一种电力系统故障推演方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种电力系统故障推演方法，是依据电力系统发生故障之前的网络拓扑结构构建贝叶斯网络模型；然后再根据电力系统发生故障时上传的故障信息对构建出的贝叶斯网络模型进行分析处理，最后得出电力系统发生故障时，各元件对应的保护装置的动作信息，进而实现对电力系统故障的推演。贝叶斯网络模型是一种不确定性因果关系关联模型、具有强大的不确定性问题处理能力，同时它能有效的进行多源的信息表达与融合，可以处理各种不确定性和不完备性信息，容错能力强。与现有技术中采用专家系统机制进行推演相比，该推演方法，可以提高故障推演准确性和效率。另外，本发明专利技术还公开了一种电力系统故障推演的装置、设备及可读存储介质，效果如上。

A Power System Fault Deduction Method, Device, Equipment and Readable Storage Medium

The invention discloses a power system fault deduction method, which is to construct a Bayesian network model according to the network topology structure before the power system fault occurs, and then analyze and process the built Bayesian network model according to the fault information uploaded when the power system fault occurs, and finally obtains the action of the protective devices corresponding to each component when the power system fault occurs. Information is then used to deduce power system faults. Bayesian network model is an uncertain causality correlation model with strong ability to deal with uncertainties. At the same time, it can effectively express and fuse multi-source information. It can deal with various uncertainties and incomplete information, and has strong fault tolerance. Compared with the existing technology using expert system mechanism for inference, this inference method can improve the accuracy and efficiency of fault inference. In addition, the invention also discloses a device, device and readable storage medium for power system fault deduction, and the effect is as follows.

【技术实现步骤摘要】
一种电力系统故障推演方法、装置、设备及可读存储介质
本专利技术涉及电力系统应用领域，特别涉及一种电力系统故障推演方法、装置、设备及可读存储介质。
技术介绍
电力系统故障推演是在发生复杂故障时，分析上送的故障信息发生的先后顺序，结合故障诊断结果，推演出二次设备动作行为和一次设备的状态。通过电力系统故障推演，可以利用事故的记录文件进行重演，反应事故前后一段时间内电网的实际运行状态。电网调度人员和运维人员可以方便有效的分析事故的原因，调整电网的运行方式，避免误操作引发大事故，保障电网安全经济运行，为电网设备的运行管理提供优化和决策依据。目前，当电力系统发生故障后，大多采用专家系统机制，构建故障推演规则，采用分层诊断及因果逻辑相结合的推理方法进行故障推演，进而实现故障诊断以及故障设备定位。采用专家系统机制对电力系统的故障进行推演时，当在故障信息确定的情况下能够有效求解故障过程；但当故障信息有漏报或误报等情况时，由于故障信息不再可信，需要增补相应的判别逻辑，所以产生的故障假说急剧增多，最终会导致求解故障过程的准确性和效率较低，难以满足在线应用要求。由此可见，如何克服传统的故障推演方式导致的故障推演过程准确性和效率低的问题是本领域技术人员亟待解决的问题。
技术实现思路
本申请实施例提供了一种电力系统故障推演方法、装置、设备及可读存储介质，解决了现有技术中传统的故障推演方式导致的故障推演过程准确性和效率低的问题。为解决上述技术问题，本专利技术提供了一种电力系统故障推演方法，包括：获取电力系统发生故障之前的网络拓扑结构；依据所述网络拓扑结构构建贝叶斯网络模型；根据所述电力系统发生故障时上传的故障信息确定出所述贝叶斯网络模型中各节点处的故障元件和所述故障元件发生故障时对应的各保护装置的动作信息以对所述电力系统故障进行推演。优选地，所述依据所述网络拓扑结构构建贝叶斯网络模型具体包括：确定所述贝叶斯网络模型的变量集；依据所述变量集构建所述贝叶斯网络模型的拓扑结构。优选地，所述确定所述贝叶斯网络模型的变量集具体包括：将所述网络拓扑结构中的各元件作为所述贝叶斯网络模型的根节点；将与各所述元件对应的各所述保护装置作为所述贝叶斯网络模型的子节点。优选地，所述根据所述电力系统发生故障时上传的故障信息确定出所述贝叶斯网络模型中各节点处的故障元件具体包括：确定出各所述节点的先验概率和条件概率；将所述故障信息导入所述贝叶斯网络模型，并结合反向推理确定出各所述节点处元件发生故障的概率；判断所述概率是否大于阈值；如果是，则表征所述元件为所述故障元件；如果否，则表征所述元件为非故障元件。优选地，所述根据所述电力系统发生故障时上传的故障信息确定出所述故障元件发生故障时对应的各保护装置的动作信息具体包括：通过正向推理，确定出各所述保护装置的动作概率；依据所述动作概率将各所述保护装置所在的节点进行分层处理；根据所述分层结果得出各所述保护装置动作的先后顺序。优选地，所述保护装置具体包括主保护装置，近后备保护装置，远后备保护装置以及继电器。为解决上述技术问题，本专利技术还提供了一种与电力系统故障推演方法对应的装置，包括：获取模块，用于获取电力系统发生故障之前的网络拓扑结构；构建模块，用于依据所述网络拓扑结构构建贝叶斯网络模型；确定模块，用户根据所述电力系统发生故障时上传的故障信息确定出所述贝叶斯网络模型中各节点处的故障元件和所述故障元件发生故障时对应的各保护装置的动作信息以对所述电力系统故障进行推演。优选地，所述构建模块包括：确定子模块，用于确定所述贝叶斯网络模型的变量集；构建子模块，用于依据所述变量集构建所述贝叶斯网络模型的拓扑结构。为解决上述技术问题，本专利技术还提供了一种与电力系统故障推演方法对应的设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序以实现上述任意一种电力系统故障推演方法的步骤。为解决上述技术问题，本专利技术还提供了一种与电力系统故障推演方法对应的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现上述任意一种电力系统故障推演方法的步骤。相比于现有技术，本专利技术所提供的一种电力系统故障推演方法，是依据电力系统发生故障之前的网络拓扑结构构建贝叶斯网络模型；然后再根据电力系统发生故障时上传的故障信息对构建出的贝叶斯网络模型进行分析处理，最后得出电力系统发生故障时，各元件对应的保护装置的动作信息，进而实现对电力系统故障的推演。因为贝叶斯网络模型是一种不确定性因果关系关联模型、具有强大的不确定性问题处理能力，同时它能有效的进行多源的信息表达与融合，可以处理各种不确定性和不完备性信息，容错能力强。所以与现有技术中采用专家系统机制对电力系统的故障进行推演相比，应用该推演方法，可以提高故障推演准确性和效率。另外，本专利技术还提供了一种电力系统故障推演的装置、设备及可读存储介质，效果如上。附图说明图1为本专利技术实施例所提供的一种电力系统故障推演方法流程图；图2为本专利技术实施例所提供的一种电力系统故障推演装置组成示意图；图3为本专利技术实施例所提供的一种电力系统故障推演设备组成示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本专利技术保护的范围。本专利技术的核心是提供一种电力系统故障推演方法、装置、设备及可读存储介质，可以解决现有技术中传统的故障推演方式导致的故障推演过程准确性和效率低的问题。为了使本
的人员更好地理解本专利技术的方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。图1为本专利技术实施例所提供的一种电力系统故障推演方法流程图，如图1所示，包括：S101：获取电力系统发生故障之前的网络拓扑结构。S102：依据网络拓扑结构构建贝叶斯网络模型。具体就是在电力系统还没有发生故障时，获取电力系统的网络拓扑结构，网络拓扑结构就是电力系统中各元件以及与各元件对应的保护装置组成的网络形状。然后再根据获取的电力系统的网络拓扑结构构件贝叶斯网络模型。作为优选地实施方式，依据网络拓扑结构构建贝叶斯网络模型具体包括：确定贝叶斯网络模型的变量集；依据变量集构建贝叶斯网络模型的拓扑结构。具体就是确定出贝叶斯网络模型的各节点，包括根节点和子节点，也就是说需要确定出贝叶斯网络模型中的根节点需要设置电力系统中的哪些元件，子节点上需要设置哪些保护装置，这些确定好之后，就相当于确定了贝叶斯网络模型的变量集。然后根据确定好的变量集构建贝叶斯网络模型的拓扑结构，具体就是依据变量集确定贝叶斯网络模型中各节点上的元件以及保护装置组成的网络形状以及对应的连接关系的结构图。为了提高电力系统故障推演的准确性，作为优选地实施方式，确定贝叶斯网络模型的变量集具体包括：将网络拓扑结构中的各元件作为贝叶斯网络模型的根节点；将与各元件对应的各保护装置作为贝叶斯网络模型的子节点。具体就是将获取的电力系统网络拓扑结构中的各元件都设置在贝叶斯网络模型中的根节点处，将与各元件对应的各保护装置均设置在贝叶斯网络模型的子节点处。优选地，与各元件对应的保护装置本文档来自技高网...

