Petri网用于故障诊断
加权模糊Petri网在电网故障诊断中的应用
２ 加权模糊 Ｐ ｒ 网 （ Ｐ ｅｔ ｉ ＷＦ Ｎ）
２ １ 加权模糊 Ｐｒ 网的基本概 念 ． ｅｔ ｉ
定义 １ 加权模糊 Ｐｔ 网可 以定 义为一个 六元 ： ｅｉ ｒ
组 （， ， Ｗ， ｒ ） １ ， ０， ，ｈ ， ， 其中：
网故障诊断， 就是利用继电保护和断路器的动作信息 识别故障元件或故障区域。 以 Ｐｔ 网为工具 能有效地实现故障诊 断系统的 ｅｉ ｒ
Ｋｅ ｒ ｓ：ｕ ｚ ｅｒ ｎ ｔ ｍａｒ ｅ ｓｎｎ ；ａ ｌ ｄａ ｏｉ； ｏ ｅ ｙｔｍ ｙ ｗｏ ｄ ｆｚ ｐ ｔ ｅ ； ｔｉ ｒ ａｏ ｉｇ ｆｕｔ ｉｇ ｓ ｐ ｗ ｒｓｓｅ ｙ ｉ ｘ ｎ ｓ
１ 引 言
当发生电网故障时及时准确地诊断电力系统故障
对 于保 证 电网安 全稳定运 行具有 十分重要 的意义 。 电
模 型化 ， 以图形 方式 描述 系统 的功 能关系 和处理流程 ，
Ｙ＝ ｛ Ｙ ， ， Ｙ ＝ａ ｐ）Ｙ为命 题 ｄ 的真 Ｙ，２… Ｙ ｉ （ｉ， ｉ
值， 命题真值的初值用 表示 ；
Ｊ＝ ｛ 为输 入矩 阵 ， △｝ 表示 Ｐ 到 ｔ的输入关 系和 ｉ ｉ 权重 ；
从而使那些复杂的逻辑关系形象化 ， 便于分析和理解。 针对当前推理系统对应的 Ｆ Ｎ具有复杂 的结构时存 Ｐ 在的问题 ， 文献［ ］ 出了一种具有灵活性和适用性 １提 的基于加权模糊 Ｐｒ 网的顺 向规则推理算法。本文 ｅｉ ｔ
ｎ ｔ ｒ ａ ｌ ｄ ａ ｏ ｉ ． ｉ ａｌ ，ａ ｌ ｐ ｏ ａ ｉ ｔ ｓｉ ｒｖ ｄ ｄ ｔ ｅ ｅ ｒ ｈ ｒ ｏ ｔ ｅ ｉｇ ｏ ｉｅ ． ｅｗｏ ｋ ｆ ｕｔ ｉｇ ｓ Ｆ ｎ ｌ ｆｕ ｔ ｒ ｂ ｂ ｌ ｉ ｓ ｐ ｏ ｉ ｅ ｏ ｒ ｓ ａｃ ｅ ｓｆ ｒｆ ｈ ｒｄ ａ ｓｓ ｓ ｎ ｓ ｙ ｉｅ ｕ ｎ
Petri网理论在变电站故障诊断中的应用
形网络表示故障点与电气设备之间的逻辑关系 ， 利
用简单的矩阵运算演绎故障诊断的动态过程 ． 这使 得整个系统更清晰形象 ， 求解速度有所提高 ． 目前 国内外都有利用 Ｐｔ 网络进行变 电站故障诊断的 ｅ ｌｉ Ｉ
① 收稿 日期 ：０７ ２—１ ２ ０ —１ ０
（）Ｆ（ ）Ｕ （ ３ Ｓ× Ｔ×｜ ； ｓ ） （）ｏ （ ）Ｕ ｃｄ Ｆ ４ｄｒ Ｆ ｏ（ ）＝ ＳＵ Ｔ ａ ．
致变电站全停事故 ， 甚至整个 电网瘫痪 ． 这样的事 故相当多 ， 损失也是相 当惨重的 ． 为此 ， 电力系统的
准确 、 适应性强 、 稳定性好的特点 ， 系统构建相对简 便， 容错能力较强 ， 能够适应大规模变电站 中更加 复杂的故障情形 ．
１ Ｐｔ 网络 基 本 理 论 及 模 型 ｅｉ ｒ
维普资讯
第２ 卷 第 １ ６ 期
２０ 年 ０ 月 ０８ １
佳 木 斯 大 学 学 报 （自 然 科 学 版 ） Ｊ ｒ ｌ ｆ ｉ ｕｉ ｎ ｅ ｉ Ｎ ｔ ａ Ｓｉ ｃ ｄ ｏ） ｏ ｎ ａ ｓＵ ｉ ｒｔ ａ ｒ ｅ ｅＥ ｉ ｎ ｕ ａ ｏＪ ｍ ｖ ｓｙ（ ｕ ｌ ｃ ｎ ｉ ｔ
其中 ｜和 分别称为Ⅳ 的库所（ｌ ｅ 集和变 ｓ ｐ ｃ） ａ
作者简介 ： 付光杰 （９２ ， ， １ 一）女 教授 ， ６ 主要从事 电气工程及其 自 动化方面 的研究 ．
维普资讯
佳 木 斯 大 学 学 报 （自 然 科 学 版 ） 迁（ ａｓｉ ） ， 为流关系（ ｏ ｌｉ ） ｔｎｉ ｎ 集 Ｆ ｒ ｔ ｏ ｆ ｗｒ ａｏ ， 表 ｌ ｅ ｔｎ 示空集 ． 】在此 ， 元素包括母线、 ｓ ． 线路 、 断路器和 继电器等 电力设备 ； 元素反映各 电力设备的变化 Ｔ 状态 ． Ｆ表示从库所节点到变迁节点及变迁节点到 库所节点的有向关系， 反映电网的继 电保护配置关 系， 网的图形表示是指将库所节点 、 变迁节点和有 向弧用图形的方法表示出来 ．库所用 圆圈“ 表 （ ０” 示， 变迁用竖线“ ” Ｉ 或小矩形表示）如果有六元 ．
故障诊断系统的模糊Petri网建模方法
故障诊断系统的模糊Petri网建模方法随着自动化和智能化技术的发展，故障诊断系统在工业领域的应用越来越广泛。
故障诊断系统可以快速准确地检测和识别设备或系统中的故障，提高设备的可靠性和稳定性。
而为了更好地对故障进行诊断，建立一个准确可靠的故障诊断模型是非常关键的。
模糊Petri网是一种将模糊逻辑理论与Petri网模型相结合的新型模型，它可以有效地描述复杂系统中的不确定性和模糊性。
模糊Petri网将模糊集合引入到Petri网中的状态和标识中，从而能够处理模糊状态和模糊规则。
因此，利用模糊Petri网建模方法对故障诊断系统进行建模是非常合适的。
1. 系统建模在使用模糊Petri网建模故障诊断系统之前，首先需要对系统进行建模。
建模的目的是对系统的组成部分以及它们之间的相互作用进行描述。
故障诊断系统通常由传感器、信号处理单元、故障诊断器等部分组成。
2. 定义状态集合根据故障诊断系统的特性，我们需要定义状态集合。
状态集合描述了系统的工作状态，包括正常工作状态和故障状态。
在模糊Petri网建模中，可以使用模糊集合来描述各个状态。
3. 确定变迁集合变迁是系统中状态的转变过程，它表示系统发生了某种事件或动作。
在故障诊断系统中，变迁可以代表传感器的读数、信号处理的结果等。
根据故障诊断的需要，通过分析系统的工作原理和数据流，确定变迁集合。
4. 定义规则集合为了进行故障诊断，需要根据已知的故障模式和经验知识建立一组规则。
在模糊Petri网建模中，规则集合可以用模糊规则来表示。
模糊规则由模糊条件和模糊输出组成，其中模糊条件是一组输入变量和它们的模糊集合，模糊输出是对输出变量及其模糊集合的描述。
根据故障诊断系统的具体要求，定义一组相应的模糊规则。
5. 构建模糊Petri网模型在上述步骤完成后，可以根据故障诊断系统的要求，构建模糊Petri网模型。
模型可以通过各个组成部分之间的连接关系和转变规则来描述故障诊断系统的工作过程。
利用 Petri 网进行多轴机床故障诊断
利用Petri 网进行多轴机床故障诊断摘要：本文分析了多轴机床安装和生产中所面临的故障问题，结合故障诊断问题的特点，在基于Petri 网基本原理的前提下，建立了故障诊断的Petri 网模型，并分析了故障的传播机理。
关键词：多轴机床；故障诊断；Petri网模型1引言多轴机床是现在生产系统中的一种重要设备，具有复杂的结构（如图1所示）。
在机床的安装、调试和生产过程中发生的故障会影响机床的生产运行，甚至会威胁到人身安全。
因此找出故障源是非常重要的。
图1 典型的水平型多轴机床Petri网是一种离散事件动态系统建模工具，具有图形建模的直观性和分析的严谨性，尤其能够很好的刻画并发、竞争和同步等行为。
故障诊断和容错是Petri 网的一个非常有前途的应用领域。
Petri网可用于在故障检测和诊断领域中表达系统的逻辑关系，完成知识表示和诊断推理；也可用Petri网建立被诊断对象的行为模型，利用Petri网的属性进行基于模型的推理。
零件的加工精度是许多生产厂商最为重视的问题，本文分析了对机床加工精度有重要影响的故障问题，并建立了相应的故障模型，分析了故障传播的机理。
2多轴机床的故障分析在多轴机床中有很多故障源影响机床的加工精度，如；几何、静态和动态载荷、伺服循环参数的不匹配和热偏差等。
我们主要研究几何/ 运动故障和热故障。
几何故障主要是由于机床零件的生产误差、机床在安装和调试中不同零件的装配误差和振动造成的零件位置相对移动等原因造成的。
在多轴机床中造成几何故障的故障源如下：（1）机床的传动链路的几何误差：如链路的长度；（2）传动部件的弹性变形：如主轴弯曲；（3）机床在加速和制动时所产生的惯性力；（4）机床在加工零件时的切割力；（5）机床中的控制系统；（6）相对运动的零部件之间的摩擦和挤压；（7）机床振动：如主轴振动。
在机床的运行过程当中，机床处于由其内部和外部的各种热源所产生的不稳定的热场状态当中。
当机床长时间运转时就会产生热故障，机床的持续运行会导致机床内部相对运动的部件发热，使整个机床处于高温状态，从而导致机床的结构部件产生膨胀。
基于Petri网模型的故障诊断
图1为一个简单的保护系统和相关断路器状态信息的Petri网模 型。库所L表示线路，R表示保护，CB表示断路器。假设保护 R检测到故障电流，去动作断路器CB。
映射矩阵为：
图1的初始标识向量M0可表示为
点火向量U用于表示变迁T的点火情况。图1所示Petri网 的触发点火序列依次为
