CN106443341B - 一种智能电网系统故障诊断方法 - Google Patents
一种智能电网系统故障诊断方法 Download PDFInfo
- Publication number
- CN106443341B CN106443341B CN201610864014.7A CN201610864014A CN106443341B CN 106443341 B CN106443341 B CN 106443341B CN 201610864014 A CN201610864014 A CN 201610864014A CN 106443341 B CN106443341 B CN 106443341B
- Authority
- CN
- China
- Prior art keywords
- fault diagnosis
- petri network
- fault
- primary
- confidence level
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000003745 diagnosis Methods 0.000 claims abstract description 71
- 230000001681 protective effect Effects 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 7
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 230000003287 optical effect Effects 0.000 description 48
- 241000272814 Anser sp. Species 0.000 description 47
- 230000005540 biological transmission Effects 0.000 description 23
- 238000004891 communication Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000005611 electricity Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000007257 malfunction Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 101500005433 Macrovipera lebetina Lebetin-1-beta Proteins 0.000 description 1
- 240000000233 Melia azedarach Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000009333 weeding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种智能电网系统故障诊断方法，所述方法包括：步骤1：建立一次系统中A元件的Petri网的初始故障诊断模型；步骤2：收集保护范围内二次系统的告警信息，利用专家诊断系统的知识库进行判断，获得相应的二次元件错误信息；步骤3：在A元件Petri网的初始故障诊断模型的基础上，去除步骤2中的二次元件错误信息，并建立新的Petri网故障诊断模型；步骤4：利用置信度方法，在新的Petri网故障诊断模型的基础上，对A元件进行故障诊断，得到故障诊断结果，实现了提高了对系统一次元件的故障诊断的可信度的技术效果。
Description
技术领域
本发明涉及智能电网故障诊断领域，具体地，涉及一种智能电网系统故障诊断方法。
背景技术
国家电网公司智能电网建设进入稳步快速发展的新阶段，随着各地区智能变电站的建设数量的增加，大量新技术新设备得到应用和推广，根据智能电网发展规划，“十二五”期间我国将建设110千伏及以上智能变电站6100座，且今后新建的变电站均采用智能化设计方案。
在智能变电站的大背景下，智能传感技术和网络技术广泛应用在各类智能设备中，我们可以进行监测传输的数据也越来越丰富。以一个220kV智能变电站的网络记录分析系统为例，24小时的记录数据量可达到740GB左右，同时，在IEC 61850标准的统一规范下，通过光纤数字化的方式进行信息传输，为变电站的各类信息接入和分配带来了灵活性，提高了站内信息的交换能力和数据处理能力。
和常规变电站相比，智能变电站采用了众多新技术，如一、二次设备状态监测、电子式互感器、一体化监控系统、1588网络对时技术、一体化保护测控装置等。光纤传输方式相比传统电缆具有抗干扰强、占用空间少、数据信息量大的优点；同时为实现设备之间的互联以及展开智能变电站高级应用打下基础。
