一种电力计量系统故障测试优化方法技术方案

本发明专利技术涉及一种电力计量系统故障测试优化方法，包括以下步骤：步骤S1:根据待测电力计量系统结构，获取测试集；步骤S2：基于存在虚警和漏检的前提，构建测试选择模型；步骤S3：将得到测试选择模型为优化模型，采用量子进化算法对所述测试集进行筛选，得到优化测试集。本发明专利技术对测试集优化时，充分考虑了测试不可靠的情况，最大化满足测试要求，能实现更全面有效的的优化。

An optimization method of power measurement system fault test

The invention relates to a power metering system fault test optimization method, which comprises the following steps: step S1: obtain the test set according to the structure of the power metering system to be tested; step S2: build the test selection model based on the premise of false alarm and missing detection; step S3: select the test selection model as the optimization model, and use the quantum evolution algorithm to screen the test set to obtain Optimize the test set. When optimizing the test set, the invention fully considers the situation that the test is unreliable, maximizes to meet the test requirements, and can realize more comprehensive and effective optimization.

【技术实现步骤摘要】
一种电力计量系统故障测试优化方法
本专利技术涉及电力计量系统测试优化
，具体涉及一种电力计量系统故障测试优化方法。
技术介绍
现有计量系统故障测试的故障检测率和隔离率都可达到很高的水平，但是确忽略了测试不可靠的情况，且测试成本较高，并不符合实际工程需要。测试的优化选择是系统测试性设计的重要一环，而测试的优化选择往往是通过算法来实现的。近年来国内外学者针对测试的优化选择做出了大量的研究提出了很多优秀的方法，但是这些方法都没有考虑测试不可靠的情况。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种电力计量系统故障测试优化方法。为实现上述目的，本专利技术采用如下技术方案：一种电力计量系统故障测试优化方法，包括以下步骤：步骤S1:根据待测电力计量系统结构，获取测试集；步骤S2：基于存在虚警和漏检的前提，构建测试选择模型；步骤S3：将得到测试选择模型为优化模型，采用量子进化算法对所述测试集进行筛选，得到优化测试集；步骤S4:根据得到的优化测试集，对待测电力计量系统测量结果进行故障判定。进一步的，所述步骤S1具体为；步骤S11:根据待测电力计量系统结构,构建多信号流图；步骤S12:根据所述多信号流图，计算故障测试相关性矩阵；步骤S13:根据所述故障测试相关性矩阵，获取测试集。进一步的，所述步骤S2具体为：步骤S21:基于存在虚警和漏检的前提，获取测试集的故障检测率以及故障隔离率作为约束条件；步骤S22:基于存在虚警和漏检的前提，获取测试集的故障检测率以及故障隔离率作为约束条件；步骤S23:根据所约束条件以及目标函数构建测试选择模型。进一步的，所述约束条件具体为：获取检测概率矩阵以及虚警概率矩阵：pd＝(pdij)m×n，pdij＝p(tj＝1|dij＝1,fi＝1)pf＝(pfij)m×n，pfij＝p(tj＝1|dij＝1,fi＝0)其中，pd＝(pdij)m×n为所述检测概率矩阵，pf＝(pfij)m×n为所述虚警概率矩阵，所述检测概率矩阵和所述虚警概率矩阵的大小均为m×n，tj＝1表示测试tj发生，dij＝1表示测试tj故障fi相关，fi＝1表示故障fi发生，fi＝0表示故障fi未发生，pdij＝p(tj＝1|dij＝1,fi＝1)表示测试tj检测到故障fi的概率，pfij＝p(tj＝1|dij＝1,fi＝0)表示测试tj检测故障fi发生虚警的概率；根据所述检测概率矩阵以及虚警概率矩阵计算故障检测率以及故障隔离率：其中，pi表示故障集中第i个故障fi的故障发生率，故障集F＝{f1,f2,...,fm}，故障集中各故障发生率p＝{p1,p2,...,pm}；表示故障fi被测试集t漏检的概率，t＝{t1,t2,...,tn}，tj为测试集t第j个测试；FD表示测试集t能够检测到的故障集合，故障fi被测试集t检测到的条件是向量Fix为非零向量，即表示故障fi被测试集t隔离的概率；FI是测试集能够隔离到的故障集合，为故障fi和故障fk被测试集t隔离的条件，表示故障fi和故障fk均可被测试集t检测且向量Fix与向量Fkx不相关，表示向量Fix与向量Fkx不相关，表示向量Fix与向量Fkx相关。