白 展 苗世洪 孫雁斌 陳亦平 侯云鶴

(1.強(qiáng)電磁工程與新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室(華中科技大學(xué)) 武漢 430074 2.中國南方電網(wǎng)有限責(zé)任公司 廣州 510623 3.香港大學(xué)電機(jī)電子工程系 香港)

計(jì)及時間約束的改進(jìn)模糊Petri網(wǎng)故障診斷模型

白 展1苗世洪1孫雁斌2陳亦平2侯云鶴3

(1.強(qiáng)電磁工程與新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室(華中科技大學(xué)) 武漢 430074 2.中國南方電網(wǎng)有限責(zé)任公司 廣州 510623 3.香港大學(xué)電機(jī)電子工程系 香港)

為充分利用故障事件記錄的時間約束特性，進(jìn)一步提高故障診斷的準(zhǔn)確性與快速性，建立了一種計(jì)及時間約束的改進(jìn)模糊Petri網(wǎng)故障診斷模型。首先，分析故障事件記錄的一元、二元時間約束關(guān)系，研究不確定及缺失的報警信息對故障診斷的影響，利用虛擬有向弧及Petri網(wǎng)產(chǎn)生式規(guī)則，建立改進(jìn)模糊Petri網(wǎng)模型；之后，通過正、反向時序推理分析，獲得所有報警信息應(yīng)該滿足的時間區(qū)間，依據(jù)所建立的狀態(tài)真值矩陣有效甄別出時序不一致的報警信息；在上述基礎(chǔ)上，制定電網(wǎng)故障診斷的具體流程，提出繼電保護(hù)裝置動作行為辨識規(guī)則；最后，通過局部電力系統(tǒng)的多組算例仿真和實(shí)際系統(tǒng)故障案例測試，證明了所建模型能有效地診斷出電網(wǎng)故障，并具有較高的容錯性。

時間約束 改進(jìn)模糊Petri網(wǎng) 故障診斷 不確定性 狀態(tài)真值矩陣

0 引言

目前，國內(nèi)外電力學(xué)者已對電力系統(tǒng)故障診斷領(lǐng)域進(jìn)行了廣泛研究，并提出了多種智能診斷方法，如專家系統(tǒng)[1]、人工神經(jīng)網(wǎng)絡(luò)[2，3]、解析模型[4]、貝葉斯理論[5]、Petri網(wǎng)[6，7]等。這些理論和方法在故障診斷中均具有一定的適用性，其中Petri網(wǎng)以圖形的方式描述電力系統(tǒng)元件、保護(hù)和斷路器三者之間的關(guān)聯(lián)特性，具有簡潔、高效、物理意義清晰等特點(diǎn)，因而受到越來越多的關(guān)注，并衍生出一系列改進(jìn)的算法[8-14]。

針對傳統(tǒng)Petri網(wǎng)理論無法有效應(yīng)對故障診斷中的不確定性問題，近年來提出了模糊Petri網(wǎng)的概念。文獻(xiàn)[8,9]以模糊Petri網(wǎng)模型為工具，對電網(wǎng)中的各個元件進(jìn)行故障診斷，并采用概率的形式來描述不確定的保護(hù)和斷路器動作信息；文獻(xiàn)[10]構(gòu)建了基于模糊推理Petri網(wǎng)的故障診斷模型，通過矩陣運(yùn)算的方式完成了診斷推理過程；文獻(xiàn)[11]為降低Petri網(wǎng)規(guī)模，提出了一種分層、多子網(wǎng)模糊Petri網(wǎng)模型，并能適應(yīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的變化。

上述基于模糊Petri網(wǎng)的故障診斷方法雖在一定程度上考慮了保護(hù)和斷路器動作的不確定性，但卻忽視了報警信息的時間約束特性對故障診斷的重要影響。因此，有些學(xué)者對這一問題陸續(xù)開展了相關(guān)研究：文獻(xiàn)[12]充分利用保護(hù)和斷路器動作信息的時序?qū)傩?，對不完備的動作信息進(jìn)行糾錯處理，建立了時序模糊Petri網(wǎng)故障診斷模型；文獻(xiàn)[13]研究了一種計(jì)及時序信息檢查的分層模糊Petri網(wǎng)模型，對保護(hù)和斷路器的動作概率進(jìn)行修正，提高了模型的容錯性；文獻(xiàn)[14]綜合利用故障時電氣量信息、保護(hù)和斷路器動作信息的時序?qū)傩?，發(fā)展了一種延時約束加權(quán)模糊Petri網(wǎng)故障診斷模型。

