CN110018390B - 基于综合变权的分层模糊petri网电网故障诊断方法 - Google Patents
基于综合变权的分层模糊petri网电网故障诊断方法 Download PDFInfo
- Publication number
- CN110018390B CN110018390B CN201910198644.9A CN201910198644A CN110018390B CN 110018390 B CN110018390 B CN 110018390B CN 201910198644 A CN201910198644 A CN 201910198644A CN 110018390 B CN110018390 B CN 110018390B
- Authority
- CN
- China
- Prior art keywords
- fault
- suspicious
- information
- failure
- protection
- 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
Images
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)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于综合变权的分层模糊petri网电网故障诊断方法,包括以下步骤:1采用接线分析法搜索故障区域的可疑故障元件;2对可疑故障元件分别建立双层模糊petri网诊断模型;3对可疑故障元件进行时序信息检查,在模型中修正不满足延时约束的相应库所置信度;4采用固定权重和综合变权分别计算元件故障率,给出区分元件正常、元件故障、元件故障但发生警报信息部分缺失以及元件正常但存在信息误报四种情况的判据。针对传统固定赋权法在发生警报信息部分缺失的情况下进行故障推理可能将故障线路误判为非故障线路的不足,提出信息缺失与信息误报的判定方法,提高了故障诊断的准确率。
Description
技术领域
本方法涉及电力故障诊断领域,具体涉及一种基于综合变权的分层模糊petri网电网故障诊断方法。
背景技术
研究电网故障诊断方法以保证电网安全运行具有重要意义。目前电力系统故障诊断的研究方法包括专家系统、人工神经网络、petri网络、粗糙集理论、模糊集理论、优化技术和多代理系统等。专家提出的模糊petri网不仅可以通过简单的图形结构描述动态并行或依次发生的故障行为,而且可以通过矩阵运算作不确定性状态推理。但是,现有的基于模糊petri网的故障诊断技术采用的是固定赋权法,即专家根据保护、断路器动作的优先次序赋予相应的元件以固定权重,该赋权方式只从主观上反映评价元素的相对重要程度,并未考虑评价元素自身的状态水平对决策的动态影响,故评价结果可能与实际情况相背离,不利于电网故障的全面诊断。
发明内容
1.所要解决的技术问题:
根据上述提出的技术问题,本发明提出一种基于综合变权的分层模糊petri网电网故障诊断方法;本方法能够弥补传统固定赋权法在发生警报信息部分缺失的情况下进行故障推理可能将故障线路误判为非故障线路的不足,提出信息缺失与信息误报的判定方法,提高故障诊断的准确率。
2.技术方案:
一种基于综合变权的分层模糊petri网电网故障诊断方法,其特征在于:包括以下步骤
步骤1)采用结线分析法搜索故障区域的可疑故障元件;所述可疑故障元件包括可疑故障线路与可疑故障母线。
步骤2)对可疑故障元件分别建立分层模糊petri网诊断模型;具体包括以下步骤:
步骤21)将可疑故障线路的petri网诊断模型分为两层:其中第一层模型是包含线路送端和受端的主保护子网、近后备保护子网和远后备保护子网;第二层模型是建立所述主保护子网、近后备保护子网和远后备保护子网三类保护综合诊断子网;当可疑故障线路的送端或受端增减出线时,相应增减可疑故障线路的第一层模型的远后备保护子网中送端或受端的出线层数,同时修改第二层模型中远后备保护库所的置信度。
步骤22)将可疑故障母线的petri网诊断模型分为两层:第一层模型是母线各方向出线的子网模型;第二层模型为综合诊断模型。
步骤3)对步骤1)搜索到的可疑故障元件分别进行时序信息检查,在步骤2)建立的petri网诊断模型中修正不满足延时约束的相应库所置信度;包括以下步骤:
步骤31)读取分析SCADA装置的警报信息,搜索停电区域的可疑故障元件F1,F2,…,Fφ,其中φ是可疑故障元件的个数,为大于等于0的整数;确定与Fφi有关的保护、断路器信息集合INφi,其中,φi=1,2,…,φ,令IN={INφ1,INφ2,…,INφ};设置所述警报信息中涉及的保护、断路器集合为RE;如果则{ER}中元件为非相关误动元件,即判断为与故障母线或线路无关联的误动元件。
步骤32)令{Jφi}={INφi}∩{REφi},其中,REφi表示警报信息中涉及与Fφi有关的保护、断路器集合;以{Jφi}中的每一个事件为起始事件进行时序信息检查构建满足延时约束的元件集合{Yφi},元件数量最多的集合{Yφi max}为Fφi的延时约束特性集合;由于同一个保护或断路器动作只可能由一个故障元件引发,所以当同一个保护或断路器出现在多个可疑故障元件的延时约束特性集合中时,保留该保护或断路器于元素最多的延时约束特性集合,同时从元素较少的延时约束特性集合中删去该保护或断路器。
步骤4)采用固定权重和综合变权分别计算所述可疑故障元件的故障率;在大量样本推理的基础上从而给出将所述可疑故障元件区分为元件正常、元件故障、元件故障但发生警报信息部分缺失以及元件正常但存在信息误报四种情况的判据;具体步骤包括:
步骤41)采用固定权重计算所述可疑故障元件的故障率。
步骤42)采用综合变权计算可疑故障元件的故障率;具体过程包括以下步骤:
步骤421)由库所初始状态根据式(1)求取第一层变迁的变权向量,根据式(2)得到第一层变迁的综合变权向量存入输入弧综合变权矩阵Ic的相应位置,Ic的其他元素为0;作矩阵运算求取第一层变迁的合成输入可信度;保护装置的固定权重设为0.54,断路器的固定权重设为0.46;式(1)、式(2)为:
其中,M(0)为初始库所置信度,D为变迁j的输入弧个数,δdj表示变迁j第d条输入弧的变权权重,θdj表示变迁j第d个输入库所可信度,γdj表示变迁j第d条输入弧的固权权重,ωdj表示变迁j第d条输入弧的综合变权权重。
步骤422)判断合成输入可信度是否大于点火阈值,如果大于点火阈值,Sigmoid函数被激活,前提条件的可信度不发生变化,否则为0。
步骤424)计算一次各库所的置信状态M(1)=GO;同时计算第二层变迁的输入弧综合变权存入Ic。
步骤425)重复步骤421)至步骤424),直至M(pl)≠0,pl代表终止库所;最后计算得到该可疑故障元件的故障率;其中主保护、近后备保护和远后备保护对故障诊断的影响程度分别取1、0.95和0.85,线路的送端和受端的固定权重取为0.5;所述可疑故障线路的故障率取主保护子网、近后备保护子网和远后备保护子网终止库所的最大值,且设定故障率高于0.8的元件为故障元件。
步骤43)如果采用固定权重和综合变权推理得到可疑故障元件的故障率都低于0.8,则元件正常。
如果采用固定权重和综合变权推理得到元件故障概率都高于0.8,则元件故障。
如果采用固定权重推理得出元件故障率小于0.8,采用综合变权推理得出故障率大于0.8,则该可疑故障元件发生信息缺失或存在信息误报。
步骤44)对可疑故障元件发生信息缺失或存在信息误报进行分析;
如果f(M(k),Ic)-f(M(k))<0.5 (3)
则得出可疑故障元件有故障但存在信息缺失的情况;
如果f(M(k),Ic)-f(M(k))>0.5 (4)
则可以得出该可疑故障元件无故障但存在信息误报情况;
其中:M(k)为计算K次后各库所的置信状态,f(M(k),Ic)为采用综合变权推理得到的线路故障概率,f(M(k))为采用固定权重推理得出的线路故障概率。
3.有益效果:
本方法中对可疑故障线路采取先建立包含送受两端的主保护、近后备保护及远后备保护子网,再建立主保护、近后备保护及远后备保护子网这三类保护综合诊断子网的双层模型,这种建模方法使矩阵运算推理可疑元件故障概率只需要推理两次;在传统固定赋权法的基础上融入反映元件自身状态的动态权重进行模糊推理,并且在大量样本推理的基础上,提出信息缺失与信息误报的判定方法,避免警报信息存在部分缺失造成故障元件误判的行为,从而改善了诊断模型的容错性能。
附图说明
图1为本发明中涉及到的典型局部电网图;
图2本发明中的可疑故障线路的主保护子网的诊断模型;
图3为本发明中的可疑故障线路的近后备保护子网的诊断模型;
图4为本发明中的可疑故障线路的远后备保护子网的诊断模型;
图5为本发明中的可疑故障线路的综合诊断模型;
图6本发明中的可疑故障母线的出线方向子网诊断模型;
