CN106771853A - 一种基于事件起点的智能化电网故障诊断方法 - Google Patents

一种基于事件起点的智能化电网故障诊断方法 Download PDF

Info

Publication number
CN106771853A
CN106771853A CN201611067749.3A CN201611067749A CN106771853A CN 106771853 A CN106771853 A CN 106771853A CN 201611067749 A CN201611067749 A CN 201611067749A CN 106771853 A CN106771853 A CN 106771853A
Authority
CN
China
Prior art keywords
place
transition
time point
constraint
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.)
Pending
Application number
CN201611067749.3A
Other languages
English (en)
Inventor
尹项根
杨雯
张哲�
徐彪
文明浩
陈卫
简程
李金辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201611067749.3A priority Critical patent/CN106771853A/zh
Publication of CN106771853A publication Critical patent/CN106771853A/zh
Pending legal-status Critical Current

Links

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)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于事件起点的智能化电网故障诊断方法。在完善母线和线路的层次化加权模糊Petri网模型的基础上，以故障发生时刻作为事件起点，提出了基于事件起点的保护和断路器动作信息的时序约束检查方法。根据保护和断路器的告警信息获取时间点和时间距离约束，进行正向时序推理和逆向时序推理获得事件起点和告警信息的时间点约束，并对库所的初始置信度向量进行修正，有效的消除了时序不一致和错误告警信息对诊断结果的影响，提高了诊断的准确性。该方法不仅能得到设备的故障发生时间，还能通过各告警信息的获取时间点与其时间点约束的对比分析，评价保护和断路器误动/拒动、告警信息漏报情况，并根据评价结果解释故障的发展过程。

