基于petri网的电网故障诊断方法硕士论文
基于时序模糊Petri网的电力系统故障诊断方法汇总
基于时序模糊P e t r i 网的电力系统故障诊断杨健维,何正友(西南交通大学电气工程学院,四川省成都市610031摘要:提出了基于时序模糊P e t r i 网的电力系统故障诊断方法,重点分析了故障诊断模型的特点,给出了电网拓扑结构发生变化时模型的快速修正方法,充分合理地利用了保护和断路器动作信息的时序属性,提出了动作信息不完备情况下的纠错算法,可较好地完成继电保护的动作评价㊂以14节点系统为例验证该诊断方法的准确性和模型修正方法的快速性㊂与已有方法的比较表明,该方法诊断速度快㊁精度高,具有适应电网拓扑结构变化的能力,适用于大型电力系统故障诊断㊂关键词:故障诊断;时序模糊P e t r i 网;时序信息;不完备信息;电力系统收稿日期:2010-09-27;修回日期:2011-03-15㊂国家自然科学基金资助项目(50877068㊂0 引言目前,电力系统元件的故障诊断主要是利用数据采集与监控(S C A D A系统获得的保护和断路器动作信息,其主要方法有优化算法[1]㊁人工神经网络[2]㊁专家系统[3]㊁模糊推理[4]㊁P e t r i 网[5-6]等㊂上述方法在元件故障诊断方面具有一定的适应性,但仍存在以下局限:①大多依赖于调度中心准确㊁完整的故障信息,当存在保护或开关误动㊁拒动以及信息丢失时,往往难以得到精准的诊断结果,特别是在多重故障或者扩大性故障发生时,问题尤为突出;②电力系统故障过程中,信息的时序属性未得到充分合理的运用;③针对大规模复杂电网的故障诊断,如何在网络拓扑改变后,实现诊断模型的自动修正也是亟待解决的关键问题之一㊂近年来,国内外有学者采用信息理论[7]㊁粗糙集[8]等方法来解决大规模复杂电网故障诊断中的信息不确定性问题,采用P e t r i 网㊁贝叶斯网络等方法对元件进行建模来解决大电网诊断过程中建模复杂的问题,这些研究都取得了一定进展,但在大规模复杂电力系统诊断建模和决策方面还存在一定困难㊂基于此,本文提出一种基于时序模糊P e t r i 网(t e m p o r a l o r d e r f u z z y P e t r i n e t s ,T O F P N 的电力系统故障诊断模型,充分合理地应用警报信息的时序属性,对保护和断路器误动㊁拒动以及丢失等不确定性信息进行纠错处理,提出了电网拓扑结构变化时的快速修正方法,有效地改善了拓扑变化时难以重新建模的问题㊂1 T O F P N 的数学描述1.1 T O F P N 定义结合模糊P e t r i 网(F P N的定义[9],考虑信息时序属性,T O F P N 可以定义为一个八元组:S T O F P N ={P ,T ,T T S ,I ,O ,α,θ(0,U }式中:P ={p 1,p 2, ,p n}为库所结点的有限集合,对应命题;如果p i 是一个开始位置,那么定义p i 为起始库所㊂T ={t 1,t 2, ,t m }为变迁结点的有限集合,对应规则㊂T T S ={T 1,T 2, ,T m }为获得起始库所状态信息的时间㊂I 为输入矩阵,I =(δi j n ×m ,δi j 为逻辑量,δi j ∈[0,1],当p i 是t j 的输入(即存在p i 到t j 的有向弧时,δi j 的值为该有向弧的权值;当p i不是t j 的输入时,δi j =0㊂其中,i =1,2, ,n ,j =1,2, ,m ㊂O 为输出矩阵,O =(γi j n ×m ,γi j 为逻辑量,γi j∈[0,1],当p i 是t j 的输出(即存在t j 到p i 的有向弧时,γi j 的值为该规则的可信度;当p i不是t j 的输出(即不存在t j 到p i的有向弧时,γi j =0㊂其中,i =1,2, ,n ,j =1,2, ,m ㊂α为库所对应的命题的可信度,α∈[0,1]㊂θ(0为初始状态,θ(0=[θ(0p 1,θ(0p 2, ,θ(0p i ]T ,θ(0p i 为命题p i 的初始逻辑状态,θ(0p i∈[0,1],表示p i 状态为真的可信度,i =1,2, ,n ㊂U 为规则可信度矩阵,U =d i a g (μ1,μ2, ,μm ,μj 为规则t j 的可信度,μj ∈[0,1],其中j =1,2, ,m ㊂若μj =1时,模型为不含模糊变量的一般P e t r i 网推理模型㊂1.2 T O F P N 的模糊推理决策T O F P N 的推理决策与普通模糊P e t r i 网相同,1 第35卷第15期2011年8月10日V o l .35 N o .15A u g 10,2011采用实用的不确定推理方法 MY C I N 的置信度方法[10],该方法引入极大代数中的⊕和⊗算子㊂⊕:A ⊕B =C ,若A ,B ,C 均为m ×n 的矩阵,则C i j =m i n (A i j ,B i j㊂⊗:A ⊗B =D ,若A ,B ,D 分别为m ×q ,q ×n ,m ×n 的矩阵,则D i j =m a x 1≤k ≤q(A i k ,B k j ㊂根据以上2个极大代数算子的定义,引入 n e g”算子和中间变量v (k,则推理过程中有如式(1~式(3所示的推理公式㊂n e g θ(k=1m -θ(k =θ(k (1式中:n e g θ(k为一m 维向量,其中元素表示命题P i为假的可信度,i =1,2, ,m ;1m 为一m 维向量,其中元素全为1;k 为推理步骤;θ(k 为推理至第k 步时库所的状态㊂v (k =I T ⊗(n e g θ(k=I T ⊗θ(k(2式中:v (k为一n 维向量,为中间变量,表示规则t j 为假的置信度,j =1,2, ,n ㊂ρ(k =ne g v (k =n e g (I T ⊗(n e g θ(k =I T⊗θ(k (3式中:ρ(k为一m 维向量,表示规则为真的置信度㊂根据以上定义及式(1~式(3,可得库所p i 下一步的状态为:θ(k +1=θ(k ⊕[(O ㊃U ⊗(I T ⊗θ(k](4 综上所述,可以得到推理算法步骤如下㊂步骤1:读入数据j =1,2, ,n ㊂步骤2:令推理步骤k =0㊂步骤3:利用式(1~式(4,最终得到θ(k +1㊂步骤4:若θ(k +1≠θ(k ,令推理步骤k =k +1,返回步骤3,重新计算θ(k +1;若θ(k +1=θ(k ,则推理结束㊂2 T O F P N 的电力系统故障诊断模型2.1 故障诊断T O F P N 模型的特点电网中元件关联的继电保护装置都设有整定动作时限,把它融合于P e t r i 网中,可以根据1.1节的定义建立电力系统故障诊断的时序P e t r i 网模型㊂电力系统故障后,主保护动作触发相应的断路器动作,后备保护的动作均是经过一段时间的延时,并且与延时结束时断路器的状态有关㊂为了简化模型,本文只考虑保护和断路器时间上的顺序关系,根据T O F P N 的推理决策,可以得出更准确的诊断结果㊂对复杂电网进行故障诊断,需要解决的一个主要问题就是网络拓扑改变时诊断模型的自动修正㊂本文以电力系统元件为对象,建立故障诊断的T O F P N 模型,其具有如下特点:1对于线路,分别建立其两端的T O F P N 模型;对于母线或变压器,由于其故障时,主保护动作会切除与其相连的所有断路器,每一个断路器的拒动都会导致故障范围的扩大,因此需要对每一个连接方向分别建立T O F P N 模型㊂2基准模型的设定㊂本文建模时,采用传统的保护配置原则㊂母线或变压器没有近后备保护,由相邻线路的保护作为后备保护;线路本身具有主保护和近后备保护,由相邻线路的保护作为远后备保护㊂由模型第1个特点可知,与某一元件相关联的几个T O F P N 模型结构相同,据此特点,可以设定基准模型㊂定义基准模型初始库所时序关联矩阵元素为: B 0(p i ,T TS j =1p i与T T S j 关联0p i与T T S j {不关联(5式中:i ,j=1,2, ,为每个T O F P N 模型的库所和变迁数㊂根据定义,给出母线(或变压器和线路的基准模型的初始库所时序关联矩阵分别为:B 0r B (p i ,T T S j =100001000010éëêêêêêùûúúúúú001B 0r L (p i ,T TS j =100000010100001000000010éëêêêêêêùûúúúúúú000001 式中:r=1,2,,为与某一元件相关联的T O F P N 模型数㊂对于T O F P N 模型中涉及的矩阵,其中的库所向量和变迁向量的排列顺序如下㊂1库所向量排列顺序对于母线和变压器来说,依次为:主保护,主保护对应的断路器,后备保护,后备保护对应的断路器㊂对于线路来说,依次为:主保护,主保护对应的断路器,近后备保护,近后备保护对应的断路器,远后备保护,远后备保护对应的断路器(线路的远后备保护及其断路器的个数由与其相连的元件数决定㊂2变迁向量排列顺序对于母线和变压器来说,依次为:主保护动作,后备保护动作,主保护动作切除故障,后备保护动作切除故障㊂对于线路来说,依次为:主保护动作,近后备保护动作,远后备保护动作,主保护动作切除故障,近后备保护动作切除故障,远后备保护动作切除故障㊂2 2011,35(152.2 故障诊断T O F P N模型及其快速修正对复杂电网进行故障诊断,T O F P N模型可以在网络拓扑改变时实现诊断模型的自动修正,其主要原因是:对于某一元件,其关联的几个T O F P N模型结构相同,也就是说模型的库所和变迁之间的连接方式不变,所以当网络拓扑发生变化时,只是元件子模型的个数发生变化,只需要添加或者删除相应的子模型即可㊂14节点电力系统拓扑见附录A图A1,该系统由34个元件㊁74个保护㊁42个断路器组成㊂以母线B13为例,根据拓扑结构,3条线路与母线B13相连,构建与母线B13相关的3个时序模糊P e t r i网模型,则根据模型特点,3个子模型结构必然相同,由此得到3个模型如图1所示㊂图1 母线B13的时序模糊P e t r i网模型F i g.1 T O F P N m o d e l o f b u s B13图中:B13m为母线主保护;L X R s和L X S s为线路远后备保护,S和R分别为线路的两端,以每条线路在附录A图A1上的位置为准,从左到右依次定义为S端和R端;下标X为线路的具体标号;C B x为线路两端的断路器,下标x根据线路两端母线名称进行命名;P Y(n为中间库所,n=1,2, 为各个模型中中间库所的个数;P(Y为终止库所;t Y(m为变迁,m=1,2, 为模型中变迁的个数;下标Y为关联方向,表示该方向上与母线直接相连的线路名称,用以区别同一元件不同的T O F P N模型㊂若在该系统中的母线B13与B11间增加一条线路L4(如附录A 