在上述時序處理方法的基礎(chǔ)上，本文在以下兩方面作進(jìn)一步完善和研究：①充分利用故障事件記錄的時間約束特性對海量報警信息進(jìn)行初步篩選，避免因時序不一致信息而導(dǎo)致的誤判問題；②充分提高模糊Petri網(wǎng)模型應(yīng)對不確定及缺失的報警信息的能力，增強(qiáng)故障辨識的準(zhǔn)確性與容錯性。在此基礎(chǔ)上，本文利用虛擬有向弧及Petri網(wǎng)產(chǎn)生式規(guī)則，提出了計(jì)及時間約束的改進(jìn)模糊Petri網(wǎng)故障診斷模型，通過正、反向時序推理分析，獲得所有報警信息應(yīng)該滿足的時間區(qū)間，然后根據(jù)狀態(tài)真值矩陣，有效甄別出時序不一致的報警信息。局部電力系統(tǒng)的多組仿真結(jié)果和實(shí)際電力系統(tǒng)故障案例測試驗(yàn)證了模型的有效性和容錯性。

1 故障事件記錄的時間約束特性

電力系統(tǒng)故障的事件記錄主要包括兩個部分：原因事件和報警信息[15]。原因事件是指母線、線路或變壓器發(fā)生故障，用集合C={c1,c2,…,cN}表示，其中N為原因事件的數(shù)量，元素ci為第i個原因事件。報警信息是指原因事件引發(fā)的保護(hù)和斷路器動作信息，用集合A={a1,a2,…,aM}表示，其中M為報警信息的數(shù)量，元素ai為第i個報警信息。

1.1 時間約束定義

電力系統(tǒng)故障診斷主要是利用原因事件和報警信息的動作時間及時間約束關(guān)系來診斷出實(shí)際故障元件，其中最重要的就是通過二元時間約束對海量報警信息進(jìn)行初步篩選，進(jìn)而剔除時序不一致的信息?；诖?，本文將二元時間約束分為以下兩種類型：

1)原因事件與報警信息之間的二元時間約束，即， 其中aj為原因事件ci引發(fā)的報警信息，兩者的動作時間分別為Taj和Tci。

2)報警信息與報警信息之間的二元時間約束，即， 其中ai與aj為同一原因事件引發(fā)的報警信息，動作時間分別為Tai和Taj。

1.2 保護(hù)和斷路器的時間約束

實(shí)際系統(tǒng)中，當(dāng)原因事件發(fā)生時，保護(hù)和斷路器的動作時間并不能精確確定。其中，保護(hù)的動作時間主要由保護(hù)裝置整定延時和觸發(fā)延時決定，而斷路器也有一定的動作延時。因此，根據(jù)傳統(tǒng)繼電保護(hù)配置原則[13，17]，定義主保護(hù)、近后備保護(hù)、遠(yuǎn)后備保護(hù)相對原因事件c的延時區(qū)間分別為

(1)

(2)

(3)

式中，下標(biāo)m表示主保護(hù)；下標(biāo)p表示近后備保護(hù)；下標(biāo)s表示遠(yuǎn)后備保護(hù)。

定義主保護(hù)、近后備保護(hù)、遠(yuǎn)后備保護(hù)對應(yīng)的斷路器相對保護(hù)動作時間的延時區(qū)間為

(4)

式中，下標(biāo)b表示斷路器；下標(biāo)q表示為觸發(fā)斷路器跳閘的保護(hù)。

2 計(jì)及時間約束的改進(jìn)模糊Petri網(wǎng)

2.1 改進(jìn)模糊Petri網(wǎng)的數(shù)學(xué)描述

充分考慮原因事件和報警信息的時間約束特性，定義改進(jìn)模糊Petri網(wǎng)為一個6元組

SIFPN=(P,Tr,I,O,α,T0)

(5)

式中，P={p1,p2,…,pn}為庫所結(jié)點(diǎn)的有限集合(n維)，將代表保護(hù)和斷路器的庫所稱為起始庫所，代表電網(wǎng)元件的庫所稱為終端庫所，其他不具備物理含義的稱為中間庫所。

Tr={t1,t2,…,tm}為變遷結(jié)點(diǎn)的有限集合(m維)，是兩個庫所之間進(jìn)行狀態(tài)轉(zhuǎn)換的橋梁。

I:P→Tr為變遷的輸入弧置信度矩陣(n×m維)，I=[Iij]， Iij∈[0,1]， 當(dāng)存在從庫所pi到變遷tj的有向弧時，Iij的值為該有向弧的權(quán)重，否則Iij=0。

O:Tr→P為變遷的輸出弧置信度矩陣(m×n維)，O=[oij]， oij∈[0,1]， 當(dāng)存在從變遷ti到庫所pj的有向弧時，oij的值為該有向弧的置信度，否則oij=0。

α=[αp1,αp2,…,αpn]為庫所的置信度矩陣(n維)，αpi∈[0,1]， 表示庫所pi狀態(tài)為真的概率。

T0=[T1,T2,…,Tk]為起始庫所時間矩陣(k維)，表示報警信息的實(shí)際動作時間。

2.2 改進(jìn)模糊Petri網(wǎng)的圖形表示

本文采用圖1所示的局部電力系統(tǒng)模型[11]來詳細(xì)說明改進(jìn)模糊Petri網(wǎng)的建立過程。圖1中，L表示線路，A表示單母線，B表示雙母線，T表示變壓器，CB表示斷路器，F(xiàn)P表示失靈保護(hù)，下標(biāo)數(shù)字為編號。假定母線配有主保護(hù)，動作時跳開與該母線相連的所有斷路器；母聯(lián)斷路器均配置失靈保護(hù)；線路兩端都各有主保護(hù)和近、遠(yuǎn)后備保護(hù)，其中近后備保護(hù)是指由相鄰母線為其提供失靈保護(hù)。

