基于时间约束Petri网的电网警报处理及故障诊断

充分利用警报信息的时序属性和保护断路器动作的逻辑规则,提出了一种基于时间约束Petri网的电网警报处理及故障诊断方法。介绍了电力系统警报信息间的时序关系,以及常见警报差错信息的分类。提出了时间约束Petri网方法,引入时间约束通路的概念,直观地表达了警报信息之间的时序属性。提出了警报差错信息的识别算法,有效地识别警报信息中的误报、丢失以及时序不一致等情况。对不考虑时间约束与考虑时间约束两种情况下的故障诊断结果进行比较分析。结果表明所提出的警报处理方法,更加精确地描述了故障警报信息间的逻辑关系,使故障诊断结果更加准确。     

计及警报信息时序特性的电网故障诊断解析模型

现有的故障诊断解析模型没有利用警报信息的时序特性,对于复杂的多重故障,诊断结果可能有2个甚至多个解,不够明确。文中通过提出动态关联路径的概念,构造了能够充分利用警报信息时序特性的电力系统故障诊断的一种新解析模型,能够合理地描述现代电力系统多种保护配置下保护和断路器的动作时序关系,对于复杂故障可以得到更为明确的诊断结果。最后用实际电力系统所发生过的故障对所提出的方法进行了说明。     

基于规则网的高压输电线路故障诊断与保护动作性能评价

对于多重或复杂故障以及存在警报信息丢失或畸变等复杂情况,如何准确诊断所发生的故障和评价保护装置的动作性能仍是值得研究的问题。在此背景下,提出一种基于规则网利用故障录波信息进行高压输电线路故障诊断和评价保护与断路器动作性能的新方法。首先,对故障录波信息进行预处理,利用小波变换技术从电气模拟量信息中提取线路故障特征量,得到电流突变事件和保护动作事件序列。在此基础上,建立计及警报信息时序特性的高压线路故障诊断规则网络模型,并确定故障假说集与期望的保护和断路器状态,并利用它们之间存在的因果与时序关系确定故障原因以及对保护和断路器动作性能进行评价;之后,对故障录波做进一步分析以判别故障类型、故障性质和故障位置;最后,用实际电力系统故障案例对所提出的方法进行说明。     

基于时序因果网络的电力系统故障诊断

电力系统发生故障后的警报信息具有时序特性,如何适当利用这种时序特性以快速而准确地诊断故障是一个值得研究的重要问题。现有的具备实际应用潜力的故障诊断方法大多没有利用警报信息的时序特性。因果网络可以描述设备故障与保护和断路器动作之间的逻辑关系,且具有推理速度快、维护方便等优点。在此背景下,针对电力系统故障诊断问题的特征,首先对因果网络进行了扩展,引入了警报信息时序特性约束的概念,构建了一种新的时序因果网络;之后,提出了基于时序因果网络的故障诊断方法。所述方法在保留了因果网络原有特点的前提下,在一定程度上克服了其容错性较差和难以合理解释故障演变过程的不足。最后,用实际电力系统发生的故障案例对所提出的方法进行了说明。     

序列模式挖掘在电力系统警报信息处理中的应用

提出了基于时间窗的序列模式挖掘算法,并将其应用于电力系统警报信息的智能处理,由此产生的规则可以补充故障诊断专家系统的知识库,为其提供警报间的时序规则知识,从而更加有效地指导电力系统的故障定位与诊断.通过一个算例说明了所提出的算法的可行性和有效性.     

计及信息畸变影响的电网故障诊断分级优化方法

基于优化算法的电网故障诊断方法可归纳为相似性诊断方法和覆盖性诊断方法.在故障信息发生畸变时,两类方法分别存在漏诊断和误诊断的问题.为了提高电网故障诊断的准确性,结合两类诊断方法的特点提出了电网故障诊断的分级优化方法.该方法依次进行所有警报信息的相似性诊断,保护信息的相似性诊断,以及覆盖性诊断,通过分级诊断分离出故障发生可能性不同的几类可疑故障元件.算例测试表明该方法避免了传统优化方法的弊端,可在警报信息发生畸变且存在多次保护和断路器不正确动作的情况下对多重故障进行准确地诊断.针对已有方法中特征警报状态矢量造成寻优计算量大的问题,提出了构造自适应特征警报状态矢量的方法;并基于故障后的停电区域研究了限定及建立诊断模型中各类变量的简单方案;通过采用这些方法提高了诊断过程的快速性.     