图A1中虚线所示,此时,对母线B13,相当于母线B13增加了一个故障蔓延方向,对其进行故障诊断,只需建立该故障蔓延方向上的T O F P N模型(如图2所示,其余方向的T O F P N模型不变㊂图2 添加的T O F P N模型F i g.2 A d d i t i v em o d e l o fT O F P N将添加的T O F P N子模型与其他T O F P N模型一起作为新拓扑结构的诊断模型,并且各个T O F P N子模型结构相同,无论哪个T O F P N子模型均与基准模型相同,其输入㊁输出矩阵和初始库所时序关联矩阵均不改变,因此,对于增加支路的情况,保留未增加支路前的计算结果,再与增加支路后的结果进行融合即可㊂这样就方便地完成了诊断模型的快速修正,大大减小了建模复杂度㊂3 保护和断路器信息的纠错处理电力系统发生故障时,受电力系统自动化程度和信息传输信道等因素的影响,导致获取的继电保护和断路器动作信息的不准确或不完备,从而造成P e t r i网推理无法进行,因此需要对故障信息进行有效的纠错处理㊂如2.1节所述,继电保护是否动作与时序密切相关㊂因此,本文引入时序信息来完成保护和断路器的纠错处理,提出下述纠错算法,对保护和断路器的拒动㊁误动以及信息丢失的情况进行判别㊂需要说明的是:1同一时刻,只考虑同一类装置最多有2个信息误动及丢失情况㊂此假设符合系统运行实际㊂2根据对保护和断路器动作可靠性的分析可知,对于保护和断路器的拒动只需考虑1级拒动[11],也就是只需考虑主保护拒动,或主保护正确3㊃学术研究㊃杨健维,等基于时序模糊P e t r i网的电力系统故障诊断动作而其控制的某个断路器拒动㊂3多个断路器同时动作,则判定其共同的保护装置动作㊂设收到带有时序属性的保护和断路器动作信息时,与某一元件相关联的r 个T O F P N 模型实际的库所时序关联矩阵元素为:B 0r (p i ,T TS j =1p i与T T S j 关联0p i与T T S j {不关联(6为了描述纠错算法,定义如下2个算子㊂直乘算子☉:若D =M ☉N ,则d i j =m i j n i j ㊂比较算子○C :若D =M ○C N ,则当m i j ≠n i j 时d i j =1,否则d i j =0㊂则有B 0r '(p i ,T T S j =B 0(p i ,T T S j ☉B 0r (p i ,T TS j (7 F r =B 0r '(p i ,T T S j ○C B 0r (p i ,T TS j (81若B 0r '(p i ,T T S j ≠B 0r (p i ,T TS j ,则存在时序不一致信息,判断结果为相关信息误动;搜索由B 0r (p i ,T T S j 到B 0r '(p i ,T TS j 过程中的变位信息(状态由1→0所对应的元件即为误动元件;也就是对应F i j =1的库所元件即为误动元件㊂2若B 0r '(p i ,T T S j =B 0r (p i ,T T S j ,则分为以下几种情况(以母线的标准型为例进行说明㊂①若主保护及其关联的断路器动作,则信息完备,无拒动元件,库所时序矩阵对应的基准模型为:B 0r B (p i ,T T S j =100001000000éëêêêêêùûúúúúú0000 ②若主保护动作,其对应断路器未动作,经延时后,其后备保护及对应的断路器动作,则判断主保护对应的断路器拒动,库所时序矩阵对应的基准模型为:B 0r B (p i ,T T S j =100000000010éëêêêêêùûúúúúú0001 ③若主保护及其断路器时序不关联,都为0,而延时后后备保护及其断路器时序关联信息为1,则判断为主保护拒动,库所时序矩阵对应的基准模型为:B 0r B (p i ,T T S j =000000000010éëêêêêêùûúúúúú0001 ④若不满足上述基准模型,则判断结果为信息丢失㊂根据保护及对应断路器动作的逻辑关系即可判定丢失的信息㊂在实际电力系统故障算例的诊断过程中,将式(6~式(8的计算结果与各种不完备信息情况下的基准模型进行比较,结合保护及对应断路器的动作逻辑关系完成对保护断路器信息的纠错处理,据此对不完备的信息进行完备化处理,即可得到准确的故障诊断结果㊂例如监控中心收集到如下信息:T 1时收到B 13m保护动作信息,T 2时收到C B 1312,C B 1306,C B 1314,L 1213S s 动作信息㊂首先搜索停电区域,确定停电区域内的元件为B 13,根据拓扑结构建立与B 13相关联的3个T O F P N 模型(如图1所示,其库所时序关联矩阵分别为:B 01=100001000100éëêêêêêùûúúúúú0000 B02=100001000000éëêêêêêùûúúúúú0000B 03=100001000000éëêêêêêùûúúúúú0000 B 01'=100001000000éëêêêêêùûúúúúú0000B 02'=100001000000éëêêêêêùûúúúúú0000 B 03'=100001000000éëêêêêêùûúúúúú0000此时有F 1=000000000100éëêêêêêùûúúúúú0000F 2=F 3=000000000000éëêêêêêùûúúúúú0000 根据上述纠错算法进行判断,可得L 1213S s 误动㊂4 算例仿真分析及比较通过以上分析,故障诊断过程可分为4个步骤:1搜索停电区域,确定可疑故障元件㊂2对停电区域内的可疑故障元件,分别建立与其相关联的T O F P N 模型㊂3对监控中心获得的保护和断路器信息进行纠错分析并进行信息完备化处理㊂4利用纠错后的信息完成T O F P N 的模糊推理,得到可疑元件的故障可信度,确定故障元件㊂考虑到保护断路器动作的不确定性特点以及动作的优先权,分别对保护和断路器的动作可信度进行设定[6],如表1所示,考虑到规则可信度的不确定性,对每条规则可信度取值为0.95㊂4 2011,35(15表1 保护㊁断路器动作可信度设置T a b.1 C e r t a i n t y f a c t o r s e t t i n g o f p r o t e c t i o n s a n dc i r c u i t b r e a k e r s o p e r a t i o n元件动作概率保护断路器主保护0.90.95近后备保护0.80.85远后备保护0.70.75 进行故障诊断时,对于某一元件,对与其关联的多个方向的T O F P N分别进行推理,将得到的多个结果进行融合处理,即得到元件的最终故障可信度㊂应用图1所示的14节点网络拓扑,对电力系统故障诊断的T O F P N方法进行仿真验证㊂部分测试结果如表2所示㊂其中,L X S m和L X R m为线路近后备保护㊂表2 算例系统的部分测试结果T a b.2 S o m e t e s t r e s u l t s f o r t h e e x a m p l e s y s t e m算例继电保护动作信息缺失信息误动/拒动信息T O F P N诊断结果可疑故障元件故障可信度实际故障元件1B07m(1,B10m(1动作;C B0704(2,C B0709(2,C B0708(2,C B1011(2,C B1009(2跳闸无无B07B100.81230.8123B07B102L1213S s(3,L0613S s(3,L1314R s(3动作;C B1213(4,C B0613(4,C B1413(4跳闸无B13m拒动B13,L1213L0613,L13140.7220,0.19600.1960,0.1960B133B13m(1,L0613S s(3动作;C B1312(2,C B1314(2,C B0613(4跳闸无C B1306拒动B13L06130.78200.2260B134B11m(1,L0204R m(1,L0204S m(1,L1011R s(3动作;C B1106(2,C B0204(2,C B0402(2,C B1011(4跳闸无C B1110拒动B11,L0204 L10110.7670,0.8123,0.2260L0204B115B11m(1,L0204R m(2动作;C B1106(2,C B1110(2跳闸无L0204R m误动C B0204拒动B110.8123B116B11m(1,L0204R m(2,L0204S m(2动作;C B1106(2,C B1110(2,C B0204(3,C B0402(3跳闸无L0204R m和L0204S m误动B11L02040.81230.2260B117L0204R m(1,L0204S m(1动作;C B1106(2,C B1110(2,C B0204(2,C B0402(2跳闸B11m无B11L02040.81230.8123B11L02048B13m(1动作;C B1312(2,C B1314(2跳闸C B1306无B130.8123B13注:表中(内为相对时序;故障可信度为取各个关联方向诊断结果的平均值㊂值得说明的是,T O F P N最终以概率的形式给出每个可疑故障元件发生故障的可信度,工作人员根据故障可信度值的大小确定元件的维修顺序㊂表2中的算例1为信息完备情况下的诊断,通过推理,可以得出准确的诊断结果;算例2~算例5存在保护和断路器的拒动和误动信息,计算结果表明:虽然拒动导致了故障区域的扩大,但利用本文方法建立的T O F P N推理模型,通过与文中构建基准模型的对比,识别出误动或拒动信息,同样可以得出正确的诊断结果,说明该方法对保护和断路器的误动或拒动具有较好的容错性㊂算例6模拟了存在保护断路器时序不一致信息情况下的故障诊断㊂此时,若不考虑时序属性,根据保护断路器的动作信息可得故障元件为B11和L0204,而通过本文算法的纠错处理,得到L0204R m, L0204S m,C B0204和C B0402对于线路L0204为时序不一致信息,最终得到故障元件为母线B11㊂算例7和算例8模拟信息丢失情况下的故障诊断㊂可见,在存在关键信息丢失的情况下,该方法依然能够得出正确的诊断结果,这表明T O F P N对信息丢失的情况也具有一定的容错性㊂综上所述,该算法在信息完备㊁不完备㊁存在时序不一致信息乃至关键信息丢失的情况下,都能够准确地判断出故障元件,具有较高的容错性㊂表3给出了本文方法与其他2种方法在计算量㊁保护断路器动作评价㊁精度以及拓扑变化适应能力方面的比较结果㊂表3 本文方法与其他方法的比较T a b.3 C o m p a r i s o n r e s u l t s a m o n g v a r i o u sm e t h o d