圖1 局部電力系統(tǒng)模型Fig.1 Partial power system model

當(dāng)圖1中的電網(wǎng)元件發(fā)生故障時，若主保護(hù)或?qū)?yīng)斷路器拒動，則故障范圍將擴(kuò)大。因此必須充分考慮故障可能蔓延的所有方向以及各個方向上的保護(hù)和斷路器的動作時間約束關(guān)系，然后利用模糊Petri網(wǎng)的產(chǎn)生式規(guī)則[18]，建立元件的改進(jìn)模糊Petri網(wǎng)模型。

1)線路。

以線路L1為例，其有2個故障可能蔓延方向(母線B1、B4)，改進(jìn)模糊Petri網(wǎng)模型如圖2所示。

圖2 線路L1的改進(jìn)模糊Petri網(wǎng)模型Fig.2 Improved fuzzy Petri net model of line L1

根據(jù)庫所的定義，圖2中最左邊的庫所為起始庫所，下標(biāo)S和R分別表示線路的送端和受端，L1Sm表示線路L1的送端主保護(hù)，F(xiàn)P6表示斷路器CB6的失靈保護(hù)，p1、p2為中間庫所，L1為終端庫所，t1～t5為變遷，ω1～ω16為變遷輸入弧的權(quán)重，μ1～μ5為變遷輸出弧的置信度。

為體現(xiàn)斷路器拒動對故障診斷的影響，本文采用了虛擬有向弧，即圖2中帶箭頭的虛線，使得后備保護(hù)及對應(yīng)斷路器動作時，變遷t2、t4的合成輸入概率能夠保持一個較大的數(shù)值，這將有利于故障的準(zhǔn)確診斷，詳見2.6節(jié)。此外，為便于后文描述，將圖2中帶箭頭的實(shí)線稱為實(shí)有向弧。

2)母線。

同理，以母線B1為例，其改進(jìn)模糊Petri網(wǎng)模型如圖3所示，其中T2s為變壓器T2的遠(yuǎn)后備保護(hù)，B1m為母線B1的主保護(hù)。

圖3 母線B1的改進(jìn)模糊Petri網(wǎng)模型Fig.3 Improved fuzzy Petri net model of bus B1

2.3 時序推理分析

實(shí)際上，調(diào)度中心僅能接收到報警信息，對于原因事件的動作時間是未知的，而報警信息還存在不確定性及部分缺失等現(xiàn)象，因此需對接收到的報警信息進(jìn)行時間約束檢查，以找到合適的時間參考點(diǎn)，為時序推理分析奠定基礎(chǔ)。根據(jù)報警信息的優(yōu)先等級，本文制定如下時間參考點(diǎn)確定方法：①首先以優(yōu)先級最高的報警信息為基準(zhǔn)，依次檢查與下一級報警信息之間是否滿足時間約束，若至少有1個下一級報警信息滿足，則直接以優(yōu)先級最高的報警信息為時間參考點(diǎn)；②若所有下一級報警信息都不滿足時間約束，則表明優(yōu)先級最高的報警信息時序不一致，此時以下一級報警信息為基準(zhǔn)，重復(fù)上述過程，直至找到時間參考點(diǎn)。

如此，根據(jù)報警信息的時間參考點(diǎn)，便可推理出原因事件及其他報警信息的期望動作時間，從而獲得完整的故障事件時間區(qū)間。對于任意改進(jìn)模糊Petri網(wǎng)，時序推理分析過程如圖4所示。

圖4 時序推理示意圖Fig.4 Diagram of temporal reasoning

2.4 時序不一致信息檢查

為充分利用上述獲得的各起始庫所應(yīng)滿足的時間區(qū)間，以便對實(shí)際接收到的報警信息進(jìn)行時序不一致檢查，本文定義期望最小、最大動作時間矩陣分別為

(6)

(7)

根據(jù)實(shí)際接收到的報警信息對起始庫所時間矩陣T0進(jìn)行賦值，并與Hmin和Hmax比較，即可初步判定各報警信息是否滿足時間約束關(guān)系，并得到狀態(tài)真值矩陣γ=[γP1,γP2,…,γPk]， 其中元素γPi表示庫所pi對應(yīng)報警信息的狀態(tài)，定義為

(8)

式中，1表示接收到的報警信息滿足時間約束；0表示未接收到報警信息；-1表示接收到報警信息但不滿足時間約束，應(yīng)予以剔除；Ti為第i個起始庫所對應(yīng)報警信息的實(shí)際動作時間。

