CN111881543A - 一种基于模糊模板的变电站故障诊断建模方法 - Google Patents
一种基于模糊模板的变电站故障诊断建模方法 Download PDFInfo
- Publication number
- CN111881543A CN111881543A CN202010521127.3A CN202010521127A CN111881543A CN 111881543 A CN111881543 A CN 111881543A CN 202010521127 A CN202010521127 A CN 202010521127A CN 111881543 A CN111881543 A CN 111881543A
- Authority
- CN
- China
- Prior art keywords
- equipment
- fuzzy
- template
- fault
- logic
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000003745 diagnosis Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 208000037408 Device failure Diseases 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Protection Of Transformers (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及一种基于模糊模板的变电站故障诊断建模方法,属于变电站自动化技术领域。本发明包括一下步骤:步骤一:进行一次设备和二次设备的故障建模,选择预先定义的关键字,描述基于模糊模板的一次设备和二次设备故障诊断建模过程;步骤二:对基于模糊模板的一次设备和二次设备的故障模板进行实例化;步骤三:对一次设备和二次设备故障模板进行推理。本方法采用的模糊模板方式,只需指定涉及到的设备类型及其关联的设备类型,就可扩展性的自动获得变电站的实际设备配置,不涉及繁杂的配置。
Description
技术领域
本发明涉及一种基于模糊模板的变电站故障诊断建模方法,属于变电站自动化技术领域。
背景技术
基于规则的通用专家知识库故障诊断方法是一种能以人类专家级水平进行故障诊断的计算机程序,它利用人工智能技术、现代设备诊断技术、信息传感与通信技术等,摆脱了传统的诊断技术对数学模型的强依赖性,将事先输入的经验知识以某种或几种方法表示出来,再应用不同的推理技术及诊断策略结合变电站的数据及事实进行诊断。
通常,基于通用专家知识库的变电站故障诊断软件主要包括数据库、知识库和推理机。数据库中存放的数据包括设备运行实时数据、一次设备数据及断路器的开关状态和二次设备数据及继电保护的状态。知识库用于存放专家提供的知识,将所有的保护配置规则和系统拓扑结构等都总结成知识库的规则,将其存储在知识库文件中,同时可以通过改变、完善知识库中的知识内容来提高系统的性能。推理机针对当前问题的条件或已知信息,结合数据库中实时数据,反复匹配知识库中的规则,获得新的结论,以得到问题求解结果。
通常的基于规则的专家知识库方式,在描述变电站典型故障诊断逻辑时,规则库中需罗列所有故障诊断逻辑的条件:(1)对于跨电气间隔等复杂故障,如母线故障、主变故障,其所涉及的一次设备和数据对象以及数量与变电站实际设备配置有关,即需要母线实际相连的开关个数,需要罗列出所有开关分闸条件;(2)对于保护装置等二次设备,通常采用单事件推理和关联多事件推理方式对由一个或多个关联的确定性综合事件进行推理,但无法对单设备的大量无规则告警进行异常诊断。综上,现有技术采用的规则库方式在配置上不够灵活和方便,且无法涵盖故障信号不明确情况下的单设备异常诊断。使用现有的专家知识规则库需要完整的罗列故障诊断逻辑涉及的所有条件对应的事实和条件可行度,配置上比较复杂,现有的专家知识规则库由于需要根据实际变电站工程的设备配置相应进行模板的配置,因此如果各变电站实际设备配置不一样,则在具体适用到各工程现场时需要进行相应的修改,不具有通用性,因此配置不够方便和灵活。
发明内容
为了解决上述的问题,本发明的目的在于针对现有专家知识库规则需对故障诊断逻辑条件进行明确设置的问题,提出一种基于模糊模板的变电站故障诊断建模方法,基于一次设备和二次设备故障,所述方法包括:
一种基于模糊模板的变电站故障诊断建模方法,基于一次设备和二次设备故障,所述方法包括:
步骤一:进行所述一次设备和二次设备的故障建模,选择预先定义的关键字,描述基于模糊模板的所述一次设备和二次设备故障诊断建模过程。
其中,所述一次设备的故障建模过程包括:
以Logic作为关键字,对所述一次设备的故障的逻辑模型进行描述,所述逻辑模型为一组LogicItem对象和FuzzyItem对象的集合(个数均可>=0);