Description

一种基于事件起点的智能化电网故障诊断方法
技术领域
本发明属于电网故障诊断研究领域，更具体地，涉及一种基于事件起点的智能化电网故障诊断方法。
背景技术
当电网发生故障时，快速准确的故障诊断对加快事故处理和系统恢复进程、保证电力系统的安全可靠运行至关重要。然而随着电网的不断发展和互联，在故障发生后的短时间内，保护及断路器动作等大量告警信息涌向调度中心，且可能伴随信息缺失、畸变等不确定性，严重加大了运行人员快速准确判断故障元件的压力，此时故障诊断系统的作用尤为重要。
自20世纪80年代以来，国内外在电力系统故障诊断领域己经做了相当多的研究工作，Petri网故障诊断法因逻辑严密、物理意义清晰、推理过程比较简单而受到越来越多的关注。基于传统Petri网的电力系统故障诊断方法比较简单和直观，但其无法处理故障诊断问题中的不确定性，近年来提出了计及保护和断路器动作不确定性的模糊Petri网来解决。此外，考虑到告警信息的时间约束特性对故障诊断的重要影响，也有相关研究将保护和断路器动作的时序信息引入到Petri网模型的构建当中，对不完备的动作信息进行纠错处理。上述方法在电网故障诊断方面有一定的容错性和适应性，但存在以下局限：①对于告警信息时序特性的利用主要局限于告警信息的筛选和验证阶段，但难以制定完善的告警信息时序比较规则，且说服力不强。②在保护和断路器存在误动拒动以及告警信息缺失的情况下，模型的容错性不强，在处理复杂故障诊断时有可能得不到明确的诊断结果。
发明内容
针对现有技术的以上缺陷，本发明提供了一种基于事件起点的智能化电网故障诊断方法，通过构建层次化加权模糊时序Petri网(TWFPN，Temporal Weighted Fuzzy Petrinet)故障诊断模型进行推理来识别真实故障元件，旨在解决现有的故障诊断方法中由于未能充分利用告警信息的时序特性使得现有的故障诊断方法容错性能不强的技术问题。
为实现上述目的，本发明提供了一种基于事件起点的智能化电网故障诊断方法，包括以下步骤：
(1)根据故障后获取的保护和断路器告警信息，结合结线分析法获得可疑故障元件集合F＝{fk|1≤k≤K}；
(2)建立所述可疑故障元件fk的层次化加权模糊时序Petri网模型；
所述层次化加权模糊时序Petri网模型包括库所向量、变迁向量、直接输入矩阵、抑制输入矩阵、输出矩阵、输入弧的权值矩阵、库所的置信度向量、变迁的置信度向量、库所告警信息获取时间点集合以及时间距离约束集合；
(3)根据各个库所告警信息的获取时间点和时间距离约束进行逆向时序推理获得事件起点的第一推算时间点约束；
(4)将有重叠区间的所述事件起点的第一推算时间点约束求交集，得到R个事件起点的第二推算时间点约束；
(5)根据所述第r个事件起点的第二推算时间点约束和所述时间距离约束进行正向时序推理，获得各个库所告警信息的时间点约束；
(6)将所述各个库所的告警信息的获取时间点与各个库所告警信息的时间点约束进行对比分析，获得修正后各库所的初始置信度向量；
(7)根据所述修正后的各库所的初始置信度向量、所述直接输入矩阵、所述抑制输入矩阵、所述输出矩阵、所述变迁的置信度向量和所述输入弧的权值矩阵进行矩阵推理，获得可疑故障元件fk的备选故障置信度；
(8)判断第二推算发生时间约束的次序r是否等于第二推算时间点约束的数量R，若是，则选取所述可疑故障元件fk的备选故障置信度中最大值作为可疑故障元件fk的最终故障置信度，否则，将r＝r+1，进入步骤(5)；
(9)判断故障元件的次序k是否等于故障元件数量K，若是将所述各可疑故障元件的最终故障置信度与故障置信度门槛值进行比较，判定各可疑故障元件是否发生故障，否则，将k＝k+1，进入步骤(2)；
各个库所的告警信息的获取时间点为库所告警信息获取时间点集合中元素，将故障发生时间定义为事件起点，时间距离约束是指事件起点与各个库所告警信息获取时间点之间的时间距离约束，时间距离约束为时间距离约束集合中的元素；
1≤k≤K,1≤r≤R K为可疑故障元件的数量，R为事件起点的第二推算时间点约束的数量，r为第二推算时间约束点的次序，k为可疑故障元件的次序。
进一步地，智能化电网故障诊断方法还包括如下步骤：
(10)将可疑故障元件的最终故障置信度对应的事件起点的第二推算时间点约束作为事件起点最终的时间点约束，在事件起点最终的时间点约束下逆向推理得到的初始库所告警信息的时间点约束为初始库所的最终时间点约束，将各个初始库所告警信息的获取时间点与初始库所的最终时间点约束进行对比分析，判断保护与断路器的拒动、误动及告警信息漏报情况，并根据评价结果解释故障的发展过程。
进一步地，步骤(2)根据公式STWFPN＝{P，R，I，H，O，W，M，U，t，D}建立可疑故障元件fk的层次化加权模糊时序Petri网模型；
其中，P＝{p1,p2,…pm}为库所向量，库所包括初始库所、原因库所以及过渡库所，初始库所包括与可疑故障元件fk相关的保护和断路器，原因库所为可疑故障元件fk，过渡库所为用于构建层次化加权模糊时序Petri网模型而设的虚拟的库所；
为各库所告警信息的获取时间点集合,为库所pi告警信息的获取时间点；
为事件起点tf与库所pi告警信息的获取时间点的时间距离约束集合，将故障f的发生时刻定义为事件起点，D(tf,tpi)为事件起点tf与库所pi告警信息的获取时间点的时间距离约束。
I为直接输入矩阵，H为抑制输入矩阵，O为输出矩阵，W为输入弧的权值矩阵，M为库所的置信度向量，U为变迁的置信度向量；1≤i≤m m为库所的数量。
进一步地，步骤(2)中R＝{r1,r2,…rn}为变迁向量，变迁包括保护动作变迁和过渡变迁，保护动作变迁为与可疑故障元件fk相关的保护动作逻辑推理关系，过渡变迁为用于构建层次化加权模糊时序Petri网模型而设的虚拟的变迁；
I＝(δij)m×n为直接输入矩阵，根据初始库所和保护动作变迁之间的逻辑关系确定初始库所pi是否存在到保护动作变迁rj的直接输入弧，若是则δij＝1，否则δij＝0；过渡库所与过渡变迁之间由直接输入弧连接；
H＝(γij)m×n为抑制输入矩阵，根据初始库所和保护动作变迁之间的逻辑关系确定初始库所pi是否存在到保护动作变迁rj的抑制输入弧，若是则γij＝1，否则γij＝0；过渡库所和过渡保护之间不存在抑制输入弧；
O＝(ζij)n×m为输出矩阵，根据变迁和库所之间的连接关系确定变迁rj是否存在到库所pi的输出弧，若是则ζij＝1，否则ζij＝0；
W＝(ωij)m×n为输入弧的权值矩阵，ωij指库所pi到变迁rj的输入弧的权值，ωij∈[0,1]，根据初始库所可靠性确定初始库所到保护动作变迁之间输入弧的权值；过渡库所与过渡变迁的输入弧权值设为1/L，L表示与同一过渡变迁通过输入弧连接的过渡库所的数量；
M＝(M1，M2，M3，…，Mm)T为库所的置信度向量，Mi表示库所pi的置信度，Mi∈[0,1],根据库所的可靠性确定库所的置信度；
U＝diag(μ1，μ2，μ3,…,μn)为变迁的置信度向量，μi为变迁ri的置信度，μi∈[0,1]，根据变迁的可靠性确定变迁的置信度；
其中，输入弧包括直接输入弧和抑制输入弧，且库所pi到变迁rj的之间只存在抑制输入弧或直接输入弧；直接输入弧为库所的发生促使可疑故障元件进入变迁，抑制输入弧为库所的不发生促进可疑故障元件进入变迁，1≤i≤m,1≤j≤n,m为库所的数量，n为变迁的数量。