图7本发明中的可疑故障母线的综合诊断模型;
图8为本发明中不同方向的保护、断路器时序推理过程;
图9为本发明的总体流程图;
图10为在信息缺失情况下使用固权、综合变权推理得出的故障率差值与阈值0.5进行比较;
图11为在信息误报情况下使用固权、综合变权推理得出的故障率差值与阈值0.5进行比较;
表1为图1电网中线路L2故障但存在上传信息缺失情况的样本表;
表2为图1电网中线路L2正常但存在信息误报情况的样本表。
具体实施方式
下面结合附图对本发明进行具体的说明。
一种基于综合变权的分层模糊petri网电网故障诊断方法,其特征在于:包括以下步骤
步骤1)采用结线分析法搜索故障区域的可疑故障元件;所述可疑故障元件包括可疑故障线路与可疑故障母线。
步骤2)对可疑故障元件分别建立分层模糊petri网诊断模型;具体包括以下步骤:
步骤21)步骤21)将可疑故障线路的petri网诊断模型分为两层:其中第一层模型是包含线路送端和受端的主保护子网、近后备保护子网和远后备保护子网;第二层模型是建立所述主保护子网、近后备保护子网和远后备保护子网三类保护综合诊断子网;当可疑故障线路的送端或受端增减出线时,相应增减可疑故障线路的第一层模型的远后备保护子网中送端或受端的出线层数,同时修改第二层模型中远后备保护库所的置信度。
如附图1是一个典型局部电网图,图中线路从左往右依次是送端s和受端r。表1为图1电网中线路L2故障但存在上传信息缺失情况的样本表;表2为图1电网中线路L2正常但存在信息误报情况的样本表。
对图1的线路建立的双层诊断模型如图2、3、4、5所示,线路送端有b条出线,受端有c条出线,SLsp表示线路L送端近后备保护。其中图2为本发明中的可疑故障线路的主保护子网诊断模型;图3为本发明中的可疑故障线路的近后备保护子网诊断模型;图4为本发明中的可疑故障线路的远后备保护子网诊断模型;图5为本发明中的可疑故障线路的综合诊断模型。
步骤22)将可疑故障母线的petri网诊断模型分为两层:第一层模型是母线各方向出线的子网模型;第二层模型为综合诊断模型。如附图6、7所示为根据附图1建立的可疑故障母线的petri网诊断模型,其中图6为子方向诊断模型;图7为综合诊断模型。
步骤3)对步骤1)搜索到的可疑故障元件分别进行时序信息检查,在步骤2)建立的petri网诊断模型中修正不满足延时约束的相应库所置信度;包括以下步骤:
步骤31)读取分析SCADA装置的警报信息,搜索停电区域的可疑故障元件F1,F2,…,Fφ,其中φ是可疑故障元件的个数,为大于等于0的整数;确定与Fφi有关的保护、断路器信息集合INφi,其中,φi=1,2,…,φ,令IN={INφ1,INφ2,…,INφ};设置所述警报信息中涉及的保护、断路器集合为RE;如果则{ER}中元件为非相关误动元件,即判断为与故障母线或线路无关联的误动元件。
步骤32)令{Jφi}={INφi}∩{REφi},其中,REφi表示警报信息中涉及与Fφi有关的保护、断路器集合;以{Jφi}中的每一个事件为起始事件进行时序信息检查构建满足延时约束的元件集合{Yφi},元件数量最多的集合{Yφi max}为Fφi的延时约束特性集合;由于同一个保护或断路器动作只可能由一个故障元件引发,所以当同一个保护或断路器出现在多个可疑故障元件的延时约束特性集合中时,保留该保护或断路器于元素最多的延时约束特性集合,同时从元素较少的延时约束特性集合中删去该保护或断路器。不同方向的保护和断路器之间时序推理过程如图8所示。
步骤4)采用固定权重和综合变权分别计算所述可疑故障元件的故障率;在大量样本推理的基础上从而给出将所述可疑故障元件区分为元件正常、元件故障、元件故障但发生警报信息部分缺失以及元件正常但存在信息误报四种情况的判据;具体步骤包括:
步骤41)采用固定权重计算所述可疑故障元件的故障率。
步骤42)采用综合变权计算可疑故障元件的故障率;具体过程包括以下步骤:
步骤421)由库所初始状态根据式(1)求取第一层变迁的变权向量,根据式(2)得到第一层变迁的综合变权向量存入输入弧综合变权矩阵Ic的相应位置,Ic的其他元素为0;作矩阵运算求取第一层变迁的合成输入可信度;保护装置的固定权重设为0.54,断路器的固定权重设为0.46;式(1)、式(2)为:
其中,M(0)为初始库所置信度,D为变迁j的输入弧个数,δdj表示变迁j第d条输入弧的变权权重,θdj表示变迁j第d个输入库所可信度,γdj表示变迁j第d条输入弧的固权权重,ωdj表示变迁j第d条输入弧的综合变权权重。