其中所述LogicItem对象为对所述故障逻辑中确定性的条件进行描述,所述FuzzyItem对象是对该故障逻辑中模糊逻辑条件进行描述;
所述LogicItem对象在后续的实例化过程中,根据data属性即可实例化为对应具体的所述一次设备的信号;
所述FuzzyItem对象比LogicItem对象增加了属性mainDev、secDev、num,其中mainData表示主设备类型,secDev表示从设备类型,
所述FuzzyItem对象和LogicItem对象结合在后续实例化过程中将所述FuzzyItem对象实例化为“与主设备相连的从设备集合”,并在后续推理过程中,结合限定的匹配个数num和具体信号类型data,表示为:与主设备相连的从设备对应信号个数达到num时,所述FuzzyItem对象即可匹配上。
其中,所述二次设备的故障建模过程包括:
以MELogic作为关键字,对所述二次设备的故障的逻辑模型进行描述,所述逻辑模型是一组PEFuzzyItem对象的集合,其中所述PEFuzzyItem对象是对二次设备故障模板中的模糊逻辑条件进行描述;
属性mainData是对条件中的关键字进行指定,通常采用三段式:“S_Default.B_Default.IED_Default”;
对具体二次设备进行限定,所述mainData属性未对信号的Reference后缀进行限定,在后续推理过程中,收集所述二次设备产生的所有告警信号,对所述二次设备在短时间产生的大量无效告警进行统计并根据预设条件进行预警,其中,所述PEFuzzyItem对象的“count”属性,用于对预设条件中的个数进行限定。
步骤二:对基于模糊模板的所述一次设备和二次设备的故障模板进行实例化。
其中,对基于模糊模板的所述一次设备故障模板进行实例化的过程包括:
通过变电站监控系统的SCADA数据采集功能,接收所述一次设备的告警信号,利用IEC61850模型信息,结合所述告警信号中的Reference解析其所对应的一次设备模型信息,即可判断出是所述一次设备的具体信号,从而分析出所述一次设备的类型是否与模板中的所述主设备的类型相一致:
若一致,获得所述主设备相连的所有从设备集合,实现模糊模板到确定性规则库的转换;
若不一致,则先结合一次设备网络拓扑服务,获得所述设备相连的与所述主设备的类型一致的关联设备,再根据所述关联设备获得所有从设备集合;
最终,将模糊逻辑条件FuzzyItem对象转变为确定性条件LogicItem对象。
其中,对基于模糊模板的所述二次设备故障模板进行实例化的过程包括:
通过变电站监控系统的SCADA数据采集功能,接收所述二次设备的告警信号,利用IEC61850模型信息,结合所述二次设备的告警信号中的Reference解析其所对应的二次设备模型信息,判断出接收到的所述二次设备的告警信号所对应的二次设备,根据模糊逻辑条件PEFuzzyItem对象的mainData属性,确定是否要对该二次设备的告警信号进行统计,若需要,则直接完成对PEFuzzyItem对象的实例化。
步骤三:对一次设备和二次设备故障模板进行推理。
上述方案的进一步改进为:所述一次设备故障模板的推理过程包括:
通过实例化过程,将所述一次设备的模糊模板实例化为具体条件,结合变电站监控系统的SCADA数据采集功能接收的告警信号和所述一次设备故障中模糊逻辑条件的个数限定条件num属性,完成完整的推理过程:
如果num=”all”,表示推理时需对实例化后的所有确定性条件进行完全匹配,所述FuzzyItem条件对象才匹配;
如果num=”part”,表示推理时只需完成对部分确定性条件的匹配,则所述FuzzyItem条件对象即匹配;
若num属性设置为某个具体数值,则根据所述数值完成相应条件数的匹配,则完成所述FuzzyItem对象的匹配。
对于整个逻辑模板Logic来说,当其包含的所有确定性条件LogicItem和糊模性条件FuzzyItem都匹配上时,则完成异常诊断推理,生成相应故障简报,并在告警窗报出相应诊断结果。
上述方案的进一步改进为:所述二次设备故障模板的推理过程包括:
通过实例化过程,将所述二次设备模糊模板中PEFuzzyItem对象实例化为具体的二次设备,结合变电站监控系统的SCADA数据采集功能接收的告警信号和获取所述告警信号对应的二次设备,通过对相同的所述二次设备的告警信号进行统计,当达到预设条件中限定的个数count,则完成所述PEFuzzyItem对象的匹配;
对于整个逻辑模板MELogic来说,当所述整个逻辑模板MELogic包含的所有糊模性条件PEFuzzyItem对象都匹配上时,则表明故障逻辑推理成功,完成异常诊断推理,并在告警窗报出相应诊断结果。
上述方案的进一步改进为:所述一次设备为包括母线和主变压器;所述一次设备的信号包括开关的位置信号。
上述方案的进一步改进为:如果需要对所有二次设备进行异常诊断,则mainData=”IED_Default”;
如果只需对指定某个二次设备进行异常诊断,则mainData=”IED_iedName”,其中iedName为指定设备的设备名称。
