余 錚 查志勇 王逸兮

（國網(wǎng)湖北省電力公司信息通信公司 武漢 430077）

1 引言

隨著智能電網(wǎng)的逐步發(fā)展，國家電網(wǎng)的信息化程度也在不斷提高，從信息的采集、傳輸、分析直至得出有價值的結(jié)論并以此為基礎(chǔ)執(zhí)行相應(yīng)的措施，信息技術(shù)的作用得到了充分的發(fā)揮。從數(shù)據(jù)業(yè)務(wù)架構(gòu)上分析，目前國家電網(wǎng)已經(jīng)建成了從總部至各地區(qū)機構(gòu)縱向結(jié)構(gòu)的信息內(nèi)網(wǎng)，實現(xiàn)了數(shù)據(jù)的快速匯總；同時負責采集各處末梢數(shù)據(jù)的信息外網(wǎng)也在不斷的建成和完善中。但隨著信息化進程的不斷加速，信息系統(tǒng)的穩(wěn)定性也受到了一定程度的挑戰(zhàn)，尤其是故障點日益增多和系統(tǒng)的容錯性越來越低這一主要矛盾，更是當前智能電網(wǎng)發(fā)展面臨的主要瓶頸，迫切需要改進。

2 問題描述及研究現(xiàn)狀分析

2.1 電網(wǎng)故障診斷過程及問題分析

目前采用的診斷處理模式主要是由繼電保護系統(tǒng)負責對出現(xiàn)的故障進行及時分析，并將對應(yīng)的操作指令傳達至相關(guān)保護設(shè)備，在最短時間內(nèi)對故障點實施斷點隔離；為了確保隔離動作有效，避免因斷路器誤動或拒動而導(dǎo)致的保護失敗，通常在系統(tǒng)中設(shè)置后備保護設(shè)備，在主保護失敗后及時執(zhí)行后備保護指令，以實現(xiàn)繼電保護系統(tǒng)的多重保護功能。在故障發(fā)生后，智能電網(wǎng)采用數(shù)據(jù)采集和監(jiān)控系統(tǒng)（SCADA）來完成報警信息的檢測和傳輸，在調(diào)度中心由操作員負責對這些數(shù)據(jù)進行解析和判斷，最終反饋回對應(yīng)的操作指令以修復(fù)或隔離故障點。

顯然，該種故障定位和修復(fù)手段的信息化程度不高，對出現(xiàn)故障的處置速度也相對較慢，并且很大程度上依賴操作員工自身的經(jīng)驗，難免帶有一定的主觀判斷，也影響了系統(tǒng)的可靠性和穩(wěn)定性，其存在的主要問題有以下幾點［1］：

1）電網(wǎng)規(guī)模日趨龐大，但故障診斷智能化程度不高，尤其當故障點多發(fā)的情況出現(xiàn)時，容易陷入“維數(shù)災(zāi)”陷阱；

2）修復(fù)方案存在不確定性，其原因有二，一是由于斷路器等設(shè)備的拒動、誤動；二是由于承載故障信息的信號在傳輸過程中失真導(dǎo)致調(diào)度中心無法準確判斷；

3）人工修復(fù)故障，手動輸入指令存在失誤隱患，缺乏核查機制；需調(diào)換硬件設(shè)備時，需要臨時對調(diào)換設(shè)備檢測，增加處理時延；

4）電網(wǎng)結(jié)構(gòu)日趨復(fù)雜且多變，而目前的診斷方法缺乏可移植性，無法應(yīng)對電網(wǎng)規(guī)模的發(fā)展速度。