由于现阶段对于智能变电站的研究还是分别对应于一次系统和二次系统，而智能变电站能够提供丰富的信息，现阶段并没有将信息进行最大化利用，导致对系统一次元件的故障诊断的可信度较差。
综上所述，本申请发明人在实现本申请发明技术方案的过程中，发现上述技术至少存在如下技术问题：
在现有技术中，现有的智能变电站诊断系统存在对一次元件的故障诊断的可信度较差的技术问题。
发明内容
本发明提供了一种智能电网系统故障诊断方法，解决了现有的智能变电站诊断系统存在对一次元件的故障诊断的可信度较差的技术问题，实现了提高了对系统一次元件的故障诊断的可信度的技术效果。
为解决上述技术问题，本申请提供了一种智能电网系统故障诊断方法，所述方法包括：
步骤1：建立一次系统中A元件的Petri网的初始故障诊断模型；
步骤2：收集保护范围内二次系统的告警信息，利用专家诊断系统的知识库进行判断，获得相应的二次元件错误信息；
步骤3：在A元件Petri网的初始故障诊断模型的基础上，去除步骤2中的二次元件错误信息，并建立新的Petri网故障诊断模型；
步骤4：利用置信度方法，在新的Petri网故障诊断模型的基础上，对A元件进行故障诊断，得到故障诊断结果。
进一步的，所述建立一次系统中第一元件的Petri网的初始故障诊断模型，具体包括：首先确定具体的保护动作次序，然后确定得到的动作信息，然后建立某元件的Petri网故障诊断模型，然后建立该元件的关联矩阵C，根据推拉规则 (本申请中使用的置信度方法)，得到该元件的故障诊断结论。
进一步的，专家诊断系统的知识库中存储有：合并单元故障信息、保护装置故障信息、测控装置故障信息、智能终端故障信息。
进一步的，所述步骤4：利用置信度方法，在新的Petri网故障诊断模型的基础上，对A元件进行故障诊断，得到故障诊断结果，具体包括：
引入neg算子和中间变量vk，则诊断过程中有以下推理公式：
其中，1m为m维向量，其中元素全为1；k为推理步骤；negθk为m维向量，其中元素表示命题Pi为假的可信度，i＝1,…m；
其中，vk为n维向量，为中间变量，表示规则Tj为假的可信度，j＝1,…n；
其中，pk为m维向量，表示规则为真的置信度；
根据以上定义及公式，得到Pi下一步的状态：
通过矩阵运算，不断地推断出命题Pi下一步的状态，由此结合Petri网模型，诊断出元件的最终状态，判断其是否具有发生故障的概率，得到故障诊断结论。
本申请提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了将智能电网系统故障诊断方法设计为包括：步骤1：建立一次系统中A元件的Petri网的初始故障诊断模型；步骤2：收集保护范围内二次系统的告警信息，利用专家诊断系统的知识库进行判断，获得相应的二次元件错误信息；步骤3：在A元件Petri网的初始故障诊断模型的基础上，去除步骤2中的二次元件错误信息，并建立新的Petri网故障诊断模型；步骤4：利用置信度方法，在新的Petri网故障诊断模型的基础上，对A元件进行故障诊断，得到故障诊断结果的技术方案，即根据智能变电站自身所特有的特征，在已有的对一次元件故障诊断的基础上，加入对二次系统信息的判断，使一次系统得到的保护动作等信息是足够可信的，在得到的二次信息是足够可信的前提下，再对一次元件进行诊断，增加了对系统一次元件的故障诊断的可信度，所以，有效解决了现有的智能变电站诊断系统存在对一次元件的故障诊断的可信度较差的技术问题，进而实现了提高了对系统一次元件的故障诊断的可信度的技术效果。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定；
图1是本申请中智能电网系统故障诊断方法的流程示意图；
图2是本申请中输电线路故障示例示意图；
图3是本申请中Petri网的故障诊断模型示意图；
图4是本申请中考虑后备保护的Petri网模型示意图；
图5是本申请中实施例主接线图示意图；
图6是本申请中线路L1的Petri网故障诊断模型示意图；
图7是本申请中线路L2的Petri网故障诊断模型示意图；
图8是本申请中线路L4的Petri网故障诊断模型示意图。
具体实施方式
本发明针对现有技术的不足，提供一种智能电网系统故障诊断方法，其特点是基于智能变电站二次信息的专家系统的推理规则上，首先对智能变电站进行二次故障诊断，在得到可靠的二次信息的基础上，建立电网的一次故障Petri网络模型，利用置信度方法对一次系统各元件进行推理，得到一种计及智能变电站二次信息的电网一次系统故障诊断的方法。
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