上述方案的进一步改进为:所述变电站监控系统为是以计算机为基础的变电站SCADA系统;所述告警窗为基于显示器的窗口。
本发明的有益效果是:本方法采用的模糊模板方式,只需指定涉及到的设备类型及其关联的设备类型,就可扩展性的自动获得变电站的实际设备配置,不涉及繁杂的配置;本方法采用的模糊模板方式,结合一次设备网络拓扑服务和模板实例化服务,可保证在各变电站实施时无需对故障诊断模板进行变动,而自动实现模板的实例化过程。
附图说明
图1是本发明实施例的一次设备故障逻辑的结构示意图;
图2是本发明实施例的二次设备故障逻辑的结构示意图;
图3是本发明实施例的一次设备故障模板的代码示意图;
图4是本发明实施例的二次设备故障模板的代码示意图。
具体实施方式
实施例
为了更好地理解本发明,下面结合说明书附图和实例对本发明的内容做进一步的说明。
本方法在专家知识库规则的基础上,采用一种模糊模板的变电站故障诊断建模方法,可对无法明确的故障逻辑条件内容或数量进行描述,采用XML文件的形式将故障逻辑模板进行组织。本实施例为母线故障等跨电气间隔一次设备故障逻辑模板、二次设备异常诊断逻辑模板的建模过程。变电站监控系统为是以计算机为基础的变电站SCADA系统;告警窗为基于显示器的窗口。一次设备为包括母线和主变压器;一次设备的信号包括开关的位置信号。
具体包括如下步骤
步骤一进行一次设备和二次设备的故障建模,选择预先定义的关键字,描述基于模糊模板的一次设备和二次设备故障诊断建模过程;
步骤一中,一次设备的故障建模包括:
如图1所示,一次设备为包括母线和主变压器;一次设备的信号包括开关的位置信号等,以Logic作为关键字,对一次设备的故障的逻辑模型进行描述,逻辑模型为一组LogicItem对象和FuzzyItem对象的集合(个数均可>=0);
其中LogicItem对象为对故障逻辑中确定性的条件进行描述,FuzzyItem对象是对该故障逻辑中模糊逻辑条件进行描述;
LogicItem对象在后续的实例化过程中,根据data属性即可实例化为对应具体的一次设备的信号;
FuzzyItem对象比LogicItem对象增加了属性mainDev、secDev、num,其中mainData表示主设备类型,secDev表示从设备类型,
FuzzyItem对象和LogicItem对象结合在后续实例化过程中将FuzzyItem对象实例化为“与主设备相连的从设备集合”,并在后续推理过程中,结合限定的匹配个数num和具体信号类型data,表示为:与主设备相连的从设备对应信号个数达到num时,FuzzyItem对象即可匹配上。
一次设备故障模板的代码为图3。
步骤一中,二次设备的故障建模包括:
如图2所示,以单设备异常模板为例,以MELogic作为关键字,对二次设备的故障的逻辑模型进行描述,逻辑模型是一组PEFuzzyItem对象的集合,其中PEFuzzyItem对象是对二次设备故障模板中的模糊逻辑条件进行描述;
属性mainData是对条件中的关键字进行指定,通常采用三段式:“S_Default.B_Default.IED_Default”;
对具体二次设备进行限定,mainData属性未对信号的Reference后缀进行限定,在后续推理过程中,收集二次设备产生的所有告警信号,对二次设备在短时间产生的大量无效告警进行统计并根据预设条件进行预警,其中,PEFuzzyItem对象的“count”属性,用于对预设条件中的个数进行限定。
二次设备故障模板的代码为图4。
步骤二对基于模糊模板的一次设备和二次设备的故障模板进行实例化;
步骤二中,在对基于模糊模板的一次设备故障模板实例化过程中,其中,对基于模糊模板的一次设备故障模板进行实例化的过程包括:
通过变电站监控系统的SCADA数据采集功能,接收一次设备的告警信号,利用IEC61850模型信息,结合告警信号中的Reference解析其所对应的一次设备模型信息,即可判断出是一次设备的具体信号,从而分析出一次设备的类型是否与模板中的主设备的类型相一致:
若一致,获得主设备相连的所有从设备集合,实现模糊模板到确定性规则库的转换;
若不一致,则先结合一次设备网络拓扑服务,获得设备相连的与主设备的类型一致的关联设备,再根据关联设备获得所有从设备集合;
最终,将模糊逻辑条件FuzzyItem对象转变为确定性条件LogicItem对象。
步骤二中,在对基于模糊模板的二次设备故障模板实例化过程中,通过变电站监控系统的SCADA数据采集功能,接收二次设备的告警信号,利用IEC61850模型信息,结合二次设备的告警信号中的Reference解析其所对应的二次设备模型信息,判断出接收到的二次设备的告警信号所对应的二次设备,根据模糊逻辑条件PEFuzzyItem对象的mainData属性,确定是否要对该二次设备的告警信号进行统计,若需要,则直接完成对PEFuzzyItem对象的实例化。
步骤三对一次设备和二次设备故障模板进行推理。
步骤三中,一次设备故障模板的推理过程包括:
通过实例化过程,将一次设备的模糊模板实例化为具体条件,结合变电站监控系统的SCADA数据采集功能接收的告警信号和一次设备故障中模糊逻辑条件的个数限定条件num属性,完成完整的推理过程:
如果num=”all”,表示推理时需对实例化后的所有确定性条件进行完全匹配,FuzzyItem条件对象才匹配;
如果num=”part”,表示推理时只需完成对部分确定性条件的匹配,则FuzzyItem条件对象即匹配;
若num属性设置为某个具体数值,则根据数值完成相应条件数的匹配,则完成FuzzyItem对象的匹配。
对于整个逻辑模板Logic来说,当其包含的所有确定性条件LogicItem和糊模性条件FuzzyItem都匹配上时,则完成异常诊断推理,生成相应故障简报,并在告警窗报出相应诊断结果。
步骤三中,二次设备故障模板的推理过程包括:
通过实例化过程,将二次设备模糊模板中PEFuzzyItem对象实例化为具体的二次设备,结合变电站监控系统的SCADA数据采集功能接收的告警信号和获取告警信号对应的二次设备,通过对相同的二次设备的告警信号进行统计,当达到预设条件中限定的个数count,则完成PEFuzzyItem对象的匹配;
对于整个逻辑模板MELogic来说,当整个逻辑模板MELogic包含的所有糊模性条件PEFuzzyItem对象都匹配上时,则表明故障逻辑推理成功,完成异常诊断推理,并在告警窗报出相应诊断结果。
如果需要对所有二次设备进行异常诊断,则mainData=”IED_Default”;
如果只需对指定某个二次设备进行异常诊断,则mainData=”IED_iedName”,其中iedName为指定设备的设备名称。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在一个流程或多个流程中指定的功能的步骤。以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (6)
1.一种基于模糊模板的变电站故障诊断建模方法,基于一次设备和二次设备故障,其特征在于,所述方法包括:
步骤一:进行所述一次设备和二次设备的故障建模,选择预先定义的关键字,描述基于模糊模板的所述一次设备和二次设备故障诊断建模过程;
其中,所述一次设备的故障建模过程包括:
以Logic作为关键字,对所述一次设备的故障的逻辑模型进行描述,所述逻辑模型为一组LogicItem对象和FuzzyItem对象的集合(个数均可>=0);
其中所述LogicItem对象为对所述故障逻辑中确定性的条件进行描述,所述FuzzyItem对象是对该故障逻辑中模糊逻辑条件进行描述;
所述LogicItem对象在后续的实例化过程中,根据data属性即可实例化为对应具体的所述一次设备的信号;
所述FuzzyItem对象比LogicItem对象增加了属性mainDev、secDev、num,其中mainData表示主设备类型,secDev表示从设备类型,所述FuzzyItem对象和LogicItem对象结合在后续实例化过程中将所述FuzzyItem对象实例化为“与主设备相连的从设备集合”,并在后续推理过程中,结合限定的匹配个数num和具体信号类型data,表示为:与主设备相连的从设备对应信号个数达到num时,所述FuzzyItem对象即可匹配上;
其中,所述二次设备的故障建模过程包括:
以MELogic作为关键字,对所述二次设备的故障的逻辑模型进行描述,所述逻辑模型是一组PEFuzzyItem对象的集合,其中所述PEFuzzyItem对象是对二次设备故障模板中的模糊逻辑条件进行描述;
属性mainData是对条件中的关键字进行指定,通常采用三段式:“S_Default.B_Default.IED_Default”;
对具体二次设备进行限定,所述mainData属性未对信号的Reference后缀进行限定,在后续推理过程中,收集所述二次设备产生的所有告警信号,对所述二次设备在短时间产生的大量无效告警进行统计并根据预设条件进行预警,其中,所述PEFuzzyItem对象的“count”属性,用于对预设条件中的个数进行限定;
步骤二:对基于模糊模板的所述一次设备和二次设备的故障模板进行实例化;
其中,对基于模糊模板的所述一次设备故障模板进行实例化的过程包括:
通过变电站监控系统的SCADA数据采集功能,接收所述一次设备的告警信号,利用IEC61850模型信息,结合所述告警信号中的Reference解析其所对应的一次设备模型信息,即可判断出是所述一次设备的具体信号,从而分析出所述一次设备的类型是否与模板中的所述主设备的类型相一致:
若一致,获得所述主设备相连的所有从设备集合,实现模糊模板到确定性规则库的转换;
若不一致,则先结合一次设备网络拓扑服务,获得所述设备相连的与所述主设备的类型一致的关联设备,再根据所述关联设备获得所有从设备集合;
最终,将模糊逻辑条件FuzzyItem对象转变为确定性条件LogicItem对象;