步骤422)判断合成输入可信度是否大于点火阈值,如果大于点火阈值,Sigmoid函数被激活,前提条件的可信度不发生变化,否则为0。
步骤424)计算一次各库所的置信状态M(1)=GO;同时计算第二层变迁的输入弧综合变权存入Ic。
步骤425)重复步骤421)至步骤424),直至M(pl)≠0,pl代表终止库所;最后计算得到该可疑故障元件的故障率;其中主保护、近后备保护和远后备保护对故障诊断的影响程度分别取1、0.95和0.85,线路的送端和受端的固定权重取为0.5;所述可疑故障线路的故障率取主保护子网、近后备保护子网和远后备保护子网终止库所的最大值,且设定故障率高于0.8的元件为故障元件。
步骤43)如果采用固定权重和综合变权推理得到可疑故障元件的故障率都低于0.8,则元件正常。
如果采用固定权重和综合变权推理得到元件故障概率都高于0.8,则元件故障。
如果采用固定权重推理得出元件故障率小于0.8,采用综合变权推理得出故障率大于0.8,则该可疑故障元件发生信息缺失或存在信息误报。
步骤44)对可疑故障元件发生信息缺失或存在信息误报进行分析;
如果f(M(k),Ic)-f(M(k))<0.5 (3)
则得出可疑故障元件故障但存在信息缺失的情况;
如果f(M(k),Ic)-f(M(k))>0.5 (4)
则可以得出该可疑故障元件无故障但存在信息误报情况;
其中:M(k)为计算K次后各库所的置信状态,f(M(k),Ic)为采用综合变权推理得到的线路故障概率,f(M(k))为采用固定权重推理得出的线路故障概率。
基于表1与表2,分别绘出在信息缺失和信息误报两种情况下分别采用固权和综合变权推理绘制出的对比曲线图即图10与图11;通过图中可以明显的看出,线路故障但存在信息缺失的判据为:
f(M(k),Ic)-f(M(k))<0.5 (3)
线路无故障但存在信息误报的判据为:
f(M(k),Ic)-f(M(k))>0.5 (4)
因此可以得出结论为:本方法中由于母线在各出线方向建立第一层诊断模型,所以少数元件信息缺失或信息误报对母线综合诊断无影响;用本方法可以进一步判断出线路故障发生信息缺失或是线路正常存在信息误报的情况。
下面根据两个具体故障案例检验本方法的有效性,通过对图1进行故障案例仿真,将这两个案例中的结果用表格表示出来。
故障案例1:单重故障即可疑故障元件为单个的情况;
监控系统收到的保护和断路器动作信息为:SL2sm(35ms),CB8(66ms),CB13(1020ms),T3远后备保护(1034ms),T4远后备保护(1035ms),SL5ss(1036ms),CB14(1064ms),CB15(1065ms),CB32(1066ms)。
故障案例2:双重故障即可疑故障元件为双个的情况;
监控系统收集到的保护和断路器动作信息为:B1m(50ms),SL3sm(65ms),CB30(120ms),CB4(78ms),CB5(82ms),SL8sp(700ms),SL8rm(85ms),SL8sm(89ms),CB7(81ms),CB6(75ms),CB40(110ms),SL3rs(1050ms),CB28(1075ms),SL8rs(1050ms)。
案例1的故障诊断结果表
案例2的故障诊断结果表
结论:通过分析表中数据不难发现,采用综合变权进行故障推理能够进一步识别发生信息缺失的故障线路,给出的判据能够有效区分元件故障发生信息缺失与元件正常存在信息误报的情况。
表1
表2
虽然本发明已以较佳实施例公开如上,但它们并不是用来限定本发明的,任何熟习此技艺者,在不脱离本发明之精神和范围内,自当可作各种变化或润饰,因此本发明的保护范围应当以本申请的权利要求保护范围所界定的为准。
Claims (1)
1.基于综合变权的分层模糊petri网电网故障诊断方法,其特征在于:包括以下步骤
步骤1)采用结线分析法搜索故障区域的可疑故障元件;所述可疑故障元件包括可疑故障线路与可疑故障母线;
步骤2)对可疑故障元件分别建立分层模糊petri网诊断模型;具体包括以下步骤:
步骤21)将可疑故障线路的petri网诊断模型分为两层:其中第一层模型是包含线路送端和受端的主保护子网、近后备保护子网和远后备保护子网;第二层模型是建立所述主保护子网、近后备保护子网和远后备保护子网三类保护综合诊断子网;当可疑故障线路的送端或受端增减出线时,相应增减可疑故障线路的第一层模型的远后备保护子网中送端或受端的出线层数,同时修改第二层模型中远后备保护库所的置信度;