进一步地，步骤(3)包括如下步骤：
(31)判断库所pi是否收到告警信息，若是，则根据公式获得事件起点的第s个第一推算发生时间约束T(fs)，s＝s+1；否则，进入步骤(32)；
(32)判断库所的次序i是否等于库所数量m，若是，则进入步骤(4)，否则令i＝i+1，并进入步骤(31)；
式中，为库所pi告警信息的获取时间点，D(tf,tpi)为事件起点tf与各个库所pi告警信息的获取时间点的时间距离约束，1≤s≤S，S为获取的告警信息的个数，1≤i≤m，m为库所的数量，i为库所的次序。
进一步地，步骤(5)根据公式进行正向时序推理获得各个库所告警信息在事件起点为T(f)r的推算获取时间点约束
式中，T(f)r为事件起点的第二推算时间点约束，为初始库所pi告警信息的获取时间点与事件起点之间的时间距离约束，1≤r≤R,R为事件起点的第二推算发生时间约束数量，r为第二推算发生时间约束的次序。
进一步地，根据公式和公式Mq+1＝Mq获得第q+1次迭代的库所的置信度Mq+1；
式中，O为输出矩阵，U为变迁的置信度向量，I为直接输入矩阵，H抑制输入矩阵，W输入弧的权值矩阵，Mq为第q步迭代的库所的置信度列向量，1m为元素全为1的m维列向量，q≥0，M0为修正后的库所的初始置信度向量
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：
本发明提出基于事件起点的智能化电网故障诊断方法，在完善母线和线路的层次化加权模糊Petri网模型的基础上，以故障发生时刻作为事件起点，提出了基于事件起点的保护和断路器动作信息的时序约束检查方法。根据保护和断路器的告警信息获取时间点和时间距离约束，通过正向时序推理和逆向时序推理获得事件起点和告警信息的时间点约束，并对库所的初始置信度向量进行修正，有效的消除了时序不一致和错误告警信息对诊断结果的影响，即在提高了故障元件置信度的同时抑制了干扰元件对诊断结果的影响，提高了诊断的准确性。该方法不仅能得到设备的故障发生时间，还能在保护和断路器误动/拒动、告警信息不完整等复杂状态下识别真实故障元件，通过各告警信息的获取时间点与其时间点约束的对比分析，评价继电保护装置的动作行为、告警信息漏报情况，并根据评价结果解释故障的发展过程。
附图说明
图1是本发明提供的基于事件起点的智能化电网故障诊断方法的流程示意图；
图2是本发明提供的实施例中IEEE 10机39节点系统示意图；
图3是本发明提供的实施例中线路的层次化加权模糊时序Petri网故障诊断模型的示意图；
图4是本发明提供的实施例中母线的层次化加权模糊时序Petri网故障诊断模型的示意图。
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。
如图1所示，本发明提供的基于事件起点的智能化电网故障的诊断方法，包括如下步骤：
(1)根据故障发生后获取的保护和断路器告警信息，结合结线分析法获得可疑故障元件集合F＝{fk|1≤k≤K}，K为可疑故障元件数量；
结线分析法利用电网元件(主要包括母线和线路)及其相关的保护、断路器的逻辑关联关系，构建可疑故障元件搜索策略，实现停电区域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。
(2)建立可疑故障元件fk的层次化加权模糊时序Petri网模型，并建立TWFPN模型的数学描述：STWFPN＝{P，R，I，H，O，W，M，U，t，D}
其中，P＝{p1，p2，p3,…,pm}(m≥0)是m维库所向量，m为库所数量,库所包括初始库所、原因库所和过渡库所，初始库所包括与可疑故障元件fk相关的保护和断路器，原因库所为可疑故障元件fk，过渡库所用于构建TWFPN模型而设的虚拟的库所，过渡库所无任何物理含义。
R＝{r1，r2，r3,…,rn}(n≥0)是n维变迁向量，n为变迁数量，变迁分为保护动作变迁和过渡变迁，保护动作变迁为与可疑故障元件fk相关的保护动作逻辑关系，过渡变迁为用于构建TWFPN模型而设的虚拟的变迁。
I＝(δij)m×n为直接输入矩阵，根据初始库所和保护动作变迁之间的逻辑关系确定初始库所pi是否存在到保护动作变迁rj的直接输入弧，若是则δij＝1，否则δij＝0；1≤i≤m,1≤j≤n，过渡库所与过渡变迁之间由直接输入弧连接。
H＝(γij)m×n为抑制输入矩阵，根据初始库所和保护动作之间的逻辑关系确定初始库所pi是否存在到保护动作变迁rj的抑制输入弧，若是则γij＝1，否则γij＝0；过渡库所和过渡变迁之间不存在抑制输入弧。
O＝(ζij)n×m为输出矩阵，根据变迁和库所之间的连接关系确定变迁rj是否存在到库所pi的输出弧，若是则ζij＝1，否则ζij＝0。
W＝(ωij)m×n为输入弧的权值矩阵，ωij指库所pi到变迁rj的输入弧的权值，ωij∈[0,1]，根据初始库所可靠性确定初始库所到保护动作变迁之间输入弧的权值；过渡库所与过渡变迁的输入弧权值设为1/L，L表示与同一过渡变迁通过输入弧连接的过渡库所的数量；输入弧包括直接输入弧和抑制输入弧，且库所pi到变迁rj的之间只存在抑制输入弧或直接输入弧的一种。
元件发生故障后，保护先动作，再作用于相应的断路器跳闸，即保护动作是断路器动作的前提，故断路器对应的权值应该小于保护对应的权值。保护对应的输入弧的权值设定为0.6，断路器对应的输入弧的权值设定为0.4；过渡库所与过渡变迁的输入弧权值设为1/L，L表示与同一过渡变迁通过输入弧连接的过渡库所的数量。
M为m维库所的置信度向量，M＝(M1，M2，M3，…，Mm)T，Mi∈[0,1]，Mi表示库所pi的置信度，初始置信度向量用M0表示；
由于上传到调度中心的拒动、误动、保护动作、断路器跳闸等告警信息存在漏报、误报等不确定因素。根据不同的保护以及保护和断路器警报信息对电网故障诊断的作用差别，给定已动作的保护和断路器的初始置信度，如表1所示。
表1 已动作的保护和断路器的初始置信度
由于保护和断路器警报信息中夹杂着拒动信息以及信息存在丢失的情况，对未动作的保护和断路器给定的初始置信度，如表2所示。
表2 未动作的保护和断路器的初始置信度
由于过渡库所没有物理意义，过渡库所的初始置信度设置为0，且原因库所的初始置信度也设为0。
U为变迁的置信度向量，U＝diag(μ1，μ2，μ3,…,μn)，μi为变迁ri的置信度，μi∈[0,1]。
考虑到不同类型的保护的原理、性能及可靠性都不一样,故在反向的故障诊断推理过程中对诊断结果的影响程度也不一样，据此赋予变迁不同的置信度，规定主保护动作变迁的置信度为0.95，断路器失灵保护动作变迁的可信度为0.9，远后备保护动作变迁的置信度为0.8，过渡变迁无实际物理意义，将其置信度设为1。
为各库所告警信息的获取时间点的集合,为库所pi告警信息的获取时间点。
定义d(ti，tj)表示时间点ti和tj之间的时间距离，即d(ti，tj)＝tj-ti。定义表示时间距离d(ti，tj)的约束，即d(ti，tj)∈D(ti，tj)其中和分别对应D(ti，tj)的起点和终点。
为事件起点tf与库所pi告警信息的获取时间点的时间距离约束集合，将故障f的发生时刻定义为事件起点，D(tf,tpi)为事件起点tf与库所pi告警信息的获取时间点的时间距离约束。
