計及時間約束的改進模糊Petri網故障診斷模型

白 展 苗世洪 孫雁斌 陳亦平 侯云鶴

(1.強電磁工程與新技術國家重點實驗室(華中科技大學) 武漢 430074 2.中國南方電網有限責任公司 廣州 510623 3.香港大學電機電子工程系 香港)

計及時間約束的改進模糊Petri網故障診斷模型

白 展1苗世洪1孫雁斌2陳亦平2侯云鶴3

(1.強電磁工程與新技術國家重點實驗室(華中科技大學) 武漢 430074 2.中國南方電網有限責任公司 廣州 510623 3.香港大學電機電子工程系 香港)

為充分利用故障事件記錄的時間約束特性，進一步提高故障診斷的準確性與快速性，建立了一種計及時間約束的改進模糊Petri網故障診斷模型。首先，分析故障事件記錄的一元、二元時間約束關系，研究不確定及缺失的報警信息對故障診斷的影響，利用虛擬有向弧及Petri網產生式規則，建立改進模糊Petri網模型；之后，通過正、反向時序推理分析，獲得所有報警信息應該滿足的時間區間，依據所建立的狀態真值矩陣有效甄別出時序不一致的報警信息；在上述基礎上，制定電網故障診斷的具體流程，提出繼電保護裝置動作行為辨識規則；最后，通過局部電力系統的多組算例仿真和實際系統故障案例測試，證明了所建模型能有效地診斷出電網故障，并具有較高的容錯性。

時間約束 改進模糊Petri網 故障診斷 不確定性 狀態真值矩陣

0 引言

目前，國內外電力學者已對電力系統故障診斷領域進行了廣泛研究，并提出了多種智能診斷方法，如專家系統[1]、人工神經網絡[2，3]、解析模型[4]、貝葉斯理論[5]、Petri網[6，7]等。這些理論和方法在故障診斷中均具有一定的適用性，其中Petri網以圖形的方式描述電力系統元件、保護和斷路器三者之間的關聯特性，具有簡潔、高效、物理意義清晰等特點，因而受到越來越多的關注，并衍生出一系列改進的算法[8-14]。

針對傳統Petri網理論無法有效應對故障診斷中的不確定性問題，近年來提出了模糊Petri網的概念。文獻[8,9]以模糊Petri網模型為工具，對電網中的各個元件進行故障診斷，并采用概率的形式來描述不確定的保護和斷路器動作信息；文獻[10]構建了基于模糊推理Petri網的故障診斷模型，通過矩陣運算的方式完成了診斷推理過程；文獻[11]為降低Petri網規模，提出了一種分層、多子網模糊Petri網模型，并能適應網絡拓撲結構的變化。

上述基于模糊Petri網的故障診斷方法雖在一定程度上考慮了保護和斷路器動作的不確定性，但卻忽視了報警信息的時間約束特性對故障診斷的重要影響。因此，有些學者對這一問題陸續開展了相關研究：文獻[12]充分利用保護和斷路器動作信息的時序屬性，對不完備的動作信息進行糾錯處理，建立了時序模糊Petri網故障診斷模型；文獻[13]研究了一種計及時序信息檢查的分層模糊Petri網模型，對保護和斷路器的動作概率進行修正，提高了模型的容錯性；文獻[14]綜合利用故障時電氣量信息、保護和斷路器動作信息的時序屬性，發展了一種延時約束加權模糊Petri網故障診斷模型。

在上述時序處理方法的基礎上，本文在以下兩方面作進一步完善和研究：①充分利用故障事件記錄的時間約束特性對海量報警信息進行初步篩選，避免因時序不一致信息而導致的誤判問題；②充分提高模糊Petri網模型應對不確定及缺失的報警信息的能力，增強故障辨識的準確性與容錯性。在此基礎上，本文利用虛擬有向弧及Petri網產生式規則，提出了計及時間約束的改進模糊Petri網故障診斷模型，通過正、反向時序推理分析，獲得所有報警信息應該滿足的時間區間，然后根據狀態真值矩陣，有效甄別出時序不一致的報警信息。局部電力系統的多組仿真結果和實際電力系統故障案例測試驗證了模型的有效性和容錯性。

1 故障事件記錄的時間約束特性

電力系統故障的事件記錄主要包括兩個部分：原因事件和報警信息[15]。原因事件是指母線、線路或變壓器發生故障，用集合C={c1,c2,…,cN}表示，其中N為原因事件的數量，元素ci為第i個原因事件。報警信息是指原因事件引發的保護和斷路器動作信息，用集合A={a1,a2,…,aM}表示，其中M為報警信息的數量，元素ai為第i個報警信息。

1.1 時間約束定義

電力系統故障診斷主要是利用原因事件和報警信息的動作時間及時間約束關系來診斷出實際故障元件，其中最重要的就是通過二元時間約束對海量報警信息進行初步篩選，進而剔除時序不一致的信息。基于此，本文將二元時間約束分為以下兩種類型：

1)原因事件與報警信息之間的二元時間約束，即， 其中aj為原因事件ci引發的報警信息，兩者的動作時間分別為Taj和Tci。

2)報警信息與報警信息之間的二元時間約束，即， 其中ai與aj為同一原因事件引發的報警信息，動作時間分別為Tai和Taj。

1.2 保護和斷路器的時間約束

實際系統中，當原因事件發生時，保護和斷路器的動作時間并不能精確確定。其中，保護的動作時間主要由保護裝置整定延時和觸發延時決定，而斷路器也有一定的動作延時。因此，根據傳統繼電保護配置原則[13，17]，定義主保護、近后備保護、遠后備保護相對原因事件c的延時區間分別為

