应予以剔除；

(42)根据所获得的每个所述各分层子模型状态真值矩阵，对每一个可疑故障元件的HTFPN模型的库所、库所输入弧的置信度和库所输出弧的权重进行初始化设置；

(43)根据所获得的所述库所、所述库所输入弧的置信度和所述库所输出弧的权重的初始化设置结果，按照每个所述分层子模型的层次划分结构，分别对每个所述分层子模型进行模糊推理矩阵运算，获得该子模型的终端库所置信度矩阵，然后根据综合诊断模型的加权平均计算获得每一个可疑故障元件的置信度；

(44)根据所获得的所有所述可疑故障元件的置信度，通过与门槛值进行比较的方式确定实际故障元件；令门槛值为0.6，则若元件的置信度大于0.6时，表明确实发生故障；

所述方法还包括：

对于故障元件，若主保护及相应断路器对应的状态真值矩阵元素均为1，则所述后备保护或相应断路器对应的状态真值矩阵元素为1的视为误动；对于非故障元件，除了与故障元件相关的保护和断路器外，其他状态为1的视为误动；对于故障元件，若主保护或相应断路器对应的状态真值矩阵元素不为1，而所述后备保护或相应断路器对应的状态真值矩阵元素为1，则视为主保护或相应断路器拒动，后备缺失的信息为漏报；若后备保护及相应断路器对应的状态真值矩阵元素均不为1，则故障由主保护及相应断路器正确切除，缺失的信息为漏报；

所述步骤(43)中的模糊推理矩阵运算，具体包括以下步骤：

1)根据第一层中的起始库所置信度矩阵α_sta、输出弧置信度矩阵O_sta，获得第一层变迁的合成输入概率矩阵H₁＝α_staO_sta；

2)根据H₁以及第二层中的中间库所输入弧置信度矩阵I_mid，获得中间库所置信度矩阵α_mid＝H₁I_mid，然后根据中间库所输出弧置信度矩阵O_mid，获得第二层变迁的合成输入概率矩阵H₂＝α_midO_mid；

3)根据H₂以及第三层中的终端库所输入弧置信度矩阵I_ter，计算所述终端库所的置信度矩阵α_ter。