请参考图1，本申请中的技术方案具体为：
一种智能电网系统故障诊断方法，包括以下步骤：
步骤1：建立一次系统中某元件的Petri网的初始故障诊断模型；
图2是一条带有主保护和后备保护的输电线路的简单模型，其中Bi表示母线、Li表示输电线路、CBk表示断路器。若L2发生短路故障，则其两端的保护继电器都检测到故障电流，并发出控制信号给断路器CB3，CB4；断路器接收的信号后，产生断开动作，隔离(或切断)故障源。按照故障排除过程可建立的前向Petri网如图3所示，图中L2代表线路，L2中的托肯(圆点)表示线路L2 有故障；L2sm、L2rm代表保护继电器；CB代表断路器；t11表示继电器检测故障电流过程，t21、t22表示断路器接受信号的过程。
输电线路L2的故障诊断Petri网如图3所示，图中t11、t12表示保护动作跳开断路器的过程；p1、p2是中间过渡过程。
由于我国电力系统主要采用“三段式”保护装置，包括主保护、近后备保护和远后备保护。对于图2中的线路故障，考虑其后备保护时的Petri网更加复杂，其模型如图4所示：
其中，增加了后备保护近后备保护Lip、远后备保护Ljs和断路器CBk，当主保护拒动时，后备保护担当保护作用，经过后备保护库所和断路器联合推理，最终得到线路诊断结果。
由此，我们即可建立符合实际情况的一次系统元件的Petri网的初始故障诊断模型。
2)收集保护范围内二次系统的告警信息，根据专家系统的知识库规则，推理得到相应的二次元件是否存在误发送/接收，漏发送/接收的情况，以此确定相应的二次元件信息是否正确，保证二次元件信息的可靠性；
智能变电站二次系统故障诊断对象主要包括合并卑元、保护装置、智能开关包括智能组件及开关操作机构、测控装置、通信网络以及通信装置(主要为交换机)，因此，可根据故障诊断对象对知识库分类整理，由于在智能变电站中， GOOSE报文、SV报文信息包含着数据传输、保护信息等重要内容，所以在此主要列出关于报文的专家系统规则。
合并单元：
合并单元故障诊断知识如下：
规则1：合并单元故障
规则1.1：
IF：直采模式&&合并单元A口光口发送功率越下限&&保护装置A口光口接收功率越下限&&合并单元SV断链&&保护SV断链&&测控SV正常；
THEN：合并单元A口SV通信故障(A口：合并单元到保护装置通信口)。
规则1.2：
IF：直采模式&&合并单元B口光口发送功率越下限&&测控装置B口光口接收功率越下限&&合并单元SV断链&&保护SV正常&&测控SV断链；
THEN：合并单元B口SV通信故障(B口：合并单元到测控装置通信口)。
规则1.3：
IF：网采模式&&合并单元C口光口发送功率越下限&&保护装置C口光口接收功率越下限&&测控装置C口光口接收功率越下限&&合并单元SV断链&&保护SV断链&&测控SV断链；
THEN：合并单元C口SV通信故障(C口：合并单元到SV网的通信口)。
保护装置
保护装置故障诊断知识如下：
规则2：保护装置故障
规则2.1：
IF：直采模式&&保护装置A口光口接收功率越下限&&合并单元A口光口发送功率正常&&合并单元SV正常&&保护SV断链&&测控SV正常；
THEN：保护装置A口SV通信故障(A口：保护装置接收合并单元SV通信口)。
规则2.2：
IF：直跳模式&&保护装置B口光口发送功率越下限&&保护装置B口光口接收功率越下限&&智能终端B口光口发送功率正常&&智能终端B口光口接收功率越下限&&保护GOOSE断链&&测控GOOSE(另一端口)正常&&智能终端GOOSE断链；
THEN：保护装置B口GOOSE通信故障(B口：保护装置和智能终端GOOSE双向通信口)。
规则2.3：
IF：网采模式&&保护装置C口光口接收功率越下限&&合并单元C口光口发送功率正常&&合并单元SV正常&&保护SV断链&&测控SV正常；
THEN：保护装置C口SV通信故障(C口：SV网到保护装置通信口)。
规则2.4：
IF：网跳模式&&保护装置D口光口发送功率越下限&&保护装置D口光口接收功率越下限&&智能终端GOOSE发送光口功率正常&&智能终端接收保护GOOSE口光口功率越下限&&保护GOOSE断链&&测控GOOSE正常&&智能终端GOOSE存在断链；
THEN：保护装置D口GOOSE通信故障(D口：保护装置到GOOSE网的通信口)。
测控装置
测控装置故障诊断知识如下：
规则3：测控装置故障
规则3.1：
IF：直采模式&&测控装置A口光口接收功率越下限&&合并单元A口光口发送功率正常&&合并单元SV正常&&保护SV正常&&测控SV断链；
THEN：测控装置A口SV通信故障(A口：测控装置接收合并单元SV通信口)。
规则3.2：
IF：直跳模式&&控装置B口光口发送功率越下限&&测控装置B口光口接收功率越下限&&智能终端B口光口发送功率正常&&智能终端B口光口接收功率越下限 &&保护(另一端口)GOOSE正常&&测控GOOSE断链&&智能终端GOOSE存在断链；