进一步的，所述目标函数具体为：E(x)＝TC(x)+LC(x)+AC(x)其中，E(x)为所述目标函数，TC(x)为所述测试代价，LC(x)为所述漏检代价，AC(x)为所述虚警代价；表示故障fi发生但是被测试集x漏检的概率，cli表示由于测试漏检导致的费用成本，表示故障fi未发生但是被所述测试集虚警的概率，cai表示由于测试虚警所导致的费用成本。进一步的，所述测试选择模型，具体为：其中，γFD*为故障检测率设定阈值，γFI*为故障隔离率设定阈值。进一步的，所述步骤S3具体为:步骤S31:利用贪婪算法获取测试优化模型的贪婪解，并利用贪婪解进行量子进化算法的种群初始化；步骤S32:基于多次随机观测进行量子进化算法的种群更新，得到优化测试集。进一步的，所述步骤S31具体为:步骤S311:根据所述测试集构建量子进化算法的种群；步骤S312:设定贪婪准则，利用贪婪算法获取所述测试选择模型的贪婪解；步骤S313:采用贪婪解初始化量子进化算法的种群。进一步的，所述步骤S32具体为:步骤S321:对初始化后的种群中的量子染色体进行至少一次随机观察，得到二进制解集；步骤S322:分别计算每一个二进制解的适应度；步骤S323:选出适应度最大的二进制解，根据适应度最大的二进制解更新个体极值和全局极值；步骤S324:采用适应度最大的二进制解和更新的全局极值作为进化目标，对所述量子染色体进行更新；步骤S325:更新完种群中所有量子染色体后得到的全局极值即为所述优化测试集。本专利技术与现有技术相比具有以下有益效果：本专利技术选用量子进化算法对测试集进行筛选，筛选时考虑到了虑测试不完全可靠的情况，最大化满足测试要求，能实现更全面有效的的优化。附图说明图1是本专利技术方法流程图；图2是本专利技术一实施例中测试可靠前提下故障与测试观测值之间的检测特性图；图3是专利技术一实施例中测试不可靠前提下故障与测试观测值之间的检测特性图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。请参照图1，本专利技术提供一种电力计量系统故障测试优化方法，包括以下步骤：步骤S1:根据待测电力计量系统结构，获取测试集；步骤S2：基于存在虚警和漏检的前提，构建测试选择模型；步骤S3：将得到测试选择模型为优化模型，采用量子进化算法对所述测试集进行筛选，得到优化测试集；步骤S4:根据得到的优化测试集，对待测电力计量系统进行故障测试。在本实施例中，所述步骤S1具体为；步骤S11:根据待测电力计量系统结构,构建多信号流图；步骤S12:根据所述多信号流图，计算故障测试相关性矩阵；步骤S13:根据所述故障测试相关性矩阵，获取测试集。所述测试集是指包含所有测试的集合，即为优化前的所有测试所组成的集合，对应于故障-测试相关矩阵(D矩阵)的列，每一列即代表一个独立的测试。另外，每一行代表的是一个故障，故障集即为包含所有故障的集合。这里所指的根据故障测试相关性矩阵获取测试集，指的是通过故障测试相关性矩阵的列信息来获取所包含的测试种类信息，在本实施例中，所述步骤S2具体为：步骤S21:基于存在虚警和漏检的前提，获取测试集的故障检测率以及故障隔离率作为约束条件；步骤S22:基于存在虚警和漏检的前提，获取测试集的故障检测率以及故障隔离率作为约束条件；步骤S23:根据所约束条件以及目标函数构建测试选择模型。在本实施例中，所述约束条件具体为：获取检测概率矩阵以及虚警概率矩阵：pd＝(pdij)m×n，pdij＝p(tj＝1|dij＝1,fi＝1)pf＝(pfij)m×n，pfij＝p(tj＝1|dij＝1,fi＝0)其中，pd＝(pdij)m×n为所述检测概率矩阵，pf＝(pfij)m×n为所述虚警概率矩阵，所述检测概率矩阵和所述虚警概率矩阵的大小均为m×n，tj＝1表示测试tj发生，dij＝1表示测试tj故障fi相关，fi＝1表示故障fi发生，fi＝0表示故障fi未发生，pdij＝p(tj＝1|dij＝1,fi＝1)表示测试tj检测到故障fi的概率，pfij＝p(tj＝1|dij＝1,fi＝0)表示测试tj检测故障fi发生虚警本文档来自技高网...