綜上所述，通過對報警信息進(jìn)行時序推理分析，可實(shí)現(xiàn)信息的初步篩選，有效甄別出時序不一致的信息，并可根據(jù)狀態(tài)真值矩陣γ對改進(jìn)模糊Petri網(wǎng)的起始庫所賦予相應(yīng)置信度，為后續(xù)繼電保護(hù)裝置動作行為辨識提供依據(jù)。

2.5 參數(shù)設(shè)置

庫所的置信度：①將滿足時間約束，即γpi=1的報警信息視為真，對相應(yīng)庫所賦予較高的置信度。根據(jù)文獻(xiàn)[13]的研究成果，對于母線、主保護(hù)及對應(yīng)斷路器的置信度設(shè)為0.856 4、0.983 3；對于線路，主保護(hù)及對應(yīng)斷路器的置信度設(shè)為0.991 3、0.983 3；不論是母線還是線路，近、遠(yuǎn)后備保護(hù)的置信度設(shè)為0.8、0.7，對應(yīng)斷路器的置信度分別為0.85、0.75。②考慮到報警信息的不確定性，對時序不一致與調(diào)度端未曾接收，即與γpi≠1的報警信息相關(guān)聯(lián)的庫所也賦予一個較低的置信度，取為0.2。③對于中間庫所和終端庫所，其初始置信度均為0。

變遷的輸入弧置信度：元件故障時，保護(hù)首先會動作，繼而引起斷路器跳閘，因此可認(rèn)為保護(hù)動作對故障診斷的影響程度更大，保護(hù)庫所到變遷的輸入弧也應(yīng)賦予較高的權(quán)重[14]。本文令保護(hù)庫所到同一個變遷的實(shí)有向弧權(quán)重相同，且總和為0.6，斷路器庫所到同一個變遷的實(shí)有向弧權(quán)重也相同，且總和為0.4；對于虛擬有向弧，若相應(yīng)斷路器庫所置信度為0.2，則令權(quán)重為1，否則為0；令中間庫所到同一個變遷的實(shí)有向弧權(quán)重相同，且總和為1；變遷的輸出弧置信度，均取為0.95。

2.6 矩陣運(yùn)算

1)建立變遷的輸入弧、輸出弧置信度矩陣I、

O， 以及庫所的初始置信度矩陣α0， 并令推理次數(shù)ψ=0。

2)計(jì)算變遷的合成輸入概率矩陣，即

G=αψ·I

(9)

3)計(jì)算庫所的下一步狀態(tài)，即

αψ+1=G?O

(10)

4)若αψ+1僅有一個非零元素，則推理結(jié)束，此元素即為電網(wǎng)元件的置信度，否則令ψ=ψ+1，返回步驟2)。

對于圖2所示的線路L1的改進(jìn)模糊Petri網(wǎng)，假設(shè)起始庫所的置信度已知，并用αL1Sm表示庫所L1Sm的置信度，則庫所p1的置信度為αp1=max{(αL1Smω1+αCB7ω2)μ1，(αCB7ω3+αFP6ω4+αCB6ω5+αCB4ω6+αCB5ω7+αCB9ω8)μ2}，同理可獲得庫所p2的置信度αp2， 則終端庫所L1的置信度為αL1=(αp1ω15+αp2ω16)μ5。

從上述推理公式即可看出，對于故障元件，不論是主保護(hù)及對應(yīng)斷路器正確動作，還是依靠后備保護(hù)來切除故障，中間庫所均可獲得較大的置信度。而通過兩個中間庫所加權(quán)來獲得終端庫所的置信度，則可使非故障元件的保護(hù)或斷路器誤動時，元件的置信度仍能保持一個較低的數(shù)值，因此不會發(fā)生誤判。

3 基于改進(jìn)模糊Petri網(wǎng)的電網(wǎng)故障診斷

本文提出的基于改進(jìn)模糊Petri網(wǎng)的電網(wǎng)故障診斷過程可分為以下4個部分：

1)根據(jù)接收到的報警信息，采用結(jié)線分析法[18]快速搜索故障停電區(qū)域，確定可疑故障元件，并建立可疑故障元件的改進(jìn)模糊Petri網(wǎng)模型。

2)搜索與可疑故障元件相關(guān)聯(lián)的報警信息，并充分利用故障事件記錄的時間約束特性，通過正、反向時序推理分析，獲得所有報警信息應(yīng)該滿足的時間區(qū)間，然后根據(jù)狀態(tài)真值矩陣篩選出時序不一致的報警信息。

3)根據(jù)可疑故障元件的狀態(tài)真值矩陣，對庫所的置信度、變遷的輸入弧和輸出弧置信度進(jìn)行初始化設(shè)置，然后對改進(jìn)模糊Petri網(wǎng)進(jìn)行矩陣運(yùn)算，獲得可疑故障元件的置信度。

4)根據(jù)各可疑故障元件的置信度，通過與門檻值進(jìn)行比較的方式確定實(shí)際故障元件，并對保護(hù)和斷路器的動作行為進(jìn)行辨識。

以圖1所示的局部電力系統(tǒng)為例，詳細(xì)說明故障診斷過程。假設(shè)調(diào)度端接收到如下報警信息：B1m(15ms)、L1Rs(980ms)動作，斷路器CB6(40ms)、CB5(41ms)、CB4(43ms)、CB9(43ms)、CB11(1 010ms)跳閘。

