[发明专利]一种基于改进贝叶斯Petri网的电网故障诊断方法

权利要求书

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；

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S_i和与S_i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P_m和最近后置库所P_n，库所P_m和库所P_n为已知报警信息；

b.通过TAR表，从正、反向推理计算P_m与该故障信息之间和该故障信息与P_n之间的时间约束关系ΔU_m和ΔU_n，计Q＝ΔU_m∩ΔU_n；

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N_i，根据TAR表搜索与N_i相矛盾的所有TAR组成集合K；

b.若K＝φ时，则N_i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N_i对应库所的最近前置库所(N_i)_pre和最近后置库所(N_i)_des；并查找(N_i)_pre和(N_i)_des上传的警报信息；分别定义F((N_i)_pre)和G((N_i)_des)为警报信息的个数，F((N_i)_pre)为错误信息的接受指标，G((N_i)_des)为错误信息的拒绝指标；

d.若F((N_i)_pre)>G((N_i)_des)，则N_i为非误报故障信息；若F((N_i)_pre)＝G((N_i)_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((N_i)_pre)<G((N_i)_des)，则N_i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；通过元件故障概率正向推理计算故障情况下各保护、断路器的触发概率；

c.得到最终化简的故障诊断模型；

d.将故障信息O_i的状态标记为已诊断，若故障信息集合O中还有未诊断的，则继续搜索a；

e.直到O为空时，诊断结束；

所述TABPN模型定义为九元组：

∑_TABPN＝(P,T,F,W,M₀,α,f,Δu,T_AR)

式中：

(1)P＝{P₁,P₂,...,P_n}为库所的有限集合；

(2)T＝{T₁,T₂,...,T_m}为变迁的有限集合；

(3)为弧的有限集合；

(4)W，M₀分别为系统的权函数和初始状态标识；

(5)α(P_i)为库所P_i的先验概率，即α:P→[0,1]；

(6)f为模型的概率函数，即表示^·T中托肯Token按一定的引发规则使得事件驱动状态演变，流到T^·中的条件概率，定义为：f(T)＝Ρ(T^·|^·T)；

(7)Δu＝{Δu₁,Δu₂,…,Δu_n}为库所关联的时间区间，即事件发生区间：Δu_i＝[Δu_i^-,Δu_i⁺]，其中Δu_i^-为起点时刻，Δu_i⁺为终点时刻，Δu_i^-≤Δu_i⁺；

(8)T_AR为变迁T的时序关联规则；

所述TAR定量时序关联关系表的建立方法为：

定义T_AR为：T_AR(T,P_i,P_j,Δτ⁺,Δτ^-)

(1)T：链接两个库所节点的变迁；

(2)P_i：链接库所的起始库所；

(3)P_j；链接库所的终点库所；

(4)Δτ⁺：P_i→P_j为变迁T的正向推理对应的时间区间；

(5)Δτ^-:P_j→P_i为变迁T的反向推理对应的时间区间，

通过时序关联规则建立该模型的TAR表；

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，通过元件故障概率正向推理计算故障情况下各保护、断路器的触发概率的过程如下：

若论域U＝{x₁,x₂,…,x_n}，其中x₁,x₂,…,x_n对应网络B_G中的各节点，则联合概率为：

式中，parents(x_i)为x_i父节点集合，

其条件概率为：

运用贝叶斯网络的反向推理，通过以上两式可得x_i＝x_ij的后验概率：

式中,若parents(x_a)＝φ,则p(x_a|parents(x_a))＝p(x_a)。