s方法计算量保护断路器动作评价精度精度拓扑变化适应能力本文方法简单的矩阵运算保护和断路器动作评价正确表2中的算例均可得到准确的诊断结果拓扑变化迅速,无需重新建模文献[6]方法简单的矩阵运算不能识别时序错误的动作信息对表2中的算例6~算例8不能得出正确的诊断结果需要重新建模文献[12]方法贝叶斯公式推理,条件概率计算保护和断路器动作评价正确表2中的算例均可得到准确的诊断结果需要重新建模并对网络重新训练5㊃学术研究㊃杨健维,等基于时序模糊P e t r i网的电力系统故障诊断( 2 0 1 1, 3 5 1 5 5 结语本文提出了基于 TO F P N 的电力系统故障诊断方法 , 实现了存在保护和断路器误动㊁拒动以及信息丢失情况下计及警报信息时序属性的电力系统故障诊断㊂该方法诊断速度快㊁精度高㊁可准确地完成保具有较好的应用前景㊂护断路器的动作评价 , 并且对电网拓扑变化具有较好的适应能力 , 适用于大规模复杂电网的故障诊断 , ( : T r a n so nP o w e rS s t e m, 2 0 0 4, 1 9 1 2 0 5 3 2 0 5 9. y [ ] , , , 汤磊孙宏斌张伯明等基于信息理论的电力系统在线故障诊7 . ] , , ( : 断[ 中国电机工程学报 J. 2 0 0 32 37 5 1 1. [ ] , ,S , 8 S HU H o n c h u n S UN X i a n f e i ID a u n e ta l .A s t u d f g g j yo [ ] f a u l td i a n o s i s i nd i s t r i b u ti o n l i n eb a s e do nr o u hs e t t h e o r J . g g y ( : P r o c e e d i n so f t h eC S E E, 2 00 1, 2 1 1 0 7 3 8 2. g [ ] ,L 9 L IX i a o o u A R A R O S ANO F.D n a m i ck n o w l e d ei n f e r e n c e y g a n dl e a r n i n n d e ra d a t i v ef u z z e tf r a m e w o r k[ J] .I E EE gu p yn [ ] 1 0 L UO X, K E Z UNOV I C M.I m l e m e n t i n u z z e a s o n i n p gf yr g P e t r i n e t sf o rf a u l ts e c t i o ne s t i m a t i o n[ J] .I E E ET r a n so n , ( : P o w e rD e l i v e r 2 0 0 8, 2 3 2 6 7 6 6 8 5. y [ ]梅念 , 石东源 , 李银红 , 等. 计及信息畸变影响的电网故障诊断 1 1 ] ( : 分级优化方法 [ 电工技术学报 , J . 2 0 0 9, 2 4 9 1 7 8 1 8 5. , M ,a :P T r a n so n S s t e m s a n n d C b e r n e t i c s a r t C y y , ( : A l i c a t i o n sa n dR e v i e w s 2 0 0 8, 3 0 4 4 4 2 4 5 0. p p f a u l td i a n o s i sf o rp o w e rs s t emb a s e do ni n f o r m a t i o nt h e o r g y y [ ] ( : J . P r o c e e d i n so f t h eC S E E, 20 0 3, 2 3 7 5 1 1. g ,S ,Z ,e T AN GL e i UN H o n b i n HANG B o m i n ta l .O n l i n eg g 参考文献 [ ]翁汉琍 , ] 毛鹏 , 林湘宁 . 一种改进的电网故障诊断优化模型[ 1 J . , ( : 电力系统自动化 , 2 0 0 73 17 6 6 7 0. , ( : A u t o m a t i o no fE l e c t r i cP o w e rS s t e m s 2 0 0 7, 3 1 7 6 6 7 0. y [ ] 2 C A R D O S O G, R O L I MJG, Z ÜM H H. A l i c a t i o no f n e u r a l p p 1 0 3 4 1 0 3 8. [ ]赵伟 , 白晓民 , 丁剑 , 等. 基于协同式专家系统及多智能体技术的 3 ] ( : 电网故障诊断方法 [ 中国电机工程学报 , J . 2 0 0 6, 26 2 0 1 8. , MAO P ,L WE N G H a n l i e n I N X i a n n i n .A ni m r o v e d g g g p m od e lf o ro t i m i z i n o w e rs s t e m f a u l td i a n o s i s[ J] . p g p y g n e t w o r k m o d u l e st o e l e c t r i c p o w e rs s t e m f a u l ts e c t i o n y [ ] , : e s t i m a t i o n J . I E E ET r a n so nP o w e rD e l i v e r 2 0 0 4, 1 9( 1 y ( : C S E E, 2 0 0 6, 2 6 2 0 1 8. [ ] 4 C HE N W H, L I U C W, T S A IM S .O n l i n ef a u l td i a n o s i so f g ( : 2 0 0 0, 1 5 2 7 1 0 7 1 7. [ ]孙静 , 秦世引 , 宋永华 . 一种基于 P 5 e t r i网和概率信息的电力系统 ] ( : 故障诊断方法 [ 电力系统自动化 , J . 2 0 0 3, 2 7 1 3 1 0 1 5. d i a n o s i sa r o a c ho fp o w e rg r i db a s e do nc o o e r a t i v ee x e r t g p p p p [ ] s s t e m a n d m u l t i a e n tt e c h n o l o J .P r o c e e d i n so ft h e y g g y g - ,B ,D ,e Z HAO W e i A IX i a o m i n I N GJ i a n ta l .A n e wf a u l t , ( : E l e c t r o t e c h n i c a lS o c i e t 2 0 0 9, 2 4 9 1 7 8 1 8 5. y [ ]吴欣 , 郭创新 , 曹一家 . 基于贝叶斯网络及信息时序属性的电力 12 : 系统故障诊断方法 [ 中国电机工程学报, J] . 2 0 0 5, 2 5( 5 1 4 1 8. , , WU Xi n GUO C h u a n x i n C AO Y i i a . An e wf a u l td i a n o s i s g j g f a u l td i a n o s i s b a s e do ng r a d u a l o t i m i z a t i o n i nc o n s i d e r a t i o no f g p [ ] a l a r m i n f o r m a t i o n a b e r r a n c e J . T r a n s a c t i o n s o f C h i n a , , , ME IN i a n S H IDo n u a n L IY i n h o n e ta l . P o w e rs s t e m g y g y a r o a c ho fs s t e mb a s e do nB a e s i a nn e t w o r ka n dt e m o r a l p p y y p [ ] ( : o r d e r i n f o r m a t i o n J . P r o c e e d i n so f t h eC S E E, 2 0 0 5, 2 5 5 g 1 4 1 8. d i s t r i b u t i o ns u b s t a t i o n su s i n b r i dc a u s e e f f e c tn e t w o r ka n d gh y ] , f u z z u l e b a s e dm e t h o d[ J . I E E ET r a n so nP o w e rD e l i v e r yr y - [ ] ,Q ,S 6 S UNJ i n I NS h i i n ON GY o n h u a .F a u l td i a n o s i so f g y g g e l e c t r i cp o w e rs s t e m sb a s e do nf u z z e t r in e t s[ J] . I E E E y yP m e t h o df o re l e c t r i cp o w e rs s t e m sb a s e do nP e t r in e t sa n d y [ ] r o b a b i l i t n f o r m a t i o n J .A u t o m a t i o n o f E l e c t r i c P o w e r p yi , ( : S s t e m s 2 0 0 3, 2 7 1 3 1 0 1 5. y ,Q ,S S UN J i n I NS h i i n ON G Y o n h u a .A f a u l td i a n o s i s g y g g c o m , 杨健维 ( 女, 通信作者, 博士研究生, 主要研究 1 9 8 3 : 方向 : 电力系统故障诊断㊂E m a i l y a n i a n w e i 0 9 1 0@1 6 3.g j , 何正友 ( 男, 博士 , 教授 , 博士生导师 , 主要研究 1 9 7 0 方向 : 现代信号处理和信息理论在电力系统故障分析中的应 :h 用㊁新型继电保护原理㊁配电网自动化㊂E m a i l e z y@ h o m e . s w t u . e d u . c n j P o w e rS s t e mF a u l tD i a n o s i sA r o a c hB a s e do nT i m eS e u e n c eF u z z e t r iN e t y g p p q yP Y ANGJ i a n w e i 敩HEZ h e n o u g y S o u t h w e s t J i a o t o n n i v e r s i t 敩 C h e n d u6 1 0 0 3 1敩 C h i n a 敤敥 gU y g c h a n e s i sp r e s e n t e d 敭 T h r o u h f u l l a n dr e a s o n a b l eu s i n t i m e s e u e n c ep r o e r t f o e r a t i o n i n f o r m a t i o no f c i r c u i t b r e a k e r s a n d g g g q p yo p A b s t r a c t 敽 P o w e rs s t e mf a u l td i a n o s i sa r o a c hb a s e do nf u z z e t r in e t i nc o n s i d e r a t i o no ft i m es e u e n c ei sp r o o s e d 敭B y g p p yP q p y a n a l z i n h ec h a r a c t e r i s t i c so faf a u l td i a n o s i sm o d e l 敩 af a s tm o d i f m e t h o do f t h em o d e lw h e nn e t w o r kt o o l o t r u c t u r e y gt g y p g ys r o t e c t i o n 敩 ac o r r e c t i o na l o r i t h m si sp r o o s e di nc a s eo f i n c o m l e t ei n f o r m a t i o no fr e l a e r a t i o n s 敩 a n dab e t t e ro e r a t i o n p g p p yo p p e v a l u a t i o nf o r r e l a r o t e c t i o nc a nb ec o m l e t e d 敭A sa ne x a m l e 敩 1 4 b u ss s t e mi st e s t e dt ov e r i f h ea c c u r a c fd i a n o s t i c yp p p y yt yo g d i a n o s i s 敭 g m e t h o d sa n dt h ef a s t n e s so fm o d e lu d a t i n e t h o d 敭 I nc o m a r i n i t he x i s t i n e t h o d s 敩 t h en o v e lm e t h o dp r o o s e dh a s pgm p gw gm p b e t t e ra c c u r a c n dh i h e rs e e d 敩 a n dc a na d a tt ot h en e t w o r kt o o l o h a n e sa n di nf a v o ro fl a r ep o w e rs s t e m f a u l t ya g p p p g yc g g y Th i sw o r k i ss u o r t e db a t u r a lS c i e n c eF o u n d a t i o no fC h i n a敤 N o 敭 5 08 7 7 0 6 8 敥敭 p p yN K e o r d s 敽 f a u l td i a n o s i s 敾 t e m o r a lo r d e rf u z z e t r in e t 敾 t e m o r a lo r d e r i n f o r m a t i o n 敾 i n c o m l e t e i n f o r m a t i o n 敾o w e rs s g p yP p p p y yw t e m s 6。
基于petri网电力故障诊断技术研究
基于ｐｔ 网电力故障诊断技术研 究 ｅｉ ｒ
Ｐｅｔ ｉｎｅｕｒ ｒ ａｌｎｅｔ ｏｒ ｗ ｋ ｂａｓｅｄ ｆ ａｕｌ ａｇｎｏｓ ｓ ｔ ｔｄｉ ｉ ｅｃｈｎｏｌ ｏｇｙ ｏｆｅｌ ｅｃｔ ｉ ｐｏ ｅｒ ｒｃ ｗ
章
磊
ＺＨＡＮＧ ｅ Ｌ ｉ
（ 常州轻工职业技术学院 ，常州 ２ ３ ６ ） １ １ ４
ｐ ｔｉ ｅ ｒ网的技术采 解决这个 电力 系统的 问题 ，最后 还通过 仿真实验得 出结果 ，表明 本文提 出 的技术 确实可行 ，效率 高。 关键词 ： ｐ ｔｉ ；电力故障 ；诊 断技术 ｅｒ 网
中图 分 类 号 ：Ｔ １ ５ Ｈ ６ 文 献标 识 码 ：Ａ
文章编号 ：１ ０ — １４ ２１ ）６ 上） ０ —０ ９ ０ （ ０ ０ （ 一 １８ ２ ０ ３ ２ ０
摘
要 ：在 现今 的各行 各业 中离不开 电力系 统 ，电子 系统早 与人们 生活息 息相关 ，故 在任何 一个 电 力 系统产 生故 障都 会给 人们 工作和 生活 带来的 影响 ，故 如何 高效 地诊 断出问题 所在是 电力
系 统 行业 亟待 解决 的 问题 ，针对 这 个现 象 ，本 文结 合 电力 系 统本 身的 特征 ，提 出用 基 于
障 区域 ，依 靠 的 识别 技 术 是 继 电保 护 和 断路 器 的
动 作 信 息 ，故本 文 针对 这 个 特性 ，用 Ｐ ｔ 网 可 以 ｅｉ ｒ 搭 建 起 故 障 诊 断 系 统 的 模 型 ，更 加 形 象 和 清晰 地 描 述 了 系统 的 流 程 ， 集合 电力 系 统 结 线 分析 方 法 和 建 模 技 术 ，且 通 过 一 些 列 的 仿 真 实 验也 说 明该
Ｄｏ ： ． ９ ９ ｊ ｉｓ ．０ ９ ０ ． ０ ２ ８ 上 ） ３ ｉ １ ３ ６ ／ ． ｎ １ ０ — １ ４ ２ １ ．（ ． ３ ０ ｓ ３
利用Petri网特征结构的故障诊断方法
利用Petri网特征结构的故障诊断方法叶丹丹;罗继亮【摘要】For fault diagnosis in large complex systems,a on-line fault diagnose method is proposed to solve the problem of high computational complexity.First,modeled a Petri net model.Secondly,proposed the strict minimal place-invariant and the set of characteristic place-invariant,so that might describe the structure information of Petri net model.Finally, based on the set of characteristic place-invariants,the failure function for any current marking is proposed.And then,uti-lized this failure function to diagnose and locate the faults.The result shows that this fault diagnosis method with the structure information dose not need traverse all states space of system.Furthermore,this method is with the computa-tional complexity of polynomial,which makes this method meet the real time requirements.%为解决大规模复杂系统故障诊断中计算复杂性高的问题，提出一种基于 Petri网的在线故障诊断方法。
一种基于Petri网的电网故障诊断方法
一种基于Petri网的电网故障诊断方法作者：潘明九王颖兰洲王蕾来源：《价值工程》2018年第32期摘要：电力系统发生故障时，其相应的保护以及断路器动作跳闸，根据这些动作信息，通过广度优先搜索法找出故障发生区域，然后对该区域内的可疑元件进行Petri网建模，再利用Visual Object Net ++软件进行故障诊断。
实验表明，该方法能够通过保护和断路器的状态准确找出故障元件。
Abstract： When the power system fails， its corresponding protection and circuit breaker will trip. According to these action information， the fault occurrence area is found by the breadth-first search method， and then the suspected components in the area are modeled. Then Visual Object Net++ software is used for troubleshooting. Experiments show that the method can accurately identify the faulty component through the state of protection and circuit breaker.关键词：故障诊断；广度优先搜索法；Petri网；Visual Object Net ++软件Key words： fault diagnosis；breadth-first search method；Petri net；Visual Object Net ++ software中图分类号：TM711 文献标识码：A 文章编号：1006-4311（2018）32-0177-020 引言故障诊断一般根据保护以及断路器的状态来定位故障元件从而实现隔离。
