CN112422324B - 一种基于改进贝叶斯算法的二次系统故障定位方法 - Google Patents

一种基于改进贝叶斯算法的二次系统故障定位方法 Download PDF

Info

Publication number
CN112422324B
CN112422324B CN202011176091.6A CN202011176091A CN112422324B CN 112422324 B CN112422324 B CN 112422324B CN 202011176091 A CN202011176091 A CN 202011176091A CN 112422324 B CN112422324 B CN 112422324B
Authority
CN
China
Prior art keywords
fault
information
alarm information
elements
alarm
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
Application number
CN202011176091.6A
Other languages
English (en)
Other versions
CN112422324A (zh
Inventor
王勇
李玉敦
梁正堂
李娜
管荑
佟新元
唐毅
李宽
孙孔明
杨超
刘萌
赵斌超
王永波
李聪聪
王昕�
张国辉
白英伟
孙景文
刘文学
史方芳
耿玉杰
张强
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
State Grid Shandong Electric Power Co Ltd
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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd, State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011176091.6A priority Critical patent/CN112422324B/zh
Publication of CN112422324A publication Critical patent/CN112422324A/zh
Application granted granted Critical
Publication of CN112422324B publication Critical patent/CN112422324B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0677—Localisation of faults
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0631—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis
    • H04L41/065—Management of faults, events, alarms or notifications using root cause analysis; using analysis of correlation between notifications, alarms or events based on decision criteria, e.g. hierarchy, tree or time analysis involving logical or physical relationship, e.g. grouping and hierarchies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/069—Management of faults, events, alarms or notifications using logs of notifications; Post-processing of notifications

Abstract

一种基于改进贝叶斯算法的二次系统故障定位方法，采用基于拓扑关联的虚实回路映射法与改进的贝叶斯理论相结合的智能算法进行求解。发生故障时，完备的故障信息难以获取，告警可能丢失、虚假、乱序、重复、不完整等，影响故障定位的结果。因此本文提出了故障信息完备度概念，结合故障后验概率，对通过拓扑关联的虚实回路映射法得到的可疑故障元件计算其故障‑告警确定度，当最有可能的前
Figure DEST_PATH_IMAGE002
个故障完全覆盖了所观测到的告警集合
Figure DEST_PATH_IMAGE004
，则认为找到了最优的故障元件集，此方法提高了故障定位的精度。