首先根據(jù)上述報警信息，利用已較為成熟的結(jié)線分析法快速搜索電網(wǎng)拓?fù)洌_定故障停電區(qū)域，具體過程詳見文獻(xiàn)[18]，本文不再贅述。最終，得到可疑故障元件為線路L1和母線B1，其改進(jìn)模糊Petri網(wǎng)模型分別如圖2和圖3所示。

1)母線B1的置信度。

由于調(diào)度端接收到的報警信息均與母線B1相關(guān)聯(lián)，則根據(jù)報警信息的實(shí)際動作時間，便可獲得起始庫所時間矩陣T0=[0，41，15，0，43，0，1 010，980，43，0，0，40，0，0，0]。

通過2.3節(jié)所述的時序推理分析方法，得到優(yōu)先級最高的報警信息為“主保護(hù)B1m(15ms)動作”，與下一級報警信息“斷路器CB6(40ms)跳閘”滿足保護(hù)與對應(yīng)斷路器的延時區(qū)間[20，40]ms，則B1m(15ms)為時間參考點(diǎn)。根據(jù)主保護(hù)與原因事件的反向時間約束[-40，-10]ms，推理出原因事件的動作時間區(qū)間為[-25，5]ms，進(jìn)而獲得期望最小、最大動作時間矩陣分別為Hmin=[925，5，-15，925，5，5，945，925，5，945，925，5，235，255，255]、Hmax=[1 075，85，45，1 075，85，85，1 115，1 075，85，1 115，1 075，85，345，385，385]。通過比較T0、Hmin和Hmax，獲得狀態(tài)真值矩陣γ=[0，1，1，0，1，0，1，1，1，0，0，1，0，0，0]，根據(jù)γ定義可知接收到的報警信息均滿足時間約束。

接著對改進(jìn)模糊Petri網(wǎng)進(jìn)行參數(shù)初始化設(shè)置，便可獲得庫所的初始置信度矩陣為α0=[0.2，0.983 3，0.856 4，0.2，0.983 3，0.2，0.75，0.7，0.983 3，0.2，0.2，0.983 3，0.2，0.2，0.2，0，0，0，0，0，0]；然后利用式(9)和式(10)進(jìn)行第1次矩陣運(yùn)算，得到庫所的下一步狀態(tài)為α1=[0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0.674 7，0.674 7，0.874 0，0.861 8，0.861 8，0]，其中非零元素即為中間庫所的置信度；重復(fù)矩陣運(yùn)算過程，得到第2次推理后庫所的狀態(tài)為α2=[0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0.749 9]，其中僅有1個非零元素，表明推理結(jié)束，且母線B1的置信度為0.749 9。

2)線路L1的置信度。

同理，對于線路L1而言，與其相關(guān)聯(lián)的報警信息為“斷路器CB6(40ms)、CB5(41ms)、CB4(43ms)、CB9(43ms)、CB11(1 010ms)跳閘”。其中，前4個報警信息均是斷路器CB6的失靈保護(hù)動作后，經(jīng)過20—40ms延時跳閘的，因此這4個報警信息之間的延時區(qū)間應(yīng)為[0，20]ms。經(jīng)過時序推理分析后，可得線路L1的狀態(tài)真值矩陣γ=[0，0，0，1，1，1，1，0，-1，0，0，0]，其中-1表示“斷路器CB11(1 010ms)跳閘”為時序不一致的報警信息。通過矩陣運(yùn)算，最終可推導(dǎo)出線路L1的置信度為0.478 3。

3)繼電保護(hù)裝置動作評價。

考慮到算法的容錯性，令元件置信度大于0.6時，表明確實(shí)發(fā)生故障，則根據(jù)上述矩陣運(yùn)算結(jié)果可知本案例的故障元件為母線B1。為進(jìn)一步辨識繼電保護(hù)裝置的動作行為，本文根據(jù)狀態(tài)真值矩陣，制定如下評價規(guī)則：

(1)對于故障元件，若主保護(hù)及對應(yīng)斷路器狀態(tài)均為1，則后備狀態(tài)為1的視為誤動；對于非故障元件，除了與故障元件相關(guān)的保護(hù)和斷路器外，其他狀態(tài)為1的視為誤動。

(2)對于故障元件，若主保護(hù)或?qū)?yīng)斷路器狀態(tài)不為1，而后備保護(hù)或?qū)?yīng)斷路器狀態(tài)為1，則視為主保護(hù)或?qū)?yīng)斷路器拒動，后備缺失的信息為漏報；若后備保護(hù)及對應(yīng)斷路器狀態(tài)均不為1，則故障由主保護(hù)及對應(yīng)斷路器正確切除，缺失的信息為漏報。