基于模糊Petri网的电网故障研究
基于模糊Petri网的电网故障研究近几年来，电网故障诊断成为电网安全运行领域的研究热点。
以模糊Petri 网（FPN）为工具，对电网故障时收集到的故障信号进行分析诊断，判断出故障元件。
考虑系统元件的各级保护间的配合关系，对元件进行建模，结合Petri网的推理规则，计算出可疑故障元件的故障置信度。
以三机九节点系统为例，验证算法的可行性。
标签：故障诊断；模糊Petri网；故障置信度；三机九节点系统引言电网故障诊断技术一直是电力系统安全运行领域的研究热点。
电网发生故障时是一个典型的多信源系统，具有典型的异步并发特点。
Petri网具有严密的数学定义，具有同步并发处理问题的能力，利用Petri网进行电网故障诊断研究，具有理论的可行性。
模糊Petri网引入模糊理论，用概率的方法来描述具有不确定性的保护和断路器的动作信息。
对可疑故障元件进行建模，利用模糊推理规则，计算元件发生故障的可信度。
1 理论介绍1.1 模糊Petri网Petri网由三部分组成：库所、变迁和有向弧。
模糊Petri网（FPN）与Petri网的区别：FPN每个库所被赋予一个[0，1]上的实数作为该库所为真的置信度；赋予每个变迁一个确定因子表示变迁使能可能性概率。
1.2 模糊Petri网推理规则模糊Petri网是一个基于规则的网络系统，推理规则主要有：简单规则；与连接；或连接；条件“与”。
它们的点火机制：设库所pi对应命题置信度为？琢（pi），规则的置信度为？滋i，那么：简单规则：？琢（p2）=？琢（p1）·？滋；“与”连接：？琢（p3）=（（？琢（p1）+？琢（p2））/2）·？滋；“或”连接：？琢（p3）=max{（？琢（p1）·？滋1，？琢（p2））·？滋3}。
为了便于计算，将“与”连接点火规则引申为：设输出库所Pn的概率为？琢（pn），其具体值可用一高斯函数fa（x）加以拟合，即？琢（pn）=fa（a（pj）·？滋k），其中：pj∈I（tk），pi∈O（tk）。
基于BP网络算法优化模糊Petri网的电力变压器故障诊断
基于BP网络算法优化模糊Petri网的电力变压器故障诊断摘要：为了提高电力变压器故障诊断的准确性,提出了一种基于BP网络算法来优化模糊Petri网的电力变压器故障诊断方法。
使用BP网络算法的自学习和自适应能力,在确定权重的模糊Petri网,阈值,信誉等网络参数初始值的前提下,优化模糊Petri网网络参数。
在模糊Petri网网络结构、算法的BP网络,电力变压器DGA训练样本,模糊Petri网网络参数一步一步接近真正的价值。
实例分析结果表明,该方法可以有效地诊断电力变压器的单故障和多故障,提高故障诊断的精度,证明了该方法的正确性和有效性。
关键词：变压器；故障诊断；油中溶解气体分析；BP 网络；模糊 Petri 网引言为了保证变压器的安全稳定运行,必须迅速、准确地诊断变压器故障。
专家、学者提出了各种故障诊断方法,如气相色谱法、专家系统、振动法、模糊理论等。
但大多数这些方法适用于变压器、简单和单一故障发生时变压器故障复杂,诊断常常是困难的。
随着研究的深入,基于模糊推理的应用背景红外系统逐渐引入到变压器故障诊断。
红外系统具有良好的容错性,适用于变压器故障诊断的实际需求。
但红外系统自学能力差,不能等参数权重、阈值、信誉为学习和培训。
BP网络具有良好的自学习和自适应能力,可以通过反向传播网络权重的调整,阈值和可信度。
因此,本文结合了BP网络算法和红外系统,使用红外系统的BP网络算法优化参数,和BP网络算法应用于变压器故障诊断。
实验结果表明,该诊断方法能有效地识别和区分变压器故障,具有良好的诊断效果。
一、确定 FPN 网络结构及算法佩特里网结构,只导入库和输出库,没有中间库,每个改变图书馆只对应一个输出。
模糊Petri网的使用功能与单层结构变化引发连续函数,确定模糊推理算法。
1）模糊 Petri 网定义BPFPN单点单红外系统结构模型,其定义如下。
定义1个单点红外系统被定义为一组:10元红外系统= { P、T、D,I,O,f,α,β,Th,W }类型,P = {₁,皮,……Pim;警察甲,警察乙,…说,彩球}图书馆有限的节点集,包括{₁,皮,……说,pim }导入库节点集合{警察甲,警察乙,…,彩球}表示输出节点通过图书馆收藏。
基于加权模糊时序Petri网络的电网故障诊断模型
收稿日期：２０１８１１２３；修回日期：２０１８１２２７ 基金项目：国家大学生创新资助项目（２０１８１０４２９２０２，２０１８１ ０４２９２２０）
型、Ｐｅｔｒｉ网 络 （Ｐｅｔｒｉｎｅｔ，ＰＮ）［３—５］等 故 障 诊 断 方 法。文献［６］提出一种实用能量管理系统 （ｅｎｅｒｇｙ ｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍ，ＥＭＳ）实 时 信 息、测 控 单 元、保 护动作信息的电网故障诊断专家系统，可根据故障 信息进行诊 断 分 析，提 供 告 警 信 息，并 对 事 故 后 电 力系统安全稳定情况作进一步评估和分析。文献 ［７］通过 构 建 一 种 新 型 电 网 故 障 诊 断 优 化 模 型，尝 试找出传统解析诊断模型存在不唯一诊断结果的 原因，改进了保护和断路器的期望状态函数。文献 ［８］发展了一种考虑保护和断路器时序特性的模糊 Ｐｅｔｒｉ网（ｆｕｚｚｙＰｅｔｒｉｎｅｔ，ＦＰＮ）诊断模型，提出了部 分保护 ／断路器信息缺失或错误情况下的容错算法。
电网故障 诊 断 主 要 依 靠 故 障 设 备、断 路 器、保 护装置的动作逻辑，以及调度运行人员经验形成的 专家库来进 行 故 障 定 位，推 断 故 障 类 型，用 精 确 的 数学模型来描述这一过程相当困难。经过多年的 发展，对于电力系统中单一电力设备的离线故障诊 断方法已经比较成熟，但对于全电力系统的在线故 障诊断仍处于理论研究阶段或者低电压简单配电 网、简单拓扑电网的实际应用阶段。目前国内外研 究较多的是 基 于 专 家 系 统、人 工 神 经 网 络、解 析 模
英文文献翻译(基于Petri网的大型发电站故障诊断)
Petri Nets for Fault Diagnosis of Large PowerGeneration StationAbstract –In this paper, a simplified fault diagnosis method based on Petri nets is proposed to estimate the faulty item/section(s) of a large power generation station. The Petri nets are used as a modeling tool to build fault diagnosis models of item/section(s) of power station which aim to diagnose accurately the faults when a large amount information of SCADA system are detected in the control room. It can diagnose and estimate the faulty item/section(s) correctly for multiple faults as well as simple faults. In order to testify the validity and feasibility of that method, a computer simulation of High Dam power generation station is used. It is shown from three study cases that Petri nets fault diagnosis method has many merits such as: accurate fault diagnosis results, easy and flexible correctness of Petri net fault diagnosis models for each item/section(s).Keyword –Petri nets, fault diagnosis, power station.1. INTRODUCTIONFault diagnosis of a large power generation station can be a process of discriminating faulted power station item/section(s) by tripping of their protective relays and circuit breakers. Therefore, it requires information from SCADA system. When the information arrives at the control room, the operators analyze the data and diagnose the faulted item/section(s). The accuracy and speed of the diagnosis process depend entirely on the experience of the operators. However, as the complexity of power station increases, especially in the case of multiple faults, a lot of alarm information are transmitted to the power station control room. Under such situations, the operator should diagnose the faulty section rapidly and accurately. For this reason, the fault diagnosis systems have to be developed in the control rooms to assist, support and help the operators to carry out their tasks in diagnosis processes.Resent researches have