Description

一种基于改进贝叶斯算法的二次系统故障定位方法
技术领域
本发明涉及电力系统保护技术领域，具体涉及一种基于改进贝叶斯算法的二次系统故障定位方法。
背景技术
目前智能变电站二次系统的故障定位愈加困难，面临如下问题：(1)智能变电站虚回路的物理连接端口信息不明确导致虚回路与物理回路的拓扑关系难以对应， 增加了运维人员的故障排查工作难度；(2)一旦二次回路故障时，运维人员依据 通信状态逐一排查所有通信链路，或花费大量的时间和精力从庞大的告警信息中 分析故障原因，工作繁琐而低效；(3)在电网故障过程中由于保护或开关的误动 与拒动和保护区域设置等因素的存在，导致信息不确定性的出现。在多重故障或 扩大性故障发生时，这种不确定性尤其明显；(4)由于电力系统自动化程度和信 息传输等因素影响，完备的故障信息也难以获取，告警可能丢失、虚假、乱序、 重复、不完整等,二次系统故障产生大量告警消息引起的告警风暴不仅降低了故 障定位效率,还会淹没有用告警信息。
发明内容
本发明为了克服以上技术的不足，提供了一种根据最终输出的贝叶斯确定度确定实际的故障元件的二次系统故障定位方法。
本发明克服其技术问题所采用的技术方案是：
一种基于改进贝叶斯算法的二次系统故障定位方法，包括：
a)当二次系统发生故障时，调取故障告警信息；
b)解析SCD文件得到物理端口信息和虚回路信息，通过拓扑搜索得到每条虚回路对应的物理通道节点集合；
c)每条虚回路上的通信状态值为1表示通信中断，每条虚回路的通信状态值为0表示回路通信正常，若干条虚回路交叉重叠的物理元件的状态值为这几条虚回路 状态值的最小值，对各物理元件的状态值进行迭代求和求得健康值，健康值不为 0的物理元件为可疑故障元件，若干可疑故障元件组成可疑故障元件的集合；
d)通过公式BG＝{F,S,E(F×S),PF,PF×S}计算得到故障概率二分图BG，式 中F为可疑故障元件的集合，F＝{f1,f2,...,fn}，fi为第i个可疑故障元件，fj为第j个可疑故障元件，1≤i≤n，1≤j≤n，S为告警信息集合， S＝{s1,s2,...,sn}，si为第i个告警信息，1≤i≤n，PF＝{p(fi)|fi∈F}， p(fi)为fi发生的先验概率，E(F×S)为由故障指向告警的有向边集合，PF×S为边权重的集合，PF×S＝{p(si|fi)|fi∈F,si∈S}，p(si|fi)为fi发生故障 时，告警信息si出现的条件概率；
e)通过公式ρ(si)＝OR(1-LR(si))+SSR(si)计算告警信息完备度 ρ(si)，式中OR为告警信息可观察率，OR＝|SN|/|S|，
Figure BDA0002747007510000021
为系统中能够 观测到的告警信息集，LR(si)为告警信息丢失率，si∈SN，SSR(si)为告 警信息虚假率，si∈SN；
f)通过公式
Figure BDA0002747007510000022
计算故障元件后验概率P(fj|si)， P(fi|si)为出现告警信息si的情况下可疑元件fi发生的概率，p(si|fj)为fj发生故障时，告警信息si出现的条件概率；
g)根据公式
Figure BDA0002747007510000023
计算得到贝叶斯确定 度δ(fj,SN)，式中S(fj)为故障元件fj关联的所有告警信息的集合，
Figure BDA0002747007510000024
F(si)为与告警信息si关联的所有可疑故 障元件的集合；
h)将求取的可疑故障元件的集合F中每个故障的贝叶斯确定度δ(fj,SN)构 成集合Fδ，对集合Fδ中元素从大到小排序，依次取出δ(fj,SN)∈Fδ循环 执行，直至
Figure BDA0002747007510000031
Sδ为预设告警集合，获取此时δ(fj,SN)对应的fj， 形成故障元件集H。
进一步的，步骤a)中通过SCADA系统、故障信息系统以及综合自动化系统调取 故障告警信息，故障告警信息包括保护动作信息、二次系统IED装置告警信息、 通信报文异常信息以及通信网络故障告警信息。
本发明的有益效果是：采用基于拓扑关联的虚实回路映射法与改进的贝叶斯理论相结合的智能算法进行求解。发生故障时，完备的故障信息难以获取，告警可能 丢失、虚假、乱序、重复、不完整等，影响故障定位的结果。因此本文提出了故 障信息完备度概念，结合故障后验概率，对通过拓扑关联的虚实回路映射法得到 的可疑故障元件计算其故障-告警确定度，当最有可能的前m个故障完全覆盖了 所观测到的告警集合SN，则认为找到了最优的故障元件集，此方法提高了故障 定位的精度。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合附图1对本发明做进一步说明。
一种基于改进贝叶斯算法的二次系统故障定位方法，包括：
a)当二次系统发生故障时，调取故障告警信息。
b)解析SCD文件得到物理端口信息和虚回路信息，通过拓扑搜索得到每条虚回路对应的物理通道节点集合。
c)每条虚回路上的通信状态值为1表示通信中断，每条虚回路的通信状态值为0表示回路通信正常。每条虚回路含有若干物理部件，虚回路状态值为1，则该回 路的所有物理元件状态值都为1，若虚回路状态为0，则该回路的所有物理元件 状态值都为0。若干条虚回路交叉重叠的物理元件的状态值为这几条虚回路状态 值的最小值，对各物理元件的状态值进行迭代求和求得健康值，健康值不为0 的物理元件为可疑故障元件，若干可疑故障元件组成可疑故障元件的集合。
d)通过公式BG＝{F,S,E(F×S),PF,PF×S}计算得到故障概率二分图BG，故 障表达模型(fault expression model,简称FEM)采用故障概率二分图BG描 述故障与告警之间的关系，式中F为可疑故障元件的集合，F＝{f1,f2,…,fn}，fi为第i个可疑故障元件，fj为第j个可疑故障元件，1≤i≤n，1≤j≤n， S为告警信息集合，S＝{s1,s2,…,sn}，si为第i个告警信息，1≤i≤n， PF＝{p(fi)|fi∈F}，p(fi)为fi发生的先验概率，E(F×S)为由故障指向 告警的有向边集合，PF×S为边权重的集合，PF×S＝{p(si|fi)|fi∈F,si∈S}， p(si|fi)为fi发生故障时，告警信息si出现的条件概率。
e)通过公式ρ(si)＝OR(1-LR(si))+SSR(si)计算告警信息完备度 ρ(si)，式中OR为告警信息可观察率，OR＝|SN|/|S|，
Figure BDA0002747007510000041
为系统中能够 观测到的告警信息集，LR(si)为告警信息丢失率，si∈SN，SSR(si)为告 警信息虚假率，si∈SN。
f)通过公式
Figure BDA0002747007510000042
计算故障元件后验概率P(fj|si)， P(fi|si)为出现告警信息si的情况下可疑元件fi发生的概率，p(si|fj)为fj发生故障时，告警信息si出现的条件概率。
g)根据公式
Figure BDA0002747007510000043
计算得到贝叶斯确定 度δ(fj,SN)，式中S(fj)为故障元件fj关联的所有告警信息的集合，
Figure BDA0002747007510000044
F(si)为与告警信息si关联的所有可疑故 障元件的集合。
h)将求取的可疑故障元件的集合F中每个故障的贝叶斯确定度δ(fj,SN)构 成集合Fδ，对集合Fδ中元素从大到小排序，依次取出δ(fj,SN)∈Fδ循环 执行，直至
Figure BDA0002747007510000051
Sδ为预设告警集合，获取此时δ(fj,SN)对应的fj， 形成故障元件集H。
采用基于拓扑关联的虚实回路映射法与改进的贝叶斯理论相结合的智能算法进行求解。发生故障时，完备的故障信息难以获取，告警可能丢失、虚假、乱序、 重复、不完整等，影响故障定位的结果。因此本文提出了故障信息完备度概念， 结合故障后验概率，对通过拓扑关联的虚实回路映射法得到的可疑故障元件计算 其故障-告警确定度，当最有可能的前m个故障完全覆盖了所观测到的告警集合 SN，则认为找到了最优的故障元件集，此方法提高了故障定位的精度。
进一步的，步骤a)中通过SCADA系统、故障信息系统以及综合自动化系统调取 故障告警信息，故障告警信息包括保护动作信息、二次系统IED装置告警信息、 通信报文异常信息以及通信网络故障告警信息。建立的故障信息模型不但包括智 能变电站这些故障告警信息，同时包括智能变电站拓扑结构信息(二次系统虚实 回路拓扑结构)及二次系统配置信息等，为智能变电站故障诊断提供完整的故障 信息支撑。