基于大数据的输电线路故障预警模型设计

发展输电线路远程故障诊断是建设智能电网的重点内容。针对输电线路的上传数据单一、数量多、利用率低等问题,基于背景平台提供的大数据处理集群技术,以朴素贝叶斯算法结合时间序列相似性故障匹配建立输电线路故障预警模型。模型采用采集到的相关电气量、开关量、事件顺序信息、电网拓扑等数据以及输电线路故障过程中故障录波装置所获取的数据,采用朴素贝叶斯算法挖掘潜在故障发生因素(即故障因子)的发生指数,随后结合时间序列相似性故障匹配对输电线路进行故障预警。案例分析表明,所构建的模型能较好地挖掘出故障因子,预测结果较好。     

基于因果时序网络的FOA-GRNN电网故障诊断方法

针对电网故障诊断过程常受到警报信息畸变以及保护设备误动或拒动等不确定因素的影响而导致误诊断的问题,提出了基于时序网络的果蝇优化算法-广义回归神经网络电网故障诊断方法。利用系统保护与设备之间存在的时序逻辑关系,对获得的电网故障警报信息甄别后再进行故障诊断。算例分析及测试结果说明,所提方法能够准确地实现电网的故障诊断,并适应电网拓扑结构的变化。     

基于混合规则网络和警报时序特性的电力系统故障诊断

现有电力系统故障诊断方法大多基于保护和断路器状态信息,没有充分利用故障信息中的时序属性,对于多重故障或存在信息丢失或畸变等的复杂故障情况,有可能得不到明确的诊断结果,甚至可能得到错误的诊断结论。文中提出了一种基于混合规则网络的电力系统故障诊断方法。首先建立各元件的规则网络,生成故障假说最大集;之后,发展了计及警报信息时序特性的故障假说真实性评估模型,以确定故障元件和识别故障原因。这种方法可以充分利用事件顺序记录(SOE)设备中的开关量信息和故障录波中的模拟量信息,借助它们之间存在的因果关系和时序关系能够有效提高故障诊断的容错能力。最后,用实际系统发生过的故障场景说明了所发展故障诊断方法的可行性和有效性。     

计及警报时序信息的电网故障诊断优化模型

现有的故障诊断解析模型没有充分利用警报信息的时序特性,诊断结果不够明确。对电网故障诊断优化模型中的故障假说进行扩展,用故障发生时间t代表元件的状态,故障发展过程中保护、断路器的状态均为故障发生时间t的函数,其状态值随着时间的发展而变化。此模型能够合理地描述现代电力系统多种保护配置下元件、保护、断路器连续的状态变化及保护和断路器的动作时序关系。最后用电力系统的故障实例对所提出的方法进行了说明。     

电网故障诊断的时间因果贝叶斯网模型

在使用保护和断路器的动作信息进行电网故障诊断时,这些警报的时序特性的加入能够给诊断提供更丰富的信息,使得诊断结果更准确。提出了电网故障诊断的时间因果贝叶斯网模型,采用模糊方式对时间因果关系进行离散化处理,采用模糊运算来合成多个时间因果关系,通过概率计算获得最大可能的故障假说。理论与算例表明该方法有效可行。     

灾害天气条件下电力系统故障诊断特征匹配方法

灾害天气会导致电力通信系统的可靠性降低, 警报信息在通信过程中发生畸变的可能性上升, 进而增加对停电区域内元件准确识别故障的困难。现有研究表明, 通过对线路发生故障期间的外部环境数据进行分析可得到该线路的故障风险程度, 但此信息尚很少被用于故障诊断之中。在此背景下,提出一种利用外部天气环境信息进行故障特征匹配的电力系统故障诊断方法。首先, 利用故障期间采集得到的外部环境信息根据灰色模糊理论得到线路综合故障概率。然后, 在现有的电力系统故障诊断解析模型（优化模型）的目标函数中增加外部环境故障特征匹配指标, 对与灾害天气相关故障特征不匹配的故障假说进行惩罚。接着, 利用模拟退火遗传算法对改进的解析模型进行求解。最后, 针对广州市局部电网的故障案例进行仿真测试,结果表明所提的改进故障诊断方法对通信故障的容错性强;此外,还比较分析了考虑与不考虑外部天气环境影响时的诊断结果及差异原因。     

计及警报信息时间特性的故障诊断模型

电力系统发生故障时的警报信息具有时间特性,如果能够充分与合理地利用这一特性,可以 提高故障诊断结果的准确性和加快诊断速度。但至今,还没有一个电力系统故障诊断方法能 够系统地处理警报信息的时间特性。以外展推理(abductive inference)和简洁覆盖集理 论(parsimonious set covering theory)为基础,对计及警报信息时间特性的电力系统故 障诊断问题做了一些初步的研究工作。采用时间图表示元件故障与警报信息及其时间特性之 间的关系,时间图中的节点表示警报信息,节点间的有向支路表示这两个节点所代表的警报 信息出现的先后次序。在此基础上,首次建立了描述这一问题的优化模型(0-1整数规划模型 ),给出了用Tabu搜索技术求解该问题的算法。最后,用一个简单的例子说明了所建立的故 障诊断模型的正确性和Tabu搜索方法的可行性。     