首先介绍电力系统中继电保护的时间距离约束，电力系统中为保证保护动作的选择性，不同保护设定了不同的动作时限，根据保护配置设定，线路保护的动作顺序依次为主保护、断路器失灵保护、远后备保护，母线保护的动作顺序为主保护、远后备保护，另外保护动作和保护对应的断路器跳闸之间也存在着时间约束。电力系统中要求故障f发生时刻与主保护动作时刻之间的时间距离约束为：
D(tf，tm)＝[10,40]；
电力系统中要求故障f发生时刻与断路器失灵保护动作时刻之间的时间距离约束为：
D(tf，ts)＝[600,1100]
电力系统中要求故障f发生时刻与远后备保护动作时刻之间的时间距离约束为：
D(tf，tmf)＝[300,500]
电力系统中要求保护动作时刻与断路器跳闸时刻之间的时间距离约束为：
D(tR，tCB)＝[40,60]
式中，tf为故障f的发生时刻，tR为保护动作时刻，分为主保护动作时刻tm、断路器失灵保护动作时刻ts和远后备保护动作时刻tmf，tCB为断路器跳闸时刻，时间距离约束的单位为ms。
定义故障发生时间tf为事件起点，所有告警信息的时间距离约束都可转换到以事件起点为基准的时间距离约束下，保护动作以事件起点为基准的时间距离约束为D(tf，tR)，断路器跳闸以事件起点为基准的时间距离约束D(tf，tCB)＝D(tf，tR)+D(tR，tCB)。
下面分别介绍可疑故障元件fk为线路和母线时，TWFPN模型的构建过程。
当可疑故障元件fk为线路时，由于每条线路两端均配置主保护、断路器失灵保护和远后备保护，初始库所包括与线路相关的主保护及其对应的断路器、断路器失灵保护及其对应的断路器和远后备保护及其对应的断路器；保护动作变迁包括主保护动作变迁、断路器失灵保护动作变迁以及远后备保护动作变迁；原因库所为该线路本身。
构建线路的TWFPN模型时，根据线路故障发生后的保护和断路器的动作过程，先确定线路某一端的库所和变迁之间的连接关系，故障发生后首先由线路两端各自的主保护动作于相应断路器跳闸，因此主保护及其对应的断路器与主保护动作变迁之间通过直接输入弧连接，主保护动作变迁通过直接输入弧与过渡库所连接，以上部分构成主保护诊断子网；当主保护对应的某个断路器拒动时启动该断路器的失灵保护跳开与该断路器相连的所有断路器，因此主保护对应的断路器与断路器失灵保护动作变迁之间通过抑制输入弧连接，主保护、断路器失灵保护、断路器失灵保护对应的断路器与断路器失灵保护动作变迁通过直接输入弧连接，断路器失灵保护动作变迁通过直接输入弧与过渡库所连接，以上部分构成断路器失灵保护诊断子网；当主保护和断路器失灵保护动作失败后，由远后备保护动作隔离故障，因此远后备保护及其对应的断路器与远后备保护动作变迁之间通过直接输入弧连接，远后备保护动作变迁通过直接输入弧与过渡变迁连接，以上部分构成远后备保护诊断子网。将线路一端的主保护诊断子网、断路器失灵保护诊断子网以及远后备保护诊断子网通过与过渡变迁连接形成线路一端的过渡库所，再联合另一端的过渡库所通过过渡变迁与原因库所连接。
当可疑故障元件fk为母线时，由于电网中每条母线均配置主保护和远后备保护，初始库所包括与母线相关的主保护及其对应的断路器、远后备保护及其对应的断路器；保护动作变迁包括主保护动作变迁和远后备保护动作变迁；原因库所为该线路本身。
类似的，构建母线的TWFPN模型时，根据母线故障发生后的保护和断路器动作过程，首先由母线主保护动作于与母线相连的各个断路器跳闸，当主保护动作失败时，由远后备保护动作隔离故障。先确定母线某一出线方向的库所和变迁之间的连接关系，即先建立某一出线方向上主保护诊断子网和远后备保护诊断子网，再联合主保护保护诊断子网和远后备保护诊断子网通过与过渡变迁连接形成母线该出线方向上的过渡库所，再联合其余出线方向的过渡库所通过过渡变迁与原因库所连接。
为了便于在步骤(3)至步骤(6)描述基于事件起点的保护和断路器动作信息的时序约束检查，定义时间区间T(t)＝[t-，t+]为时间点约束，用于描述事件发生时间t的不确定性，即t∈T(t)；其中t-和t+对应T(t)的起点和终点。TWFPN模型中各初始库所报警信息的时间点约束为T(tpi)，t pi∈t，表示时间点tpi的应该发生的时间区间；原因库所的时间点约束为T(f)，表示故障发生的时间区间。
(3)根据初始库所告警信息的获取时间点tpi及其与事件起点之间的时间距离约束D(tf,tpi)进行逆向时序推理，获得事件起点的第一推算时间点约束集合Tf1＝{T(fs)|1≤s≤S}，包括如下步骤：
(31)判断库所pi是否收到告警信息，若是，则根据公式进行逆向时序推理，获得事件起点的第s个第一推算发生时间约束T(fs)，s＝s+1否则，进入步骤(32)；
(32)判断库所的次序i是否等于库所数量m，若是，则进入步骤(4)，否则令i＝i+1，并进入步骤(31)；
式中，为库所pi告警信息的获取时间点，D(tf,tpi)为事件起点tf与各个库所pi告警信息的获取时间点的时间距离约束，1≤s≤S，S为获取的告警信息的个数，1≤i≤m，m为库所的数量，i为库所的次序。
(4)将事件起点的第一推算时间点约束集Tf1中有重叠区间的时间点约束T(fs)求交集，得到事件起点的第二推算时间点约束集合Tf2＝{T(f)r|1≤r≤R}，T(f)r为由Tf1合并得到的第r个事件起点的第二推算时间点约束，R为事件起点的第二推算时间点约束的个数，包括如下步骤：
(41)若即当事件起点的第一推算时间点约束有区间重叠时，说明可疑故障f是这些保护和断路器告警信息的共同的原因事件，则根据公式将S个第一推算时间点约束T(f s)直接求并集，得到事件起点的唯一的第二推算时间点约束T(f)r，此情况下R＝1，否则进入步骤(42)；
(42)若即当事件起点的第一推算时间点约束没有区间重叠时，说明这些保护和断路器告警信息中存在一部分不是以故障元件f作为原因事件的，分别将有公共重叠区间的第一推算时间点约束T(fs)的求并集，得到事件起点的第二推算时间点约束T(f)r，此情况下R≥2,第二推算时间点约束T(f)r可能有多个。
(5)根据事件起点的第二推算时间点约束T(f)r与初始库所告警信息与事件起点之间的时间距离约束D(tf,tpi)进行正向时序推理，获得各个初始库所告警信息在事件起点为T(f)r的时间点约束
根据公式进行正向时序推理，获得各个初始库所告警信息的时间点约束式中，T(f)r为事件起点的第二推算时间点约束，为初始库所pi告警信息的获取时间点与事件起点之间的时间距离约束。
(6)将各个初始库所告警信息的获取时间点与其时间点约束进行对比分析，修正各库所的初始置信度向量
将各初始库所告警信息的获取时间点与其时间点约束对比分析，如果初始库所的告警信息获取时间点满足时间点约束条件，则认为该库所的状态信息是支持可疑故障元件f在第二推算时间点约束为T(f)r下的TWFPN的诊断模型的，将该初始库所置信度设为0.95，如果不满足时间点约束条件，该初始库所置信度设为0.1，由于过渡库所没有物理意义，故过渡库所的置信度仍然保持0。且原因库所的置信度仍然保持为0。
(7)根据修正后的各库所的初始置信度向量直接输入矩阵I、抑制输入矩阵H、输出矩阵O、变迁的置信度向量U和输入的权值矩阵W进行矩阵推理，获得可疑故障元件fk在事件起点的第二推算时间点约束为T(f)r下的备选故障置信度
为清楚地表示矩阵运算，定义如下计算因子，其中A＝(aij)m×n、B＝(bij)m×n和C＝(cij)m×n为m×n矩阵，X＝(xik)m×p为m×p矩阵，Y＝(ykj)p×n为p×n矩阵，Z＝(zij)m×n为m×n矩阵，1≤i≤m,1≤j≤n,1≤k≤p,。
