一种基于改进贝叶斯Petri网的电网故障诊断方法技术

一种基于改进贝叶斯Petri网的电网故障诊断方法，所述方法首先通过引入时序关联规则，从定量的角度出发，描述各个库所之间的时序关系和逻辑规则，然后在故障信息不完备的条件下，利用保护动作规则，对报警信息的时序约束关系进行推理，并给出识别报警信息丢失、断点和误报算法，最后再进一步结合贝叶斯网络快速准确地实现故障元件的定位。本发明专利技术有效利用故障报警信号中的信息量，在深入分析报警信息中蕴含的时序属性的基础上，提出一种计及定量时序关联规则的改进贝叶斯Petri网故障诊断模型，该方法减少了报警结果的不确定性，其抗干扰性强，可大大提高诊断结果的准确性。

A fault diagnosis method for power grid based on Improved Bayesian Petri net

【技术实现步骤摘要】
一种基于改进贝叶斯Petri网的电网故障诊断方法
本专利技术涉及一种考虑定量时序关联规则的改进贝叶斯Petri网模型的故障诊断方法，属于输配电

技术介绍
智能电网是电力系统发展的必然形态，其规模和复杂程度将极大地增加运行和控制的难度和脆弱性，这也给电力系统的故障诊断带来了巨大挑战。目前，在电力系统故障诊断方面，从其应用角度可分为专家系统、人工神经网络、模糊推理和Petri网等。尽管这些方法在故障诊断过程中具有一定的适应性，但是，当电网发生多重故障时，警报信息会迅速增多，加大了调度人员处理信息的负担。同时，因继电保护开关、断路器的误动、拒动而造成报警信息的不确定性、不完备性已成为诊断电力系统故障的重要难题之一。由于报警信息在时间上存在着因果关联，即时序关联属性。时序关联属性是告警信息的重要属性，尽管对时序约束关系的研究很多，但对于故障元件与保护动作、保护动作与断路器动作逻辑规则的时序约束关系的定量表达还未进行相关深入的研究。同时，如何有效利用警报信息的时序约束关系的定量表达解决电力系统故障过程中的不确定性问题也成为亟待解决的关键问题之一。
技术实现思路
本专利技术的目的在于针对现本文档来自技高网...

【技术保护点】
一种基于改进贝叶斯Petri网的电网故障诊断方法，其特征是，所述方法首先通过引入时序关联规则，从定量的角度出发，描述各个库所之间的时序关系和逻辑规则，然后在故障信息不完备的条件下，利用保护动作规则，对报警信息的时序约束关系进行推理，并给出识别报警信息丢失、断点和误报算法，最后再进一步结合贝叶斯网络快速准确地实现故障元件的定位。

【技术特征摘要】
1.一种基于改进贝叶斯Petri网的电网故障诊断方法，其特征是，所述方法首先通过引入时序关联规则，从定量的角度出发，描述各个库所之间的时序关系和逻辑规则，然后在故障信息不完备的条件下，利用保护动作规则，对报警信息的时序约束关系进行推理，并给出识别报警信息丢失、断点和误报算法，最后再进一步结合贝叶斯网络快速准确地实现故障元件的定位。2.根据权利要求1所述的一种基于改进贝叶斯Petri网的电网故障诊断方法，其特征是，所述方法包括以下步骤：①报警信息预处理：a.通过SCADA(数据采集与监视系统)和RMS(保护信息管理系统)获得继电保护和断路器动作信息，得到所有警报信息集合A；b.基于电力系统的结线分析、状态估计方法确定可疑故障元件集合S；每个可疑元件Si和与Si构成时序关联关系的所有警报信息构成集合M；c.对可疑元件集合S中的每一个可疑故障元件建立其TABPN模型，得出与该模型相应的定量时序关联关系，并建立TAR(定量时序关联关系)表：d.将M中的一组具有时序约束关系的所有可能警报信息组成待验证事件集合O；通过TABPN模型以及TAR表，采用正、反向推理，逐一验证集合O中所有告警信息，获得满足TAR的约束集合C，不满足TAR约束集合N；②报警信息诊断过程：在TABPN模型推理过程中，如果报警信息时标出现差错而导致推理过程的中断，则称之为断点，其判别算法如下：a.通过建立TABPN的模型，沿着变迁节点查找该故障信息的最近前置库所Pm和最近后置库所Pn，库所Pm和库所Pn为已知报警信息；b.通过TAR表，从正、反向推理计算Pm与该故障信息之间和该故障信息与Pn之间的时间约束关系ΔUm和ΔUn，计Q＝ΔUm∩ΔUn；c.若Q不为空集，则认为该故障信息为丢失报警信息；d.若Q为空时，则认为该故障信息为断点信息；电网发生故障时，对于报警信息中存在误报信息的情况，根据以下算法进行诊断：a.不满足约束集合N的警报信息Ni，根据TAR表搜索与Ni相矛盾的所有TAR组成集合K；b.若K＝φ时，则Ni为非例外报警信息，若K≠φ时，则转至步骤c；c.根据TAR，搜素K中Ni对应库所的最近前置库所(Ni)pre和最近后置库所(Ni)des；并查找(Ni)pre和(Ni)des上传的警报信息；分别定义F((Ni)pre)和G((Ni)des)为警报信息的个数，F((Ni)pre)为错误信息的接受指标，G((Ni)des)为错误信息的拒绝指标；d.若F((Ni)pre)>G((Ni)des)，则Ni为非误报故障信息；若F((Ni)pre)＝G((Ni)des)，则需要借助其他信息进行判断，如保护的二次回路信息、录波器的电压电流信息或者人工智能判断；e.若F((Ni)pre)<G((Ni)des)，则Ni为误报故障信息；f.对推理过程中出现的不满足约束集N进行判断并做出修改，得到新的元件及其对应的故障信息集合H；③报警信息推理过程：a.根据模型反向搜索故障源的故障事件链；b.通过贝叶斯计算每个故障蔓延方向的故障概率和平均概率；通过元...

【专利技术属性】
技术研发人员：李刚，郭晓红，曹瑞，张博，刘云鹏，
申请(专利权)人：华北电力大学保定，
类型：发明
国别省市：河北,13