其中,对基于模糊模板的所述二次设备故障模板进行实例化的过程包括:
通过变电站监控系统的SCADA数据采集功能,接收所述二次设备的告警信号,利用IEC61850模型信息,结合所述二次设备的告警信号中的Reference解析其所对应的二次设备模型信息,判断出接收到的所述二次设备的告警信号所对应的二次设备,根据模糊逻辑条件PEFuzzyItem对象的mainData属性,确定是否要对该二次设备的告警信号进行统计,若需要,则直接完成对PEFuzzyItem对象的实例化;
步骤三:对一次设备和二次设备故障模板进行推理。
2.根据权利要求1所述的基于模糊模板的变电站故障诊断建模方法,其特征在于:所述一次设备故障模板的推理过程包括:
通过实例化过程,将所述一次设备的模糊模板实例化为具体条件,结合变电站监控系统的SCADA数据采集功能接收的告警信号和所述一次设备故障中模糊逻辑条件的个数限定条件num属性,完成完整的推理过程:
如果num=”all”,表示推理时需对实例化后的所有确定性条件进行完全匹配,所述FuzzyItem条件对象才匹配;
如果num=”part”,表示推理时只需完成对部分确定性条件的匹配,则所述FuzzyItem条件对象即匹配;
若num属性设置为某个具体数值,则根据所述数值完成相应条件数的匹配,则完成所述FuzzyItem对象的匹配;
对于整个逻辑模板Logic来说,当其包含的所有确定性条件LogicItem和糊模性条件FuzzyItem都匹配上时,则完成异常诊断推理,生成相应故障简报,并在告警窗报出相应诊断结果。
3.根据权利要求1所述的基于模糊模板的变电站故障诊断建模方法,其特征在于:所述二次设备故障模板的推理过程包括:
通过实例化过程,将所述二次设备模糊模板中PEFuzzyItem对象实例化为具体的二次设备,结合变电站监控系统的SCADA数据采集功能接收的告警信号和获取所述告警信号对应的二次设备,通过对相同的所述二次设备的告警信号进行统计,当达到预设条件中限定的个数count,则完成所述PEFuzzyItem对象的匹配;
对于整个逻辑模板MELogic来说,当所述整个逻辑模板MELogic包含的所有糊模性条件PEFuzzyItem对象都匹配上时,则表明故障逻辑推理成功,完成异常诊断推理,并在告警窗报出相应诊断结果。
4.根据权利要求1所述的基于模糊模板的变电站故障诊断建模方法,其特征在于:所述一次设备为包括母线和主变压器;所述一次设备的信号包括开关的位置信号。
5.根据权利要求1所述的基于模糊模板的变电站故障诊断建模方法,其特征在于:如果需要对所有二次设备进行异常诊断,则mainData=”IED_Default”;如果只需对指定某个二次设备进行异常诊断,则mainData=”IED_iedName”,其中iedName为指定设备的设备名称。
6.根据权利要求1所述的基于模糊模板的变电站故障诊断建模方法,其特征在于:所述变电站监控系统为是以计算机为基础的变电站SCADA系统;所述告警窗为基于显示器的窗口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010521127.3A CN111881543B (zh) | 2020-06-10 | 2020-06-10 | 一种基于模糊模板的变电站故障诊断建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010521127.3A CN111881543B (zh) | 2020-06-10 | 2020-06-10 | 一种基于模糊模板的变电站故障诊断建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111881543A true CN111881543A (zh) | 2020-11-03 |
CN111881543B CN111881543B (zh) | 2022-08-23 |
Family
ID=73156845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010521127.3A Active CN111881543B (zh) | 2020-06-10 | 2020-06-10 | 一种基于模糊模板的变电站故障诊断建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881543B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133981A (zh) * | 2014-06-25 | 2014-11-05 | 国家电网公司 | 一种基于模糊产生式规则知识库的光伏电站故障诊断方法 |
CN106202886A (zh) * | 2016-06-29 | 2016-12-07 | 中国铁路总公司 | 基于模糊粗糙集与决策树的轨道电路红光带故障定位方法 |