Claims (2)

1.一种基于改进贝叶斯算法的二次系统故障定位方法，其特征在于，包括：
a)当二次系统发生故障时，调取故障告警信息；
b)解析SCD文件得到物理端口信息和虚回路信息，通过拓扑搜索得到每条虚回路对应的物理通道节点集合；
c)每条虚回路上的通信状态值为1表示通信中断，每条虚回路的通信状态值为0表示回路通信正常，若干条虚回路交叉重叠的物理元件的状态值为这几条虚回路状态值的最小值，对各物理元件的状态值进行迭代求和求得健康值，健康值不为0的物理元件为可疑故障元件，若干可疑故障元件组成可疑故障元件的集合；
d)通过公式BG＝{F,S,E(F×S),PF,PF×S}计算得到故障概率二分图BG，式中F为可疑故障元件的集合，F＝{f1,f2,...,fn}，fi为第i个可疑故障元件，fj为第j个可疑故障元件，1≤i≤n，1≤j≤n，S为告警信息集合，S＝{s1,s2,...,sn}，si为第i个告警信息，1≤i≤n，PF＝{p(fi)|fi∈F}，p(fi)为fi发生的先验概率，E(F×S)为由故障指向告警的有向边集合，PF×S为边权重的集合，PF×S＝{p(si|fi)|fi∈F,si∈S}，p(si|fi)为fi发生故障时，告警信息si出现的条件概率；
e)通过公式ρ(si)＝OR(1-LR(si))+SSR(si)计算告警信息完备度ρ(si)，式中OR为告警信息可观察率，OR＝|SN|/|S|，
Figure FDA0002747007500000011
为系统中能够观测到的告警信息集，LR(si)为告警信息丢失率，si∈SN，SSR(si)为告警信息虚假率，si∈SN；
f)通过公式
Figure FDA0002747007500000012
计算故障元件后验概率P(fj|si)，P(fi|si)为出现告警信息si的情况下可疑元件fi发生的概率，p(si|fj)为fj发生故障时，告警信息si出现的条件概率；
g)根据公式
Figure FDA0002747007500000021
计算得到贝叶斯确定度δ(fj,SN)，式中S(fj)为故障元件fj关联的所有告警信息的集合，
Figure FDA0002747007500000022
F(si)为与告警信息si关联的所有可疑故障元件的集合；
h)将求取的可疑故障元件的集合F中每个故障的贝叶斯确定度δ(fj,SN)构成集合Fδ，对集合Fδ中元素从大到小排序，依次取出δ(fj,SN)∈Fδ循环执行，直至
Figure FDA0002747007500000023
Sδ为预设告警集合，获取此时δ(fj,SN)对应的fj，形成故障元件集H。
2.根据权利要求1所述的基于改进贝叶斯算法的二次系统故障定位方法，其特征在于：步骤a)中通过SCADA系统、故障信息系统以及综合自动化系统调取故障告警信息，故障告警信息包括保护动作信息、二次系统IED装置告警信息、通信报文异常信息以及通信网络故障告警信息。
CN202011176091.6A 2020-10-28 2020-10-28 一种基于改进贝叶斯算法的二次系统故障定位方法 Active CN112422324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011176091.6A CN112422324B (zh) 2020-10-28 2020-10-28 一种基于改进贝叶斯算法的二次系统故障定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011176091.6A CN112422324B (zh) 2020-10-28 2020-10-28 一种基于改进贝叶斯算法的二次系统故障定位方法

