综合利用电气量和时序信息的电力系统故障诊断方法
【专利摘要】本发明公开了一种综合利用电气量和时序信息的电力系统故障诊断方法；首先，根据故障前后的停电区域进行对比分析确定故障区域，形成可疑元件集；然后，建立元件的加权模糊时序Petri网模型，综合SCADA信息、WAMS的电气量信息以及这些信息所包含的时序特性，形成警报信息判据、库所延时约束和电气量判据；采用高斯函数，结合时序推理，获得警报信息的置信度并采用矩阵运算进行Petri网模型初始置信度的计算及模型的求解；最后，根据元件故障概率，进行反向推理，进行保护、断路器误动和拒动的判定；本发明具有较强的容错能力，可以处理保护和断路器误动/拒动情况以及警报丢失或错误情况，提高故障诊断结果的准确率和可靠性。
【专利说明】综合利用电气量和时序信息的电力系统故障诊断方法
【技术领域】
[0001] 本发明属于电力系统安全处理【技术领域】，涉及一种综合利用电气量和时序信息的 电力系统故障诊断方法。
【背景技术】
[0002] 电力系统故障诊断就是利用故障发生后所产生的警报信息及时、有效地确定故障 元件，为调度人员快速辨识故障提供辅助决策，有助于尽快切除故障，恢复电力系统的正常 运行。国内外学者在这一领域开展了大量研究，提出了众多的故障诊断方法。基于Petri 网的电力系统故障诊断方法因逻辑严密、物理意义清晰、推理过程简单等特点，在近年来得 到了比较广泛的关注，也取得了一些成果。传统的Petri网由库所、变迁、有向弧组成，用于 描述电力元件、继电保护、断路器等之间的逻辑关系。Petri网模型既可以用直观的图形表 示，又可以采用数学方法分析其性质，可以有效描述和推理故障发生过程。模糊Petri网模 型对传统Petri网模型进行了发展，以处理不确定性因素。
[0003] 现有的基于Petri网模型的电力系统故障诊断方法尚未能系统地利用时序信息， 对时序信息的利用仅限于信息初步筛选阶段。另一方面，Petri网中库所的初始置信度一 般凭经验赋值。实际上，保护装置运行情况的统计数据尚比较缺乏，而且统计数据中一般也 不考虑信道堵塞等情况，这样就很难基于统计数据获得比较准确的库所初始置信度。这是 现有的基于Petri网模型的电力系统故障诊断方法所存在的两个主要问题。
[0004] 通信技术的发展和电力信息系统的逐渐成熟使得获取更加丰富的信息源用于故 障诊断成为可能。在我国，以相量测量单元（Phasor measurement unit，PMU)为基础的广 域测量系统（Wide area measurement system, WAMS)开始得到应用。戴志辉，李强等人在 《电力系统保护与控制》2010, 38 (12) : 50-53上发表了《基于停电区域及广域同步信息的电 网故障快速诊断研究》一文中介绍了利用广域同步信息，构建一种基于停电区域的故障诊 断方法。
[0005] 因此，可在已有Petri网模型的基础上，通过综合利用WAMS系统和电网监视控制 和数据采集系统（SCADA)采集的信息，同时充分考虑信息的时序特性，建立了一种考虑时 序信息的多源Petri网故障诊断模型。当电力系统一次设备发生故障时，WAMS系统和SCADA 系统可对同一事件加以确认，从而提高信息的可信度；通过利用多个量测信息之间的冗余 度，可以验证信息的正确性和估计缺失的必要信息。这样，就可以提高故障诊断结果的准确 率。
[0006] 经验证，所提出的故障诊断模型能够处理复杂故障以及有保护和断路器误动/拒 动、警报信息不完整或畸变的情况。
【发明内容】
[0007] 本发明提供一种综合利用电气量与时序信息的电力系统故障诊断方法，解决了现 有基于Petri网模型的电力系统故障诊断方法未系统利用时序信息以及Petri网中库所的 初始置信度一般凭经验赋值的不准确的问题。
