[发明专利]综合利用电气量和时序信息的电力系统故障诊断方法

说明书

技术领域

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

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。

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。

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。

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。

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

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。

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：

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。