借助加权模糊Petri网或者和其他的智能算法相结合
基于神经网络集成的Petri网系统 基于粒子群优化的智能Petri网系统 基于Petri网的远程智能故障诊断系统 ……
Petri网的动态行为过程可用如下状态方程描述，它反映 了系统的状态变化
模型实例分析 一个简单的电力系统如图2所示,来说明用Petri网进 行电力系统故障诊断的推理过程。
假设故障情况如下：母线B2发生故障，保护设备 正常动作，母差保护动作跳开断路器CB2、CB3、 CB5。母线B2的Petri网故障诊断模型如图3所示：
Petri网模型具有快速准确、适应性强、稳定性好等特点。
Petri网起源
1962年联邦德国的卡尔·A·佩特里（Carl Adam Petri）在他的博士论文《用自动机通信》中首次使 用网状结构模拟通信系统。这种系统模型后来以 Petri网为名流传。
80年代开始为Petri网综合发展阶段，以理论与 应用的结合及计算机辅助工具的开发为主要内容。 发展到现在Petri网已经广泛应用于自动化、机械制 造、军事指挥等学科领域。
引言
人工智能技术由于其善于模拟人类处理问题的过程， 在电力系统方面常用于推断可能的故障位置和故障类型， 如：基于人工神经网络的方法、基于遗传算法的方法、基 于模糊理论的方法及基于专家系统的方法等。
缺陷： 神经网络：存在过拟合、过训练等问题，在学习样本不完备的情况下 难以得到准确的诊断结论。 遗传算法：遗传算法的编程实现比较复杂,首先需要对问题进行编码,找 到最优解之后还需要对问题进行解。 模糊理论：进行隶属度函数描述时,隶属度的选取存在着人为不确定性 因素;对大规模复杂系统进行建模时,结构适应性不强。
一种面向故障诊断的故障Petri网
称 ＞： 为故障 Ｐｔ 网． ｅｉ ｒ
定 义 ２ 变 迁发 生 规则 ： Ｐ ∈ ‘ ， ， 设 ￡Ｐ ∈
三元 组 为 Ｎ 一 （ Ｔ Ｆ） 有 向 网 （ ｅ） 称 Ｐ， ， 为 ｎｔ ，
为其 基 网 ， 当且仅 当
（ ） ≠ ； １ ＰＵ Ｔ
（） ２ Ｐｎ Ｔ— ；
ｔ ，在 Ｐ ‘ｔ 有权发 生 ， 作 Ｐ ［＞Ｐ ＋ ， 记 其发 生 的
条件为： Ｋ （ ≥ｗ （ ￡ Ａｔ Ｐ） Ｐ ，） 时 ｔ在 Ｐ 有权 发 生 ， 生后 ‘ 均 为真 ， 发 、 ‘ 且 ∈ ．
型 的动态 行 为 过 程 ， 以 利 用 Ｐ ｔｉ 可 以很 好 所 ｅｒ 网
Ｆ为 网 中有 向弧 ， 为流 关系 集合 ． 丁 为记 录查 询记 录的有 限集 合 ， ｓ 初始 时为空
集．
地 描述 故 障现 象 的 动 态 产 生过 程 ， 为很 好 的描 述 故 障的传播 过 程 ， 多 学 者 提 出了适 合 描 述 故 障 很 动 态 产生 过 程 和 传 播 过 程 的故 障 Ｐ ｔｉ ， 出 ｅｒ 网 给 了各 自的故 障 Ｐ ｔｉ 定 义 ， 在 相 应 故 障诊 断 ｅｒ 网 并
Ｓｅ ｔ ０１ ｐ ．２ ０
文 章 编 号 ：１ ７ — ９ Ｘ（ ０ ０ ０ － ０ ７０ ６ ２ ６ １ ２ １ ） ５０ ６ － ４
一
种 面 向故 障诊 断 的故 障 Ｐ ｔｉ ｅｒ 网
张 炜
（ 北 民族 大 学 数 学 与 计 算 机 科 学 学 院 ， 肃 兰 州 ７ ０ ３ ） 西 甘 ３０ ０
一种基于Petri网和SDG的车门系统故障诊断方法
一种基于Petri 网和SDG 的车门系统故障诊断方法摘要车辆是人们生活中不可或缺的交通工具，而车辆系统的故障诊断与维护也是必不可少的一部分。
本文提出了一种基于Petri 网和SDG 的车门系统故障诊断方法。
该方法首先利用Petri 网对车门系统进行建模，然后使用SDG 进行模型的状态表示，并进一步分析故障诊断过程中的数据，确定导致故障的根本原因。
通过在实际故障诊断案例中的应用，证明了该方法能够有效地诊断车门系统故障，提高其安全性和可靠性。
关键词：Petri 网，SDG，车门系统，故障诊断引言车门是汽车系统中的一个重要部件，负责保证人员在车内安全出入。
车门系统需要满足一系列严格的安全规定和标准，以确保车辆的安全性能和可靠性。
然而，在车门系统的设计、制造和维护过程中，由于人为和非人为原因，常常会发生各种故障，导致车门无法正常工作，影响乘客的安全和舒适体验。
因此，对车门系统的故障检测和维护显得尤为重要。
近年来，随着计算机技术和自动化控制技术的不断发展，研究人员提出了许多基于模型的故障诊断方法，其中Petri 网是最常用的一种。
Petri 网是一种重要的离散事件动态系统建模和分析工具，因其直观的图形表现形式和简明清晰的语义定义，被广泛应用于建模和分析各种系统。
Petri 网模型通常由变迁、库所和弧组成，其中变迁表示动态系统发生的事件，库所表示系统的状态，弧表示变迁和库所之间的关系。
Petri 网可以描述系统在不同状态之间的转换过程，因此可以用于故障诊断。
另一方面，SDG（State Dependency Graph）是一种描述系统状态和关系变化的图形表示方法，在许多领域被广泛应用。
通过将Petri 网转换为SDG，可以更加准确地表示系统状态之间的转换过程和故障的来源。
本文所述的基于Petri 网和SDG 的车门系统故障诊断方法，基于以上理论和工具。
具体来说，本文采用Petri 网对车门系统进行建模，并使用SDG 进行模型的状态表示，并进一步分析故障诊断过程中的数据，确定导致故障的根本原因。
一种基于贝叶斯Petri网的故障诊断方法
一种基于贝叶斯Petri网的故障诊断方法贝叶斯Petri网是Petri网的一个扩展，其主要用于故障诊断模型的建模和分析。
与传统的Petri网相比，贝叶斯Petri网采用基于贝叶斯网络的概率推理方法，可以更加准确地进行故障诊断。
本文将介绍一种基于贝叶斯Petri网的故障诊断方法。
首先，需要建立一个贝叶斯Petri网模型，该模型包括以下几个部分：1. 系统的状态集合。
系统可能的状态包括正常状态和各种故障状态。
2. 状态之间的转移关系。
状态之间的转移关系是Petri网中的传统元素，包括变迁和库所。
3. 各个状态的先验概率。
先验概率反映了系统在没有故障时各个状态出现的概率。
4. 各个状态的条件概率。
条件概率反映了在某个状态下，系统进行某个操作后进入下一个状态的概率。
建立完模型后，我们需要进行贝叶斯网络的推理，计算出系统当前的状态。
基于贝叶斯Petri网模型，我们可以设计一种故障诊断方法。
该方法主要包括以下几个步骤：1. 收集系统的运行数据，包括系统的输入和输出信息以及相关的时间戳。
2. 将收集到的数据转化为Petri网的形式，并计算出各个状态的后验概率。
在本方法中，我们使用Monte Carlo方法进行概率计算。
3. 通过比较各个状态的后验概率，找出当前系统最有可能的状态。
4. 根据当前状态，我们可以进一步推断出系统中可能发生的故障。
这可以通过比较各个状态的条件概率来实现。
5. 最后，我们可以根据推断出的故障类型，采取相应的措施来修复系统。
通过以上步骤，我们可以建立一个完整的故障诊断系统。
该系统具有以下优点：1. 采用基于贝叶斯网络的概率推理方法，准确性更高。
2. 通过分析系统状态之间的转移关系，可以更加全面地分析系统故障。
3. 通过推断出系统中可能出现的故障类型，可以更加高效地修复系统。
综上所述，基于贝叶斯Petri网的故障诊断方法，可以有效地提高故障诊断精度和效率。
该方法在工业自动化等领域具有广泛的应用前景。
一种融合电气量和开关量的电网Petri网故障诊断方法