案例中，母線B1發(fā)生故障，其主保護(hù)狀態(tài)為1，對應(yīng)斷路器CB7狀態(tài)為0，而后備保護(hù)L1Rs及對應(yīng)斷路器CB11狀態(tài)均為1，因此可診斷出斷路器CB7拒動。此外，線路L1并未發(fā)生故障，且斷路器報警信息均與母線B1相關(guān)，因此繼保裝置沒有誤動。

4 算例分析

為進(jìn)一步驗(yàn)證本文所提故障診斷模型的有效性及容錯性，充分考慮保護(hù)和斷路器發(fā)生誤動或拒動、報警信息缺失以及多重故障等情況，利用圖1所示的局部電力系統(tǒng)進(jìn)行仿真分析，結(jié)果見表1。

表1中，算例1～算例3和算例4～算例6分別為單重故障和多重故障情況下的診斷。算例1和算例4在保護(hù)和斷路器均正確動作且所有報警信息都滿足時間約束的情況下，可以得出正確的診斷結(jié)果。算例2模擬了單重故障下存在時序不一致及拒動的情況，通過本文模型仍可準(zhǔn)確診斷出母線B2發(fā)生故障，此外，若不采用時間約束，則極有可能得出斷路器CB6的失靈保護(hù)誤動的結(jié)論。算例3表明，算法對斷路器誤動也具有較好的容錯性。算例5表明，即使伴隨斷路器的拒動、報警信息的漏報及時序不一致，仍能得出實(shí)際故障元件。算例6表明，在主保護(hù)信息缺失的情況下，盡管故障元件的置信度會降低，但仍不影響診斷結(jié)果。

通過上述分析可知，無論是單重故障，還是多重故障，本文所建模型均能給出正確的故障診斷結(jié)果。

表1 局部電力系統(tǒng)的故障診斷結(jié)果

Tab.1Faultdiagnosisresultsofpartialpowersystem

算例報警信息(時間/ms)可疑故障元件/置信度診斷結(jié)果實(shí)際元件保護(hù)和斷路器動作行為辨識1L2Sm(31)、L2Rm(32)、CB8(64)、CB12(66)L2/0.8918L2L2正確動作2B2m(24)、CB8(51)、CB10(53)、CB6(160)、FP6(270)、CB4(298)、CB5(298)、CB7(300)、CB9(301)B2/0.8441、B1/0.4428B2B2CB6時序不一致且拒動3B4m(40)、CB13(71)、CB11(72)、CB20(72)、CB7(1039)B4/0.8105、L4/0.4783B4B4CB7誤動4B1m(20)、L2Sm(23)、L2Rm(24)、CB6(49)、CB4(50)、CB5(51)、CB7(51)、CB9(52)、CB8(56)、CB12(57)B1/0.7476、L2/0.8918B1、L2B1、L2正確動作5B1m(20)、L2Sm(23)、L2Rm(24)、CB4(50)、CB5(51)、CB7(51)、CB8(56)、CB12(57)、CB9(182)、FP6(275)、CB10(301)B1/0.7445、B2/0.4155、L2/0.8918B1、L2B1、L2CB6拒動、CB9時序不一致且漏報6B1m(20)、L2Rm(24)、CB6(49)、CB4(50)、CB5(51)、CB7(51)、CB9(52)、CB8(56)、CB12(57)、CB10(300)B1/0.7476、B2/0.4249、L2/0.6775B1、L2B1、L2L2Sm缺失、CB10誤動

圖5 廣州電網(wǎng)部分接線Fig.5 A part of Guangzhou power network

為驗(yàn)證模型的實(shí)用性，采用廣州電網(wǎng)的一個實(shí)際故障案例[17]進(jìn)行詳細(xì)說明。電網(wǎng)接線如圖5所示，其中G1、G2為發(fā)電機(jī)。需注意的是，該電網(wǎng)的保護(hù)與對應(yīng)斷路器之間的延時區(qū)間為[40，60]ms，盡管與1.2節(jié)所定義的延時區(qū)間不同，但不影響本文所提模型的正確性，只需修正最小、最大庫所-時間關(guān)聯(lián)矩陣即可，結(jié)果為ΔTmin=[10，50，260，300，950，990]ms、ΔTmax=[40，100，340，400，1 070，1 130]ms。

某故障發(fā)生后，調(diào)度中心接收到如下報警信息：靠近碧山站的線路L2943縱聯(lián)差動保護(hù)0ms動作，靠近煉化站的線路L2943縱聯(lián)差動保護(hù)2ms動作，斷路器CB14于50ms跳閘，斷路器CB12于90ms跳閘，碧山站失靈保護(hù)279ms動作，斷路器CB16于328ms跳閘，斷路器CB6于330ms跳閘，斷路器CB7于337ms跳閘。

首先通過結(jié)線分析法得到可疑故障元件為線路L2943和母線B4，采用2.2節(jié)所述方法建立其改進(jìn)模糊Petri網(wǎng)模型。然后根據(jù)報警信息的實(shí)際動作時間進(jìn)行時序推理分析，如線路L2943的起始庫所時間矩陣T0=[0，90，279，328，330，337，2，50，0，0]ms，時間參考點(diǎn)為L294 3Sm(0ms)，進(jìn)而獲得狀態(tài)真值矩陣γ=[1，-1，1，1，1，1，1，1，0，0]，可知CB12(90 ms)為時序不一致的報警信息。最終經(jīng)過矩陣推理運(yùn)算，得到線路L294 3的置信度為0.906 2。同理，分析得到母線B4的置信度為0.437 7，因此診斷結(jié)果為線路L2 943發(fā)生故障。結(jié)合繼電保護(hù)裝置動作評價規(guī)則，發(fā)現(xiàn)斷路器CB12拒動，與實(shí)際故障情況相吻合，可見本文所提模型能夠用于實(shí)際系統(tǒng)的故障診斷，并具有較好的應(yīng)用前景。

5 結(jié)論

本文研究了故障事件記錄的一元和二元時間約束特性，提出了報警信息的正、反向時序推理分析方法，并建立了可有效甄別時序不一致信息的狀態(tài)真值矩陣。在此基礎(chǔ)上，構(gòu)建了計(jì)及時間約束的改進(jìn)模糊Petri網(wǎng)故障診斷模型。多組算例仿真和實(shí)際電力系統(tǒng)故障案例測試結(jié)果表明，在保護(hù)和斷路器發(fā)生誤動或拒動、報警信息缺失或時序不一致以及發(fā)生多重故障等情況下，該模型均能給出正確的診斷結(jié)果，并具有較高的容錯性。

[1] Lee H J，Ahn B S，Park Y M.A fault diagnosis expert system for distribution substations[J].IEEE Transactions on Power Delivery，2000，15(1)：92-97.

[2] Cardoso G，Rolim J G，Zum H H.Application of neural-network modules to electric power system fault section estimation[J].IEEE Transactions on Power Delivery，2004，19(1)：1034-1038.

[3] 李練兵，張秀云，王志華，等.故障樹和BAM神經(jīng)網(wǎng)絡(luò)在光伏并網(wǎng)故障診斷中的應(yīng)用[J].電工技術(shù)學(xué)報，2015，30(2)：248-254. Li Lianbing，Zhang Xiuyun，Wang Zhihua，et al.Fault diagnosis in solar photovoltaic grid-connected power system based on fault tree and BAM neural network[J].Transactions of China Electrotechnical Society，2015，30(2)：248-254.

[4] 熊國江，石東源.電網(wǎng)故障診斷改進(jìn)解析模型及其自適應(yīng)生物地理學(xué)優(yōu)化方法[J].電工技術(shù)學(xué)報，2014，29(4)：205-211. Xiong Guojiang，Shi Dongyuan.An improved analytic model for fault diagnosis of power grids and its self-adaptive biogeography-based optimization method[J].Transactions of China Electrotechnical Society，2014，29(4)：205-211.

[5] Zhu Yongli，Huo Limin，Lu Jinling.Bayesian networks-based approach for power systems fault diagnosis[J].IEEE Transactions on Power Delivery，2006，21(2)：634-639.

[6] 程學(xué)珍，陳強(qiáng)，于永進(jìn)，等.基于最大似然譯碼字的Petri網(wǎng)電網(wǎng)故障診斷方法[J].電工技術(shù)學(xué)報，2015，30(15)：46-52. Cheng Xuezhen，Chen Qiang，Yu Yongjin，et al.A fault diagnosis approach of power networks based on maximum likelihood decoding Petri net models[J].Transactions of China Electrotechnical Society，2015，30(15)：46-52.

[7] Dimitri Lefebvre.On-line fault diagnosis with partially observed Petri nets[J].IEEE Transactions on Automatic Control，2014，59(7)：1919-1924.

[8] 程學(xué)珍，王程，于永進(jìn)，等.一種基于模糊故障Petri網(wǎng)的三相異步電動機(jī)故障分析方法[J].電工技術(shù)學(xué)報，2015，30(17)：132-139. Cheng Xuezhen，Wang Cheng，Yu Yongjin，et al.An approach for three-phase asynchronous motor failure analysis based on fuzzy fault Petri net[J].Transactions of China Electrotechnical Society，2015，30(17)：132-139.

[9] 孫靜，秦世引，宋永華.模糊Petri網(wǎng)在電力系統(tǒng)故障診斷中的應(yīng)用[J].中國電機(jī)工程學(xué)報，2004，24(9)：74-79. Sun Jing，Qin Shiyin，Song Yonghua.Fuzzy Petri nets and its application in the fault diagnosis of electric power systems[J].Proceedings of the CSEE，2004，24(9)：74-79.

[10]Luo Xu，Kezunovic M.Implementing fuzzy reasoning Petri-nets for fault section estimation[J].IEEE Transactions on Power Delivery，2008，23(2)：676-685.

[11]謝紅濤，童曉陽.基于分層模糊Petri網(wǎng)的電網(wǎng)故障綜合診斷方法[J].電網(wǎng)技術(shù)，2012，36(1)：246-252. Xie Hongtao，Tong Xiaoyang.A method of synthetical fault diagnosis for power system based on fuzzy hierarchical Petri net[J].Power System Technology，2012，36(1)：246-252.