[0008] 为了实现上述目标，本发明提供一种综合利用电气量与时序信息的电力系统故障 诊断方法，其特征在于，包括如下步骤：
[0009] 步骤一，故障区域搜索及可疑元件集识别：发生故障后，利用WAMS信息、SCADA信 息、静态电网拓扑数据以及断路器状态变化信息，形成故障前后的停电区域并进行对比分 析，快速确定故障区域，形成可疑元件集；
[0010] 步骤二，建立元件的加权模糊时序Petri网模型：结合电力系统数据中的网络拓 扑、保护配置信息、保护和断路器动作逻辑规则，对每个可疑元件建立加权模糊时序Petri 网模型；所述Petri网模型采用高斯函数，结合时序推理，综合利用SCADA系统中的动作事 件序列（S0E)信息、WAMS系统中的电气量信息以及这些信息所包含的时序特性；
[0011] 步骤三，求解置信度矩阵稳定值和元件故障概率：根据SCADA系统中的断路器动 作警报、保护动作警报以及WAMS系统中电气量信息，进行多源信息融合，形成警报信息判 据、库所延时约束和电气量判据；采用高斯函数，结合时序推理，利用所述多源信息中包含 的时序特性计算初始置信度矩阵，并根据初始置信度矩阵进行Petri网模型置信度矩阵稳 定值求解，从而获得元件故障概率；
[0012] 步骤四，反向推理和判定：根据元件故障概率，进行反向推理，进行保护、断路器误 动和拒动的判定。
[0013] 本发明所达到的有益效果：本发明利用静态电网拓扑数据以及断路器状态变化信 息，形成故障前后的停电区域并进行对比分析，快速确定故障区域，形成可疑元件集；然后， 建立元件的加权模糊时序Petri网模型，综合利用了 SCADA和WAMS的电气量信息以及这 些信息所包含的时序特性，形成了警报信息判据、库所延时约束和电气量判据；然后采用高 斯函数，结合时序推理，获得警报信息的置信度并采用矩阵运算进行Petri网模型初始置 信度的计算及模型的求解，得到元件故障概率；最后根据元件故障概率，进行反向推理和保 护、断路器误动和拒动的判定。本发明具有较强的容错能力，可以处理保护和断路器误动/ 拒动情况以及警报丢失或错误情况，提高了故障诊断结果的准确率和可靠性；诊断过程均 采用矩阵运算，物理意义清晰，计算速度高，可用于大规模复杂电力系统的在线故障诊断。
【专利附图】
【附图说明】
[0014] 图1是综合利用电气量与时序信息的电力系统故障诊断示意图；
[0015] 图2是母线电气量信息示意图；
[0016] 图3是线路电气量信息示意图；
[0017] 图4是实施例中变电站接线示意图；
[0018] 图5是故障线路的加权模糊时序Petri网故障诊断模型示例图。
[0019] 附图中标记的含义：i表示电流，〇表示断路器
【具体实施方式】
[0020] 下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明 的技术方案，而不能以此来限制本发明的保护范围。
[0021] 如图1所示，综合利用电气量与时序信息的电力系统故障诊断方法步骤如下所 示：
[0022] 步骤一，故障区域搜索及可疑元件集识别：发生故障后，利用WAMS信息、SCADA信 息、静态电网拓扑数据以及断路器状态变化信息，形成故障前后的停电区域并进行对比分 析，快速确定故障区域，形成可疑元件集；
[0023] 步骤二，建立元件的加权模糊时序Petri网模型：结合电力系统数据中的网络拓 扑、保护配置信息、保护和断路器动作逻辑规则，对每个可疑元件建立加权模糊时序Petri 网模型；所述Petri网模型采用高斯函数，结合时序推理，综合利用SCADA系统中的动作事 件序列（S0E)信息、WAMS系统中的电气量信息以及这些信息所包含的时序特性；