输电网故障的与或树诊断模型

为进一步提高诊断算法的准确度及容错性,文中提出一种基于与或树模型的输电网故障诊断方案。在目前诊断模型的基础上加入保护启动信息及电网拓扑元素,使与或树诊断模型对故障的描述更加确切。通过对电网拓扑的搜索形成遍历生成树,反映出了可疑故障元件与断路器之间的连接关系,然后将保护启动信息、保护出口动作信息以及断路器跳闸信息三者形成的与树引入其中,形成最终的与或树诊断模型。通过对与或树的求解及最优匹配算法能够确定故障元件以及丢失的报警信息,最后通过故障诊断算例验证了该方法的有效性。     

计及时间约束的改进模糊Petri网故障诊断模型

为充分利用故障事件记录的时间约束特性,进一步提高故障诊断的准确性与快速性,建立了一种计及时间约束的改进模糊Petri网故障诊断模型。首先,分析故障事件记录的一元、二元时间约束关系,研究不确定及缺失的报警信息对故障诊断的影响,利用虚拟有向弧及Petri网产生式规则,建立改进模糊Petri网模型;之后,通过正、反向时序推理分析,获得所有报警信息应该满足的时间区间,依据所建立的状态真值矩阵有效甄别出时序不一致的报警信息;在上述基础上,制定电网故障诊断的具体流程,提出继电保护装置动作行为辨识规则;最后,通过局部电力系统的多组算例仿真和实际系统故障案例测试,证明了所建模型能有效地诊断出电网故障,并具有较高的容错性。     

电网故障诊断专家系统的一种实现

在电力系统发生故障时,能量管理系统（ＥＭＳ）远程监控和数据采集（ＳＣＡＤＡ）系统产生大量未经处理的报警信息,对调度员工作压力过大,易发生误判。为解决这个问题,介绍了基于开关跳闸信息的故障判断专家系统的实现方法,开发了相应的故障专家系统。该方法简单易行、搜索速度快,最后提出了进一步利用保护动作信息进行分层诊断的思想。     

基于模糊时间Petri网的电网故障诊断方法

故障元件判别作为电网故障应急处置的首要环节,是在线调控运行的重点工作之一。针对现有基于Petri网的电网故障诊断方法未充分利用时序信息或者时序推理过程复杂的问题,提出一种基于模糊时间Petri网的电网故障诊断方法。为Petri网中库所及变迁引入时间属性以表征电力系统告警信息的时序约束关系,定义了置信概率与时序约束的关联推理运算,并从模型结构出发建立了模糊时间Petri网的分层推理过程,能够同时推理得到元件故障的置信概率及其时间点约束。算例仿真表明,所提方法能够快速判定故障元件,诊断结果正确且合理,具有较强的容错性,且能对告警信息做出正确评价。     

A fault diagnosis method for power systems based on temporal tissue-like P systems

To quickly and accurately identify faulty components based on the alarm information is critical for the fault diagnosis of power grids. To address this challenge, this paper proposes a novel fault diagnosis method based on temporal tissue-like P system (TTPS). In the proposed method, suspected faulty components are identified first via a network topology analysis method. An TTPS-based fault diagnosis model is then built for each suspected faulty component to perform fault reasoning, so as to accurately detect the faulty components. To take full advantage of the action signals and temporal information of protection devices, TTPS and its forward temporal reasoning algorithm are proposed. TTPS can synchronously model the action and temporal logics of protection devices in an intuitive and graphical way, while the reasoning algorithm can process the fault alarm information in parallel. To demonstrate the effectiveness and superiority of the proposed method, simulations are carried out on the IEEE 14-bus and 118-bus systems, while the results are compared to other two widely adopted methods.     

基于多源信息时间序列匹配的电网故障诊断方法

随着调度中心自动化水平的不断提高,包括数据采集与监控系统(supervisory control and data acquisition,SCADA)、广域测量系统(w ide-area measurement system,WAM S)、继电保护信息系统(relay protection information system,RPIS)等在内的多数据源系统的量测信息汇集到调度中心的统一数据库中。为了充分挖掘多源信息在调度运行中的应用场景,将多源信息应用于电网故障诊断中,提出了一种基于多源信息时间序列匹配的电网故障诊断方法。首先,介绍了多源信息数据库的组成、电网时间序列的结构以及针对不同数据源系统的生成规则。其次,利用事件顺序(sequence of event,SOE)记录、信息保护动作信息和相量测量单元(phasor measurement unit,PMU)电气量信息在故障发生时划分可疑故障区域,生成未知故障的电网时间序列,并与根据可疑故障区域内的可疑元件的保护配置信息生成的基准时间序列集合进行匹配,识别出故障元件、故障类型、故障时间、故障演进过程等详细故障信息。最后,采用实际算例验证了所提方法的可行性和有效性。