㊀㊀㊀㊀收稿日期:2020-09-03;修回日期:2021-01-06基金项目:国家自然科学基金(61703345);四川省信号与信息处理重点实验室项目(S Z J J 2017-049)通信作者:张彼德(1975-),男,硕士,教授,主要从事电力设备状态评价与检测研究;E -m a i l :f yh z x x 2015@s i n a .c o m 第37卷第1期电力科学与技术学报V o l .37N o .12022年1月J O U R N A LO FE I E C T R I CP O W E RS C I E N C EA N DT E C H N O L O G YJ a n .2022㊀一种融合电气量和开关量的电网P e t r i 网故障诊断方法肖㊀丰1,张彼德1,孙文成2,王㊀涛1(1.西华大学电气与电子信息学院,四川成都611730;2.国家电网公司西南分部,四川成都610041)摘㊀要:对故障元件进行快速㊁准确地诊断,是实现电网在线调控运行的重要前提之一㊂基于P e t r i 网的电网故障诊断方法因其建模清晰㊁逻辑缜密,得到了研究人员的广泛关注㊂但目前的方法大多针对开关量分析,对电气量的关注度相对较少,而电气量在准确性㊁容错性等方面比开关量都更具优势㊂基于此,提出了一种计及电气量和开关量的电网P e t r i 网故障诊断方法㊂首先利用希尔伯特 黄变换对元件的故障电流进行特征提取,通过模糊逻辑分析和模糊逻辑P e t r i 网推理得到元件的故障概率表征;其次针对开关量进行分析,建立元件的P e t r i 网模型,对故障时序信息进行约束检查和挖掘分析,经模糊推理计算得到故障概率表征㊂最后利用D -S 证据理论对故障概率表征进行决策层融合,得到元件最终的故障概率㊂通过对新英格兰10机39节点系统的多组故障案例进行诊断测试,结果表明该方法能快速诊断故障元件,改善了基于单一故障源和单一诊断方法的局限性,能有效提高故障诊断的准确性和容错性㊂关㊀键㊀词:电网;故障诊断;P e t r i 网;电气量;开关量D O I :10.19781/j .i s s n .1673-9140.2022.01.014㊀㊀中图分类号:TM 41㊀㊀文章编号:1673-9140(2022)01-0113-09A p o w e r g i r d f a u l t d i a g n o s i sm e t h o d b a s e d o nP e t r i n e t c o m b i n i n gt h e a n a l o g u e a n dd i gi t a l i n f o r m a t i o n X I A OF e n g 1,Z H A N GB i d e 1,S U N W e n c h e n g 2,WA N G T a o 1(1.S c h o o l o fE l e c t r i c a l E n g i n e e r i n g a n dE l e c t r o n i c I n f o r m a t i o n ,X i h u aU n i v e r s i t y ,C h e n gd u611730,C h i n a ;2.S o u t h we s tB r a n c hof S t a t eG r i dC o r p o r a t i o no fC h i n a ,C h e n gd u610041,C h i n a )A b s t r a c t :T hef a s t a n da c c u r a t e d i ag n o s i s o f f a u l t c o m p o n e n t s i s o n e i m p o r t a n t p r e c o n d i t i o n t o r e a l i z e th e o n -li n e r e gu -l a t i o na n do p e r a t i o no f p o w e r g r i d s .F o r t h e s a k e o f i t s u n d e r s t a n d a b l y m o d e l i n g a n d p r e c i s e l o g i c ,t h eP e t r i n e t f a u l t d i a g n o s i sm e t h o da r ew i d e l y s t u d i e d .H o w e v e r ,m o s t c u r r e n tm e t h o d so n l y c o n s i d e r t h ed i g i t a l i n f o r m a t i o nr a t h e r t h a n t h ea n a l o g u ei n f o r m a t i o n ,d e s p i t et h a tt h ea n a l o g u ei n f o r m a t i o ni s m o r ea c c u r a t e ,f a u l tt o l e r a n ta n ds oo n .T h u s ,a f a u l t d i a g n o s i sm e t h o d o f p o w e r g r i d b a s e d o nP e t r i n e t i s p r o p o s e d b y c o n s i d e r i n g b o t h t h e a n a l o g u e a n d d i g-i t a l i n f o r m a t i o n .F i r s t l y ,t h e f a u l t c u r r e n t o f t h e c o m p o n e n t s i s e x t r a c t e db y H i l b e r t -H u a n g tr a n s f o r m ,a n d t h e f a u l t p r o b a b i l i t y o f t h e c o m p o n e n t s i s o b t a i n e d t h r o u g h f u z z y l o g i c a n a l y s i s a n d f u z z y l o g i cP e t r i n e t r e a s o n i n g .S e c o n d l y,电㊀㊀力㊀㊀科㊀㊀学㊀㊀与㊀㊀技㊀㊀术㊀㊀学㊀㊀报2022年1月b a s e do n t h e d i g i t a l i n f o r m a t i o n,t h eP e t r i n e tm o d e l o f t h e c o m p o n e n t s i s e s t a b l i s h e d,a n d t h e c o n s t r a i n t o f f a u l t s e-q u e n c e i n f o r m a t i o n i s p r o b e d,a n dt h e f a u l t p r o b a b i l i t y i so b t a i n e db y f u z z y r e a s o n i n g c a l c u l a t i o n.F i n a l l y,D-Se v i-d e n c e t h e o r y i s u t i l i z e d t o e x p l o r e t h e f a u l t p r o b a b i l i t y l e v e l t o o b t a i n t h e f i n a l f a i l u r e p r o b a b i l i t y o f c o m p o n e n t s.S e v-e r a lf a u l t c a s e so f t h eN e w E ng l a n d10m a chi n e39b u ss y s t e m a r et e s t e d.T h er e s u l t ss h o wt h a t t h e m e t h o dc a n q u i c k l y d i a g n o s e f a u l t c o m p o n e n t s,i m p r o v et h e l i m i t a t i o n so f t h e p r e v i o u ss i n g l e f a u l t s o u r c ea n ds i n g l ed i a g n o s i s m e t h o d,a n dh e n c e e f f e c t i v e l y i m p r o v e t h e a c c u r a c y a n d f a u l t t o l e r a n c e o f f a u l t d i a g n o s i s.K e y w o r d s:p o w e r g r i d;f a u l t d i a g n o s i s;p e t r i n e t;t h e a n a l o g u e i n f o r m a t i o n;t h