CN106372816A - 一种基于贝叶斯推理的变电站二次系统故障评估方法 - Google Patents

Abstract

本发明公开一种基于贝叶斯推理的变电站二次系统故障评估方法，具体为基于贝叶斯(Bayes)的条件概率推理分析技术，在已知故障Bi的状态，而不能确定故障A状态的情况下，通过对故障B的相关状态及发生概率，或故障A和故障Bi同时发生的概率，分析推断故障A的状态及故障发生概率。然后根据不同的故障Bi状态下，故障A发生的概率，给出故障排查的处理顺序。本发明旨在提供一种智能变电站在不明故障状态下，故障评估的分析方法，为变电站二次故障的排查提供参考依据，提高故障排查的效率，进而提高智能变电站通信网络和二次设备的运行和维护水平。

Description

一种基于贝叶斯推理的变电站二次系统故障评估方法

技术领域

本发明涉及电力系统故障评估技术领域，特别是一种基于贝叶斯推理的变电站二次系统故障评估方法。

背景技术

变电站二次系统是由继电保护、安全自动控制、系统通讯、调度自动化、分布式控制自动控制系统等组成的系统。任一部分的故障会影响到其它部分的正常工作，目前系统监视预警的异常定位可以到装置及其相关回路。对于装置根据监测信息实现装置硬件异常的故障定位能到板卡级、模块级。根据装置、交换机等设备的光纤接口监测信息，以及链路异常告警信息实现相关回路故障定位。但在异常、故障定位不确定时，各可能异常的装置和相关回路缺乏有效地方法能按照发生概率推断排查。

发明内容

本发明要解决的技术问题为：基于贝叶斯(Bayes)的条件概率推理分析技术，在已知故障Bi(i≥1)的状态，而不能确定故障A状态的情况下，通过对故障B的相关状态及发生概率，分析推断故障A的状态及故障发生概率，以便根据不同故障Bi下故障A的发生概率，给出故障排查的处理顺序。

本发明采取的技术方案具体为：基于贝叶斯推理的变电站二次系统故障评估方法，包括以下步骤：

步骤一，对变电站中故障信息进行统计，得到二次系统的故障拓扑关系；

步骤二，定义故障拓扑关系中有故障B和故障A，故障B＝{B₁,B₂,B₃,…,B_i},i为故障编号；故障B_i为可引起故障A发生的故障；

定义P(A)为故障A的发生概率，P(A|B_i)为在故障B_i发生条件下发生故障A的概率，P(AB_i)为故障A和故障B_i同时发生的概率，也即故障B_i触发故障A发生的触发权重，则有：

$P\left(A\right|B_i)=\frac{P\left({\mathrm{AB}}_i\right)}{P\left(B_i\right)}=\frac{P\left(B_i\right|A)P\left(A\right)}{P\left(B_i\right|A)P\left(A\right)+P\left(B_i\right|\stackrel{\‾}{A})P\left(\stackrel{\‾}{A}\right)}---\left(1\right)$

由式(1)得到故障B_i的触发权重为：

P(AB_i)＝P(B_i)·P(A|B_i) (2)

对于故障拓扑关系中的故障A和其对应的故障B序列，从步骤一统计的数据中获取系统中各B_i对应的P(B_i)以及P(A|B_i)的概率值；代入公式(2)，即分别得到各B_i对应的触发权重；

步骤三，按照触发权重P(AB_i)概率值由大到小的顺序，对相应的B_i进行排序，作为针对故障A发生原因的故障排查处理顺序。

本发明的有益效果为：基于贝叶斯(Bayes)的条件概率推理分析技术，在已知故障Bi的状态，而不能确定故障A状态的情况下，通过对故障B的相关状态及发生概率，或故障A和故障Bi同时发生的概率，分析推断故障A的状态及故障发生概率。然后根据不同的故障Bi状态下，故障A发生的概率，给出故障排查的处理顺序。本发明旨在提供一种智能变电站在不明故障状态下，故障评估的分析方法，为变电站二次故障的排查提供参考依据，提高故障排查的效率，进而提高智能变电站通信网络和二次设备的运行和维护水平。

附图说明

图1所示为本发明方法的一种应用实施例的故障拓扑关系示意图。

具体实施方式

以下结合附图和具体实施例进一步说明。

本发明基于贝叶斯推理的变电站二次系统故障评估方法，包括以下步骤：

步骤一，对变电站中故障信息进行统计，得到二次系统的故障拓扑关系；

步骤二，定义故障拓扑关系中有故障B和故障A，故障B＝{B₁,B₂,B₃,…,B_i},i为故障编号；故障B_i为可引起故障A发生的故障；

定义P(A)为故障A的发生概率，P(A|B_i)为在故障B_i发生条件下发生故障A的概率，P(AB_i)为故障A和故障B_i同时发生的概率，也即故障B_i触发故障A发生的触发权重，则有：

