一种配电网的故障诊断方法与流程

本发明属于故障诊断领域，尤其涉及一种基于bp与时间约束分层模糊petri网有源配电网的故障诊断方法。

背景技术：

可靠的故障诊断是配电网安全运行的首要条件，为此故障元件的迅速判别有着至关重要的作用。目前，电力系统的故障诊断在国内外有着广泛的研究，如专家系统、人工神经网络、petri网、遗传算法等。上述方法均存在一定的限制，如①专家系统维护困难，推理速度较慢。②人工神经网络需要供其学习的样本库；③遗传算法的故障诊断时间较长，且迭代较多。④petri网推理简洁明了，且其物理意义清晰。

近年来模糊petri网弥补了petri网在故障诊断中的不足，有些petri网的诊断模型虽然有一定的容错性和适应性，还存在以下几点的可以改进：①优化时序推理，对符合多重故障时间约束的重复故障信号提出假设，增加时序推理的约束条件，避免重复信号导致的误判问题；②使用bp神经网络对petri网的权值优化处理，调整其最终库所故障概率大于1的部分,提高故障诊断的准确性；③对故障概率进行分类，使其对多重信号丢失有良好的适应性。最后通过多组算例分析验证本文所提故障诊断方法的适应性和可靠性。

技术实现要素：

本发明基于bp与时间约束分层模糊petri网有源配电网的故障诊断方法。

本发明解决上述技术问题所采取的技术方案如下：

一种配电网的故障诊断方法，包括：

步骤(1)根据调度中心收到的配电网报警信息，通过结线分析法快速搜索故障区域，选择可疑的故障元件，并建立故障元件的诊断模型；

步骤(2)用可疑故障元件相关的报警信号通过逆向推理和正向推理来对报警信号中的保护和断路器动作时间进行检查和筛选；

步骤(3)通过推理后得到的库所初始置信度矩阵进行计算，判断正常运算过程中，送端、受端的最终库所置信度是否不合理；

若不合理则进行bp神经网络优化权值。优化权值后再进行矩阵运算，最终得到故障元件的置信度；

最后对继电保护装置的动作进行判断。

本发明采取了上述方案以后，基于bp与时间约束分层模糊petri网有源配电网的故障诊断，其效果更好，且运算简单清晰。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书所特别指出的结构来实现和获得。

附图说明

图1是本发明配电网的故障诊断方法的有源配电网系统结构图；

图2是本发明配电网的故障诊断方法的以l2受端为例搭建bp和petri网的等效结构图；

图3是本发明配电网的故障诊断方法的网络优化的示意图；

图4是本发明配电网的故障诊断方法的网络优化的示意图；

图5是本发明配电网的故障诊断方法的流程示意图。

具体实施方式

以下将结合实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

具体来说，如图5所示，本发明的方法具体包括:

步骤(1)根据调度中心收到的配电网报警信息，通过结线分析法快速搜索故障区域，选择可疑的故障元件，并建立故障元件的诊断模型；

步骤(2)用可疑故障元件相关的报警信号通过逆向推理和正向推理来对报警信号中的保护和断路器动作时间进行检查和筛选；

步骤(3)通过推理后得到的库所初始置信度矩阵进行计算，判断正常运算过程中，送端、受端的最终库所置信度是否不合理，若不合理则进行bp神经网络优化权值。

优化权值后再进行矩阵运算，最终得到故障元件的置信度；

步骤(4)设置故障概率分为3种情况，其中前2种为多重信号丢失情况，第3种为通常情况。①故障元件受端送端均无主保护和近后备保护及对应断路器信号，且故障元件两端均存在两个远后备保护。若每侧均存在3个关于远后备保护和对应断路器信号，故障概率取0.55。②故障元件受端送端均无主保护和近后备保护及对应断路器信号，且故障元件一端存在两个远后备保护。则那一端若存在3个关于远后备保护和对应断路器信号，故障概率取0.65。③除上述情况，故障概率均取0.75,最后对继电保护装置的动作进行判断。

1.步骤(1)根据调度中心收到的配电网报警信息，通过结线分析法快速搜索故障区域，选择可疑的故障元件，并建立故障元件的诊断模型；

2.步骤(2)用可疑故障元件相关的报警信号通过逆向推理和正向推理来对报警信号中的保护和断路器动作时间进行检查和筛选；

当元件故障的时候，调度中心收到关于故障相关保护与断路器的动作和时间，充分利用报警信号来进行时序推理。可以显著提高诊断的速度。因为调度中心只能收到报警信息，对原因事件动作起点时间是未知的，为此按照主保护、主保护相应的断路器、近后备保护、近后备保护相应的断路器、远后备保护、远后备保护对应的断路器的顺序来对原因事件动作起点进行推理。