e d i g i t a l i n f o r m a t i o n㊀㊀随着电力系统建设的不断完善,电网结构变的日趋复杂,电网故障对电力系统带来的影响也越来越大,因此研究电网故障诊断方法对电力系统的安全可靠运行具有重要意义㊂目前,学者们已提出了各种电网故障诊断方法[1-6],并在电网故障诊断应用中取得了一定成效,但也存在些许不足㊂P e t r i网是对离散事件和动态系统建模分析的理想工具㊂故障元件㊁继电保护和相应断路器动作的逻辑关系可通过图形进行简单的描述,且矩阵形式的推理也具有直观且逻辑清晰缜密的优点,将P e t r i网应用于电网故障诊断具有较好的应用前景㊂但现有的方法中,大部分仅对开关量分析,故障信息源单一,诊断结果严重依赖开关量的正确性㊂而电气量在准确性㊁容错性和完备性等方面都有着无法比拟的优势,对电气量进行分析能有效地提高故障诊断的准确性㊂因此,本文提出了一种计及电气量和开关量的电网P e t r i网故障诊断方法,从电气量和开关量出发,同时考虑了开关量的时序关联特性㊂首先,根据开关量确定停电区域,针对电气量利用希尔伯特黄变换和模糊逻辑分析,使连续的电流波形离散化,通过模糊逻辑P e t r i网计算得到2个故障概率表征;其次,对开关量时序信息进行约束检查,剔除错误故障信息,并采用高斯函数以确定时序模糊P e t r i网的初始置信度,建立元件的通用P e t r i网模型,通过模糊推理机制计算得到一个故障概率表征;最后,采用D-S证据理论对3个故障概率表征进行信息融合,得到元件最终的故障概率㊂通过新英格兰10机39节点系统的多组故障案例测试表明,在保护和断路器拒动/误动㊁信息丢失和时标出错等复杂故障情形下,均能准确诊断出故障元件,对其有效性进行了验证㊂1㊀基于电气量的P e t r i网故障诊断电气量故障诊断的分析对象是线路元件的电流波形㊂由于P e t r i网是对离散事件㊁动态系统的分析工具,无法直接对电流波形进行处理,因此需在P e t r i网推理分析的前端,添加故障特征提取模块和模糊逻辑分析模块,使得连续的电流波形离散化,以便后续的分析计算㊂1.1㊀故障特征提取模块对采集到的电流波形利用希尔伯特黄变换(h i l b e r t-h u a n g t r a n s f r o m,HH T)[7]进行时频域分析,得到的H i l b e r t边际谱h(ω)和H i l b e r t边际能量谱S(ω)能清晰地反映出原信号的时频特性㊂在实际运行电网中,电网发生故障的时刻,线路电流立刻发生突变,故障元件出现比非故障元件更多的高频分量,非故障元件的低频分量更多,利用这一故障特征,定义第i个元件的频率畸变度为F i=P2/P1(1)式中㊀P1为h(ω)中的低频(f<100H z)分量;P2为h(ω)中的高频(f>100H z)分量㊂故障发生后,故障元件的电流信号总能量相比非故障元件会更高,因此定义第i个元件在故障时刻后2个周波内的故障能量度为E i=ʏf s/20S(ω)dω(2)式中㊀f s为采样频率,本文取10k H z㊂1.2㊀模糊逻辑分析模块模糊逻辑分析是一种模拟人脑对不确定性概念的判断和推理的方法㊂通常借助隶属度函数来处理模糊关系,可将其表示为一个映射μ:xң[0,1],μ为隶属度函数,x为元素的隶属度㊂411第37卷第1期肖㊀丰,等:一种融合电气量和开关量的电网P e t r i网故障诊断方法隶属度函数的选取可以是任意的,分段函数能清晰地表达故障诊断的逻辑关系,故在此采用图1所示的分段函数作为隶属度函数㊂在故障诊断中,常采用模糊语言 高 和 低 来描述电流变化程度㊂关于模糊语言 高 的隶属度函数,eɪ[0,e1],隶属度为0;eɪ[e1,e2],输入与输出成正比;eɪ[e2,ɕ],隶属度为1㊂关于模糊语言 低 的隶属度函数,eɪ[0,e1],隶属度为1;eɪ[e1,e2],输入与输出成反比;eɪ[e2,],隶属度为㊂图1㊀隶属度函数F i g u r e1㊀M e m b e r s h i p f u n c t i o n首先分别对每个元件的电流波形进行HH T分析,进而得到该元件的频率畸变度F i和故障能量度E i;然后分别将每个元件的频率畸变度F i作为模糊逻辑分析的输入值,通过分段函数计算得到2个关于模糊语言 高 和 低 的隶属度,其为一个概率值,并作为模糊逻辑P e t r i网的初始置信度㊂故障能量度E i同理计算㊂1.3㊀模糊逻辑P e t r i网故障识别框架由特征提取模块㊁模糊逻辑分析模块和模糊逻辑P e t r i网构成基于模糊逻辑P e t r i网的故障识别框架㊂在故障发生前后,故障元件比非故障元件出现了更多的高频分量,且电流信号总能量也更高㊂模糊逻辑P e t r i网实际上是对上述模糊逻辑的量化,将基于电气量的模糊逻辑P e t r i网(f u z z y l o g i c p e t r i n e t,F L P N)定义为一个七元组集合F L P N=(P,T, F,I,O,T h,M)㊂1)P=(P1,P2, ,P n)为库所集合,n为库所个数㊂2)T=(T1,T2, ,T m)为变迁集合,m为变迁个数㊂3)F⊆P㊃TɣTˑP,表示连接库所与变迁之间的有向弧㊂4)I:PңT表示输入矩阵,I=[ωi j],[ωi j]ɪ[0,1],若p i为t j的输入,则ωi j表示该有向弧的权值;若p i不是t j的输入,则ωi j为0㊂其中,i=1, 2, ,n;j=1,2, ,m,表征前提条件对结论的贡献程度㊂5)O:TңP表示输出矩阵㊂6)T h:T hң[0,1]表示变迁t j(t jɪT)对应的阈值λj,T h=(λ1,λ2, ,λm)㊂7)M=(m1,m2, ,m n)表示库所对应的置信度,mɪ[0,1]㊂以3个元件为例,基于模糊逻辑P e t r i网的故障识别框架如图2所示㊂图2中, H 表示模糊语言 高 , L 表示模糊语言 低 ㊂P1~P6表示初始库所,P7~P9表示终止库所,L1~L3为诊断出的故障元件,T1~T3表示变迁㊂第i个变迁对应第j条输入弧的权值均为1/3㊂L1L2L3L1L2L3P8T2P1246取模块模糊逻辑分析模块模糊逻辑Petri图2㊀模糊逻辑P e t r i网的故障识别框架F i g u r e2㊀F a u l t r e c o g n i t i o n f r a m e w o r ko ff u z z y l og i cP e t r i n e t在文1.2节中,得到的模糊逻辑分析输出值,将其作为模糊逻辑P e t r i网的库所初始置信度,经过矩阵形式的模糊推理机制[8]的迭代计算,得到第i 个元件的2个故障概率表征,即频率故障度(f r e-q u e n c y d i s t o r t i o nd e g r e e,F D D)和能量故障度(e n-e r g y d i s t o r t i o nd e g r e e,E D D),再对其按式(3)㊁(4)进行归一化处理,作为证据体,等待下一步的信息融合㊂511电㊀㊀力㊀㊀科㊀㊀学㊀㊀与㊀㊀技㊀㊀术㊀㊀学㊀㊀报2022年1月F D Dᶄi =F D D2iðn j=1F D D2i(3)E D Dᶄi =E D D2iðn j=1E D D2i(4)2㊀基于开关量的P e t r i网故障诊断开关量故障诊断的分析对象是继电保护㊁断路器动作信息,将基于开关量的时序模糊P e t r i网(t e m p o r a l f u z z yp e t r i n e t,T F P N)定义为一个十元组集合T F P N=(P,T,F,I,O,T h,t,t R,Δt,M)㊂1)t=(t1,t2, ,t n)为库所的延时约束矩阵,表示保护的整定延时㊁断路器的动作延时㊂2)t R=(t r1,t r2, ,t r n)为库所实际录得时间㊂3)Δt=(Δt1,Δt2, ,Δt n)为库所的延时约束不确定矩阵,表示时间距离的不确定度㊂4)其余元素同文1.3节㊂2.1㊀图形化建模电网结构可通过对元件配置各级保护和断路器的不同来体现,而传统的P e t r i网模型对电网结构的改变不具备适应性,因此基于开关量的时序模糊P e t r i网对每个元件建立通用模型,避免了电网拓扑结构改变时对模型及相关矩阵的修改㊂通用模型考虑了输电线路配置的主保护㊁近后备保护和远后备保护㊂当电网结构发生变化时,按修正部分保护及断路器的动作概率,分别为α1=m1M1i1(5)α2=n1N1i2(6)式(5)㊁(6)中㊀m1㊁n1分别为保护㊁断路器动作数; M1㊁N1分别为该元件配置的保护数和该保护相关的断路器数;i1㊁i2分别为修正前的保护㊁断路器动作概率㊂基于开关量的时序模糊P