步骤22)将可疑故障母线的petri网诊断模型分为两层:第一层模型是母线各方向出线的子网模型;第二层模型为综合诊断模型;
步骤3)对步骤1)搜索到的可疑故障元件分别进行时序信息检查,在步骤2)建立的petri网诊断模型中修正不满足延时约束的相应库所置信度;包括以下步骤:
步骤31)读取分析SCADA装置的警报信息,搜索停电区域的可疑故障元件F1,F2,…,Fφ,其中φ是可疑故障元件的个数,为大于等于0的整数;确定与Fφi有关的保护、断路器信息集合INφi,其中,φi=1,2,…,φ,令IN={INφ1,INφ2,…,INφ};设置所述警报信息中涉及的保护、断路器集合为RE;如果则{ER}中元件为非相关误动元件,即判断为与故障母线或线路无关联的误动元件;
步骤32)令{Jφi}={INφi}∩{REφi},其中,REφi表示警报信息中涉及与Fφi有关的保护、断路器集合;以{Jφi}中的每一个事件为起始事件进行时序信息检查构建满足延时约束的元件集合{Yφi},元件数量最多的集合{Yφi max}为Fφi的延时约束特性集合;由于同一个保护或断路器动作只可能由一个故障元件引发,所以当同一个保护或断路器出现在多个可疑故障元件的延时约束特性集合中时,保留该保护或断路器于元素最多的延时约束特性集合,同时从元素较少的延时约束特性集合中删去该保护或断路器;
步骤4)采用固定权重和综合变权分别计算所述可疑故障元件的故障率;在大量样本推理的基础上,从而给出将所述可疑故障元件区分为元件正常、元件故障、元件故障但发生警报信息部分缺失以及元件正常但存在信息误报四种情况的判据;具体步骤包括:
步骤41)采用固定权重计算所述可疑故障元件的故障率;
步骤42)采用综合变权计算可疑故障元件的故障率;具体过程包括以下步骤:
步骤421)由库所初始状态根据式(1)求取第一层变迁的变权向量,根据式(2)得到第一层变迁的综合变权向量存入输入弧综合变权矩阵Ic的相应位置,Ic的其他元素为0;作矩阵运算求取第一层变迁的合成输入可信度;保护装置的固定权重设为0.54,断路器的固定权重设为0.46;式(1)、式(2)为:
其中,M(0)为初始库所置信度,D为变迁j的输入弧个数,δdj表示变迁j第d条输入弧的变权权重,θdj表示变迁j第d个输入库所可信度,γdj表示变迁j第d条输入弧的固权权重,ωdj表示变迁j第d条输入弧的综合变权权重;
步骤422)判断合成输入可信度是否大于点火阈值,如果大于点火阈值,Sigmoid函数被激活,前提条件的可信度不发生变化,否则为0;
步骤424)计算一次各库所的置信状态M(1)=GO;同时计算第二层变迁的输入弧综合变权存入Ic;
步骤425)重复步骤421)至步骤424),直至M(pl)≠0,pl代表终止库所;最后计算得到该可疑故障元件的故障率;其中主保护、近后备保护和远后备保护对故障诊断的影响程度分别取1、0.95和0.85,线路的送端和受端的固定权重取为0.5;所述可疑故障线路的故障率取主保护子网、近后备保护子网和远后备保护子网终止库所的最大值,且设定故障率高于0.8的元件为故障元件;
步骤43)如果采用固定权重和综合变权推理得到可疑故障元件的故障率都低于0.8,则元件正常;
如果采用固定权重和综合变权推理得到元件故障概率都高于0.8,则元件故障;
如果采用固定权重推理得出元件故障率小于0.8,采用综合变权推理得出故障率大于0.8,则该可疑故障元件发生信息缺失或存在信息误报;
步骤44)可疑故障元件发生信息缺失或存在信息误报进行分析;
如果f(M(k),Ic)-f(M(k))<0.5 (3)
则得出可疑故障元件有故障但存在信息缺失的情况;
如果f(M(k),Ic)-f(M(k))>0.5 (4)
则可以得出该可疑故障元件无故障但存在信息误报情况;
其中:M(k)为计算K次后各库所的置信状态,f(M(k),Ic)为采用综合变权推理得到的线路故障概率,f(M(k))为采用固定权重推理得出的线路故障概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910198644.9A CN110018390B (zh) | 2019-03-15 | 2019-03-15 | 基于综合变权的分层模糊petri网电网故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910198644.9A CN110018390B (zh) | 2019-03-15 | 2019-03-15 | 基于综合变权的分层模糊petri网电网故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110018390A CN110018390A (zh) | 2019-07-16 |