THEN：测控装置B口GOOSE通信故障(B口：测控装置和智能终端GOOSE双向通信口)。
规则3.3：
IF：网采模式&&测控装置C口光口接收功率越下限&&合并单元C口光口发送功率正常&&合并单元SV正常&&保护SV正常&&测控SV断链；
THEN：测控装置C口SV通信故障(C口：SV网到测控装置通信口)。
规则3.4：
IF：网跳模式&&测控装置D口光口发送功率越下限&&测控装置D口光口接收功率越下限&&智能终端GOOSE发送光口功率正常&&智能终端接收测控GOOSE口光口功率越下限&&保护GOOSE正常&&测控GOOSE断链&&智能终端GOOSE存在断链；
THEN：测控装置D口GOOSE通信故障(D口：测控装置到GOOSE网的通信口)。
智能终端
智能终端故障诊断知识如下：
规则4：智能终端故障
规则4.1：
IF：直跳模式&&智能终端A口光口发送功率越下限&&智能终端A口光口接收终端越下限&&保护装置GOOSE接收光口接收功率越下限&&保护装置GOOSE发送光口发送功率正常&&智能终端GOOSE断链&&保护GOOSE存在断链&&测控GOOSE正常；
THEN：智能终端A口GOOSE通信故障(A口：智能终端和保护的双向通信口)。
规则4.2：
IF：直跳模式&&智能终端B口光口发送功率越下限&&智能终端B口光口接收终端越下限&&测控装置GOOSE接收光口接收功率越下限&&测控装置GOOSE发送光口发送功率正常&&智能终端GOOSE断链&&保护GOOSE正常&&测控GOOSE存在断链；
THEN：智能终端B口GOOSE通信故障(B口：智能终端和测控的双向通信口)。
规则4.3：
IF：网跳模式&&智能终端C口光口发送功率越下限&&智能终端C口光口接收终端越下限&&保护装置GOOSE接收光口接收功率越下限&&保护装置GOOSE发送光口发送功率正常&&测控装置GOOSE接收光口接收功率越下限&&测控装置GOOSE发送光口发送功率正常&&智能终端GOOSE断链&&保护GOOSE存在断链&&测控GOOSE 存在断链；
THEN：智能终端C口GOOSE通信故障(C口：智能终端与GOOSE网的双向通信口)。
3)在已有的元件Petri网的初始故障诊断模型的基础上，剔除掉步骤2) 中所证明了的错误的二次元件信息，并由此建立新的且更有效的Petri网故障诊断模型；
根据步骤2)，在智能变电站二次信息的专家系统的推理规则上，通过得到的二次系统的报警信息对智能变电站进行二次故障诊断，由此得到更具可靠性的的二次信息，并剔除掉步骤2)中所证明了的错误的二次元件信息，并在已知可信的二次信息的基础上，根据步骤1)建立更具可靠性的电网的一次故障Petri 网络模型。
4)利用置信度方法，在新的Petri网故障诊断模型的基础上，对该元件进行故障诊断，得到故障诊断结论。
置信度方法原理如下：
该方法引入极大代数中的两个算子：
A,B,C均为m×n的矩阵，则Cij＝max(Aij,Bij)；
A,B,D分别为m×q,q×n,m×n的矩阵，则Dij＝max(Aik×Bkj)。
即：模糊命题合取式的真值，取各子式真值的最小值；模糊命题析取式的真值，取各子式真值的最大值。
根据以上两个极大代数算子的定义，引入“neg”算子和中间变量vk，则推理过程中有以下推理公式：
其中，1m为m维向量，其中元素全为1；k为推理步骤；negθk为m维向量，其中元素表示命题Pi为假的可信度，i＝1,…m。
其中，vk为n维向量，为中间变量，表示规则Tj为假的可信度，j＝1,…n。
其中，pk为m维向量，表示规则为真的置信度。
根据以上定义及公式，就可以得到Pi下一步的状态：
它通过矩阵运算，不断地推断出命题Pi下一步的状态，由此可以结合Petri 网模型，诊断出元件的最终状态，判断其是否具有发生故障的概率，得到故障诊断结论。
下面举例对本申请中的技术方案进行详细介绍：
例子中采用的智能变电站的主接线图如图5所示，220kV含有4路进线，均配置纵差保护，站内设置一台主变，均配置有差动保护及非电量保护，各侧同时配置有(三段式)后备保护，110kV侧有5路出线，均配置有三段式电流保护，采用直采直跳模式。且本发明规定，故障概率高于0.7的元件判断为故障元件，故障概率在0.4-0.7之间的判断为可能故障，故障概率0-0.4之间的判断为未发生故障。
如图所示系统共含有：
元件：L1～L5，L201～L204，B1～B2，T1；
断路器：CB1～CB5，CB11～CB12，CB101～CB104；
主保护：L1sm～L5sm，L1rm～L5rm，L201sm～L204sm，L201rm～L204rm，B1m～B2m，T1m；
后备保护：L1sp～L5sp，L1rp～L5rp，L1ss～L5ss，L1rs～L5rs，L201sp～L204sp，L201rp～L204rp，L201ss～L204ss，L201rs～L204rs，T1p，T1s。
上述保护中，B表示母线，T表示变压器，L表示线路，s和r分别表示线路的送端和受端，m、p、s分别表示主保护、第一后备和第二后备保护。
此时，出线L2发生三相短路接地故障，出线L4发生两相短路故障。
已知发出了的线路保护信号有L2sm、L2sp、L2rm、L2rp、L4sm、L4rm、T1s，智能终端跳闸信号有CB2、CB11。同时，故障发生期间内，二次系统在线监测系统检测到智能终端CB4光口(与保护)发送功率越下限，智能终端CB4光口(与保护)接收终端越下限，保护装置CB4GOOSE接收光口接收功率越下限，智能终端 CB4GOOSE断链，保护CB4GOOSE存在断链，具体故障信息见表1。
表1算例故障信息
此时，在得到了如表1所示的故障信息后，进行步骤1)，对各元件建立Petri 网故障诊断模型，因为步骤3)将详细分析元件的Petri网故障诊断模型，此处省略。
其次，进行步骤2)，根据二次系统在线监测告警信息栏，匹配专家系统中的各项规则，匹配到规则4.1可知，此时系统中智能终端CB4与保护存在GOOSE 通信故障，因此建立的各元件的Petri网故障诊断模型中，应剔除CB4。
进行步骤3)，首先以线路L1为例，建立剔除掉CB4后的Petri网故障诊断模型，如图6所示。
考虑到保护和断路器动作的不确信性及其动作的优先权，对于线路最明显、最直接的主保护，根据已有参考文献，赋其动作可信度值为0.9；近后备保护和远后备保护的可信度值分别为0.8和0.7；而与保护相比，对应断路器动作的可靠性要高一些，设置保护相对应的断路器动作可信度高出保护0.05。
根据步骤4)应用置信度方法进行推理计算，首先应得到Petri网模型的输入输出矩阵一极初始状态，如下：
θk＝[0 0 0 0.9 0.95 0.8 0.75 0.7 0 0 0 0 0 0]；
经推理得到结果：
θk＝[0 0 0 0.9000 0.9500 0.8000 0.7500 0.7000 0 0 0 0 0 0]；
从最后一列可以得到最终结果线路L1发生故障额概率为0。线路L3，L5与 L1类似，同样得到发生故障概率为0，不多做叙述。
考虑线路L2，建立剔除掉CB4后的Petri网故障诊断模型，如图7所示。
应用置信度方法进行推理计算，得到：
θk＝[0.9 0.95 0.8 0.9 0.95 0.8 0.75 0.7 0.9 0.9 0.95 0.8 0.8 0.95]；
可以得到线路L2发生故障额概率为0.95。
考虑线路L4，建立剔除掉CB4后的Petri网故障诊断模型，如图8所示。
θk＝[0.9 0.95 0.8 0.75 0.7 0.9 0.9 0.95 0.8]；
到线路L4发生故障额概率为0.8。
由上述分析可知，线路L2和L4发生故障。与实际故障发生地点相同，验证了本发明所提方法的有效性。
上述本申请实施例中的技术方案，至少具有如下的技术效果或优点：
由于采用了将智能电网系统故障诊断方法设计为包括：步骤1：建立一次系统中A元件的Petri网的初始故障诊断模型；步骤2：收集保护范围内二次系统的告警信息，利用专家诊断系统的知识库进行判断，获得相应的二次元件错误信息；步骤3：在A元件Petri网的初始故障诊断模型的基础上，去除步骤2中的二次元件错误信息，并建立新的Petri网故障诊断模型；步骤4：利用置信度方法，在新的Petri网故障诊断模型的基础上，对A元件进行故障诊断，得到故障诊断结果的技术方案，即根据智能变电站自身所特有的特征，在已有的对一次元件故障诊断的基础上，加入对二次系统信息的判断，使一次系统得到的保护动作等信息是足够可信的，在得到的二次信息是足够可信的前提下，再对一次元件进行诊断，增加了对系统一次元件的故障诊断的可信度，所以，有效解决了现有的智能变电站诊断系统存在对一次元件的故障诊断的可信度较差的技术问题，进而实现了提高了对系统一次元件的故障诊断的可信度的技术效果。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (3)
1.一种智能电网系统故障诊断方法，其特征在于，所述方法包括：
步骤1：建立一次系统中A元件的Petri网的初始故障诊断模型；
步骤2：收集保护范围内二次系统的告警信息，利用专家诊断系统的知识库进行判断，获得相应的二次元件错误信息；
步骤3：在A元件Petri网的初始故障诊断模型的基础上，去除步骤2中的二次元件错误信息，并建立新的Petri网故障诊断模型；
步骤4：利用置信度方法，在新的Petri网故障诊断模型的基础上，对A元件进行故障诊断，得到故障诊断结果。