$P\left(A\right|B_i)=\frac{P\left({\mathrm{AB}}_i\right)}{P\left(B_i\right)}=\frac{P\left(B_i\right|A)P\left(A\right)}{P\left(B_i\right|A)P\left(A\right)+P\left(B_i\right|\stackrel{\‾}{A})P\left(\stackrel{\‾}{A}\right)}---\left(1\right)$

由式(1)得到故障B_i的触发权重为：

P(AB_i)＝P(B_i)·P(A|B_i) (2)

对于故障拓扑关系中的故障A和其对应的故障B序列，从步骤一统计的数据中获取系统中各B_i对应的P(B_i)以及P(A|B_i)的概率值；代入公式(2)，即分别得到各B_i对应的触发权重；

步骤三，按照触发权重P(AB_i)概率值由大到小的顺序，对相应的B_i进行排序，作为针对故障A发生原因的故障排查处理顺序。

实施例

本发明方法的具体实施步骤为：

1.故障数据统计分析

对变电站中故障信息进行统计收集，并根据二次系统的组成分类，遍历发生故障的原因，形成故障拓扑关系图。参考图1示出了智能变电站二次系统的一种故障关系拓扑图。

图1所示的实施例中，“装置数据收发异常”对应故障A，“网络设备故障”、“通信链路中断”、“通信参数配置错误”、“装置通信模块故障”和“装置CPU模块故障”对应故障B中的各个元素B_i，当某B_i出现异常时，均可能会触发“装置数据收发异常”。

2.贝叶斯推理计算

以“装置数据收发异常”为例，经过对变电站中的故障信息进行统计，得到故障率P(A)为6.69‰，依据统计得到的触发“装置数据收发异常”的装置和相关回路故障率P(B_i)和故障触发占比P(A|B_i)，计算触发故障的权重P(B_i)·P(A|B_i)，得到表1的相关概率数据，故障A的故障率

表1“装置数据收发异常”的贝叶斯推理

表1中，故障率P(B_i)即B_i对应的装置的故障总数与寿命单位总数之比，仅适用于可维修装置。

3.故障触发权重排序

根据贝叶斯推理，按照权重降序排查故障，如表1所示。

若出现“装置数据收发异常”故障，且在故障触发情况不明时，可以参考触发权重值，按照降序排查异常，即“通信链路中断”→“网络设备故障”→“通信参数配置错误”→“装置通信模块故障”→“装置CPU模块故障”，逐个排查。

因为故障Bi各自分别涉及多个相关因素，故障率不同，考虑到系统运行时间、工作环境等因素影响，故障A发生概率不完全与故障Bi的概率一致。本发明根据故障A发生情况，统计故障B发生概率，进而得到故障B对故障A的触发权重，从而在不同的阶段可根据P(ABi)查找故障点。

以上所述仅是本发明的一种具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (1)

1.一种基于贝叶斯推理的变电站二次系统故障评估方法，其特征是，包括以下步骤：

步骤一，对变电站中故障信息进行统计，得到二次系统的故障拓扑关系；

步骤二，定义故障拓扑关系中有故障B和故障A，故障B＝{B₁,B₂,B₃,…,B_i},i为故障编号；故障B_i为可引起故障A发生的故障；

定义P(A)为故障A的发生概率，P(A|B_i)为在故障B_i发生条件下发生故障A的概率，P(AB_i)为故障A和故障B_i同时发生的概率，也即故障B_i触发故障A发生的触发权重，则有：

$P\left(A\right|B_i)=\frac{P\left({\mathrm{AB}}_i\right)}{P\left(B_i\right)}=\frac{P\left(B_i\right|A)P\left(A\right)}{P\left(B_i\right|A)P\left(A\right)+P\left(B_i\right|\stackrel{\‾}{A})P\left(\stackrel{\‾}{A}\right)}---\left(1\right)$

由式(1)得到故障B_i的触发权重为：

P(AB_i)＝P(B_i)·P(A|B_i) (2)

对于故障拓扑关系中的故障A和其对应的故障B序列，从步骤一统计的数据中获取系统中各B_i对应的P(B_i)以及P(A|B_i)的概率值；代入公式(2)，即分别得到各B_i对应的触发权重；

步骤三，按照触发权重P(AB_i)概率值由大到小的顺序，对相应的B_i进行排序，作为针对故障A发生原因的故障排查处理顺序。