为更准确的进行故障诊断，进行如下两点假设：

1)先进行第一次时序推理筛选不符合的信号，若有多重故障，选择故障信号重复多的且为可疑故障元件除远保护及相应断路器以外的先进行故障诊断。

2)若先前进行的故障诊断判断其为故障，则将重复信号剔除，进行下一元件的时间约束，再对其进行故障诊断。若第一次故障诊断判断为非故障，则直接进行下一元件的故障诊断

之后对报警信号进行逆向推理和正向时序推理，正向时序推理后，筛选不符合的报警信号，不符合的报警信号将对应的初始库所置信度设置为0.1。如果报警信号没有初始库所的时间点，则为未动作。

3.步骤(3)通过推理后得到的库所初始置信度矩阵进行计算，判断正常运算过程中，送端、受端的最终库所置信度是否不合理，若不合理则进行bp神经网络优化权值。优化权值后再进行矩阵运算，最终得到故障元件的置信度；

一般的petri网计算故障置信度时，权值、置信度等完全依靠人工经验给出，使得诊断结果具有一定的人为主观影响。搭建bp和petri网的等效结构图，使用误差的反向传播来优化petri网权值，且输入层保护和对应断路器的权值总和为1。

系统对p个训练样本的总误差准则函数：

l为输出层库所个数，p为样本数量，th为算法期望输出，oh为输出层第h个节点的输出。

误差的反向传播：由输入层逐层向各层神经元的输出误差，然后根据误差的梯度下降方法来调节各层的权值，使网络的输出函数逼近期望值。下式依次为输出层权值修正量δωhk，隐含层权值修正量δωki，输入层权值修正量δωij。

输出层权值修正量推导：

η为学习率，神经网络激活函数均设定为petri网推导中的高斯函数ok为隐含层层第k个节点的输出。

ωhk为隐含层k节点到输出层h节点的权值，ωki为隐含层i节点到输出层k节点的权值，oi为隐含层第i个节点的输出。netk为隐含层第k个节点的输入，neti隐含层第i个节点的输入。

如图1、2所示，图1为有源配电网系统结构图，图2为以l2受端为例搭建bp和petri网的等效结构图，使用误差的反向传播来优化petri网权值，且输入层保护和对应断路器的权值总和为1。

其中，图1中的英文符号都解释如下：s为电源、dg为分布式电源、cbn为断路器、ln为线路。

图2中的oh表示输出层；oi和ok表示隐含层；xj表示输入层。

假设收到报警信号l2rm、l2rp、cb4，计算受端最终库所故障置信度为1.6792。经过神经网络权值优化，学习率取0.01，目标误差为1×10^-6，最高迭代次数取4500次。初始输出层权值分别取1、0.95、0.85，初始输入层保护权值均取0.2，初始输入层断路器权值均取0.8。

首先对输出层权值ωhk进行优化，如图3所示。

输出层权值经过4500次训练后收敛，收敛精度为1×10^-6，ωhk分别为0.6658、0.5119、0.85，因为远后备保护和相应断路器无报警信号，因此相应输出层权值不变。继续对ωij进行训练，如图4所示。

输入层权值经过4500次训练后收敛，收敛精度为1×10^-6，ωij分别为0.5354、0.4646、0.2391、0.7609、0.2、0.8、0.2、0.8。因为远后备保护和相应断路器不动作，因此不参与bp神经网络权值优化。再进行petri网计算故障置信度为0.9980<1，达到期望目标。

4.步骤(4)设置故障概率分为3种情况，其中前2种为多重信号丢失情况，第3种为通常情况。①故障元件受端送端均无主保护和近后备保护及对应断路器信号，且故障元件两端均存在两个远后备保护。若每侧均存在3个关于远后备保护和对应断路器信号，故障概率取0.55。②故障元件受端送端均无主保护和近后备保护及对应断路器信号，且故障元件一端存在两个远后备保护。则那一端若存在3个关于远后备保护和对应断路器信号，故障概率取0.65。③除上述情况，故障概率均取0.75,最后对继电保护装置的动作进行判断。

本发明采取了上述方案，是基于bp与时间约束分层模糊petri网有源配电网的故障诊断，将petri网故障诊断方法改进为bp神经网络优化petri网的权值，其效果更好。

需要说明的是，对于上述方法实施例而言，为了简单描述，故将其都表述为一系列的运算组合，但是本领域技术人员应该知悉，本发明提出的方法通过bp神经网络优化petri网的权值，将最终库所故障置信度大于1的进行修正，将其置信度优化到0.999，通过神经网络优化提高了故障诊断的置信度，并使其具有更好的适应性和灵活性。改善时序推理的方法，增加时序推理的约束条件，提高故障诊断的可靠性并且避免了重复信号导致的误判问题。对故障的判断概率进行分类，能更好的适应多重信号丢失的情况并准确诊断出故障元件。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。