【技术保护点】
1.一种电力计量系统故障测试优化方法，其特征在于，包括以下步骤：步骤S1:根据待测电力计量系统结构，获取测试集；步骤S2：基于存在虚警和漏检的前提，构建测试选择模型；步骤S3：将得到测试选择模型为优化模型，采用量子进化算法对所述测试集进行筛选，得到优化测试集；步骤S4:根据得到的优化测试集，对待测电力计量系统测量结果进行故障判定。

【技术特征摘要】
1.一种电力计量系统故障测试优化方法，其特征在于，包括以下步骤：步骤S1:根据待测电力计量系统结构，获取测试集；步骤S2：基于存在虚警和漏检的前提，构建测试选择模型；步骤S3：将得到测试选择模型为优化模型，采用量子进化算法对所述测试集进行筛选，得到优化测试集；步骤S4:根据得到的优化测试集，对待测电力计量系统测量结果进行故障判定。2.根据权利要求1所述的一种电力计量系统故障测试优化方法，其特征在于，所述步骤S1具体为；步骤S11:根据待测电力计量系统结构,构建多信号流图；步骤S12:根据所述多信号流图，计算故障测试相关性矩阵；步骤S13:根据所述故障测试相关性矩阵，获取测试集。3.根据权利要求1所述的一种电力计量系统故障测试优化方法，其特征在于，所述步骤S2具体为：步骤S21:基于存在虚警和漏检的前提，获取测试集的故障检测率以及故障隔离率作为约束条件；步骤S22:基于存在虚警和漏检的前提，获取测试集的故障检测率以及故障隔离率作为约束条件；步骤S23:根据所约束条件以及目标函数构建测试选择模型。4.根据权利要求3所述的一种电力计量系统故障测试优化方法，其特征在于，所述约束条件具体为：获取检测概率矩阵以及虚警概率矩阵：pd＝(pdij)m×n，pdij＝p(tj＝1|dij＝1,fi＝1)pf＝(pfij)m×n，pfij＝p(tj＝1|dij＝1,fi＝0)其中，pd＝(pdij)m×n为所述检测概率矩阵，pf＝(pfij)m×n为所述虚警概率矩阵，所述检测概率矩阵和所述虚警概率矩阵的大小均为m×n，tj＝1表示测试tj发生，dij＝1表示测试tj故障fi相关，fi＝1表示故障fi发生，fi＝0表示故障fi未发生，pdij＝p(tj＝1|dij＝1,fi＝1)表示测试tj检测到故障fi的概率，pfij＝p(tj＝1|dij＝1,fi＝0)表示测试tj检测故障fi发生虚警的概率；根据所述检测概率矩阵以及虚警概率矩阵计算故障检测率以及故障隔离率：其中，pi表示故障集中第i个故障fi的故障发生率，故障集F＝{f1,f2,...,fm}，故障集中各故障发生率p＝{p1,p2,...,pm}；表示故障fi被测试集t漏检的概率，t＝{t1,t2,...,tn}，tj为测试集t第j个测试；...

【专利技术属性】
技术研发人员：黄天富，吴志武，郭志伟，叶强，伍翔，王春光，
申请(专利权)人：国网福建省电力有限公司电力科学研究院，国网福建省电力有限公司，
类型：发明
国别省市：福建,35