[12]楊健維，何正友.基于時序模糊Petri網(wǎng)的電力系統(tǒng)故障診斷[J].電力系統(tǒng)自動化，2011，35(15)：46-51. Yang Jianwei，He Zhengyou.Power system fault diagnosis approach based on time sequence fuzzy Petri net[J].Automation of Electric Power Systems，2011，35(15)：46-51.

[13]童曉陽，謝紅濤，孫明蔚.計(jì)及時序信息檢查的分層模糊Petri網(wǎng)電網(wǎng)故障診斷模型[J].電力系統(tǒng)自動化，2013，37(6)：63-68. Tong Xiaoyang，Xie Hongtao，Sun Mingwei.Power system fault diagnosis model based on layered fuzzy Petri net considering temporal constraint checking[J].Automation of Electric Power Systems，2013，37(6)：63-68.

[14]吳文可，文福拴，薛禹勝，等.基于多源信息的延時約束加權(quán)模糊Petri網(wǎng)故障診斷模型[J].電力系統(tǒng)自動化，2013，37(24)：43-53. Wu Wenke，Wen Fushuan，Xue Yusheng，et al.A weighted fuzzy Petri net based model with time-delay constraints for power system fault diagnosis employing information from multiple sources[J].Automation of Electric Power Systems，2013，37(24)：43-53.

[15]郭文鑫，文福拴，廖志偉，等.基于時序約束網(wǎng)絡(luò)的電力系統(tǒng)在線警報處理解析模型[J].電力系統(tǒng)自動化，2009，33(21)：36-42. Guo Wenxin，Wen Fushuan，Liao Zhiwei，et al.An analytic model for power system on-line alarm processing based on temporal constraint network[J].Automation of Electric Power Systems，2009，33(21)：36-42.

[16]邊莉，邊晨源.電網(wǎng)故障診斷的智能方法綜述[J].電力系統(tǒng)保護(hù)與控制，2014，42(3)：146-153. Bian Li，Bian Chenyuan.Review on intelligence fault diagnosis in power networks[J].Power System Protection and Control，2014，42(3)：146-153.

[17]張勇，張巖，文福拴，等.基于時序因果網(wǎng)絡(luò)的電力系統(tǒng)故障診斷[J].電力系統(tǒng)自動化，2013，37(9)：47-52. Zhang Yong，Zhang Yan，Wen Fushuan，et al.A temporal cause-effect net based approach for power system fault diagnosis[J].Automation of Electric Power Systems，2013，37(9)：47-52.

[18]白展，苗世洪，孫雁斌，等.計(jì)及報警信息邏輯關(guān)聯(lián)的改進(jìn)模糊Petri網(wǎng)故障診斷模型[J].電氣應(yīng)用，2015，34(16)：100-104. Bai Zhan，Miao Shihong，Sun Yanbin，et al.Power system fault diagnosis model based on improved fuzzy Petri net considering alarm information logical relevance[J].Electrotechnical Application，2015，34(16)：100-104.

Fault Diagnosis Model Based on Improved Fuzzy Petri Net Considering Time Constraints

Bai Zhan1Miao Shihong1Sun Yanbin2Chen Yiping2Hou Yunhe3

(1.State Key Laboratory of Advanced Electromagnetic Engineering and Technology Huazhong University of Science and Technology Wuhan 430074 China 2.China Southern Power Grid Company Guangzhou 510623 China 3.Department of Electrical and Electronic Engineering The University of Hong Kong Hong Kong China)

To utilize the time constraint characteristics of power system fault event records and improve both the accuracy and rapidity of power system fault diagnosis，a fault diagnosis model based on improved fuzzy Petri net considering time constraints is proposed in this paper.Firstly，the relations between unary and binary time constraints of fault event records are analyzed，and the effect of uncertain and missing alarm information on fault diagnosis is also studied deeply.The improved fuzzy Petri net model is established by using virtual directed arcs and production rules of Petri net.Secondly，the time intervals that all alarm information should meet can be acquired by the forward and backward temporal reasoning analysis，and the time sequence inconsistent alarm information can be effectively identified based on the state truth value matrix.Finally，the specific fault diagnosis process and identification rules of relay protection devices are formulated.The simulation results and a real power system fault case indicate that the proposed model can effectively diagnose power system faults，and also has much higher fault tolerance.

Time constraints，improved fuzzy Petri net，fault diagnosis，uncertainty，state truth value matrix

中國南方電網(wǎng)有限公司重點(diǎn)科技項(xiàng)目資助(K-ZD2014-015)。

2015-07-14 改稿日期2015-10-25

TM77

白 展 男，1990年生，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)故障診斷。

E-mail：hphdbai@163.com

苗世洪 男，1963年生，博士，教授，博士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)故障診斷、繼電保護(hù)與安全穩(wěn)定控制。

E-mail：shmiao@hust.edu.cn(通信作者)