been made toward developing fault diagnosis system. Most of these efforts are based on Expert Systems (ES) [1–4]. Artificial intelligence approaches, such as, artificial neural networks [5–7], genetic algorithm (GA) [8], family eugenics based evolution theory [9], immune algorithm [10] are developed. Two corresponding fault diagnosis researches for power generation station based on fuzzy relations and Bayesian networks respectively are given in reference [11, 12]. Petri nets have characteristic of the parallel information processing, concurrent operating function and considered as a very suitable and useful modeling tool. Some methodologies of modeling and analysis for the fault diagnosis of power system with Petri nets are proposed [13 – 16].The fault diagnosis systems are used widely in power systems and substations. In this paper, a simplified fault diagnosis method based on Petri nets for a large power generation station is proposed. This power generation station includes: generation units, step up power transformers, station service transformers, station buses and autotransformers. The proposed fault diagnosis method utilizes the information of the protective relays and circuit breakers to build Petri net model for each faulty item/section(s) of a large power generation station. The faulty item/section(s) can be diagnosed and estimated from the final state of the fired Petrinet. Moreover, a comparison of effectiveness and performance of the proposed Petri nets, fuzzy relations and Bayesian networks is presented.The proposed method is tested on 15.75/500 kV High Dam power generation station which affiliates to Hydro Plants Generation Company (HPGC) in Egypt. The testing results demonstrated that proposed method is easy reasoning, strong practicability of fault diagnosis models and finally, it assists and supports the operator in control room of the power station to make the right decision.2. MODELING METHOD OF PETRI NETS2.1 Petri Net DefinitionA Petri net is a one of several mathematical and graphical representations of discrete distributed systems [17, 18]. As a modeling language, it graphically depicts the structure of a distributed system as a directed bipartite graph decision.2.2 Petri Net Modeling PowerThe typical characteristics exhibited by the activates in a dynamic event-driven system, such as concurrency, decision making, synchronization and priorities, can be modeled effectively by Petri nets [20]:Sequential Execution; In Fig. 2 (a), transition 2 t can fire only after the firing of 1 t . this imposes the procedure constrain “ 2 t after 1 t ”. Such procedure constrains are typical of the execution of the parts in a dynamic system. Also, this Petri construct models the casual relationship among activates.Conflict; Transitions 1 t and 2 t are in conflict in Fig. 2 (b). Both are enabled but the firing of any transition leads to the disabling of the other transition. Such a situation will arise, for example when a machine has to choose among part types or a part has to choose among several machines. The resulting conflict may be resolved in purely non-deterministic way or in a probabilistic way, by assigning appropriate probabilities to the conflicting transitions together.Concurrency; In Fig. 2 (c), the transitions 1 t and 2 t are concurrent. Concurrency is an important attribute of system interactions. This is a necessary condition for a transition to be concurrent is the existence of a forking transition that deposits a token in two or more output places.Synchronization; It is quite in a dynamic system that an event requires multiple resources which related to circuit breakers and protective relays in this paper. The resulting synchronization of resources can be captured by transitions of the type shown in Fig. 2 (d). Here, 1 t is enabled only when each of 1 p and 2 p receives a token. The arrival of a token into each of the two places could be the result a possibly complex sequence of operations elsewhere in the rest of the Petri net model. Essentially, transition 1 t models the joining operation.Mutual Exclusive; Two processes are mutually exclusive if they cannot be performed at the same time due to constraints on the usage of shared resources. Figure 2 (e) shows this structure. For example, a robot may be shared by two machines for loading and unloading. Two such structures are parallel mutual exclusion and sequential mutual exclusion. Priorities; Such a modeling power can be achieved by introducing an inhibitor arc. The inhibitor arc connects an input place to