[0024] 步骤三，求解置信度矩阵稳定值和元件故障概率：根据SCADA系统中的断路器动 作警报、保护动作警报以及WAMS系统中电气量信息，进行多源信息融合，形成警报信息判 据、库所延时约束和电气量判据；采用高斯函数，结合时序推理，利用所述多源信息中包含 的时序特性计算初始置信度矩阵，并根据初始置信度矩阵进行Petri网模型置信度矩阵稳 定值求解，从而获得元件故障概率；
[0025] 步骤四，反向推理和判定：根据元件故障概率，进行反向推理，进行保护、断路器误 动和拒动的判定。
[0026] 在步骤二建立元件的加权模糊时序Petri网模型中，考虑故障诊断中的不确定因 素，根据模糊Petri网的定义，结合时序推理，定义加权模糊时序Petri网（Temporal Fuzzy Petri Net, TFPN)模型为一个九元组：
[0027]
【权利要求】
1. 一种综合利用电气量和时序信息的电力系统故障诊断方法，其特征在于，包括如下 步骤： 步骤一，故障区域搜索及可疑元件集识别：发生故障后，利用WAMS信息、SCADA信息、静 态电网拓扑数据以及断路器状态变化信息，形成故障前后的停电区域并进行对比分析，快 速确定故障区域，形成可疑元件集； 步骤二，建立元件的加权模糊时序Petri网模型：结合电力系统数据中的网络拓扑、保 护配置信息、保护和断路器动作逻辑规则，对每个可疑元件建立加权模糊时序Petri网模 型；所述Petri网模型采用高斯函数，结合时序推理，综合利用SCADA系统中的动作事件序 列（SOE)信息、WAMS系统中的电气量信息以及这些信息所包含的时序特性； 步骤三，求解置信度矩阵稳定值和元件故障概率：根据SCADA系统中的断路器动作警 报、保护动作警报以及WAMS系统中电气量信息，进行多源信息融合，形成警报信息判据、库 所延时约束和电气量判据；采用高斯函数，结合时序推理，利用所述多源信息中包含的时序 特性计算初始置信度矩阵，并根据初始置信度矩阵进行Petri网模型置信度矩阵稳定值求 解，从而获得元件故障概率； 步骤四，反向推理和判定：根据元件故障概率，进行反向推理，进行保护、断路器误动和 拒动的判定。
2. 根据权利要求1所述的综合利用电气量和时序信息的电力系统故障诊断方法，其特 征在于：步骤二建立元件的加权模糊时序Petri网模型中，所述加权模糊时序Petri网模型 定义为九元组模型： S = {P，R，I，0，W，M，T0, ΛΤ0，ΤΚ} (1) 式中：Ρ = {ρ^ ρ2，…，ρη}为库所的有限集合，η为库所数；R = {i^，r2,…，rm}为变迁 的有限集合，用于表征推理规则，m为变迁数；I = [δ。为nxm阶的输入矩阵，反映库所P 至1J变迁R的映射，m、η为正整数；当Pi是r」的输入时，δ υ = 1，否则δ υ = 〇 ;〇 = [ γ u] 为mXn阶的输出矩阵，反映变迁R到库所P的映射，当Pj是的输出时，γ u = 1，否则 % = 0 ;W = diag^w；^ ···，》")为输入弧的权值矩阵，反映前提条件对规则的影响程度， 其取值与库所表征的事件类型相关;Μ= [α (Pl)，α (ρ2)，···，α (pn)]为库所置信度向量， 〇^表示库所？1的置信度；1'。= (^8&(113(12，?，〇为输入弧的延时约束矩阵，^表 示库所Pi到变迁h的时间距离，根据保护设备的整定时间、断路器的动作延时等获得，Λ?； = At%,···，At%)为输入弧延时约束不确定度矩阵，Ati表示时间距离心的 不确定度；TK = [tK1, tK2, . . . , 为nX 1维矩阵，tKi表示电力系统中实际录得的库所发生 时间。