e t r i网的通用模型如图3所示,第1层中,各个库所为各级保护和相应断路器;第2层(P1~P6)是中间库所,无实际物理意义;第3层(P7~P15)是过渡库所,表示在输电线路的继电保护中,各级保护和断路器的相互配合关系;最后一层表示元件㊂PPPPPTTT图3㊀基于开关量的时序模糊P e t r i网通用模型F i g u r e3㊀G e n e r a lm o d e l o f t e m p o r a l f u z z y P e t r i n e tb a s e do n t h e r e m o t ec o mm u n i c a t i o n2.2㊀时序特性与时序约束根据继电保护原理,故障发生㊁各级保护装置和相应断路器动作存在固有动作时间,三者产生的警报信息时刻分布在一定范围之内,并在时间上相互配合㊁相互约束㊂时序约束关系包括一元时间点约束和二元时间距离约束㊂1)一元时间点约束㊂定义事件确切发生的时间点为t,鉴于系统实际运行的诸多不确定因素,需用t和不确定度Δt来共同定义,即事件发生时刻的时间区间T(t)为[t-Δt,t+Δt]㊂2)二元时间距离约束㊂定义事件i时间点t i和事件j时间点t j之间的确切长度为时间距离d i j,即d i j=t i-t j㊂时间长度的不确定度用Δd表示,则时间点t i和t j之间的时间距离为D(t i,t i)= [d i j-Δd,d i j+Δd]㊂若事件a能触发事件b,称事件a是事件b的原因事件,事件b是事件a的结果事件㊂将一元时间点和二元时间距离的正反向时序推理运算作如下定义㊂正向时序推理是已知原因事件a的时间点约束和事件a㊁结果事件b之间的时间距离约束,正向推理得到事件b及其相应的时间点约束,事件b的611第37卷第1期肖㊀丰,等:一种融合电气量和开关量的电网P e t r i网故障诊断方法时间点约束为T(t b)=T(t a)+D(t a,t b)=[t a+d a b-Δt2a+Δd2a b,t a+d a b+Δt2a+Δd2a b](7)㊀㊀同理,反向时序推理是已知结果事件b的时间点约束和事件b㊁原因事件a之间时间距离约束,反向推理得到事件a及其相应的时间点约束,事件a 的时间点约束为T(t a)=T(t b)-D(t a,t b)=[t b-d a b-Δt2b+Δd2a b,t b-d a b+Δt2b+Δd2a b](8)㊀㊀因此,针对每个可疑故障元件相应的开关量进行时序推理分析㊂通过判断时序信息是否满足时序约束条件,来甄别错误警报信息,可有效地提高诊断的容错性㊂时序信息约束检查步骤如下:第1步:确定停电区域,停电区域内的元件均视为可疑故障元件;第2步:针对每一个元件,划分与该元件相关的开关量,形成不同集合;第3步:对每个集合分别进行时序推理分析,利用获得的开关量动作时刻进行反向时序推理,得到故障发生的一元时间点约束;第4步:合并每个集合故障发生的一元时间点约束,得到故障发生的一元时间点总约束;第5步:对故障发生的一元时间点总约束进行正向时序推理,得到各个库所的一元时间点约束,再与获得的时序信息相比较,便可甄别不满足时序信息的错误开关量信息㊂由继电保护的配置原理,定义故障发生时刻到主保护㊁近后备保护和远后备保护动作时刻的时间距离约束为[9]d[t r,t m]ɪ[d r m-Δd r m,d r m+Δd r m]= [10,40],d[t r,t p]ɪ[d r p-Δd r p,d r p+Δd r p]= [260,340],d[t r,t s]ɪ[d r s-Δd r s,d r s+Δd r s]= [950,1070],m s㊂下标r为故障发生,下标m为主保护,下标p为近后备保护,下标s为远后备保护㊂另外,定义各级保护与相对应断路器动作的延时区间为d[t R,t b]ɪ[d R b-Δd R b,d R b+Δd R b]=[20, 40],下标R表示触发断路器的各级保护,下标b表示各级保护相应的断路器㊂2.3㊀模型参数的设定1)库所初始置信度㊂首先利用时序约束关系,对开关量进行时序约束检查,剔除不满足时序约束关系的错误信息后,再通过高斯函数运算㊁时序信息关联特性的挖掘分析,为库所的初始置信度重新赋值,代替人为经验取值,能提高诊断模型的容错性,并有效增大保护㊁断路器动作的真实性,从而提高故障诊断的准确性㊂对初始置信度的赋值,即α(t r)=k㊃e x p(-(t r-t)2/(2Δt)2)(9)㊀㊀事件期望发生的时间区间为[t-Δt,t+Δt],t 为期望的事件发生时间点,Δt为其不确定度,t r为电力系统实际采集的事件发生时间点,k为可靠性系数,则取值为0.9㊂改进的赋值方法满足电力系统发生故障后时序推理的逻辑关系,若t r在[t-Δt,t+Δt]区间内,说明采集的时间点在期望的时间范围中,可有较高的概率值输出,则获得的初始置信度值更大;若t r不在[t-Δt,t+Δt]区间内,说明事件没有发生在期望的时间区间内,获得的初始置信度值较小㊂t r离时间距离越远,α(t r)就越小㊂若电力系统未录得该事件的实际发生时间,则认为事件发生时间为t r=ɕ,α(t r)趋于0㊂而对于未收到警报信息的事件,由于警报信息存在不确定性,均赋予事件较低的概率值0.2作为初始置信度㊂2)变迁的输入弧和输出弧参数㊂故障发生后,由保护㊁断路器动作切除故障,恢复供电㊂认为保护动作和断路器跳闸对规则的重要性一致,设置保护库所和断路器库所到变迁的输入弧权值均为0.5㊂由于线路配置的各级保护相互配合对规则的影响不同,因此采用不同的权值组合,以提高故障诊断的容错性,如图3所示,其余输入弧权值为1㊂3)变迁可靠性㊂认为主保护动作㊁近后备保护动作和远后备保护动作的影响程度不同,依次按照重要度的不同,赋予变迁输出弧的置信度依次为1㊁0.95㊁0.85[10],其他情况设置变迁输出弧的置信度均为1㊂此外,设置变迁的阈值均为0.2㊂由矩阵形式的模糊推理机制计算得到第i个元件故障概率表征,即模糊故障度(f u z z y f a u l td e g r e e,F F D),再对其进行归一化处理形成证据体㊂711电㊀㊀力㊀㊀科㊀㊀学㊀㊀与㊀㊀技㊀㊀术㊀㊀学㊀㊀报2022年1月3㊀诊断流程故障诊断流程如图4所示,具体步骤如下㊂1)故障发生,获取开关量,确定停电区域,形成可疑故障元件集㊂2)针对可疑元件提取元件的电流波形数据㊂3)电流波形HH T 分析后提取故障特征量,由模糊逻辑分析确定模糊逻辑P e t r i 网的初始置信度,矩阵形式的迭代计算后,得到频率故障度和能量故障度㊂4)对开关量时序信息进行约束检查,剔除不满足时序约束的错误信息㊂5)分析挖掘开关量时序信息,确定库所初始置信度,经矩阵形式的迭代计算后,得到模糊故障度㊂6)各故障度归一化处理后,形成待融合证据体,采用D -S 证据理论[11]进行信息融合,得到元件最终的故障概率㊂TFPN 分析FFD确定库所初始置信度时序约束检查TLPN 分析FDD 、EDD模糊逻辑分析HHT 分析确定停电区域故障录波系统SCADA 系统故障发生归一化处理D-S 证据理论得到最终结果图4㊀故障诊断流程F i gu r e 4㊀P r o c e s s o f f a u l t d i a g n o s i s 4㊀算例分析与对比通过采用P S C A D /E MT D C 软件搭建新英格兰10机39节点系统,如图5所示,并模拟故障场景来进行仿真,并采用M A T L A B 软件实现故障诊断程序,以验证该方法的有效性㊂设置仿真步长为100μs ,仿真时长为0.2s ,故障发生时刻为0.08s ,故障持续时间为0.07s㊂故障发生后,由于事先未知故障类型,应先计算三相故障特征值,选取三相中故障特征值最大相作为该元件的故障特征值㊂认为故障概率大于0.7的元件为实际故障元件,但在实际应用中故障概率超过0.5的元件,调度人员仍应将该元件纳入需关注的范围[10]㊂下面用一个简单的故障案例场景来描述故障诊断具体过程㊂该故障案例场景为线路L 4-14发生单相短路故障时,主保护L 4-14S m 动作并跳开断路器C B (4)-14,主保护L 4-14R m 动作但断路器C B (14)-4拒动,导致事故扩大,远后备保护L 13-14R s 和L 14-15S s 动作,由断路器C B (13)-14和C B (15)-14动作来切除故障㊂该故障场景模拟的是主保护对应的断路器拒动㊂为方便分析计算,时标取相对时间:(L 