CN110018390B true CN110018390B (zh) | 2021-04-06 |
Family
ID=67189656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910198644.9A Active CN110018390B (zh) | 2019-03-15 | 2019-03-15 | 基于综合变权的分层模糊petri网电网故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110018390B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110470951B (zh) * | 2019-08-18 | 2022-04-05 | 天津大学 | 基于PMU信息和Petri网的有源配电网故障诊断方法 |
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 |
CN113092930A (zh) * | 2021-02-20 | 2021-07-09 | 贵州电网有限责任公司 | 一种电网停复电用智能化调控系统及方法 |
CN113111620B (zh) * | 2021-05-10 | 2022-10-14 | 上海交通大学 | 一种半导体电路良率预测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297637A (zh) * | 2014-10-31 | 2015-01-21 | 国家电网公司 | 综合利用电气量和时序信息的电力系统故障诊断方法 |
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 |
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 |
CN106841910A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 将仿电磁学算法融于时序模糊Petri网的配电网故障诊断方法 |
CN106841909A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 基于方向分层模糊Petri网的多源信息融合配电网故障分析 |
CN107247222A (zh) * | 2017-08-07 | 2017-10-13 | 国网上海市电力公司 | 一种变电站接地网故障诊断方法 |
-
2019
- 2019-03-15 CN CN201910198644.9A patent/CN110018390B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297637A (zh) * | 2014-10-31 | 2015-01-21 | 国家电网公司 | 综合利用电气量和时序信息的电力系统故障诊断方法 |
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 |
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 |
CN106841910A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 将仿电磁学算法融于时序模糊Petri网的配电网故障诊断方法 |
CN106841909A (zh) * | 2016-12-20 | 2017-06-13 | 国网辽宁省电力有限公司沈阳供电公司 | 基于方向分层模糊Petri网的多源信息融合配电网故障分析 |
CN107247222A (zh) * | 2017-08-07 | 2017-10-13 | 国网上海市电力公司 | 一种变电站接地网故障诊断方法 |