2.根据权利要求1所述的智能电网系统故障诊断方法，其特征在于，专家诊断系统的知识库中存储有：合并单元故障信息、保护装置故障信息、测控装置故障信息和智能终端故障信息。
3.根据权利要求1所述的智能电网系统故障诊断方法，其特征在于，所述步骤4：利用置信度方法，在新的Petri网故障诊断模型的基础上，对A元件进行故障诊断，得到故障诊断结果，具体包括：
引入neg算子和中间变量vk，则诊断过程中有以下推理公式：
其中，1m为m维向量，其中元素全为1；k为推理步骤；negθk为m维向量，其中元素表示命题Pi为假的可信度，i＝1,…m；
其中，vk为n维向量，为中间变量，表示规则Tj为假的可信度，j＝1,…n；
其中，pk为m维向量，表示规则为真的置信度；
根据以上定义及公式，得到Pi下一步的状态：
通过矩阵运算，不断地推断出命题Pi下一步的状态，由此结合新的Petri网故障诊断模型，诊断出元件的最终状态，判断其是否具有发生故障的概率，得到故障诊断结论。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610864014.7A CN106443341B (zh) | 2016-09-29 | 2016-09-29 | 一种智能电网系统故障诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610864014.7A CN106443341B (zh) | 2016-09-29 | 2016-09-29 | 一种智能电网系统故障诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106443341A CN106443341A (zh) | 2017-02-22 |
| CN106443341B true CN106443341B (zh) | 2018-12-25 |
Family
ID=58171035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610864014.7A Active CN106443341B (zh) | 2016-09-29 | 2016-09-29 | 一种智能电网系统故障诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106443341B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107749667B (zh) * | 2017-10-31 | 2019-12-24 | 国网黑龙江省电力有限公司电力科学研究院 | 一种智能变电站保护压板信息和状态的实时监测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102393922A (zh) * | 2011-06-23 | 2012-03-28 | 山西省电力公司晋中供电分公司 | 变电站智能报警专家系统的模糊Petri推理方法 |
| CN103001328A (zh) * | 2012-11-19 | 2013-03-27 | 山东大学 | 一种智能变电站的故障诊断与评估方法 |
| CN105183952A (zh) * | 2015-08-14 | 2015-12-23 | 华中科技大学 | 一种基于分层时间模糊Petri网的输电网故障诊断方法 |
-
2016
- 2016-09-29 CN CN201610864014.7A patent/CN106443341B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102393922A (zh) * | 2011-06-23 | 2012-03-28 | 山西省电力公司晋中供电分公司 | 变电站智能报警专家系统的模糊Petri推理方法 |
| CN103001328A (zh) * | 2012-11-19 | 2013-03-27 | 山东大学 | 一种智能变电站的故障诊断与评估方法 |
| CN105183952A (zh) * | 2015-08-14 | 2015-12-23 | 华中科技大学 | 一种基于分层时间模糊Petri网的输电网故障诊断方法 |
Non-Patent Citations (5)
| Title |
|---|
| An Online Intelligent Alarm-Processing System Based on Abductive Reasoning Network;Jianan Mu等;《IEEE Conferences》;20121231;第1-5页 * |