4-14S m ,25),(L 4-14R m ,27),(CB (4)-14,58),(L 13-14R s ,1030),(L 14-15S s ,1033),(C B (13)-14,1055),(C B (15)-14,1060),m s ㊂下标S 表示线路左(或上)端,下标R 表示线路右(或下)端㊂图5㊀新英格兰10机39节点系统结构F i gu r e 5㊀N e wE n g l a n d10m a c h i n e 39b u s s y s t e m 1)搜索停电区域,确定可疑故障元件集Φ,Φ={L 4-14,L 13-14,L 14-15},并将开关量划分为每个元件对应的集合㊂2)针对以上3个可疑故障元件,有针对性地提取和处理电流波形,无需历遍所有元件,可大大地提高故障诊断效率㊂以元件L 4-14为例,元件L 4-14的A 相电流如图6所示㊂3)对元件L 4-14的A 相电流进行HHT 分析,得到H i l b r e t 边际谱和H i l b r e t 边际能量谱,计算出频率畸变度为0.0422,故障能量度为0.7152㊂通过811第37卷第1期肖㊀丰,等:一种融合电气量和开关量的电网P e t r i 网故障诊断方法仿真采集了正常状态和不同故障类型的电流数据共35组以确定隶属度函数(见图1)中e 1和e 2的取值㊂在计算频率畸变度的隶属度时,e 1取值为0.005,e 2取值为0.05;在计算故障能量度的隶属度时,e 1取值为0.001,e 2取值为1.5㊂通过模糊逻辑分析确定模糊逻辑P e t r i 网模型的初始置信度,经过矩阵化推理得到频率故障度和能量故障度,频率故障度为0.4789,能量故障度为0.6754㊂4)对开关量时序信息进行约束检查,均满足时序约束关系㊂5)对开关量时序信息进行挖掘分析,通过高斯函数计算,确定了基于开关量的时序模糊P e t r i 网模型的初始置信度m 0=(0.9,0.8968,0.8960,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.8675,0.8818),由矩阵形式的模糊推理,经4次迭代计算,得到模糊故障度0.8364㊂t /msI /k A543210-1-2-3-4-50.020.040.060.080.100.120.140.160.180.200.00图6㊀A 相电流波形F i gu r e 6㊀P h a s eAc u r r e n tw a v e f o r m ㊀㊀6)对各故障度进行归一化处理,形成待融合证据体㊂7)对待融合证据体利用D -S 证据理论进行决策层融合,得到各元件最终的故障概率,如表1所示㊂表1㊀诊断结果T a b l e 1㊀D i a gn o s i s r e s u l t s 元件故障概率L 4-140.9194L 13-140.0431L 14-150.0367从表1可判断元件L 4-14发生故障,诊断结果与预设故障一致,所提方法能正确诊断出故障元件㊂在未考虑电气量的情况下,只针对开关量分析得到L 4-14的故障概率仅为0.8364,计及电气量和开关量综合分析得到的故障概率为0.9194,故障概率显著地提高㊂为进一步验证所提方法的有效性和容错性,还应充分考虑各种故障场景㊂表2为考虑各种复杂故障场景下的诊断结果,算例1模拟的是远后备保护及其相应断路器误动的故障场景,该方法能对断路器拒动和远后备保护误动有较好的容错性;在算例2中,模拟了近后备保护及其相应断路器误动的故障场景,仍能正确诊断故障元件;算例3中,虽然在主保护相应断路器时标信息错误且远后备保护信息表2㊀新英格兰10机39节点系统的故障结果T a b l e 2㊀F a u l t r e s u l t s o fN e wE n g l a n d10m a c h i n e 39b u s s ys t e m 算例故障案例场景(相对时间/m s)基于开关量的故障概率计及电气量和开关量的故障概率诊断结果实际故障元件1L 13-14S m (22)㊁L 13-14R m (25)㊁C B (13)-14(56)㊁L 4-14S s (1026)㊁L 4-14R m (1027)㊁L 14-15S s (1028)㊁C B (4)-14(1056)㊁C B (14)-4(1058)㊁C B (15)-14(1063)L 13-14/0.838L 14-15/0.262L 4-14/0.273L 13-14/0.961L 14-15/0.016L 4-14/0.023L 13-14L 13-142L 16-17S m (18)㊁L 16-17R m (17)㊁C B (17)-16(66)㊁L 16-21R s (1036)㊁L 16-24R s (1044)㊁L 16-19Rs (1038)㊁L 15-26R s (1037)㊁C B (21)-16(1097)㊁C B (24)-16(1088)㊁C B (19)-16(1090)㊁C B (15)-16(1096)㊁L 16-21S p (311)㊁C B (16)-21(350)L 16-17/0.787L 16-21/0.257L 16-24/0.256L 15-16/0.357L 16-19/0.253L 16-17/0.931L 16-21/0.013L 16-24/0.033L 15-16/0.028L 16-19/0.016L 16-17L 16-173L 17-27R m (28)㊁C B (17)-27(312)㊁C B (26)-27(1097)L 17-27/0.595L 27-26/0.20L 17-27/0.969L 27-26/0.029L 17-27L 17-27911电㊀㊀力㊀㊀科㊀㊀学㊀㊀与㊀㊀技㊀㊀术㊀㊀学㊀㊀报2022年1月丢失的复杂故障场景中,但仍不影响故障元件的正确诊断㊂在各个复杂故障场景中,仅对开关量分析得到的故障概率均低于综合分析电气量和开关量得到的故障概率,说明综合考虑电气量和开关量的电网故障诊断方法能有效地提高实际故障元件的故障概率,使故障诊断结果更加符合实际情况㊂表3为本文所提方法诊断结果与文献[12]方法诊断结果的对比,经过多组仿真算例验证,本文所提方法能有效地提高实际故障元件的故障概率,并使非故障元件的故障概率大大地降低,具有更优的故障辨识能力㊂表3㊀与文献[12]的对比结果T a b l e 3㊀F a u l t r e s u l t s o fN e wE n gl a n d10m a c h i n e 39b u s s ys t e m 算例故障概率本文文献[12]诊断结果动作信息评价1L 13-14/0.9608L 14-15/0.0164L 4-14/0.0232L 13-14/0.7600L 14-15/0.1800L 4-14/0.1700L 13-14L 4-14R m 和相应断路器误动2L 16-17/0.9308L 16-21/0.0135L 16-24/0.0334L 15-16/0.0281L 16-19/0.0160L 16-17/0.6525L 16-21/0.4600L 16-24/0.3679L 15-16/0.3679L 16-19/0.3679L 16-17近后备保护和相应断路器误动3L 17-27/0.9695L 27-26/0.0296L 17-27/0.5580L 27-26/0.1800L 17-27主保护断路器时标错误且远后备保护信息丢失5㊀结语针对现有基于P e t r i 网的电网故障诊断方法大多未考虑电气量且未有效地利用开关量时序信息的关联特性和冗余性的问题,本文提出了一种计及电气量和开关量的电网P e t r i 网故障诊断方法㊂首先对元件的电流波形进行HH T 分析,提取故障特征,通过模糊逻辑分析得到频率故障度和能量故障度㊂然后对开关量时序信息进行时序约束检查,剔除不满足时序约束的错误信息,利用时序关联特性确定事件的初始置信度,经模糊推理计算得到模糊故障度㊂最后利用D -S 证据理论进行信息融合,得到元件最终的故障概率㊂多组仿真结果表明所提方法均能正确诊断实际故障元件,可见具有较好的准确性和容错性㊂参考文献:[1]杨亮,滕宇,张凌浩,等.基于泛在物联网建设的客户侧变配电设施远程故障诊断方法研究[J ].供用电,2020,37(1):62-66.Y A N G L i a n g,T E N G Y u ,Z HA N G L i n h a o ,e ta l .R e -s e a r c ho nr e m o t ef a u l td i a gn o s i s m e t h o df o rc u s t o m e r s i d e t r a n s f o r m e ra n dd i s t r i b u t i o nf a c i l i t i e sb a s e do nu -b i q u i t o u s p o w e ri n t e r n e to ft h i n g s [J ].D i s t r i b u t i o n &U t i l i z a t i o n ,2020,37(1):62-66.[2]赵佳彬,帕孜来㊃马合木提.基于键合图的不确定性混杂系统故障诊断[J ].电测与仪表,2021,58(8):166-171.Z HA OJ i a b i n ,P A Z I L A I M a h e m u t i .F a u l td i a gn o s i so f u n c e r t a i nh y b r i d s y s t e m s b a s e do nb o n d g r a ph [J ].E l e c -t r i c a l M e a s u r e m e n t &I n s t r u m e n t a t i o n ,2021,58(8):166-171.[3]Z HA N G Y a n ,C h u n g C h iY u n g,W E N F u s h u a n ,e ta l .A na n a l y t i cm o d e l f o r f a u l t d i a g n o s i s i n p o w e r s y s t e m s u t i l i z i n g r e d u n d a n c y a n dt e m p o r a l i n f o r m a t i o no f a l a r m m e s s a g e s [J ].I E E E T r a n s a c t i o n o n P o w e r S ys t e m ,2016,31(6):4877-4886.[4]陈模盛,李敬兆.基于L P WA N 多源信息融合的高压开关柜智能监测与故障诊断系统[J ].智慧电力,2020,48(8):98-103+122.C H E N M o s h e n g ,L IJ i n g z h a o .H i g h -v o l t a g es w i t c h ge a r i n t e l l i g e n tm o n i t o r i n g a n df a u l td i ag n o s i ss y s t e m b a s e d o nL P WA N m u l t i -s o u r c e i n f o r m a t i o nf u s i o n [J ].S m a r tP o w e r ,2020,48(8):98-103+122.[5]肖飞,杨建平,邓祥力,等.基于遥信数据故障编码技术及D HN N 校正的电网故障诊断方法[J ].电力系统保护与控制,2019,47(21):62-72.X I A OF e i ,Y A N GJ i a n p i n g ,D E N GX i a n gl i ,e t a l .Af a u l t d i a g n o s i sm e t h o do f p o w e r g r i db a e s do nr e m o t es i gn a l d a t a f a u l t c o d i n g t e c h n o l o g y an dD HN Nc o r r e c t i o n [J ].021第37卷第1期肖㊀丰,等:一种融合电气量和开关量的电网P e t r i网故障诊断方法P o w e r S y s t e mP r o t e c t i o n a n dC o n t r o l,2019,47(21):62-72.[6]陈泗贞,梁竞雷,卢迪勇,等.基于C OM T R A D E模型的电力系统多源故障数据融合分析方法[J].电力科学与技术学报,2019,34(3):92-100.C H E NS i z h e n,L I A N GJ i n l e i,L UD i y o n g,e ta l.M u l t i-s o u r c ef a u l td a t a c o m p r e h e n s i v e a n a l y s i s m e t h o d f o r p o w e r s y s t e mb a s e do nC OM T R A DE m o d e l[J].J o u r n a l o fE l e c t r i cP o w e r S c i e n c e a n dT e c h n o l o g y,2019,34(3): 92-100.[7]胡列翔,王蕾,董明枫,等.基于改进时间约束P e t r i网的综合能源系统运行优化及可靠性评估[J].中国电力, 2020,53(10):123-132+139.HU L i e x i a n g,WA N G L e i,D O N G M i n g f e n g,e ta l.O p-e r a t i o no p t i m i z a t i o na n dr e l i a b i l i t y e v a l u a t i o n o fi n t e-g r a t e de n e r g y s y s t e mb a s e d o n i m p r o v e d t i m e c o n s t r a i n-e dP e t r i n e t[J].E l e c t r i c P o w e r,2020,53(10):123-132+ 139.[8]贾立新,薛钧义,茹峰.采用模糊P e t r i网的形式化推理算法及其应用[J].西安交通大学学报,2003,37(12): 1263-1266.J I AL i x i n,X U EJ u n y i,R U F e n g.F u z z y P e t r i n e tb a s e df o r m a l i z e dr e a s o n i ng a l g o r i th m wi t h a p p l i c a t i o n s[J]. J o u r n a l o fX i'a n J i a o t o n g U n i v e r s i t y,2003,37(12):1263-1266.[9]杨斐然,于永进.基于时间约束的分层模糊P e t r i网的配电网故障诊断[J].电力系统保护与控制,2020,48(20): 99-106.Y A N GF e i r a n,Y U Y o n g j i n.F a u l t d i a g n o s i so f d i s t r i b u-t i o n n e t w o r k b a s e d o n t i m e c o n s t r a i n e d h i e r a r c h i c a l f u z z y P e t r i n e t s[J].P o w e rS y s t e m P r o t e c t i o na n dC o n-t r o l,2020,48(20):99-106.[10]陈靖秋.基于信息融合的电力系统不确定性故障诊断的研究[D].成都:西南交通大学,2014. [11]康健.基于多传感器信息融合关键技术的研究[D].哈尔滨:哈尔滨工程大学,2013.[12]张岩,张勇,文福拴,等.容纳时序约束的改进模糊P e-t r i网故障诊断模型[J].电力系统自动化,2014,38(5): 66-72.Z HA N G Y a n,Z HA N G Y o n g,W E N F u s h u a n,e ta l.P o w e r s y s t e mf a u l td i a g n o s i sw i t ha ne n h a n c e df u z z y P e t r i n e t a c c o mm o d a t i n g t e m p o r a l c o n s t r a i n t s[J].A u-t o m a t i o no fE l e c t r i cP o w e rS y s t e m s,2014,38(5):66-72.121。