3. 根据权利要求1所述的综合利用电气量和时序信息的电力系统故障诊断方法，其特 征在于：步骤二建立元件的加权模糊时序Petri网模型中，所述时序推理的定义如下 ： 1)时间点与时间距离 定义确定时间点变量t，表示事件发生的时间；使用t和不确定度At共同描述事件发 生时间不确定的情况，即事件发生的时间区间T(t)为[t_At，t+At];定义时间距离为两 个时间点之间的时间长度，用d u表示心和\之间的确切时间距离，即du = ;用Ad表 示时间长度的不确定度，即&和tj之间的时间距离D(ti，tj)为[dij-Λ di」，dij+Λ du];时间 点看作特殊的时间距离，T(t)的值等于t = 0时刻至事件发生时间的时间距离D(0, t)，时 间距离既表示两个时间之间的时间约束，也可以描述事件期望状态和实际状态的差异度； 2)时序推理 不确定度At和Ad表征了时间点和时间距离的分散性，若有q个时间距离 01，02，...，0(1，其中01=[(1厂八屯，屯+八(1山则它们的时间距离之和为 ： d = (1!+(12+. . . +dq (2) d的不确定度为：
(3) 式中：为不确定度Adi和之间的相关系数；一般情况下，Pu = 0,此时式（3)
变成 (4) 设V \ 4彡tp分别为事件i、j相继发生的时间，扎为事件发生时刻的时间距离； 关于时间点和时间距离约束的运算定义如下： 前向时序推理，即已知tpdij，找出事件i的后继事件或制衡事件j，以及事件j的时间 区间约束；根据式（2)和式（4)，事件j的时间约束为：
(5) 反向时序推理，用于找出事件的前驱时间，以及前驱事件的时间区间约束；事件i的时 间点约束τα)为：
(6)。
4. 根据权利要求1所述的综合利用电气量和时序信息的电力系统故障诊断方法，其特 征在于：步骤三求解置信度矩阵稳定值和元件故障概率中，所述采用高斯函数，结合时序推 理，利用所述多源信息中包含的时序特性计算初始置信度矩阵的步骤如下所示： 设期望事件发生的时间区间为T(t) = [t_At，t+At]，实际录得事件发生时间为ti; 采用下述高斯函数进行处理：
(7) 式中：A为系统的可靠性系数，a (tj为该实际录得事件的初始置信度；当&在 [t_At，t+At]内时，说明事件在期望发生的时间区间内发生，得到较高的输出概率 a (t),此信息置信度较高；当4卜~(/+^〗时，置信度α (ti)较低；ti与T(t)的时间距离 越大，此事件的置信度a (ti)就越低；若未录得相应事件的遥测信息或观测到相应的电气 量特征，则认为事件发生在h =°°时刻，α (ti)趋近于〇。
5. 根据权利要求1所述的综合利用电气量和时序信息的电力系统故障诊断方法，其特 征在于：步骤三求解置信度矩阵稳定值和元件故障概率中，所述的基于电气量信息形成的 电气量判据计算过程如下所示： 1)提取设备故障的电气量特征和断路器动作的电气量特征，用来表征设备故障时或正 常运行时的状态； 2)基于所述设备故障的电气量特征、断路器动作的电气量特征，根据主保护、后备保护 的定义和整定时间，形成保护设备的动作判据。
6. 根据权利要求5所述的综合利用电气量和时序信息的电力系统故障诊断方法，其特 征在于：步骤三求解置信度矩阵稳定值和元件故障概率中，所述设备故障的电气量特征定 义为： 根据基尔霍夫电流定律，当母线Μ正常运行时，连接在母线上的元件所流入母线的电 流之和为〇 ;当母线发生故障时，连接在母线上的元件流入母线的电流之和，等于故障点的 短路电流； 规定电流i,正方向为从母线流向线路，令母线各支路电流之和4,:
为母线故障的 电气量特征，η为与母线相连的线路、变压器出口总数，则有：
(8) 式中：4.?为事先设定的接近为〇的电流门槛值； 规定线路两端的电流为4和I，其正方向为从母线流向被保护线路，则线路两端电流 之和4为输电线路故障的电气量特征： 4=|4+4| ⑷ 根据基尔霍夫电流定律，则有