1)若则cij＝max{aij，bij}；
2)若则
3)若A⊙B＝C，则cij＝aij·bij；
4)若X·Y＝Z，则
根据上述定义，引入则有如式(1)-(3)所示的推理公式。
式中：Mq为第q次迭代库所的置信度列向量；为表示库所对应命题为假的m维置信度列向量；1m为元素全为1的m维列向量。
式中：ρq＝[ρ1，ρ2，…ρn]T，表示变迁的控制向量。
综合式(1)至式(3)，可得:
根据公式(4)迭代获得库所的置信度向量，若Mq+1＝Mq，则Petri网达到稳定状态，迭代结束，获得库所的稳定置信度列向量。
(8)判断第二推算时间点约束次序r是否等于第二推算时间点约束数量R，若是，则选取可疑故障元件fk的备选故障置信度中最大值作为可疑故障元件fk的最终故障置信度βk，否则，r＝r+1，进入步骤(5)。
(9)判断可疑故障元件次序k是否等于可疑故障元件数量K，若是，将可疑故障元件fk的最终故障置信度βk与故障置信度门槛值进行比较，判断该元件是否真实发生故障；否则，k＝k+1，进入步骤(2)。
本发明中将故障置信度门槛值设为0.65，当最终故障置信度大于等于0.65时，判定该元件发生故障，当最终故障置信度小于0.65时，判定该元件未发生故障。
(10)将可疑故障元件的最终故障置信度对应的事件起点的第二推算时间点约束作为事件起点最终的时间点约束，在事件起点最终的时间点约束下逆向推理得到的初始库所告警信息的时间点约束为初始库所的最终时间点约束，将各个初始库所告警信息的获取时间点与初始库所的最终时间点约束进行对比分析，判断保护与断路器的拒动、误动及告警信息漏报情况，并根据评价结果解释故障的发展过程。
本发明提出基于事件起点的智能化电网故障诊断方法，在完善母线和线路的层次化加权模糊Petri网模型的基础上，以故障发生时刻作为事件起点，提出了基于事件起点的保护和断路器动作信息的时序约束检查方法。根据保护和断路器的告警信息获取时间点和时间距离约束，通过正向时序推理和逆向时序推理获得事件起点和告警信息的时间点约束，并对库所的初始置信度向量进行修正，有效的消除了时序不一致和错误告警信息对诊断结果的影响，即在提高了故障元件置信度的同时抑制了干扰元件对诊断结果的影响，提高了诊断的准确性。该方法不仅能得到设备的故障发生时间，还能在保护和断路器误动/拒动、告警信息不完整等复杂状态下识别真实故障元件，通过各告警信息的获取时间点与其时间点约束的对比分析，评价继电保护装置的动作行为、告警信息漏报情况，并根据评价结果解释故障的发展过程。
为了验证本发明提出的基于事件起点的智能化电网故障诊断方法的有效性，本发明以图2所示的IEEE 39节点系统为例来验证所发展的故障诊断模型。
假定故障后调度中心收到的告警信息为：(R0318m，0)，(R1803m，2)，(CB0318，48)，(R1803mf，320)，(CB1817，368)。其中时标以调度中心收到的第一个告警信息时间点为基准，单位为ms。
以B表示母线，L表示线路，CB表示断路器，R表示保护，并用m、mf和s分别表示主保护、断路器失灵保护和远后备保护，R0318m表示线路L0318靠近母线B03一侧的主保护，R1803m表示线路L0318靠近母线B18一侧的主保护，其它的依此类推。
(1)首先利用结线分析法搜索故障区域，得到可疑故障元件：线路L0318和母线B18。
(2)建立可疑故障元件的层次化加权模糊时序Petri网模型，并建立TWFPN模型的数学描述STWFPN＝{P，R，I，H，O，W，M，U，t，D}
对线路建立层次化加权模糊时序Petri网模型时，即先对两端分别建立主保护诊断子网、断路器失灵保护诊断子网、远后备保护诊断子网，再联合三个保护诊断子网形成各端的诊断过渡库所，最后联合两端的各自过渡库所与原因库所连接。
针对图2中的线路L0318建立层次化的加权模糊时序Petri网故障诊断模型如图3所示。
先介绍线路L0318靠近母线B03端的库所和变迁之间的连接关系。
其中p1、p3均为R0318m，即线路L0318靠近母线B03端的主保护，p2、p4均为CB0318，即线路L0318靠近母线B03的断路器，p5为R0318mf，即线路L0318靠近母线B03端的断路器CB0318的失灵保护，p6为CB0302，p7为CB0304，CB0302和CB0304为CB0318的失灵保护作用跳开的母线B03背侧的断路器，p8为R0203s，即线路L0318的远后备保护，p9为CB0203，为远后备保护R0203s对应的断路器，p10为R0403s，为线路L0318的远后备保护，p11为CB0403，为R0403s对应的断路器，p20、p21、p22和p26均为过渡库所。r1为主保护动作变迁，r2为断路器失灵保护动作变迁，r3为远后备保护动作变迁，r7、r8、r9为过渡变迁。
R0318m和CB0318通过直接输入弧与主保护动作变迁r1连接，主保护动作变迁r1通过直接输入弧与过渡库所p20连接，以上部分构成线路L0318靠近母线B03端的主保护诊断子网。R0318m、R0318mf、CB0302和CB0304通过直接输入弧与断路器失灵保护动作变迁r2连接，CB0318通过抑制输入弧与断路器失灵保护动作变迁r2连接，变迁r2通过直接输入弧与过渡库所p21连接，以上部分构成线路L0318靠近母线B03端的断路器失灵保护诊断子网。R0203s、R0403s、CB0203和CB0403通过直接输入弧与远后备保护动作变迁r3连接，变迁r3通过直接输入弧与过渡库所p22连接，以上部分构成线路L0318靠近母线B03端的远后备保护诊断子网。将线路L0318靠近母线B03端的主保护诊断子网、断路器失灵保护诊断子网以及远后备保护诊断子网分别通过过渡变迁r7、r8、r9连接形成线路L0318靠近母线B03端的过渡库所p26。
类似的，可确定线路L0318靠近母线B18端的库所和变迁之间的连接关系，将线路L0318靠近母线B03端的过渡库所p26和靠近母线B18端的过渡库所p27通过过渡变迁r13与原因库所p28连接。
线路L0318TWFPN模型中各初始库所相对于事件起点的时间距离约束如表1所示。
表1
初始库所 时间距离约束
p1，p3，p12，p14 D(tf，tm)
p2，p4，p13，p15 D(tf，tm)+D(tR，tCB)
p5，p16 D(tf，tmf)
p6，p7，p17 D(tf，tmf)+D(tR，tCB)
p8，p10，p18 D(tf，ts)
p9，p11，p19 D(tf，ts)+D(tR，tCB)
针对图2中的母线B18建立层次化的加权模糊时序Petri网故障诊断模型如图4所示。
对母线建立层次化加权模糊时序Petri网模型时，先对每个母线出线方向建立主保护诊断子网和远后备保护诊断子网，再联合两个保护诊断子网形成各出线方向的诊断过渡库所，最后联合各出线方向的过渡库与原因库所连接。
先介绍母线B18沿L0318出线方向的库所和变迁之间的连接关系。其中p1为RB18m，即母线B18的主保护，p2为CB1803，即母线B18主保护沿L0318出线方向对应的断路器，p3为R0318s，即母线B18沿L0318出线方向的远后备保护，p4为CB0318，即为R0318s对应的断路器，p9，p10，p13均为过渡库所。r1为主保护动作变迁，r2为远后备保护动作变迁，r5，r6为过渡变迁，