Non-Patent Citations (3)
Title |
---|
Novel hierarchical fault diagnosis approach for smart power grid with information fusion of multi-data resources based on fuzzy petri net;Ying N. Wang等;《2014 IEEE International Conference on Fuzzy Systems》;IEEE;20140908;1183-1189 * |
基于分层模糊Petri网的电网故障综合诊断方法;谢红涛等;《电网技术》;20120131;第36卷(第1期);246-252 * |
基于时序信息的模糊Petri网电网故障诊断方法;程学珍等;《电工技术学报》;20170731;第32卷(第14期);229-237 * |
Also Published As
Publication number | Publication date |
---|---|
CN110018390A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110018390B (zh) | 基于综合变权的分层模糊petri网电网故障诊断方法 | |
US6353902B1 (en) | Network fault prediction and proactive maintenance system | |
CN113900844B (zh) | 一种基于服务码级别的故障根因定位方法、系统及存储介质 | |
CN101170447A (zh) | 基于主动探针的服务故障诊断系统及其方法 | |
CN108989075A (zh) | 一种网络故障定位方法及系统 | |
JPWO2008114863A1 (ja) | 診断装置 | |
CN111060779B (zh) | 一种基于概率神经网络的电网分区故障诊断方法及系统 | |
CN113392893B (zh) | 业务故障的定位方法、装置、存储介质及计算机程序产品 | |
Lin et al. | Adaptive multiple fault detection and alarm processing for loop system with probabilistic network | |
CN116593883A (zh) | 一种智能化高压开关的断路器本体故障诊断方法、装置、设备及存储介质 | |
Wietgrefe | Investigation and practical assessment of alarm correlation methods for the use in GSM access networks | |
CN109495313B (zh) | 基于泊松分布故障模型的无线传感器网络故障检测方法 | |
CN113541986B (zh) | 5g切片的故障预测方法、装置及计算设备 | |
CN111884874B (zh) | 一种基于可编程数据平面的舰船网络实时异常检测方法 | |
CN114252727A (zh) | 一种基于人工智能技术的电网故障快速诊断方法 | |
CN112882875A (zh) | 故障诊断方法 | |
CN113283632A (zh) | 一种电池早期故障预警方法、系统、装置及存储介质 | |
CN113568991B (zh) | 一种基于动态风险的告警处理方法及系统 | |
CN110927509A (zh) | 一种配电网的故障诊断方法 | |
CN115166414A (zh) | 一种电网故障监测方法及系统 | |
CN109886306A (zh) | 一种电网故障诊断数据清洗方法 | |
CN115150255A (zh) | 一种自适应的基于知识图谱的应用故障自动根因定位方法 | |
CN107171868A (zh) | Sdn网络的故障节点探测方法及其故障节点探测系统 | |
CN109474474B (zh) | 基于泊松分布故障模型的无线传感器网络故障检测系统 | |
CN107135100A (zh) | 一种sdn网络的故障节点探测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |