[发明专利]基于时序贝叶斯知识库TBKB的电网故障诊断方法

说明书

技术领域

本发明涉及电网调度与故障分析领域，特别涉及一种电网故障诊断方法。

背景技术

电网故障诊断在故障元件识别、故障后快速恢复及防止连锁跳闸等方面起着重要的作用。目前，电力系统故障诊断方法主要有专家系统、Petri网、优化解析法、贝叶斯网络、D-S证据融合等。但是在某些情况下由于保护与开关的误动与拒动、信息丢失等不确定性情况的存在，已有文献没有充分利用保护与开关动作事件的时序关系与时标信息，对于复杂故障，上述故障诊断方法较难得到正确的诊断结果。

贝叶斯网络通过因果推理与概率计算，擅长在信息不完备条件下处理复杂问题的不确定性，能够准确地反映故障元件的发生状况，已应用于电网故障诊断。然而现有基于贝叶斯网络的电网故障诊断方法有如下的不足：一、在一个节点内必须包含该节点的所有状态，对事件变量的各个状态不能进行显式地表达。二、不能处理环路。三、不具备定量地表达各保护动作与开关动作之间时序关系约束的能力。

贝叶斯知识库BKB(Bayesian Knowledge Bases)是对贝叶斯网络的改进，以状态实例节点(I节点)显式表达每个事件变量的各个状态，能处理环路。时序贝叶斯知识库TBKB(Temporal Bayesian Knowledge Bases)在BKB的基础上增加了对各事件之间的时序因果关系TCR(Temporal Casual Relationship)的描述。目前，有文献[2]对贝叶斯网络做了改进，提出蕴含时序的贝叶斯网络诊断模型，但它只考虑了保护动作事件的先后顺序，没有对各事件之间时序约束关系做严格的定量表达，也没有考虑动作事件时标出错对算法的影响。而本文提出的基于时序因果关系TCR的时序表达方法、时序约束一致性检查方法，不但能够定量表达各状态节点(或各发生事件)之间的时序约束关系，而且通过时序约束一致性检查，能够甄别出保护动作时标出错情况。

目前BKB与TBKB方法已成功应用于博弈学、社会学、医疗情报检索等领域。本发明首次将TBKB引入电网故障诊断领域，弥补了利用传统贝叶斯网络在电网故障诊断方法上的不足。

相关背景技术文献包括：

[1]李强，徐建政．基于主观贝叶斯方法的电力系统故障诊断[J].电力系统自动化，2007，31(15)：46-50.

[2]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系统故障诊断方法[J]．中国电机工程学报，2005，25(13)：14-18．

[3]Tzachi Rosen，Solomon Eyal Shimony，Eugene Santos.Jr．Reasoning with BKBs-Algorithms and Complexity．Annals of Mathematics and Artificial Intelligence，2004，40(3-4)：403-425．.

[4]Eugene Santos，Jr.，Deqing Li，John T.Wilkinson．A framework for reasoning under uncertainty with temporal constraints[J]．Proceedings of the 2009IEEE International Conference on Systems，Man，and Cybernetics，2009：448-454．

[5]N.J.Pioch，J.Melhuish，A.Seidel，et al．Adversarial intent modeling using embedded simulation and temporal Bayesian knowledge bases[J]．Proc.SPIE Defence，Security and Sensing，2009，vol.7348．

[6]E.E.Santos，E.Santos，Jr.，L.Pan and J.T.Wilkinson.Culturally-infused social network analysis[J]．Proc.International Conference on Artificial Intelligence，2008．