RB18m和CB1803通过直接输入弧与主保护动作变迁r1连接，变迁r1通过直接输入弧和过渡库所p9连接，以上部分构成母线B18沿L0318出线方向的主保护诊断子网。R0318s和CB0318通过直接输入弧与远后备保护动作变迁r2连接，变迁r2通过直接输入弧和过渡库所p10连接，以上部分构成母线B18沿L0318出线方向的远后备保护诊断子网。将母线B18沿L0318出线方向的主保护诊断子网和远后备保护诊断子网分别通过过渡变迁r5、r6、连接形成母线B18沿L0318出线方向的过渡库所p13。
类似的，可确定母线B18沿L1817出线方向的库所和变迁之间的连接关系，将母线B18沿L0318出线方向的过渡库所p13和沿L1817出线方向的过渡库所p14通过过渡变迁r9与原因库所p15连接。
母线B18的TWFPN模型中各初始库所相对于事件起点的时间距离约束如表2所示。
表2
初始库所 时间距离约束
p1，p3，p12，p14 D(tf，tm)
p2，p4，p13，p15 D(tf，tm)+D(tR，tCB)
p8，p10，p18 D(tf，ts)
p9，p11，p19 D(tf，ts)+D(tR，tCB)
针对图2中的母线B18建立层次化的加权模糊时序Petri网故障诊断模型如图4所示。
(3)根据L0318的层次化TWFPN模型，收集与L0318相关的告警信息，可得(R0318m，0)，(R1803m，2)，(CB0318，48)，(R1803mf，320)，(CB1817，368)，根据各初始库所的告警信息的获取时间点及其与事件起点之间的时间距离约束进行逆向时序推理，获得L0318事件起点的第一推算时间点约束。
T(L03181)＝tR0318m－D(tf，tm)＝[-40，-10]
T(L03182)＝tR1803m－D(tf，tm)＝[-38，-8]
T(L03183)＝tCB0318－D(tf，tm)－D(tR，tCB)＝[-52，-2]
T(L03184)＝tR1803mf－D(tf，tmf)＝[-180，20]
T(L03185)＝tCB1817－D(tf，tmf)－D(tR，tCB)＝[-192，28]
根据B18的层次化TWFPN模型，收集与B18相关的告警信息，可得(CB0318，48)，(CB1817，368)，根据各初始库所的告警信息的获取时间点及其与事件起点之间的时间距离约束进行逆向时序推理，获得B18事件起点的第一推算时间点约束。
T(B181)＝T(CB0318)－D(tf，tmf)－D(tR，tCB)＝[-1112，-592]
T(B182)＝T(CB1817)－D(tf，tmf)－D(tR，tCB)＝[268，318]
(4)由于即可疑故障元件L0318是这些保护和断路器信息的原因事件，第一推算时间点约束直接求并集，得到L0318事件起点的唯一的第二推算时间点约束[-38，-10]。
由于说明这些保护和断路器告警信息中存在一部分不是以B18作为原因事件的，分别将有公共重叠区间的第一推算时间点约束的求并集，得到B18事件起点的第二推算时间点约束[-1112，-592]和[268，318]。
(5)针对上述得到的L0318事件起点的第二推算时间点约束[-38，-10]，根据各初始库所告警信息与事件起点之间的时间距离约束进行正向时序推理，得到各初始库所的时间点约束，R0318m、R1803m、CB0318、R1803mf、CB1817的告警获取时间均满足各自的在事件起点为[-38，-10]下的时间点约束，因此L0318TWFPN模型的库所初始置信度向量为：
M0＝(0.95,0.95,0.95,0.95,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.95,0.2,0.95,0.2,0.95,0.95,0.2,0.2,0,0,0,0,0,0,0,0,0)T
针对上述得到B18事件起点的第二推算时间点约束[-1112，-592]，根据各初始库所告警信息与事件起点之间的时间距离约束进行正向时序推理，得到各初始库所的时间点约束，CB0318的告警获取时间满足其在事件起点为[-38，-10]下的时间点约束，CB1817不满足，因此修正B18TWFPN模型的库所初始置信度向量为：
M0＝(0.2.0.2,0.2,0.95,0.2,0.1,0.2,0.2,0,0,0,0,0,0,0)T。
类似的，可针对上述得到B18事件起点的第二推算时间点约束[268，318]，修正B18TWFPN模型的库所初始置信度向量为：
M0＝(0.2.0.2,0.2,0.1,0.2,0.95,0.2,0.2,0,0,0,0,0,0,0)T。
(6)通过矩阵推理计算得到L0318的置信度为0.865，即L0318的故障置信度为0.865。
通过矩阵推理计算得到B18的置信度分别为0.28和0.3325，即B18在事件起点第二推算时间点约束为[-1112，-592]条件下的故障置信度为0.28。B18在事件起点第二推算时间点约束[268，318]条件下的故障置信度为0.3325。
综合B18在事件起点第二推算时间点约束为[-1112，-592]和[268，318]的条件下的故障置信度，取较大值，即B18的故障置信度为0.3325。
(7)由于L0318的置信度为0.865＞0.65，B18的故障置信度为0.3325＜0.65，因此判断L0318发生故障，B18无故障。
(8)根据上述诊断结果，故障元件为L0318，故障发生的时间区间为[-38，-10]，将各个初始库所告警信息的获取时间点与其在该事件起点下的时间点约束进行对比分析，以判断保护与断路器的拒动、误动及告警信息漏报情况，并根据评价结果解释故障的发展过程：L0318发生故障后，母线03侧的主保护R0318m正确动作于CB0318跳闸，母线18侧的主保护R1803m正确动作，但由于CB1803拒动启动断路器失灵保护R1803mf，并动作于CB1817跳闸以隔离故障。
为了更好地验证所发展的故障诊断模型，本发明实施例中还对多起故障案例进行算例仿真分析，并与不考虑时序信息的诊断结果进行对比，表5为基于事件起点的智能化电网故障诊断方法的实施例及其诊断结果。
表5
上表中，案例1至案例5为信息完备情况下的诊断，虽然保护和断路器的误动、拒动导致了故障区域的扩大，但利用本发明提出的方法建立的基于事件起点的层次化TWFPN模型可以识别出误动或拒动信息而得出正确的诊断结果，说明该模型对保护和断路器的误动或拒动具有较好的容错性。算例6和算例7模拟信息丢失情况下的故障诊断。可见，在存在关键信息丢失的情况下依然能够得出正确的诊断结果，这表明该模型对信息丢失的情况也具有一定的容错性。
通过与不考虑时序信息的诊断结果进行对比，可以看出真实故障元件的故障置信度有所提高，而非真实故障元件的故障置信度有所降低，即在提高了故障元件置信度的同时抑制了干扰元件对诊断结果的影响，提高了诊断的准确性。此外，该方法还可以得到设备的故障时间区间，通过事件起点下各初始库所的告警获取时间点与其在事件起点下的时间点约束进行对比分析可以判断保护与断路器的拒动、误动及告警信息漏报情况，并根据评价结果解释故障的发展过程。
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 (7)