2.2 研究現(xiàn)狀分析

目前，針對電網(wǎng)故障診斷的研究存在多個分支，首先是基于專家系統(tǒng)的診斷方案該方案將操作員的個人經(jīng)驗與電網(wǎng)節(jié)點和保護設(shè)備的邏輯關(guān)系作為規(guī)則保存下來，并在需要時進行調(diào)用，如文獻［2］提出了基于警報信息的正向推理專家系統(tǒng)，文獻［3］提出了反向非嚴密推理專家系統(tǒng)，文獻［4］提出了基于模糊機制的專家系統(tǒng)，以上故障分析系統(tǒng)在電網(wǎng)規(guī)模較小的上世紀取得了較好的效果，而針對報警信息的丟失和錯誤問題，文獻［5］提出了采用布爾函數(shù)的邏輯專家系統(tǒng)來實現(xiàn)對信號的修正文。專家系統(tǒng)在利用操作員經(jīng)驗方面具有明顯優(yōu)勢，但其自學習能力較差，尤其是當規(guī)則庫不完善的情況下，系統(tǒng)響應(yīng)速度過慢，無法應(yīng)對大規(guī)模電網(wǎng)故障處理的需求；第二類分支的研究主要依賴智能優(yōu)化算法，通過建立科學的數(shù)學模型來構(gòu)建反映實際操作于預(yù)期操作之間的差異狀態(tài)，從而將電網(wǎng)故障分析問題轉(zhuǎn)化為整數(shù)規(guī)劃問題并對其求解，已得到最佳的參數(shù)和指令組合，如文獻［6］最早給出了電網(wǎng)故障診斷數(shù)學解析模型，但在實踐中表現(xiàn)不佳，錯誤率較高，文獻［7］在前者基礎(chǔ)上提出了改進版的模型，降低了系統(tǒng)的出錯率，文獻［8］則針對裝置誤動情況，對模型做了進一步的完善，除此之外，還有諸多的智能優(yōu)化算法被應(yīng)用在優(yōu)化過程中，如遺傳算法、免疫算法、蟻群算法等，這些優(yōu)化算法各有特色，均在一定程度上改進了電網(wǎng)故障診斷的質(zhì)量，但也都存在一些不足之處。

近年來Petri網(wǎng)的研究進展飛快，該優(yōu)化機制可有效的實現(xiàn)將離散事件進行圖形化表示，并在此過程中建立確定的關(guān)聯(lián)。在電網(wǎng)發(fā)生故障時，可采用Petri網(wǎng)來分析和模擬相關(guān)保護設(shè)備或斷路器的離散性動作過程，并搜尋最優(yōu)的解決方案。文獻［9］將圖論應(yīng)用到電網(wǎng)拓撲鄰接矩陣的建立中，簡化了分析結(jié)論，增強了直觀性，但對復(fù)雜結(jié)構(gòu)的電網(wǎng)依然計算繁瑣；文獻［10］中的方案主要依賴于方程求解算法來建立電網(wǎng)拓撲，并在此拓撲中進行故障的排查，雖然提高了效率，但自適應(yīng)性較差，需要經(jīng)常修改初始關(guān)聯(lián)矩陣；文獻［11］給出了基于有色Petri網(wǎng)的電網(wǎng)故障分析方法，提高了故障定位的精確度，但并沒有給出推理的算法模型。本文選擇對有色Petri網(wǎng)進行研究和改進，提高了該算法的自適應(yīng)能力，并將其利用到智能電網(wǎng)故障的分析和診斷過程中，大大提高了系統(tǒng)的響應(yīng)速度，且診斷透明度高，利于操作員的靈活調(diào)度，在此基礎(chǔ)上再同場景自適應(yīng)模型SAAM相結(jié)合，提出了基于動態(tài)腳本的自動化的故障應(yīng)急處置方案，進一步提高了故障應(yīng)急處置策略的效率。

3 基于改進Petri網(wǎng)的電網(wǎng)故障診斷方案

在電網(wǎng)故障診斷過程中，最需要解決的問題就是如何在最短的時間內(nèi)幫助操作員盡可能準確地識別出故障發(fā)生的區(qū)域以及故障類型，從而為后續(xù)的故障處置爭取主動?；诖?，本文提出一種改進的有色Petri網(wǎng)（Improved Colored Petri Nets，ICPN）機制：首先，對電網(wǎng)內(nèi)所有元件，依據(jù)其分類的差異，賦予對應(yīng)的顏色屬性，并引入動態(tài)權(quán)值來關(guān)聯(lián)元件及變遷的有向弧，構(gòu)成了故障區(qū)域的拓撲，直觀地表現(xiàn)了電網(wǎng)結(jié)構(gòu)因斷路器跳閘而發(fā)生的變化，隨后基于NetBeans開發(fā)工具編寫了故障搜索程序，對電網(wǎng)發(fā)生的變化進行快速定位，得到對應(yīng)的可疑故障元件集，為后續(xù)的應(yīng)急處置操作提供可靠的待處理對象。

3.1 ICPN的定義和變遷規(guī)則設(shè)定

本文將ICPN簡化為一個六元組進行分析［12］，即將其定義為

上式中的前三個元素組成了∑的基網(wǎng)；H={h1，h2，…，hm} 為 是 庫 所 結(jié) 點 集 合 ；K={k1，k2，…，kn}為變遷結(jié)點集合，根據(jù)Petri網(wǎng)規(guī)則，K值的變化會引起H的波動；

而K與H之間依靠有向弧進行連接，其集合為D?(H×K)∪(K×H)；F為守護函數(shù)，負責將任一變遷ki映射至唯一的表達式，并確保其值為邏輯型；而負責調(diào)解權(quán)值的權(quán)函數(shù)W為每條有向弧設(shè)置一 t維整型可變向量，即 D→{0，1，2，…}t，其中t則為有色Petri網(wǎng)所包含的顏色數(shù)量；V記為H→{0，1，2，…}t，為∑的標識向量，通過其分量和數(shù)值來表示任意一個庫所內(nèi)包含的任何一種顏色的托肯個數(shù)［13］。

若要使ICPN能夠正常地激活變遷，則需要預(yù)設(shè)其ICPN的變遷發(fā)射規(guī)則，現(xiàn)記P=(H，K，D)為一 個 有 向 網(wǎng) ，對 于 某 一 x∈H∪K ，設(shè)·x={y|(y，x)∈D} 為 輸 入 集 合 ，與 之 相 對 的 ，x·={y|(x，z)∈D}為輸出集合。

使能規(guī)則：當 ?k∈K，?h∈·k，若以下不等式成立，則k為使能的。

激活規(guī)則：當標識為V的k在使能的狀態(tài)下，若其守護函數(shù)H的結(jié)果為true，則此時k被激活，并生成新的標識V′，有：

3.2 故障區(qū)域搜索模型

當智能電網(wǎng)中的某元件發(fā)生故障時，會自動激活其對應(yīng)的保護裝置，對該元件所在區(qū)域?qū)嵤嗦犯綦x，從而在電網(wǎng)中形成了故障區(qū)域。本文根據(jù)文獻［13］中提出的簡化建議，在設(shè)定故障區(qū)域內(nèi)元件集時僅考慮母線、線路、變壓器和發(fā)電機，同時開關(guān)集也只考慮斷路器一種，并未將其它非常用裝置考慮在內(nèi)。其設(shè)計思路是：利用ICPN建立故障區(qū)域搜索模型，對電網(wǎng)內(nèi)的元件集和開關(guān)集進行集中編號，并利用有色Petri網(wǎng)的規(guī)則賦予其顏色屬性，再根據(jù)開關(guān)集中的各個斷路器所在的節(jié)點位置，將電網(wǎng)分割成一系列的子系統(tǒng)，形成了故障區(qū)域的基本單位，從而將搜索故障元件的工作壓縮在電網(wǎng)中的無源區(qū)域內(nèi)，大大減少了故障排查的工作量。

在構(gòu)建ICPN模型時，為了提高計算效率和簡化算法邏輯，本文定義了四種算子：

1）加法算子⊕，作用是將兩向量相加后的結(jié)果中超過1的分量強制轉(zhuǎn)變?yōu)?，其余值不變；

2）減法算子?，作用是將兩向量相減后的結(jié)果中小于0的分量強制轉(zhuǎn)變?yōu)?，其余不變；

3）U算子，作用是將向量中除第一個為1的分量外的其他分量全部強制轉(zhuǎn)變?yōu)?；

4）Q算子，作用與F算子相反，將第一個為1的分量強制轉(zhuǎn)變?yōu)?，其余不變。

如前文所述，本文對傳統(tǒng)有色Petri網(wǎng)模型進行改進，引入了柔性制造系統(tǒng)FMS建模的思路，將ICPN元件類比為FMS中待處理的零件，變遷類比為FMS中的加工設(shè)備，庫所類比為FMS中的倉庫和物流配送系統(tǒng)，從而建立改進后的模型，如圖1所示。在模型中，共有V+1種不同的顏色，最后一種為控制色，前V種顏色為元件色，與模型中的每個元件唯一映射；庫所和各有向弧上的標識均為V+1維向量。

圖1 智能電網(wǎng)故障區(qū)域搜索模型

以下對模型中出現(xiàn)的各種元素進行介紹：

1）庫所

h0存放著待傳送的元件，不同元件的識別通過顏色差異的托肯來完成；h1庫所為回收庫所，用來收回未進入過渡庫所GCN+1的元件；GC0給出一個對應(yīng)某一劃分條件的標識，可據(jù)此得到對應(yīng)的子系統(tǒng)；GC1至GCN分別唯一映射至電網(wǎng)中N個斷路器，顯然若該庫所中包含托肯，則與其顏色相對應(yīng)的斷路器處于閉合狀態(tài)，否則該庫所對應(yīng)的所有斷路器均斷開；GCN+1為過渡庫所，元件在被歸類至某一子系統(tǒng)之前，必須通過GCN+1完成準備工作；GCN+2為控制庫所，對應(yīng)控制傳送帶的啟停開關(guān)；庫所GCN+3對應(yīng)發(fā)現(xiàn)故障區(qū)域的數(shù)量［13］。

2）變遷

圖中模型包含的變遷總共有四類，即K1，K2，K3和KS。K1負責從帶傳送元件庫所h0中刪除已歸類到某一子系統(tǒng)中的元件；K2負責選定傳送帶上編號最小元件為搜索故障區(qū)域的初始點并將該元件送至過渡庫所；K3負責對劃分好的子系統(tǒng)進行記錄，以上三類變遷的守護函數(shù)的值恒為真；KS負責搜索在發(fā)生故障后，故障區(qū)域原本連接在一起的元件，當KS的系列庫所中均含有同色托肯時，守護函數(shù)的值為真。K1的輸入弧上有兩個權(quán)向量H1和GC0，輸出弧上則為通過減法算子計算得到的結(jié)果向量H1?GC0；K2輸入弧上僅有一個權(quán)向量H0，其輸出弧上分別通過Q算子U算子計算得到Q(H0)和U(H0)；K3輸入弧上的兩個權(quán)向量為GCN+1和[0，0，…，0，1 ]，輸出弧僅有一個權(quán)向量[0，0，…，0，1 ]；最后KS系列變遷的輸入弧上的權(quán)向量分別為GCi和GCN+1，輸出弧上為加法算子計算得到的結(jié)果向量 GCi⊕ GCN+1（i=1，2，…，N）。

3）庫所的初始標識

在搜索準備階段，應(yīng)根據(jù)斷路器的當前的動作信息對庫所賦予著色托肯。例如V0(GCi)=[1 ， 1，0…，0]代表電網(wǎng)中編號為1和2的元件與閉合斷路器GCi相連，若剩余的庫所中無任何托肯，則用一個全0的標識向量O=[0 ， 0，…，0] 來描述。隨著搜索過程的逐漸推進，最終該ICPN模型中無法再找到任何一個可觸發(fā)的變遷時，意味著所有的可傳送的元件都已操作完畢，搜索工作執(zhí)行完畢。

4）外部控制

在實際電網(wǎng)故障發(fā)生時，可能會產(chǎn)生多種影響，改變多個元件的狀態(tài)，此外還需要考慮故障多發(fā)的情況出現(xiàn)，對于ICPN模型而言，可能會導(dǎo)致多個變遷同時滿足觸發(fā)條件，但規(guī)則只允許觸發(fā)其中一個，因此必須通過外部控制來施加約束，通過對變遷設(shè)定不同級別優(yōu)先級的方式可較好地解決該沖突。例如：假設(shè)目前變遷KS1和KS3同時處于可觸發(fā)狀態(tài)，通過圖2中的外部控制裝置，可確保按照下標號與優(yōu)先級降序排列的規(guī)則，依次觸發(fā)變遷。觀察圖2可以看出，無論是輸入弧還是輸出弧，只要與三個控制庫所T1、T2和T3相連，則其權(quán)向量均為[0 ， 0，…，0，1] ，其它部分與圖1相同。沖突發(fā)生時，除了T1中存在一個控制色的托肯外，其余兩庫所均無托肯，此時根據(jù)前文所述的使能規(guī)則和激活規(guī)則可知，僅KS1可被觸發(fā)，該變遷觸發(fā)后，之前T1中的控制色托肯移至T2，此時KS2被觸發(fā)，以此類推至KS3。由此可以看出，在加入外部控制裝置后，有效的解決了KS1與KS3同時觸發(fā)的矛盾，且保證了該對變遷共享GCN+1的資源。

圖2 ICPN外部控制裝置模型

通過以上分析可以看出，本文提出的利用ICPN模型來進行智能電網(wǎng)故障區(qū)域的搜索方案，其基本流程就是先設(shè)定某元件為搜索出發(fā)點，隨后對模型中的所有變遷進行反復(fù)的遍歷查詢，搜索出所有符合條件的子系統(tǒng)，這一過程以無任何變遷可被觸發(fā)為結(jié)束條件，流程圖如圖3所示。

圖3 智能電網(wǎng)故障區(qū)域搜索流程

4 基于場景定制的應(yīng)急處置策略

在完成故障區(qū)域的快速搜索之后，智能電網(wǎng)隨后就利用其信息系統(tǒng)將故障信息傳輸至調(diào)度中心，并在此處進行分析與修復(fù)。因此，在對電網(wǎng)進行實時監(jiān)測的過程中會生成大量的監(jiān)測數(shù)據(jù)，信息系統(tǒng)必須在極短的時間內(nèi)執(zhí)行大規(guī)模數(shù)據(jù)的傳輸和分析，這一過程同樣是故障的多發(fā)時期，因此，智能電網(wǎng)應(yīng)急處置系統(tǒng)不僅要對電網(wǎng)的故障區(qū)域進行快速查詢，同樣也要保障監(jiān)測數(shù)據(jù)的快速、可靠的傳輸，才能綜合提高智能電網(wǎng)應(yīng)急處置系統(tǒng)的執(zhí)行效率。本文針對當前的應(yīng)急搶修及應(yīng)急演練管理辦法，提出引入SAAM算法建立應(yīng)急預(yù)案評估模型和動態(tài)指令關(guān)聯(lián)模型，對智能電網(wǎng)信息系統(tǒng)中的常見活動進行歸類評估，將所得信息，作為輸入?yún)?shù)代入基礎(chǔ)應(yīng)急腳本，以生成最新的應(yīng)急執(zhí)行腳本，并下發(fā)執(zhí)行，從而有效地提高了信息系統(tǒng)故障分析的準確性和修復(fù)的及時性。