transition, and is pictorially represented by an arc terminated with a small circle. The presence of an inhibitor arc connecting an input place to atransition changes the transition enabling conditions. In the presence of the inhibitor arc, a transition is regarded as enabled if each input place connected to the transition by a normal arc (an arc terminated with an arrow). Contains at least the number of tokens equal to the weight of the arc, and no tokens are present on each input place connected to the transition by the inhibitor arc. The transition firing rule is the same for normally connected places. The firing, however, does not change the marking in the inhibitor arc connected places. A Petri net with an inhibitor arc is shown in Fig. 2 (f). 1 t is enabled if 1 p contains a token, while 2 t is enabled if 2 p contains a token and 1 p has no token. This gives priority to 1 t over 2 t .Fig. 2 Petri net primitives to represent system features.本文节选自《基于Petri网大型发电站故障诊断》（《艾因夏姆斯工程学报》）中的部分章节专业及生僻词汇：Fault Diagnosis 故障诊断；Generatoin Station 发电站；Petri nets Petri网，一种建模方法；SCADA 在线监控系统；multiple faults 多重故障；discriminate 区别，辨别；relay 继电器；circuit breakers 继电器；omplexit 复杂性；Expert Systems 专家系统；Artificial intelligence 人工智能；genetic algorithm遗传算法；artificial neural networks人工神经网络；Bayesian贝叶斯定理的；genetic algorithm家族优生学；fuzzy 模糊的；genetic algorithm 免疫算法；affiliates 附属公司；practicability实用性；discrete 离散的；distributed 分布的、分散的；bipartite 双边的、双向的；concurrency 同时发生的；synchronization 同步；Sequential 连续的；non-deterministic 不确定性的；Mutual 共同的；constraint 约束、局促；inhibitor arc 抑制弧；inhibitor 抑制剂；High Dam高坝；基于Petri网的大型发电站故障诊断摘要：本文提出了一种基于Petri网的简化故障诊断方法用来判断大型发电站的故障元件或区域。
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。
基于智能优化的模糊Petri网的电网故障诊断
2021年1月第28卷第1期控制工程Control Engineering of ChinaJan. 2021Vol.28，No.l文章编号：1671-7848(2021)01-0127-08D O I: 10.14107/ki.kzgc.20180429基于智能优化的模糊Petri网的电网故障诊断孙铁军\曲丽萍2,关海爽\刘冲杰\张杰1(1.北华大学电气与信息工程学院，吉林吉林132021; 2.北华大学工程训练中心，吉林吉林132021)摘要：为了提高电网复杂故障时的应对能力，提出了基于信息优化的动态建模模糊PetriH的电贩障诊断料。
首先，基于层次賴的，骑，在S立常规故障诊断模獅基础上，引入动态库所、动态弧、动态变迁的概念来合理地拟合各种保护与断路器之间的逻辑关系，动态建立综合性故障的诊断模型；其次，依据故障信息源的特性对其进行了优化和预处理，W确定故雜料姑建立相姐障賴再次，湘钱优化算法对模型进行了训|练、学习；最后，分析了该模型在故障信息缺失时的容错性和在系统架构改变时的通用性。
对算例系统仿真的结果表明：该算法显著地增加了故障诊断过程的层次性、诊断模型的透明性、可理解性和易维护性，在故障信息缺失的情况下诊断结果具有较高的可信度。
关键词：动态库所；信息源；Petri网；数据挖掘；容错性中图分类号：T M77 文献标识码：AFault Diagnosis of Power Grid Based on Intelligent OptimizationFuzzy Petri NetSUN Tie-jun ,QU Li-ping2,GUAN Hai-shuang,LIU Chong-jie ,ZHANG Jie(1. College of Electrical and Information Engineering, Beihua University, Jillin 132021, China;2. Engineering Training Center of Beihua University, Beihua University, Jilin 132021, China)Abstract: In order to improve the ability to deal with complex faults of power grid,a dynamic modeling fuzzy Petri net based on information optimization was proposed.Firstly,based on the idea of hierarchical modeling and the establishment of conventional fault diagnosis model,the concepts of dynamic place,dynamic arc and dynamic transition were introduced to reasonably f i t the logical relationship between various protections and circuit breakers,and the comprehensive fault diagnosis model was established dynamically.Secondly, according to the characteristics of fault information source,the optimization and preprocessing were finished to determine the fault nature and the corresponding fault diagnosis model was established dynamically.Thirdly, the intelligent optimization algorithm was used to train and learn the model.Finally,the fault tolerance of the model w h e n the fault information i s missing and the universality w h e n the system architecture changes were analyzed.The simulation results sho w that the algorithm significantly increases the hierarchy of fault diagnosis process,the transparency,comprehensibility and maintainability of the diagnosis model,and the diagnosis results have high reliability w h e n the fault information i s missing.K e y words: Dynamic place;information source;Petri net;data mining;fault tolerance1引言智能电网自愈功能能否实现的关键在于电网 故障诊断的准确性。
Petri网在配电网故障定位中的应用
图2 Petri网故障定位模型
3 算例验证
在进行故障定位之前，应先根据配电网的结构建立相应
的故障定位模型。 当线路故障时，利用SCADA系统接收到的开
关故障状态，对相应库所赋予标识，经过PN故障定位模型的推
理求解，可以得到故障线路[4]。 本文仍以图1的配电网为例，来
说明上述故障定位方法的性能。
3.1 单一故障
定义4：通过对PN中的变迁赋予每个变迁一个正整数pτ（t） 的方式可以定义变迁ti触发的优先级；即对坌ti、tj∈T，若pτ（ti）＜ pτ（tj），则变迁ti先于tj触发。
2 配电网的故障定位模型
本节将以图1中的配电网为例说明配电网故障时的特点， 并对配电网进行建模。 图中包括出线断路器CB1，馈线开关 S1～S4，馈线区段D1～D5。
假设图1中馈线D3故障，此时开关
（下转第9页）
7
Dianqi Gongcheng yu Zidonghua◆电气工程与自动化
运行情况，确保合环线路及设备不过载，发生异常或事故时应 立即停止操作。 1.4 调度员执行环节风险管控
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。
一种基于Petri网技术的牵引供电系统故障诊断方法.