| Combined Fuzzy-Petri Nets Hybrid Model for Power System Performability Analysis;Mariana Dumitrescu等;《2013 10th International Conference on Electrical Engineering, Computing Science and Automatic Control (CCE)》;20131231;第250-255页 * |
| Knowledge representation and general Petri net models for power grid fault diagnosis;Lei Wang等;《IET Generation, Transmission & Distribution》;20151231;第9卷(第9期);第866-873页 * |
| 一种基于高级Petri网的微电网故障诊断方法;刘科学等;《电力系统保护与控制》;20160801;第44卷(第15期);第106-111页 * |
| 计及报警信息逻辑关联的改进模糊Petri网故障诊断模型;白展等;《电气应用》;20151231;第34卷(第16期);第100-104页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106443341A (zh) | 2017-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102218268B1 (ko) | 고장판단 및 고장복구 시나리오 자동생성 기능을 탑재한 변전소 자동화시스템 운영장치 | |
| Cardoso et al. | Application of neural-network modules to electric power system fault section estimation | |
| CN110380514B (zh) | 一种智能变电站继电保护二次回路故障诊断方法 | |
| CN105158647B (zh) | 基于电网监控系统的单站端电网故障诊断和辅助决策方法 | |
| CN103986238B (zh) | 基于概率加权二分图法的智能变电站故障诊断方法 | |
| CN109713794A (zh) | 一种分布式智能自恢复系统及方法 | |
| CN110493031A (zh) | 一种变电站控制系统网络设备状态在线监测方法 | |
| CN106532683A (zh) | 一种110kV变电站手拉手供电的自愈方法 | |
| CN105305365A (zh) | 电网继电保护应急管理系统 | |
| CN105573283A (zh) | 变电站设备功能关联库的建立及事件关联信息组的过滤方法 | |
| CN103227450A (zh) | 在线故障恢复方法及系统 | |
| CN105391030B (zh) | 基于网络拓扑结构负荷逐渐加载聚合的计划孤岛划分方法 | |
| CN106443341B (zh) | 一种智能电网系统故障诊断方法 | |
| CN111327474B (zh) | 基于拓扑分析的电力系统故障诊断方法 | |
| CN110336243A (zh) | 一种长距离超导电缆综合监控保护装置 | |
| CN106529824A (zh) | 一种用于智能变电站二次设备及二次系统功能受损度分析方法 | |
| CN106329492A (zh) | 一种基于系统拓扑的简易母线保护方法 | |
| CN107910855B (zh) | 一种应用于智能变电站的联切小电源装置 | |
| CN109708687A (zh) | 一种柱上开关的监控系统 | |
| CN105703708A (zh) | 一种光伏发电站监控系统及监控方法 | |
| CN112054511A (zh) | 电力系统事故处理措施与标准票的关联生成方法 | |
| Babu et al. | Reliability evaluation of distribution structures considering the presence of false trips | |
| CN105866630A (zh) | 一种应对全站信息缺失的故障诊断方法和系统 | |
| CN111525520B (zh) | 一种事故总或保护方法、装置、设备及存储介质 | |
| CN108539863A (zh) | 一种配网智能自动化管理系统及管理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |