[发明专利]一种基于改进案例推理的变电站故障诊断方法以及诊断装置

说明书

本发明涉及一种基于改进案例推理的变电站故障诊断方法以及诊断装置，该诊断方法考虑了案例库中各规则的条件属性间相关关系及与其它规则的条件属性间相关关系，同时结合加权欧式距离的相似性度量方法。该方法能够不断更新案例库，且通过信号之间的相关关系提高了推理的适应性和准确性，同时具有系统的自学习能力，有效提高了运维人员的工作效率。

技术领域

本发明涉及电力系统故障诊断领域，尤其涉及一种基于改进案例推理的变电站故障诊断方法以及诊断装置。

背景技术

智能变电站在发生故障时往往会产生大量的警报信号，变电站工作人员很难在短时间内准确地从这些信号中识别出故障的类型和位置等信息，因此研究如何对这些故障信息进行快速准确地故障诊断及采取相应有效的措施进行故障处理成为一项极具现实意义和经济价值的工作。现有技术中，智能故障诊断的方法主要有人工神经网络(ANN)、专家系统(ES)、Petri网络(PN)和案例推理(CBR)等方法，其中，人工神经网络(ANN)诊断方法需要有大量的样本，专家系统(ES)诊断方法存在获取专家知识的瓶颈，无法自学习，Petri网络(PN)诊断方法是一种形式化的推理方式，容易理解但计算和实现过程相对复杂。

案例推理(CBR)诊断方法是一种较原始的方法，可以在一定程度上弥补以上诊断方法的不足。但在实际的智能变电站中，信号数据的数量不足且质量不高，在不完备信号等复杂的故障诊断模式下，并没有较高准确性和较高适用性的解决方法。目前大多采用基于案例推理(CBR)的故障诊断系统，虽然能够解决不完备性数据情况下的故障诊断，但其相似性检索的准确率较低且案例的自主学习能力较弱。

发明内容

有鉴于现有技术的上述缺陷，本发明提出了一种基于改进案例推理的变电站故障诊断方法和诊断装置，该诊断方法考虑了案例库中各规则的条件属性间相关关系及与其它规则的条件属性间相关关系，同时结合加权欧式距离的相似性度量方法。该方法能够不断更新案例库，且通过信号之间的相关关系提高了推理的适应性和准确性，同时具有系统的自学习能力，有效提高了运维人员的工作效率。

为达到上述目的，根据本发明的一个方面，提供了一种基于改进案例推理的变电站故障诊断方法，包括：

在子案例库CU_e中计算新问题X₀＝(A₀,V₀)与历史案例C_i＝(A_i,V_i,W_i,F_i,M_i)，i∈{1,2,...,n}之间的相似度：采用基于加权欧式距离的相似性度量方法，对每一个案例和新问题进行相似性求解；其中，n为故障案例个数，A_i为故障案例的特征；V_i为特征对应的值，W_i为故障案例i特征属性的权值集合；F_i为故障案例i的名称信息，包含了故障i的名称及类别等；M_i为故障案例i的处理方案；

对相似性进行排序；

选择最高相似度的案例，将其中的故障信息和故障处理策略进行推送，若经检查，所述推送的故障并非真实故障，则继续推送相似性第二大的案例故障信息和故障处理策略，直至找到真实故障。

进一步的，所述新问题与历史案例之间的相似度s_0,i采用如下公式计算：