1.一种基于事件起点的智能化电网故障诊断方法，其特征在于，包括以下步骤：
(1)根据故障后获取的保护和断路器告警信息，结合结线分析法获得可疑故障元件集合F＝{fk|1≤k≤K}；
(2)建立所述可疑故障元件fk的层次化加权模糊时序Petri网模型；
所述层次化加权模糊时序Petri网模型包括库所向量、变迁向量、直接输入矩阵、抑制输入矩阵、输出矩阵、输入弧的权值矩阵、库所的置信度向量、变迁的置信度向量、库所告警信息获取时间点集合以及时间距离约束集合；
(3)根据各个库所告警信息的获取时间点和时间距离约束进行逆向时序推理获得事件起点的第一推算时间点约束；
(4)将有重叠区间的所述事件起点的第一推算时间点约束求交集，得到R个事件起点的第二推算时间点约束；
(5)根据所述第r个事件起点的第二推算时间点约束和所述时间距离约束进行正向时序推理，获得各个库所告警信息的时间点约束；
(6)将所述各个库所的告警信息的获取时间点与各个库所告警信息的时间点约束进行对比分析，获得修正后各库所的初始置信度向量；
(7)根据所述修正后的各库所的初始置信度向量、所述直接输入矩阵、所述抑制输入矩阵、所述输出矩阵、所述变迁的置信度向量和所述输入弧的权值矩阵进行矩阵推理，获得可疑故障元件fk的备选故障置信度；
(8)判断第二推算发生时间约束的次序r是否等于第二推算时间点约束的数量R，若是，则选取所述可疑故障元件fk的备选故障置信度中最大值作为可疑故障元件fk的最终故障置信度，否则，将r＝r+1，进入步骤(5)；
(9)判断故障元件的次序k是否等于故障元件数量K，若是将所述各可疑故障元件的最终故障置信度与故障置信度门槛值进行比较，判定各可疑故障元件是否发生故障，否则，将k＝k+1，进入步骤(2)；
各个库所的告警信息的获取时间点为库所告警信息获取时间点集合中元素，将故障发生时间定义为事件起点，时间距离约束是指事件起点与各个库所告警信息获取时间点之间的时间距离约束，时间距离约束为时间距离约束集合中的元素。
1≤k≤K,1≤r≤R K为可疑故障元件的数量，R为事件起点的第二推算时间点约束的数量，r为第二推算时间点约束的次序，k为可疑故障元件的次序。
2.根据权利要求1所述的智能化电网故障诊断方法，其特征在于，还包括如下步骤：
(10)将可疑故障元件的最终故障置信度对应的事件起点的第二推算时间点约束作为事件起点最终的时间点约束，在事件起点最终的时间点约束下逆向推理得到的初始库所告警信息的时间点约束为初始库所的最终时间点约束，将各个初始库所告警信息的获取时间点与初始库所的最终时间点约束进行对比分析，判断保护与断路器的拒动、误动及告警信息漏报情况，并根据评价结果解释故障的发展过程。
3.根据权利要求1或2所述的智能化电网故障诊断方法，其特征在于，所述步骤(2)根据公式STWFPN＝{P，R，I，H，O，W，M，U，t，D}建立可疑故障元件fk的层次化加权模糊时序Petri网模型；
其中，P＝{p1,p2,…pm}为库所向量，库所包括初始库所、原因库所以及过渡库所，初始库所包括与可疑故障元件fk相关的保护和断路器，原因库所为可疑故障元件fk，过渡库所为用于构建层次化加权模糊时序Petri网模型而设的虚拟的库所；
为各库所告警信息的获取时间点集合,为库所pi告警信息的获取时间点；
为事件起点tf与库所pi告警信息的获取时间点的时间距离约束集合，将故障f的发生时刻定义为事件起点，D(tf,tpi)为事件起点tf与库所pi告警信息的获取时间点的时间距离约束。
I为直接输入矩阵，H为抑制输入矩阵，O为输出矩阵，W为输入弧的权值矩阵，M为库所的置信度向量，U为变迁的置信度向量；1≤i≤m m为库所的数量。
4.根据权利要求3所述的智能化电网故障诊断方法，其特征在于，所述步骤(2)中R＝{r1,r2,…rn}为变迁向量，变迁包括保护动作变迁和过渡变迁，保护动作变迁为与可疑故障元件fk相关的保护动作逻辑推理关系，过渡变迁为用于构建层次化加权模糊时序Petri网模型而设的虚拟的变迁；
I＝(δij)m×n为直接输入矩阵，根据初始库所和保护动作变迁之间的逻辑关系确定初始库所pi是否存在到保护动作变迁rj的直接输入弧，若是则δij＝1，否则δij＝0；过渡库所与过渡变迁之间由直接输入弧连接；
H＝(γij)m×n为抑制输入矩阵，根据初始库所和保护动作变迁之间的逻辑关系确定初始库所pi是否存在到保护动作变迁rj的抑制输入弧，若是则γij＝1，否则γij＝0；过渡库所和过渡变迁之间不存在抑制输入弧；
O＝(ζij)n×m为输出矩阵，根据变迁和库所之间的连接关系确定变迁rj是否存在到库所pi的输出弧，若是则ζij＝1，否则ζij＝0；
W＝(ωij)m×n为输入弧的权值矩阵，ωij指库所pi到变迁rj的输入弧的权值，ωij∈[0,1]，根据初始库所可靠性确定初始库所到保护动作变迁之间输入弧的权值；过渡库所与过渡变迁的输入弧权值设为1/L，L表示与同一过渡变迁通过输入弧连接的过渡库所的数量；
M＝(M1，M2，M3，…，Mm)T为库所的置信度向量，Mi表示库所pi的置信度，Mi∈[0,1],根据库所的可靠性确定库所的置信度；
U＝diag(μ1，μ2，μ3,…,μn)为变迁的置信度向量，μi为变迁ri的置信度，μi∈[0,1]，根据变迁的可靠性确定变迁的置信度；
其中，输入弧包括直接输入弧和抑制输入弧，且库所pi到变迁rj的之间只存在抑制输入弧或直接输入弧；直接输入弧为库所的发生促使可疑故障元件进入变迁，抑制输入弧为库所的不发生促进可疑故障元件进入变迁，1≤i≤m,1≤j≤n,m为库所的数量，n为变迁的数量。
5.根据权利要求3或4所述的智能化电网故障诊断方法，其特征在于，所述步骤(3)包括如下步骤：
(31)判断库所pi是否收到告警信息，若是，则根据公式进行逆向时序推理获得事件起点的第s个第一推算发生时间约束T(fs)，否则令s＝s+1；，进入步骤(32)；
(32)判断库所的次序i是否等于库所数量m，若是，则进入步骤(4)，否则令i＝i+1，并进入步骤(31)；
式中，为库所pi告警信息的获取时间点，D(tf,tpi)为事件起点tf与各个库所pi告警信息的获取时间点的时间距离约束，1≤s≤S，S为获取的告警信息的个数，1≤i≤m，m为库所的数量，i为库所的次序。
6.根据权利要求3-5任一项所述的智能化电网故障诊断方法，其特征在于，所述步骤(5)根据公式进行正向时序推理获得各个库所告警信息在事件起点为T(f)r的推算获取时间点约束
式中，T(f)r为事件起点的第二推算时间点约束，为初始库所pi告警信息的获取时间点与事件起点之间的时间距离约束，1≤r≤R,R为事件起点的第二推算时间点约束的数量，r为第二推算时间点约束的次序。
7.根据权利要求1-6任意一项所述的智能化电网故障诊断方法，其特征在于，根据公式和公式Mq+1＝Mq获得第q+1次迭代的库所的置信度Mq+1；
式中，O为输出矩阵，U为变迁的置信度向量，I为直接输入矩阵，H抑制输入矩阵，W输入弧的权值矩阵，Mq为第q步迭代的库所的置信度列向量，1m为元素全为1的m维列向量，q≥0，M0为修正后的库所的初始置信度向量
CN201611067749.3A 2016-11-29 2016-11-29 一种基于事件起点的智能化电网故障诊断方法 Pending CN106771853A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611067749.3A CN106771853A (zh) 2016-11-29 2016-11-29 一种基于事件起点的智能化电网故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611067749.3A CN106771853A (zh) 2016-11-29 2016-11-29 一种基于事件起点的智能化电网故障诊断方法