Publications (2)

Publication Number Publication Date
CN112422324A CN112422324A (zh) 2021-02-26
CN112422324B true CN112422324B (zh) 2022-05-03

Family

ID=74840842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011176091.6A Active CN112422324B (zh) 2020-10-28 2020-10-28 一种基于改进贝叶斯算法的二次系统故障定位方法

Country Status (1)

Country Link
CN (1) CN112422324B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114301767A (zh) * 2022-01-04 2022-04-08 中国电子科技集团公司第三十四研究所 基于解释度与高抗毁算法的光通信网络健壮性分析方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103616579A (zh) * 2013-11-07 2014-03-05 山东大学 一种用于智能变电站二次系统的故障诊断方法
CN104578408A (zh) * 2014-12-16 2015-04-29 国家电网公司 一种智能变电站二次设备状态监测与趋势评估装置
CN110133448A (zh) * 2019-06-12 2019-08-16 河南工程学院 基于松弛优化的配电网故障区间高容错性故障定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110380514B (zh) * 2019-08-02 2023-08-25 云南电网有限责任公司电力科学研究院 一种智能变电站继电保护二次回路故障诊断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103616579A (zh) * 2013-11-07 2014-03-05 山东大学 一种用于智能变电站二次系统的故障诊断方法
CN104578408A (zh) * 2014-12-16 2015-04-29 国家电网公司 一种智能变电站二次设备状态监测与趋势评估装置
CN110133448A (zh) * 2019-06-12 2019-08-16 河南工程学院 基于松弛优化的配电网故障区间高容错性故障定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于贝叶斯征兆解释度的链路故障定位算法;王汝言等;《计算机应用研究》;20130315(第03期);第712-719页 *
基于贝叶斯疑似度的启发式故障定位算法;张成等;《软件学报》;20101015(第10期);全文 *

Also Published As

Publication number Publication date
CN112422324A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN105785231B (zh) 一种配电网在线故障容错性定位的线性整数规划方法
Lim et al. Design and implementation of multiagent-based distributed restoration system in DAS
CN111556083B (zh) 电网信息物理系统网络攻击物理侧与信息侧协同溯源装置
JP2012029550A (ja) 自己回復式電力網及びそれについての方法
CN105067956A (zh) 一种基于蚁群算法配网故障定位的方法
CN103986238B (zh) 基于概率加权二分图法的智能变电站故障诊断方法
US20230377435A1 (en) Fire protection method and fire protection system
CN106918764B (zh) 基于网基矩阵型算法的配网故障定位方法
CN105678337B (zh) 一种智能变电站故障诊断中的信息融合方法
CN111814999A (zh) 一种故障工单生成方法、装置、设备
CN112422324B (zh) 一种基于改进贝叶斯算法的二次系统故障定位方法
WO2021176318A1 (en) Topology identification and state estimation of power grids
CN103376348A (zh) 在用于监控电力系统的系统中控制故障电流的方法
CN113285431A (zh) 一种智能配电网信息物理融合保护系统及方法
CN116540029B (zh) 基于节点畸变校正的有源配电网故障区段定位方法及装置
CN111157851B (zh) 一种配电网故障定位方法及系统
Kolosok et al. Decomposition of power system state estimation problem as a method to tackle cyber attacks
CN110635954B (zh) 一种数据中心网络故障的处理方法及系统
CN108564112B (zh) 一种综合能源系统的故障统一定位方法
Tang et al. Self-adaptive protection strategies for distribution system with DGs and FCLs based on data mining and neural network
CN115495302A (zh) 一种告警设备的确定方法、相关装置以及设备
Rahiminejad et al. A cyber-physical resilience-based survivability metric against topological cyberattacks
Bhoi et al. A density-based clustering paradigm to detect faults in wireless sensor network
Negari et al. Conundrum of fault detection in active hybrid AC–DC distribution networks
CN112332383B (zh) 一种断路器控制回路断线信号产生原因的分析方法和装置

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