基于编码PETRI网的电力系统故障诊断模型研究

文中对基于编码原理和Petri网建模方法的电力系统故障诊断进行了进一步的研究,介绍了冗余嵌入Petri网、Petri网的故障模型及根据范德蒙矩阵构造生成矩阵的方法;重点分析了电力系统元件故障诊断Petri网模型的特点：母线及线路的Petri网模型的标准型与电网规模无关等;提出了电网拓扑结构发生变化时模型的快速修正方法,即根据模型标准型进行添加或删减,以使该方法更加适应大型电网多变的运行方式.以IEEE-118母线系统为例验证了故障诊断的正确性和模型修正方法的快速性.最后,经对文中方法和文献中的另外2种方法进行比较,证明文中方法具有诊断速度快,精度高,具有电网拓扑结构变化能力,适用于大型电网故障诊断.     

基于综合变权的分层模糊petri网电网故障诊断方法

为实现对电网故障元件的准确诊断,基于综合变权思想提出了考虑动态权重的分层模糊Petri网(HFPN)评估模型。建立包含可疑故障线路送受两端的主保护、近后备保护以及远后备保护子网,对三类保护建立综合诊断子网,构成对线路故障诊断的双层模型。针对传统固定赋权在警报信息缺失情况下可能造成对故障线路误判的弊端,计及元件的状态水平对决策的动态影响,对模型赋予动态权重以放大动作元件的真实度。融合固定权重和动态权重的故障诊断方法能够有效识别信息缺失情况下的故障线路。通过对典型电网进行多组故障案例仿真,结果表明所提出的基于综合变权的Petri网诊断方法可提高故障诊断的准确率。     

基于分层模糊Petri网的电网故障综合诊断方法

为降低Petri网的规模,提高诊断的准确性和适应性,研究了一种用于电网故障综合诊断的分层、多子网模糊Petri网模型。考虑了主保护、近后备保护及远后备保护的不同作用,对各保护子网中变迁到终止库所的输出弧赋予不同的权值,修正了变迁的输出概率高斯求取函数。提出先建元件的各保护子网与线路单侧诊断子网、再建综合诊断子网的分层建模方法。该方法可根据电网拓扑变化对模型进行一定的自适应调整。给出了基于矩阵运算的推理过程。针对一个典型电网做了多组案例测试,实验结果验证了该模糊Petri网的有效性,在信息不完备情况下仍能给出正确的诊断结果。     

基于故障录波时序信息的电网故障诊断

为克服基于开关量的传统故障诊断方法的不足,提出了一种基于故障录波时序信息的高压输电线路故障诊断方法。采用动作时区划分的方法并在边界处引入模糊化,用模糊Petri网针对输电线的运行状态构建了故障诊断模型,结合小波技术提取录波信息中的故障特征量以得到Petri网的点火序列,经过矩阵运算得到故障诊断结果并可以对保护、断路器动作行为进行评价,最后形成故障简报上传主站。通过上海220 kV子网故障诊断仿真,验证了该方法的有效性。     

基于小波包和模糊Petri网的输电线路故障类型识别方法

提出一种基于小波包和模糊Petri网的输电线路故障类型识别方法。利用小波包对故障电流信号进行分解,并计算出各频段的能量值,以此能量特征值作为训练样本对模糊Petri网模型进行训练优化,使用测试样本对模型进行测试,实现输电线路故障识别。通过算例仿真验证,表明该方法具有一定的有效性和实用性。     

面向对象Petri网的输电网线路保护仿真

在单装置Petri网(PN)模型的基础上,提出了一种面向对象的输电网线路保护Petri网模型。该模型考虑了继电保护装置、断路器装置、重合闸装置间的配合关系,并利用面向对象技术降低了单个PN仿真单元的复杂性。为仿真多个保护装置间的配合关系,构建了时间决策单元和故障计算单元。时间决策单元可处理不同保护间的时间配合关系,故障计算单元通过与仿真单元的消息传递模拟保护动作过程。对某输电网线路保护进行仿真,结果验证了模型的有效性。     

一种基于模糊故障Petri网的三相异步电动机故障分析方法

为提高三相异步电动机运行的稳定性,采用模糊故障Petri网理论对运行电动机进行状态评价与故障诊断。根据电动机故障逻辑关系,结合Petri网建模方法,建立电动机的模糊故障Petri网模型;提出变迁使能点火判别矩阵,结合MYCIN置信度矩阵法的正向推理算法,实现电动机运行状态的准确评价;逆向推理算法即为故障诊断过程,提出一种更为简洁的全矩阵推理算法,使诊断速度极大提高;采用最小割集理论进行优先诊断能够很好地避免诊断的盲目性;最后对电动机部分故障模型进行演绎分析,并通过故障树、统计数据和方法对比验证推理模型的可靠性和合理性。     

汽轮发电机组振动故障诊断的Petri网模型

Petir网理论是以网络理论、代数理论等为数学基础的,可利用图形语言对故障诊断系统的结构、功能及流程进行系统的分析和描述,是异步并发诊断系统建模与分析的重要工具之一.作者在论述了Petri网矩阵描述方法的基础上,根据汽轮发电机组故障征兆与常见故障类型之间的关系,建立了一种基于Petri网的汽轮发电机组振动故障诊断模型.与传统的汽轮发电机组振动故障诊断方法相比,该模型仅使用简单的矩阵运算,诊断过程简单直观,速度快.实例分析表明,利用该模型可对汽轮发电机组的振动故障作出正确判断.     

基于Petri网并分解技术的电网故障诊断

阻碍Petri网技术在实践应用中发展的重要问题是"状态爆炸",并分解技术是解决"状态爆炸"的一种有效措施,但如何分解仍是一个非常困难的问题.文中分析了电网故障诊断Petri网的特点,提出了一种无环、多输出库所Petri网的分解方法,并将它应用于电网故障诊断,同时提出了基于并分解Petri网故障诊断算法.对湖南某地方10 kV配电间进行仿真试验,验证了该方法的有效、可行和准确.     

时间约束的改进分层模糊Petri网的配电网故障诊断方法

配电网发生故障后,迅速利用大量的告警信息判别出故障元件,能为调度中心的工作人员提供重要的决策支持。针对现有Petri网的故障诊断方法未应用在配电网中的问题,提出了一种时间约束的改进分层模糊Petri网的配电网故障诊断方法。对配电网中的可疑故障元件建立改进的分层模糊Petri网模型,能够适应网络拓扑结构的变换,利用获得的报警信息通过反向和正向时序推理对保护和断路器进行时序检查,对不满足时间约束的库所进行置信度修正。给出了改进分层模糊Petri网模型的推理流程及矩阵推理算法,在矩阵推理过程中引入高斯函数修正概率,使概率始终保持在0～1,最终得到故障元件的置信概率及其时间点约束。通过对配电网系统算例的比较、分析,验证了所提方法的正确性和合理性,能够有效地诊断出配电网的故障元件。     

基于改进Petri网模型的电网故障诊断新方法

将Petri网理论用于电网故障诊断中,提出了一种改进的Petri网故障诊断模型。分别以线路和母线为例说明了Petri网模型的构建方法、推理过程及解析表示方法。该方法对于电网的单一故障、多重故障及存在保护和断路器不正确动作等情况的严重故障均能快速准确地定位故障元件,自动给出可靠有效的诊断结果,适用于电力系统在线故障诊断。在四平地区电力系统中的测试结果证明了基于该模型的故障诊断系统的实用性和有效性。     

基于模糊Petri网的用电信息采集系统故障诊断方法

采用一种模糊Petri网理论与专家系统结合的方法对用电信息采集系统整体进行故障诊断,提高了用电信息采集系统故障诊断的效率。根据用电信息采集系统故障逻辑关系,结合Petri网建模方法,建立模糊故障Petri网模型;通过逆向推理的方法,实现系统运行状态的准确评价。最后结合实例对故障诊断的推理过程进行了验证,证明了该方法的可靠性和合理性。     

Petri网络在变压器故障诊断中的应用

Petri网络理论以网络理论，代数理论等为数学基础，以图形化的方法直观地描述了离散事件系统的各种关系和行为，适用于描述异步并发现象的计算机系统模型和对并行及并发系统进行行为分析，在人工智能领域中正得到越来越广泛的应用。作者提出一种基于Petri网络的变压器故障诊断模型，论述了利用Petri网络进行知识表示及推理的矩阵运算算法。描述了故障征兆与故障的关系。使用了比传统系统更深的知识、简单，明确。与传统的专家系统相比，利用此理论及方法仅仅使用简单的矩阵计算，可以减少诊断时间，提高准确度。通过实例对此模型进行的测试表明该模型方法是快速、准确的。     

模糊Petri网络知识表示方法及其在变压器故障诊断中的应用

Petri网络理论以图形化的方法直观地描述了离散事件系统的各种关系和行为，且以网络理论、代数理论等作为数学基础，适合于描述异步并发现象的计算机系统模型和对并行及并发系统进行行为分析的有效工具，在人工智能领域中正得到越来越广泛的应用。该文从模糊产生式系统出发，提出一种模糊Petri网络知识表示方法及其严密的推理算法，论述了利用模糊Petri网络(FPN)进行知识表示及推理的矩阵运算算法，为模糊知识的表示提供了一种有效的工具，并首次将其应用于电力变压器故障诊断中，“描述了故障征兆与故障的关系，使用了比传统专家系统更深的知识。与传统的专家系统相比，利用此理论及方法仅仅使用简单的矩阵计算，大大减少诊断时间，提高了准确度。最后通过实例对此算法进行了测试，表明该模型方法快速、准确。     

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。     

基于人工智能的输电线路故障快速诊断方法研究

针对电力系统发生故障后未经处理的多源告警信息可能导致故障处理时间增加的问题,提出一种基于人工智能的输电线路故障诊断方法。对输电线路故障诊断Petri网模型进行改进,在建立的模糊Petri网模型中预设变迁阈值,采用逆向搜索策略,对模糊Petri网进行约简,减小推理规模,提高故障诊断效率。所提方法可以对故障信息进行快速分析、分类处理,大大减少调度员处理信息的工作量,提高输电线路自动化水平,确保电力系统安全稳定运行。通过算例验证了所提方法的有效性。     

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 fuzzy Petri net based approach for fault diagnosis in power systems considering temporal constraints

The fuzzy Petri net is a promising and efficient approach that can tackle the complexities of power system fault diagnosis. In this work, the temporal constraint between event occurrences in power systems is investigated. Then, it is introduced to a fuzzy Petri net (FPN) for fault diagnosis. The temporal attributes are assigned to the propositions in the Petri net, so that temporal information can be taken into account, which makes the true hypothesis distinguishable from the false ones. The modified matrix execution algorithm can enhance computational efficiency, with a “weighted average” operation included to improve the fault-tolerance. The developed model possesses a modular structure, which is easy to adapt to topology changes, and to accommodate modern protection schemes. A preliminary evaluation of the operating performance of protective devices is also carried out after fault section identification. The testing results on the IEEE 14-bus power system and Zhejiang provincial power system in China demonstrate that the developed model is correct and efficient. Compared with three existing fault diagnosis methods, the proposed one has stronger fault-tolerance with lower computational cost, and is suitable for on-line fault diagnosis in large-scale power systems.