基于Petri网的离散事件系统故障诊断与不透明性验证
基于Petri网的离散事件系统故障诊断与不透明性验证基于Petri网的离散事件系统故障诊断与不透明性验证1. 引言离散事件系统广泛应用于各种工业自动化领域，并且在现代社会中扮演着重要角色。
然而，由于系统复杂性的增加，故障诊断和系统行为验证变得越来越具有挑战性。
为了解决这一问题，研究人员们提出了许多基于Petri网的方法，通过建模和分析离散事件系统来实现故障诊断和不透明性验证。
2. Petri网的基本概念Petri网是一种形式化的图形工具，广泛应用于描述和建模并发系统的行为。
其基本概念包括库所（Place）、变迁（Transition）、标识（Marking）和弧（Arc）。
通过将这些元素组合起来，可以形成一个Petri网模型，用于描述离散事件系统。
3. 基于Petri网的故障诊断方法基于Petri网的故障诊断方法主要通过构建模型、收集系统执行轨迹并使用故障诊断算法来识别系统中的故障。
首先，需要将系统建模为Petri网，将系统的状态、状态转移以及变迁与库所和弧相对应。
然后，通过在模型上模拟系统执行轨迹，收集数据并分析以确定可能的故障原因。
最后，应用故障诊断算法对数据进行处理，从而确定系统中的故障。
4. 基于Petri网的不透明性验证方法在某些情况下，系统的行为可能很复杂，使得难以验证其正确性。
基于Petri网的不透明性验证方法可以帮助我们验证系统的正确性，并且能够发现隐藏的行为。
首先，同样需要建立系统的Petri网模型。
然后，通过模拟系统行为，并使用不透明性验证算法来分析系统的可观察行为和不可观察行为之间的关系。
通过该方法，可以发现系统中的不透明性，并进行相应修复。
5. 实例分析为了进一步说明基于Petri网的故障诊断和不透明性验证方法的有效性，我们将以一个具体的例子进行分析。
假设我们有一个生产线系统，其中包括多个机器和传送带。
我们需要对该系统进行故障诊断和不透明性验证。
首先，我们将系统建模为Petri网，并收集数据进行故障诊断。
基于Petri网理论的地区电网故障诊断系统研究的开题报告
基于Petri网理论的地区电网故障诊断系统研究的开题报告一、研究背景与意义电力系统是现代社会基础设施之一，但随着电力系统规模不断扩大，故障发生的概率也随之增加，给电力系统的安全、稳定运行带来严重的挑战。
因此，如何及时、准确地诊断电力系统故障，对于保障电力系统稳定运行以及社会的安全、经济、生产的发展具有重要意义。
Petri网是一种用于描述并发系统行为的图形化语言，具有表达能力强、直观性好等优点，近年来在电力系统故障诊断研究领域得到了广泛应用。
基于Petri网理论进行电力系统故障诊断研究，可以有效地提高诊断效率和准确度，具有一定的实用价值。
二、研究内容和步骤本研究将基于Petri网理论，设计和实现一套地区电网故障诊断系统，具体研究内容和步骤如下：1. 系统功能模块设计设计系统的功能模块，包括故障诊断模块、结果库模块、图形展示模块等，明确系统的功能要求和实现思路，为后续研究步骤提供指导。
2. 系统数据采集与处理通过数据采集设备采集实时的电力系统运行数据，包括电压、电流、状态等参数，将数据处理成系统所需的格式，便于后续的故障诊断分析。
3. 建立Petri网故障诊断模型基于Petri网理论，建立地区电网故障诊断模型，包括实时数据采集、数据分析、故障诊断分析等环节，通过对模型的定量分析，能够实现对电力系统故障的快速、准确诊断。
4. 系统实现与测试实现系统的各个模块并进行测试，包括系统性能测试、准确性测试等，验证系统的实用性和准确性。
三、预期成果本课题研究旨在设计和实现一套基于Petri网理论的地区电网故障诊断系统，通过对电力系统数据进行实时采集、分析和处理，能够快速、准确地诊断电力系统故障，促进电力系统的安全运行和稳定发展，预期成果包括：1. 设计并实现一套地区电网故障诊断系统，能够实现对电力系统故障的快速、准确诊断。
2. 基于Petri网理论，建立地区电网故障诊断模型，提高故障诊断准确性和效率。
3. 通过系统测试验证系统的实用性和准确性，为推广应用提供支持。
模糊Petri网在汽车故障诊断中的应用研究的开题报告
模糊Petri网在汽车故障诊断中的应用研究的开题报告一、选题背景随着现代汽车电子技术的快速发展，尤其是OBD(On-Board Diagnostic，车载诊断)系统的广泛应用，汽车故障诊断技术已经成为了汽车维修领域的一个重要问题。
传统故障诊断方法主要依赖于专业技师的经验，对于某些复杂的故障诊断只能通过不断尝试和调试来寻找问题，造成不必要的时间和精力的浪费。
如何提高汽车故障诊断的精确度和效率，成为了汽车维修界的新课题。
Petri网是一种描述并发系统的图形语言和分析工具，已经广泛应用于各种领域。
Petri网是一个有向图，分为两类元素：位置和变迁，能够用来描述对象（如汽车）的状态和对象之间的关系。
Petri网具有可视化、易于理解和形式化分析的特点，是一种有效的工具。
模糊理论是一种能够处理不确定性问题的数学理论，其核心思想是用隶属度函数来描述事物之间的模糊关系。
模糊Petri网是将模糊理论与Petri网相结合进行建模，能够更好地描述系统的模糊性和不确定性。
本研究将探讨将模糊Petri网应用于汽车故障诊断中的可行性，并尝试建立模糊Petri网模型用于汽车故障诊断，以提高汽车故障诊断的精确度和效率。
二、研究目的本研究的主要目的是探讨模糊Petri网在汽车故障诊断中的应用，建立模糊Petri 网模型并验证其可行性。
具体研究目标如下：1.了解汽车故障诊断的相关理论知识和现状；2.研究Petri网与模糊理论的基本原理和相关技术；3.分析汽车故障诊断问题的特点和复杂度，探讨模糊Petri网在该领域中的应用；4.建立基于模糊Petri网的汽车故障诊断模型，验证其可行性和有效性；5.在现有汽车故障诊断方法中比较模糊Petri网模型的优劣，总结模型的特点和优点。
三、研究内容和方法本研究的主要内容是探讨模糊Petri网在汽车故障诊断中的应用，并建立模糊Petri网模型用于汽车故障诊断。
具体的研究内容和方法如下：1.文献研究法。
基于petri网故障检测技术综述
基于Petri网故障检测理论的综述2016年1月16日基于Petri网故障检测理论的综述摘要：这篇综述主要介绍了Petri网的基本原理及其在电力系统中的应用。
通过阅读数十篇有关Petri网在电力系统中应用研究方面的学术文献,介绍了Petri网在故障诊断、系统恢复等方面的论述。
针对课堂上薛老师提出的“Petri网与专家系统的不同”问题，课下又进行了相应地论文研究，将其补充在报告中。
Petri网在电力系统中的应用涉及面很广,在当今电力系统故障检测方面受到了比较普遍的重视。
关键字：Petri网；故障诊断；系统恢复0 引言电力工业是国民经济的重要支柱。
电力系统的安全、稳定、经济运行一直是电力工作者所追求的目标。
现代电力系统日趋大型化和复杂化，一旦系统发生事故，如何尽快判断故障，为故障解列和恢复供电提供依据，以减少停电损失，成为现在研究的重要课题。
输电网络故障诊断主要是对各级各类保护装置产生的报警信息、断路器的状态变化信息以及电压电流等电气测量量的特征进行分析，根据保护动作的逻辑和运行人员的经验来推断可能的故障位置和故障类型。
目前，人工智能技术由于其善于模拟人类处理问题的过程，在电力系统方面常用于推断可能的故障位置和故障类型，如：基于人工神经网络的方法［1,2］、基于遗传算法的方法[3]、基于模糊理论的方法及基于专家系统的方法［4,5］等。
尽管这些人工智能方法解决了故障诊断领域中的许多问题，但是，由于受到本身固有缺点的限制，在实际的工程应用上还是会遇到许多具体的无法解决的困难。
Petri网理论在电力系统故障诊断中的应用是近年来的主要趋势[6]。
本文把Petri网理论应用到电力系统故障诊断中，并应用矩阵计算最终标识。
Petri网模型具有快速准确、适应性强、稳定性好的特点，系统构建相对简单，容错能力强，能够适应大规模电力系统中的复杂故障情形。
1 Petri网基本理论1.1 Petri网理论的由来1962年联邦德国的卡尔·A·佩特里（Carl Adam Petri）在他的博士论文《用自动机通信》中首次使用网状结构模拟通信系统。