CN106780110A (zh) * | 2016-11-25 | 2017-05-31 | 南京电力工程设计有限公司 | 基于模板库的全站系统配置文件虚回路自动生成的方法 |
CN108931972A (zh) * | 2018-06-25 | 2018-12-04 | 国电南瑞科技股份有限公司 | 一种基于模型驱动的变电站二次设备状态智能诊断方法 |
-
2020
- 2020-06-10 CN CN202010521127.3A patent/CN111881543B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133981A (zh) * | 2014-06-25 | 2014-11-05 | 国家电网公司 | 一种基于模糊产生式规则知识库的光伏电站故障诊断方法 |
CN106202886A (zh) * | 2016-06-29 | 2016-12-07 | 中国铁路总公司 | 基于模糊粗糙集与决策树的轨道电路红光带故障定位方法 |
CN106780110A (zh) * | 2016-11-25 | 2017-05-31 | 南京电力工程设计有限公司 | 基于模板库的全站系统配置文件虚回路自动生成的方法 |
CN108931972A (zh) * | 2018-06-25 | 2018-12-04 | 国电南瑞科技股份有限公司 | 一种基于模型驱动的变电站二次设备状态智能诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111881543B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103001328B (zh) | 一种智能变电站的故障诊断与评估方法 | |
CN110336375B (zh) | 一种电网监控告警信息的处理方法及系统 | |
CN106932670B (zh) | 一种基于d-s证据理论的配电自动化终端状态诊断方法 | |
Xu et al. | Fault diagnosis of power systems based on temporal constrained fuzzy petri nets | |
CN110020967B (zh) | 一种电网调度端变电站智能告警的信息处理方法及装置 | |
CN107492952A (zh) | 一种调控中心告警信号分析方法及基于它的智能告警系统 | |
CN101833324B (zh) | 胎面挤出过程智能故障诊断系统及其诊断方法 | |
CN108923531A (zh) | 一种基于大数据的电网调度告警监视系统 | |
CN104657913A (zh) | 一种基于全数据模型的智能告警系统 | |
CN105515184A (zh) | 基于无线传感网络的多传感器多参量配网协同监测系统 | |
CN106932712A (zh) | 一种基于改进模糊Petri网的断路器故障诊断方法 | |
CN110348690B (zh) | 基于树形搜索的结果查询菜单化电网事故辅助决策系统及方法 | |
CN112947127A (zh) | 智慧用电控制管理系统 | |
CN108876197A (zh) | 一种电力设备集群及群组分析系统及方法 | |
CN110646710B (zh) | 电网故障智能诊断方法、装置、计算机设备和存储介质 | |
CN111049131A (zh) | 一种地区电网在线故障处置预案生成方法及系统 | |
CN111881543B (zh) | 一种基于模糊模板的变电站故障诊断建模方法 | |
CN109740770A (zh) | 设备异常处理方法、装置、计算机设备和存储介质 | |
CN110086166B (zh) | 一种电网稳定运行限额的表示方法及系统 | |
CN112363025A (zh) | 一种配电网单相接地故障诊断方法及系统 | |
CN113708489B (zh) | 一种电力二次设备告警方法及系统 | |
CN115273394A (zh) | 一种特殊应用场景下的智能断路器 | |
Zhang et al. | Distributed Architecture of Power Grid Asset Management and Future Research Directions | |
CN107704643B (zh) | 基于单点多相的仿真系统信号量简化方法 | |
Hasan et al. | Object oriented expert systems for real-time power system alarm processing: Part II. Application of a toolkit |
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 |