Publications (1)

Publication Number Publication Date
CN106771853A true CN106771853A (zh) 2017-05-31

Family

ID=58902390

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611067749.3A Pending CN106771853A (zh) 2016-11-29 2016-11-29 一种基于事件起点的智能化电网故障诊断方法

Country Status (1)

Country Link
CN (1) CN106771853A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107612737A (zh) * 2017-09-21 2018-01-19 郑州云海信息技术有限公司 一种告警方法及其装置
CN108957230A (zh) * 2018-06-28 2018-12-07 武汉科技大学 一种基于分层计时序自适应模糊h网的配电网故障诊断方法及系统
CN110430212A (zh) * 2019-08-14 2019-11-08 杭州安恒信息技术股份有限公司 多元数据融合的物联网威胁感知方法和系统
CN110927509A (zh) * 2019-10-14 2020-03-27 山东科技大学 一种配电网的故障诊断方法
CN112052233A (zh) * 2020-08-11 2020-12-08 杭州电子科技大学 一种基于上下文感知的多角度业务流程异常在线检测方法

Citations (9)

* Cited by examiner, † Cited by third party
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
CN102663500A (zh) * 2012-03-27 2012-09-12 许继集团有限公司 一种基于时间隶属分析的模糊 Petri网变电站故障诊断方法
CN103308824A (zh) * 2013-05-31 2013-09-18 东北大学 一种基于概率Petri网的电力系统故障诊断方法
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
CN103901320A (zh) * 2014-03-11 2014-07-02 国家电网公司 一种计及多源数据的电力系统故障诊断方法
CN104597375A (zh) * 2014-12-31 2015-05-06 国网山西省电力公司 一种电网故障诊断方法
CN104766246A (zh) * 2015-03-20 2015-07-08 国家电网公司 一种基于时序模糊Petri网的电力系统故障诊断
CN104765965A (zh) * 2015-04-15 2015-07-08 国家电网公司 基于模糊Petri的GIS故障诊断与可靠性分析方法
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
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
CN102663500A (zh) * 2012-03-27 2012-09-12 许继集团有限公司 一种基于时间隶属分析的模糊 Petri网变电站故障诊断方法
CN103308824A (zh) * 2013-05-31 2013-09-18 东北大学 一种基于概率Petri网的电力系统故障诊断方法
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
CN103901320A (zh) * 2014-03-11 2014-07-02 国家电网公司 一种计及多源数据的电力系统故障诊断方法
CN104597375A (zh) * 2014-12-31 2015-05-06 国网山西省电力公司 一种电网故障诊断方法
CN104766246A (zh) * 2015-03-20 2015-07-08 国家电网公司 一种基于时序模糊Petri网的电力系统故障诊断
CN104765965A (zh) * 2015-04-15 2015-07-08 国家电网公司 基于模糊Petri的GIS故障诊断与可靠性分析方法
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 (2)

* Cited by examiner, † Cited by third party
Title
张岩等: "容纳时序约束的改进模糊Petri网故障诊断模型", 《电力系统自动化》 *
童晓阳等: "《计及时序信息检查的分层模糊Petri网电网故障诊断模型》", 《电力系统自动化》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107612737A (zh) * 2017-09-21 2018-01-19 郑州云海信息技术有限公司 一种告警方法及其装置
CN107612737B (zh) * 2017-09-21 2021-05-04 郑州云海信息技术有限公司 一种告警方法及其装置
CN108957230A (zh) * 2018-06-28 2018-12-07 武汉科技大学 一种基于分层计时序自适应模糊h网的配电网故障诊断方法及系统
CN108957230B (zh) * 2018-06-28 2024-04-23 武汉科技大学 一种基于分层计时序自适应模糊h网的配电网故障诊断方法及系统
CN110430212A (zh) * 2019-08-14 2019-11-08 杭州安恒信息技术股份有限公司 多元数据融合的物联网威胁感知方法和系统
CN110927509A (zh) * 2019-10-14 2020-03-27 山东科技大学 一种配电网的故障诊断方法
CN112052233A (zh) * 2020-08-11 2020-12-08 杭州电子科技大学 一种基于上下文感知的多角度业务流程异常在线检测方法

Similar Documents

Publication Publication Date Title
CN106771853A (zh) 一种基于事件起点的智能化电网故障诊断方法
WO2022037234A1 (zh) 一种面向优质供电服务的主配一体化负荷转供方法
Luo et al. Implementing fuzzy reasoning Petri-nets for fault section estimation
CN103308824B (zh) 一种基于概率Petri网的电力系统故障诊断方法
CN103001328B (zh) 一种智能变电站的故障诊断与评估方法
CN103487723B (zh) 电力系统故障诊断方法及系统
Sun et al. Fault diagnosis of electric power systems based on fuzzy Petri nets
Lo et al. Extended Petri net models for fault diagnosis for substation automation
CN103840967B (zh) 一种电力通信网中故障定位的方法
CN106841909B (zh) 基于方向分层模糊Petri网的多源信息融合配电网故障分析
CN105183952B (zh) 一种基于分层时间模糊Petri网的输电网故障诊断方法
CN113312761B (zh) 一种配电网韧性的提升方法及系统
CN104901306B (zh) 一种考虑连锁故障的电网运行安全裕度计算方法
CN106253270A (zh) 电力系统脆弱线路辨识方法和系统
CN103336222A (zh) 基于模糊推理脉冲神经膜系统的电力系统故障诊断方法
CN102156240B (zh) 基于五层三区式因果规则网的区域电网故障诊断方法
CN103901320A (zh) 一种计及多源数据的电力系统故障诊断方法
CN106771848B (zh) 一种基于拓扑图元信息融合的电网故障诊断方法
CN104766246A (zh) 一种基于时序模糊Petri网的电力系统故障诊断
CN104504248A (zh) 一种基于设计数据分析的故障诊断建模方法
CN109633370A (zh) 一种基于故障信息编码和融合方法的电网故障诊断方法
CN106483425A (zh) 基于三角模糊数的脉冲神经膜系统的故障诊断方法及装置
CN104750878A (zh) 一种基于混合搜索策略的拓扑故障诊断方法
CN106597845B (zh) 一种基于多目标优化的输电网故障诊断方法
CN104269846B (zh) 电网故障分区方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531

RJ01 Rejection of invention patent application after publication