【技术保护点】
1.一种电力系统故障推演方法，其特征在于，包括：获取电力系统发生故障之前的网络拓扑结构；依据所述网络拓扑结构构建贝叶斯网络模型；根据所述电力系统发生故障时上传的故障信息确定出所述贝叶斯网络模型中各节点处的故障元件和所述故障元件发生故障时对应的各保护装置的动作信息以对所述电力系统故障进行推演。

【技术特征摘要】
1.一种电力系统故障推演方法，其特征在于，包括：获取电力系统发生故障之前的网络拓扑结构；依据所述网络拓扑结构构建贝叶斯网络模型；根据所述电力系统发生故障时上传的故障信息确定出所述贝叶斯网络模型中各节点处的故障元件和所述故障元件发生故障时对应的各保护装置的动作信息以对所述电力系统故障进行推演。2.根据权利要求1所述的电力系统故障推演方法，其特征在于，所述依据所述网络拓扑结构构建贝叶斯网络模型具体包括：确定所述贝叶斯网络模型的变量集；依据所述变量集构建所述贝叶斯网络模型的拓扑结构。3.根据权利要求2所述的电力系统故障推演方法，其特征在于，所述确定所述贝叶斯网络模型的变量集具体包括：将所述网络拓扑结构中的各元件作为所述贝叶斯网络模型的根节点；将与各所述元件对应的各所述保护装置作为所述贝叶斯网络模型的子节点。4.根据权利要求1所述的电力系统故障推演方法，其特征在于，所述根据所述电力系统发生故障时上传的故障信息确定出所述贝叶斯网络模型中各节点处的故障元件具体包括：确定出各所述节点的先验概率和条件概率；将所述故障信息导入所述贝叶斯网络模型，并结合反向推理确定出各所述节点处元件发生故障的概率；判断所述概率是否大于阈值；如果是，则表征所述元件为所述故障元件；如果否，则表征元件为非故障元件。5.根据权利要求4所述的电力系统故障推演方法，其特征在于，所述根据所述电力系统发生故障时上传的故障信息确定出所述故障元...

【专利技术属性】
技术研发人员：李一泉，焦邵麟，曾耿晖，刘玮，屠卿瑞，丛明一，马永斌，詹庆才，王丽伟，张利强，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司电力调度控制中心，北京四方继保自动化股份有限公司，
类型：发明
国别省市：广东,44