(10) 式中：4*为事先设定的接近为〇的电流门槛值； 对于长距离高压输电线，引入制动分量对由于电流互感器特性不一致、区 外故障可能产生的不平衡电流进行修正： 4=|i+t|-球-4|) (π) 式中屯为制动系数，(KK^l ;在线路内部故障时，制动分量为最小值，式（11) 与式（9)等价；在线路外部故障时乂 |Κ|为外部短路电流2倍。
7. 根据权利要求5所述的综合利用电气量和时序信息的电力系统故障诊断方法，其特 征在于：步骤三求解置信度矩阵稳定值和元件故障概率中，所述断路器动作的电气量特征 为： 线路故障导致断路器跳开时，断路器的变位操作能够使从线路量测到的电流值降至接 近于零；母线故障时，线路出口的电流值将视母线电气接线情况恢复正常负荷时的电流值 或降至接近于零，远小于故障时的电流； 断路器失灵保护的电气量特征为：线路出口处的电流未在整定时间内恢复正常值或降 至零。
8.根据权利要求5所述的综合利用电气量和时序信息的电力系统故障诊断方法，其特 征在于：步骤三求解置信度矩阵稳定值和元件故障概率中，所述保护设备的动作判据定义 如下所示： 线路与母线主保护的动作逻辑为：当所保护的元件故障，且检测到设备的电气量信息 与设备故障的电气量特征吻合，则主保护应该动作；考虑到可能发生扰动的情况，若从某一 帧，记为第i帧，第i帧的时间点记录为&，起连续三帧观测到为母线或输电 线路故障的电气量特征，即包含了4?、为事先设定的接近为〇的电流门槛值，即包 含了 4?考虑到PMU量测的数据是根据之前一个周波的采样数据计算而得，记母线 或输电线路故障的时间为，母线或输电线路故障后，经过主保护整定时间ΛΤ"， Si为母 线或输电线路故障主保护的电气量特征判据：
(12) 定义υ、η和-分别表示逻辑或运算、逻辑与运算和逻辑非运算，则主保护的动作识别 判据Sm表示为： Sm = Si 门 Si+1 门 Si+2 (13) Si、si+1、si+2对应于连续三帧母线或输电线路故障主保护的电气量特征判据； 线路或母线近后备保护的动作逻辑为：所对应的主保护期望动作，但在主保护动作时 间内未跳开相应的断路器，故障特征持续未消除时，近后备保护应该动作；若连续η帧观测 到? ，则近后备保护动作，近后备保护动作的识别判据s p表示为：
(14) Sj为母线或输电线路故障近后备保护的电气量特征判据，取= Si ; 根据近后备保护的整定时间确定n，n?Τρι· · fPMU，Τρι·为近后备保护的整定时间，fPMJ为 WAMS系统数据上报频率； 线路或母线远后备保护的动作逻辑为：所对应的主保护及近后备保护期望动作，但在 主保护及近后备保护动作时间内相应的断路器未跳开，故障特征持续未消除，此时远后备 保护应该动作；如果连续m帧观测到4^4?，则判断远后备保护动作，远后备保护的动作 识别判据s s表示为：
(15) Sk为母线或输电线路故障远后备保护的电气量特征判据，取sk = Si ; 根据远后备保护的整定时间确定m，m?· fPMU, Tsl·为远后备保护的整定时间； 断路器及断路器失灵保护动作判据：断路器收到跳闸指令并有效动作后，相连设备的 电气量将发生显著变化，线路出口的电流量测值降至接近于〇或低于设定的电流门槛值 人,,，远小于故障时的电流量测值；采用电流作为判据，设断路器流过的电流量测值为Α，心 对应于电力系统A、B、C三相电流le,Sl为断路器单相分合位的电气特征量：
(16) sA、sB、S。分别为断路器A、B、C三相分合位的电气特征量； 当任意一相发生变位操作时，即判定断路器动作；记1为h时刻断路器状态，用于判断 断路器是否存在分闸操作，相应的断路器动作判据为：
? 17) 对于有扰动的情况，当从某一帧，记为第i帧，起连续三帧观测得断路器动作判据1 = 1，且该帧之前三帧qi = 0,记录断路器分闸操作时间为ti，则断路器的动作判据sb为： = niI：-2 ^9,-1 nil： n η9,-； (18) sb = 1即表示断路器由闭合状态切至分闸状态； 对于220?500kV架空线路，断路器失灵保护的电气量特征为：线路出口处的电流未在 整定时间内恢复正常值或降至〇 ;用fi表示h时刻断路器失灵的电气量特征，以判断其是 否拒动，相应的断路器拒动判据为：