一种基于Petri 网技术的牵引供电系统故障诊断方法作者：张伟郭其一 毕业论文2010-11-27 14:13:36摘要介绍一种基于Pet ri 网的牵引供电系统故障诊断方法,可用于检测节点是否发生故障和判断信号是否准确。
给出了应用实例。
与传统方法相比,该方法提高了效率和准确性,更适合于在线检测。
关键词牵引变电所, Petri 网, 故障诊断城市轨道交通采用直流供电制式,供电电压在550～1 500 V 之间,对于直接从系统高压电网获得电力的城市轨道交通供电系统,往往需要再设置一级主降压变电站,将输电电压如110～220 kV 降低到10 ～ 35 kV 以适应直流牵引变电所的需要[ 1 ] 。
Petri 的博士论文中提出的,它实际上是一个有向图。
其基本原理是通过三个基本的结构元素:位置(place) 、变迁(transtion) 和弧(arc) ,来描述一个系统之间各元素的有机关系。
Petri 网最初用于计算机的并行处理。
随着Petri 网研究的不断深入,它已成为研究离散事件动态系统的一种有力工具。
两个成功的应用领域是性能评价和通信协议,其他有前途的应用领域包括分布式数据库系统、故障诊断等。
一个Petri 网中位置集用于描述可能的系统局部状态,变迁用于描述修改系统状态的事件,弧是局部状态和事件之间的关系。
在Petri 网模型中,标记(token) 包含在位置中,他们在位置中的状态变化表示系统的不同状态。
如果一个位置描述一个条件, 它能包含一个标记或不包含标记。
当一个标记表现在这个位置中,条件为真,否则为假。
如果一个变迁的所有输入位置(这些位置连接到这个变迁,弧的方向从位置到变迁) 至少包含一个标记,那么这个变迁可能实施(相联系的事件可能发生) 。
定义1[ 3 ] :一个三元组N = (S, T; F)是一个Petri 网,当且仅当:(1) S ∪T= <(网非空),(2) S ∩T= <(二元性),(3) FΑ (S ×T) ∪(T ×S) ( 流关系仅存在S 与T元素之间),(4) dom ( F) ∪cod ( F) = S ∪ T(没有孤立元素) 。
一种基于高级Petri网的微电网故障诊断方法
一种基于高级Petri网的微电网故障诊断方法刘科学;宣文华;魏少鹏;田雷雷【摘要】微电网拓扑结构灵活,运行方式多样,是一个相对自治系统.针对微电网拓扑结构多变导致故障诊断建模困难问题,提出基于微电网线路故障保护信息的分层Petri网分析模型.该模型以分层保护集形式处理微电网保护信息.当微电网拓扑结构改变时,只需更新相应的保护集信息,不需要重新建模,对微电网的灵活多变有较强的适应性.该模型还可以有效判别保护和断路器的拒动、误动和处理含有时序关系的保护信息.为增强诊断系统的容错性和可靠性,采用智能加权模糊Petri网理论自适应调整权值.仿真算例验证了方法的有效性.【期刊名称】《电力系统保护与控制》【年(卷),期】2016(044)015【总页数】6页(P106-111)【关键词】微电网;故障诊断;Petri网;BCC算法【作者】刘科学;宣文华;魏少鹏;田雷雷【作者单位】国网冀北电力有限公司秦皇岛供电公司,河北秦皇岛066000;国网冀北电力有限公司秦皇岛供电公司,河北秦皇岛066000;许继集团有限公司,河南许昌461000;燕山大学电气工程学院,河北秦皇岛066004【正文语种】中文传统的电网故障诊断方法主要通过对线路电压、电流进行定量分析来实现。
由于电网故障诊断过程中包含很多难以用传统数学方法描述的问题，导致传统诊断方法具有局限性[1-2]。
人工智能技术对处理不确定问题有独特优势，在现代电网故障诊断领域获得应用。
文献[3]提出利用专家系统方法把保护信息、断路器状态变化以及操作人员的知识和经验通过规则表示出来，形成故障诊断知识库，进而根据报警信息对知识库进行推理、判断，得到故障诊断结果。
文献[4]利用人工神经网络方法把大量电网故障实例作为分析和学习样本，把保护信息和断路器动作逻辑作为神经网络的输入，经过一定训练，实现知识的自组织和自学习，输出可能的故障元件。
文献[5]利用粗糙集理论对电力系统继电保护信息进行约简分类形成规则和决策。
基于时序的模糊Petri网的电力系统故障诊断通用模型
基于时序的模糊Petri网的电力系统故障诊断通用模型摘要：针对电网规模增大时，各元件的Petri网建模会产生组合爆炸问题，提出基于时序的电力系统元件模糊Petri网通用模型，加入时间约束关系提高Petri网的诊断性能。
把结线分析法和矩阵运算的推理算法运用在故障诊断过程中，解决了组合爆炸问题，并在系统接收错误及不完整的故障信息时，依然可以准确的进行故障诊断，容错性强。
通过实例验证了该方法的正确性和通用性。
关键词：Petri网；故障诊断；结线分析法；时序信息A General Method of Fault Diagnosis for Power SystemBased on Time Sequence Fuzzy Petri NetCHEN Jingqiu，WANG Qian，XIANG Qiangming，WANG Jiangli(School of Electrical Engineering, Southwest Jiaotong University, Chengdu 610031, Sichuan Province, China)ABCTRACT: The Petri model of each component will tend to combination exploding problem with the expansion of the scale of modern power systems.This paper has introduced the general Petri net models of different power system components, which using reasoning matrix method of to solve the problem of combinatorial explosion. When the system receive fault or unasceryainedinformation, it can still accurately make sure thefault diagnosis. An example has been verified the correctness and versatility.Key words:Petri net; fault diagnosis; topology analysis of power networks0 引言随着现代社会生产力水平的不断提高，可靠的电能是电力用户的基本要求，加之电网的互联规模越来越大，可能出现的故障也越来越复杂，因此电网故障的识别必须迅速、准确。
基于Petri网的电网故障诊断方法研究
基于Petri网的电网故障诊断方法研究作者：吴劲夫茹媛孟珍李曙光茹锋巨永锋来源：《现代电子技术》2011年第21期摘要：提出基于Petri网理论的地区电网故障分层诊断方法。
根据变迁的发生及库所中托肯的转移得到稳态Petri网模型，最终确定故障元件。
该方法采用图形化和解析式对电网故障诊断过程进行描述，实现具有信息预处理及启动检测、故障的检测、网络结构的更新、故障诊断、设备动作行为评价、人机交互等功能。
并在局部电网中进行了诊断与分析验证。
关键词：电网故障; 分层诊断; Petri网; 图形化; 解析式中图分类号：TN711.1-34; TM711 文献标识码：A文章编号：1004-373X(2011)21-0144-05 Research on Fault Diagnosis System of Power Grid Based on Petri NetWU Jin-fu1, RU Yuan2, MENG Zhen1, LI Shu-guang1, RU Feng1, JU Yong-feng12.School of Computer Science and Engineering, Xi’an Technological University, Xi’an 710032, China)Abstract：The stratified structure diagnostic method based on Petri net is proposed. The stable state Petri net model was established based on the variation of trigger firings and the shift of Tokens in the places, and the fault parts were determined. The method adopted graphical approach and analytic formula tocomplex fault Petri net models. The fault diagnostic system has features of information pretreatment and start examination, fault examination, grid architecture renewal, fault diagnosis, performance evaluation of the equipment and man-machine interactive.Keywords： power grid fault; stratified structure diagnosis; Petri net; graphical approach; analytic formula收稿日期：2011-06-01基金项目：国家自然科学基金项目(60804049)0 引言目前我国电力系统高速发展，已经进入以高电压、大机组、跨区域、交直流混合为特点的大电网时代。
基于最大似然译码字的Petri网电网故障诊断方法
基于最大似然译码字的Petri网电网故障诊断方法程学珍;陈强;于永进;王程;刘建航【摘要】考虑到畸变的动作信号对电网故障诊断准确度的影响,提出一种基于最大似然译码字的Petri网故障诊断方法.首先,根据保护和断路器的动作逻辑关系,建立故障元件的Petri网诊断模型,并运用CPN Tools软件验证其合理性;其次,推导相关矩阵,并给出确定监督码元数量的方法;最后,应用最大似然可信度和相关代价之间的关系确定最佳错误图样,以此对畸变信号进行纠正,并根据故障映射关系做出相应的故障诊断.算例分析和不同模型诊断结果的对比表明上述方法可提高故障诊断结果的容错性和准确性.【期刊名称】《电工技术学报》【年(卷),期】2015(030)015【总页数】7页(P46-52)【关键词】信号畸变;最大似然译码;Petri网;故障诊断【作者】程学珍;陈强;于永进;王程;刘建航【作者单位】山东科技大学电气与自动化工程学院青岛266590;山东科技大学矿山灾害预防控制省部共建国家重点实验室培育基地青岛266590;山东科技大学电气与自动化工程学院青岛266590;山东科技大学矿山灾害预防控制省部共建国家重点实验室培育基地青岛266590;山东科技大学电气与自动化工程学院青岛266590;山东科技大学矿山灾害预防控制省部共建国家重点实验室培育基地青岛266590;山东科技大学电气与自动化工程学院青岛266590;山东科技大学矿山灾害预防控制省部共建国家重点实验室培育基地青岛266590;山东科技大学电气与自动化工程学院青岛266590;山东科技大学矿山灾害预防控制省部共建国家重点实验室培育基地青岛266590【正文语种】中文【中图分类】TP391.9;TM77突发故障可能发生在电网运行中，快速有效地进行电网故障诊断，是找出故障点或区域并尽快恢复供电的关键，故其意义重大。
目前，电网故障诊断方法有很多，如模拟进化理论法[1]、遗传算法[2，3]、链表法[4]、分级优化法[5]、信息融合法[6]和D-S广域后备保护法[7]等。