4.1SAAM簡介

基于場景的體系結(jié)構(gòu)分析方法（Scenariobased Architecture Analysis Method，SAAM）是卡耐基梅隆大學的柯澤曼等提出的一種以不同場景為依據(jù)來分析其對應(yīng)功能需求和場景中的性能指標要求，從而為設(shè)計軟件和系統(tǒng)架構(gòu)提供依據(jù)的方法。該分析方法的另一優(yōu)勢是幫助設(shè)計者在系統(tǒng)開發(fā)之前對其體系結(jié)構(gòu)固有風險進行可靠的評估。通過建立場景模型，可以凸顯體系內(nèi)部潛在的矛盾點，如功能的重疊或需求的沖突等，從而避免所設(shè)計的系統(tǒng)過度傾向某一類用戶而導(dǎo)致的不全面問題。

SAAM通過功能、結(jié)構(gòu)和分配三個方面來全面評估某個體系結(jié)構(gòu)是否符合其所要反映的客觀實際，下圖描繪了SAAM分析及評估過程。

圖4 SAAM評估模型

SAAM分析評估體系結(jié)構(gòu)的過程主要包含五個環(huán)節(jié)，分別為

1）場景開發(fā)，通過對評估對象的綜合性分析，并與該對象的使用者進行充分的溝通，確定構(gòu)建的評估體系結(jié)構(gòu)所要支持的各種活動和需要描述的各種情況；

2）體系結(jié)構(gòu)描述規(guī)則，為了清晰地表達系統(tǒng)中的計算構(gòu)件、數(shù)據(jù)構(gòu)件的特性，以及施加在這些構(gòu)件上的控制規(guī)則，避免出現(xiàn)邏輯錯誤和數(shù)據(jù)沖突，必須采用邏輯性強的，合乎語法語義要求的體系結(jié)構(gòu)描述SA；

3）單個場景評估，無論是直接場景還是間接場景，在確定某種體系結(jié)構(gòu)之后，都需要在該結(jié)構(gòu)下針對本場景生成描述列表，指明通過該結(jié)構(gòu)規(guī)范出的本場景中的活動種類和情況種類；

4）場景交互，建立單個場景的描述列表后，還需要準確地表述某個場景對系統(tǒng)中其它構(gòu)件所產(chǎn)生的影響，即描述場景間的關(guān)聯(lián)性；

5）總體評估，對場景及其關(guān)聯(lián)作一個總體的權(quán)衡和評估。

如上所述，將該種場景評估方法具體化到某種應(yīng)用場合，就可利用SAAM對其進行清晰、直觀的描述，通過調(diào)用以場景為對象的預(yù)定控制方案，就可極大地提高管理系統(tǒng)的響應(yīng)速度。本文在設(shè)計智能電網(wǎng)信息系統(tǒng)的應(yīng)急處置系統(tǒng)時，引入SAAM算法用于對故障區(qū)域進行評估，設(shè)計出了常用場景列表，顯著提高了智能電網(wǎng)應(yīng)急處置系統(tǒng)對發(fā)生故障的分析速度和處理效率。

4.2 基于多場景關(guān)聯(lián)模型的動態(tài)腳本設(shè)計

由于智能電網(wǎng)規(guī)模龐大，用戶眾多，結(jié)構(gòu)復(fù)雜，導(dǎo)致故障信息系統(tǒng)所需要面對的場景也種類繁多，某個用戶操作所觸發(fā)的一系列流程都可被定為一個場景，若要對每一種場景均設(shè)置一套故障分析和處理流程是不現(xiàn)實的，因此需要對場景進行進一步歸納，將紛繁多變的活動情況歸類到預(yù)先定制的有限個數(shù)的場景中，以簡化系統(tǒng)運算量。由于場景本質(zhì)上是反應(yīng)不同系統(tǒng)架構(gòu)下的實際應(yīng)用的，可從支撐各種場景的系統(tǒng)架構(gòu)的故障開始分析，并結(jié)合實際中出現(xiàn)的故障，定制出常見的映射故障點的場景，其模型如圖5所示。

圖5 常見故障點的場景定制模型示例

在確定了常見故障場景之后，針對典型場景設(shè)置針對不同故障的腳本庫，預(yù)設(shè)解決方案，在系統(tǒng)分析得到相符的故障類型時，即可調(diào)用相應(yīng)的腳本自動執(zhí)行解決故障，以數(shù)據(jù)庫腳本為例，其腳本庫如圖6所示。

通過具體故障所需要使用的腳本，來合理配置和定義相關(guān)的腳本庫，通過自動化觸發(fā)的方式可以大大加快故障的發(fā)現(xiàn)與定位，檢查與修復(fù)。設(shè)計腳本的生成流程如圖7所示。

圖6 數(shù)據(jù)庫腳本庫示例

圖7 動態(tài)腳本設(shè)計流程

動態(tài)腳本設(shè)計操作界面及故障應(yīng)急修復(fù)界面如圖8～9所示。

圖8 動態(tài)腳本編輯界面

圖9 故障應(yīng)急修復(fù)操作界

5 運行效果分析

目前，該套智能電網(wǎng)信息應(yīng)急處置系統(tǒng)已投入運行使用，經(jīng)過一個測試周期的實踐驗證，該系統(tǒng)較有效地提高了智能電網(wǎng)對故障定位的搜索能力，同時對信息系統(tǒng)傳輸數(shù)據(jù)的可靠性也有了顯著的提高，對其出現(xiàn)的各種問題進行了合理的場景劃分，并提供了一鍵式修復(fù)功能，以下從故障搜索、故障判斷準確率兩個方面進行分析總結(jié)。

1）故障響應(yīng)時間

無論是在電網(wǎng)故障的搜索環(huán)節(jié)，還是信息傳輸故障的排查環(huán)節(jié)，系統(tǒng)響應(yīng)時間都是最重要的性能指標之一。根據(jù)本系統(tǒng)投入運行前后統(tǒng)計數(shù)據(jù)的對比發(fā)現(xiàn)，該系統(tǒng)有效地縮短了電網(wǎng)故障的發(fā)現(xiàn)、搜索、排查以及發(fā)出有針對性的修復(fù)指令這一系列的操作周期，尤其是采用的動態(tài)腳本技術(shù)之后，極大地提高了修復(fù)指令的發(fā)出速度，平均響應(yīng)時間由系統(tǒng)運行前的47min下降至目前的26min，相信隨著電網(wǎng)規(guī)模的擴大，這一壓縮比例也會逐漸提高。

2）故障判斷準確度

在電網(wǎng)和信息系統(tǒng)的故障分析領(lǐng)域，對故障類型成因的準確判斷也直接影響了后續(xù)修復(fù)工作的質(zhì)量。同樣對本系統(tǒng)運行前后，智能電網(wǎng)信息系統(tǒng)故障檢測的準確率進行統(tǒng)計，該系統(tǒng)運行前，對故障判斷主要依賴操作員的經(jīng)驗積累，因此準確率因操作員的能力差異而波動較大，一般處于73%至81%之間，而運行該系統(tǒng)后，通過采用改進有色Pe?tri網(wǎng)對電網(wǎng)故障進行快速搜索，同時采用SAAM模型進行場景定制，將故障判斷的準確率提升至91.4%，效果較為明顯。

6 結(jié)語

智能電網(wǎng)要確保對故障點的迅速排查和及時修復(fù)，就必須依賴高質(zhì)量的搜索方法和可靠的信息傳輸保障機制。本文提出了基于改進有色Petri網(wǎng)技術(shù)的電網(wǎng)故障搜索模型，提高了電網(wǎng)故障搜索的速度和準確性，并在此基礎(chǔ)上提出了針對信息傳輸SAAM方法，構(gòu)建了關(guān)于信息傳輸異常情況的多場景關(guān)聯(lián)模型。通過實際運行證明，該系統(tǒng)有效地提高了智能電網(wǎng)對供電故障和信息傳輸異常的響應(yīng)速度，具有一定的推廣價值。

［1］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.Integrated fault diagnosis method based on hierarchical fuzzy Petri net［J］.Power Grid Technology，2012，36（1）：246-252.

［2］Vazque M E，.Chacon M O.L.，Altuve F H.J.An on-line expert system for fault section diagnosis in power systems.IEEE Transactions on Power Systems，1997，12（1）：357-352.

［3］Heung-Jae L.，Bok-skin A.，Young-Moon P.A fault di?agonosis expert system for distribution substations.IEEE Transations on Power Delivery，2000，15（1）：92-97.

［4］Lee H.J.，Park D.Y.，Ahn B.S.，et al.A fuzzy expert sys?tem for the integrated fault diagnosis IEEE Transations on Power Delivery，2000，15（2）：833-838.

［5］Monsef H.，Ranjbar A.M.，Jadid S.Fuzzy rule-based ex?pert system for power system fault diagnosis IEEE Proceed?ings Generation，Transmission and Distribution，1997，144（2）：186-192.

［6］Oyama T.Fault section estimation in power system using Boltzmann machine.in：Proceedings of the Second Interna?tional Forum on Applications of Neural Networks to Power Systems，ANNPS，2013，Yokohama，2013：3-8.

［7］翁漢琍，毛鵬，林湘寧.一種改進的電網(wǎng)故障診斷優(yōu)化模型［J］.電力系統(tǒng)自動化，2007，31（7）：66-70.

WENG Hanli，MAO Peng，LIN Xiangning.An improved optimization model for power system fault diagnosis［J］.Automation of Electric Power System，2007，31（7）：66-70.

［8］劉道兵，顧雪平，李海鵬.電網(wǎng)故障診斷的一種完全解析模型［J］.中國電機工程學報，2011，31（34）：85-92.

LIU Daoging，GU Xueping，LI Haiping.A complete analyt?ical model for power system fault diagnosis［J］.Chinese Journal of Electrical Engineering，2011，31（34）：85-92.

［9］王磊，李耀華，劉志剛.基于OOCPN結(jié)線分析和反向推理的城市軌道交通牽引供電系統(tǒng)故障診斷方法［J］.中國鐵道科學，2012，33（4）：52-58.

WANG Lei，LI Yaohua，LIU Zhigang.Fault diagnosis method for traction power supply system of Urban Rail Transit Based on OOCPN line analysis and backward rea?soning［J］.China Railway Science，2011，31（34）：85-92.

［10］程學珍，陳強，于永進，等.基于最大似然譯碼字的Pe?tri網(wǎng)電網(wǎng)故障診斷方法［J］.電工技術(shù)學報，2015，30（15）：46-52.

CHENG Xuezheng，CHEN Qiang，YU Yongjin，et al.Fault diagnosis method of Petri net based on maximum likelihood decoding［J］.Transactions of China Electro?technical Society，2015，30（15）：46-52.

［11］謝敏，吳亞雄，黃庶，等.基于有色自控Petri網(wǎng)的電網(wǎng)故障區(qū)域識別［J］.電力系統(tǒng)保護與控制，2016，44（2）：56-64.

XIE Min，WU Yaxiong，HUANG Shu，et al.Identification of power grid fault zone based on colored Petri net［J］.Power system protection and control，2016，44（2）：56-64.

［12］文福拴，錢源平，韓禎祥，等.利用保護和斷路器信息的電力系統(tǒng)故障診斷與不可觀測的保護的狀態(tài)識別的模型與Tabu搜索方法［J］.電工技術(shù)學報，1998，13（5）：1-8.

WEN Fushuan，QIAN Yuanping，HAN Zhenxiang，et al.A state identification model and Tabu search method for power system fault diagnosis based on protection and cir?cuit breaker information［J］.1998，13（5）：1-8.

［13］郝東，蔣昌俊，林琳.基于Petri網(wǎng)與GA算法的FMS調(diào)度優(yōu)化［J］.計算機學報，2005，28（2）：201-208.

HAO Dong，JIANG Changjun，LIN Lin.FMS scheduling optimization based on Petri net and GA algorithm［J］.Journal of Computer Science，2005，28（2）：201-208.