(19) 当断路器分闸成功，fi = 〇 ;否则，断路器存在拒动情况，fi = 1 ;考虑到三相分闸时间 可能存在一定偏差等因素，若记录到断路器动作sb = 1，且连续η帧fi = 1，则判定断路器 拒动，这时触发断路器失灵保护动作；失灵保护的动作判据s'表示为：
(20) 根据断路器失灵保护的整定时间确定η，η?· fPMU 为断路器失灵保护的整定时 间，为继电保护整定时间加两倍断路器熄弧时间。
9. 根据权利要求1所述的综合利用电气量和时序信息的电力系统故障诊断方法，其特 征在于：步骤三求解置信度矩阵稳定值和元件故障概率中，所述初始置信度矩阵计算过程 为： 综合考虑SCADA和WAMS系统的数据，确定库所的初始置信度为： a (tj) = 1-(1- a PMU (tj)) (1- a s〇E (tj)) (21) 式中，a (ti)表示&时刻发生事件的置信度；a _(&)表示&时刻发生PMU事件的置 信度；a 表示h时刻发生S0E事件的置信度； 当WAMS系统发生故障时，aPMU(ti) =0, a (ti) = a^tj，库所置信度即为SCADA系 统收集信息的置信度；当SCADA系统发生故障时，a = 0, a (&) = 〇_(&)，库所置 信度即为SCADA系统收集信息的置信度；当这两个系统均正常运行时，通过公式（21)得出 库所置信度高于两个系统单独工作时。
10. 根据权利要求2所述的综合利用电气量和时序信息的电力系统故障诊断方法，其 特征在于：步骤三求解置信度矩阵稳定值和元件故障概率中，所述Petri网模型置信度矩 阵稳定值求解过程如下： 设第k次迭代得到置信度矩阵Mk，则获取第k+1次置信度矩阵Mk+1的推理过程如下： 设A、B和C均为hXn阶矩阵，而D为hXq阶矩阵，E为qXn阶矩阵，F、G、Η为hX 1 阶矩阵，定义如下矩阵运算： 1) 若C * 则 Cij = maxfeij，bij); 2) 若 3) 若 C = D · E，贝的，=
4) 若 F = ^·，则 ?ι Β 5) 若1? = (}邗，则4 = &+1^，多个+简写为乙； 6) 若F = 或F = G 2,则矩阵中相同位置的元素做开方或平方运算，即或 f - σ2 · J i Si * 采用加权模糊Petri网推理获得一个稳定的网络状态，即库所置信度矩阵M的值不再 随迭代进行而变化的状态； 库所Pi的时间约束表示为[ti-Atpti+Ati]，多次迭代后时序约束也趋于稳定，不 再变化；库所Pi的时间约束用时间点矩阵T = [tp t2, . . .，tn]和不确定度矩阵ΔΤ = [Λ t1; Λ t2, · · ·，Λ tn]来描述：
(22) (23) 设第k次迭代得到置信度矩阵Mk，则第k+1次置信度矩阵Mk+1为： =(Mk *(Ψ·Ι)Θ Ο) ? Μ * (24) 若= #，则Petri网的置信度矩阵是稳定的，求解结束，此时《|/:(凡)即为可疑元件 故障概率。
【文档编号】G06F19/00GK104297637SQ201410601830
【公开日】2015年1月21日 申请日期:2014年10月31日 优先权日:2014年10月31日
【发明者】张小易, 陈泾生, 吴奕, 江叶峰, 崔玉, 钟锦源, 袁宇波, 徐春雷, 霍雪松, 郭雅娟, 李斌, 蒋宇, 郭晏, 曾飞, 陈磊, 彭志强, 杨明, 李虎成, 樊海锋, 夏杰 申请人:国家电网公司, 江苏省电力公司, 江苏省电力公司电力科学研究院, 江苏省电力公司南京供电公司, 浙江大学