(1)

(2)

(3)

式中，下標m表示主保護；下標p表示近后備保護；下標s表示遠后備保護。

定義主保護、近后備保護、遠后備保護對應的斷路器相對保護動作時間的延時區間為

(4)

式中，下標b表示斷路器；下標q表示為觸發斷路器跳閘的保護。

2 計及時間約束的改進模糊Petri網

2.1 改進模糊Petri網的數學描述

充分考慮原因事件和報警信息的時間約束特性，定義改進模糊Petri網為一個6元組

SIFPN=(P,Tr,I,O,α,T0)

(5)

式中，P={p1,p2,…,pn}為庫所結點的有限集合(n維)，將代表保護和斷路器的庫所稱為起始庫所，代表電網元件的庫所稱為終端庫所，其他不具備物理含義的稱為中間庫所。

Tr={t1,t2,…,tm}為變遷結點的有限集合(m維)，是兩個庫所之間進行狀態轉換的橋梁。

I:P→Tr為變遷的輸入弧置信度矩陣(n×m維)，I=[Iij]， Iij∈[0,1]， 當存在從庫所pi到變遷tj的有向弧時，Iij的值為該有向弧的權重，否則Iij=0。

O:Tr→P為變遷的輸出弧置信度矩陣(m×n維)，O=[oij]， oij∈[0,1]， 當存在從變遷ti到庫所pj的有向弧時，oij的值為該有向弧的置信度，否則oij=0。

α=[αp1,αp2,…,αpn]為庫所的置信度矩陣(n維)，αpi∈[0,1]， 表示庫所pi狀態為真的概率。

T0=[T1,T2,…,Tk]為起始庫所時間矩陣(k維)，表示報警信息的實際動作時間。

2.2 改進模糊Petri網的圖形表示

本文采用圖1所示的局部電力系統模型[11]來詳細說明改進模糊Petri網的建立過程。圖1中，L表示線路，A表示單母線，B表示雙母線，T表示變壓器，CB表示斷路器，FP表示失靈保護，下標數字為編號。假定母線配有主保護，動作時跳開與該母線相連的所有斷路器；母聯斷路器均配置失靈保護；線路兩端都各有主保護和近、遠后備保護，其中近后備保護是指由相鄰母線為其提供失靈保護。

圖1 局部電力系統模型Fig.1 Partial power system model

當圖1中的電網元件發生故障時，若主保護或對應斷路器拒動，則故障范圍將擴大。因此必須充分考慮故障可能蔓延的所有方向以及各個方向上的保護和斷路器的動作時間約束關系，然后利用模糊Petri網的產生式規則[18]，建立元件的改進模糊Petri網模型。

1)線路。

以線路L1為例，其有2個故障可能蔓延方向(母線B1、B4)，改進模糊Petri網模型如圖2所示。

圖2 線路L1的改進模糊Petri網模型Fig.2 Improved fuzzy Petri net model of line L1

根據庫所的定義，圖2中最左邊的庫所為起始庫所，下標S和R分別表示線路的送端和受端，L1Sm表示線路L1的送端主保護，FP6表示斷路器CB6的失靈保護，p1、p2為中間庫所，L1為終端庫所，t1～t5為變遷，ω1～ω16為變遷輸入弧的權重，μ1～μ5為變遷輸出弧的置信度。

為體現斷路器拒動對故障診斷的影響，本文采用了虛擬有向弧，即圖2中帶箭頭的虛線，使得后備保護及對應斷路器動作時，變遷t2、t4的合成輸入概率能夠保持一個較大的數值，這將有利于故障的準確診斷，詳見2.6節。此外，為便于后文描述，將圖2中帶箭頭的實線稱為實有向弧。

2)母線。

同理，以母線B1為例，其改進模糊Petri網模型如圖3所示，其中T2s為變壓器T2的遠后備保護，B1m為母線B1的主保護。

圖3 母線B1的改進模糊Petri網模型Fig.3 Improved fuzzy Petri net model of bus B1

2.3 時序推理分析

實際上，調度中心僅能接收到報警信息，對于原因事件的動作時間是未知的，而報警信息還存在不確定性及部分缺失等現象，因此需對接收到的報警信息進行時間約束檢查，以找到合適的時間參考點，為時序推理分析奠定基礎。根據報警信息的優先等級，本文制定如下時間參考點確定方法：①首先以優先級最高的報警信息為基準，依次檢查與下一級報警信息之間是否滿足時間約束，若至少有1個下一級報警信息滿足，則直接以優先級最高的報警信息為時間參考點；②若所有下一級報警信息都不滿足時間約束，則表明優先級最高的報警信息時序不一致，此時以下一級報警信息為基準，重復上述過程，直至找到時間參考點。

如此，根據報警信息的時間參考點，便可推理出原因事件及其他報警信息的期望動作時間，從而獲得完整的故障事件時間區間。對于任意改進模糊Petri網，時序推理分析過程如圖4所示。

圖4 時序推理示意圖Fig.4 Diagram of temporal reasoning

2.4 時序不一致信息檢查

為充分利用上述獲得的各起始庫所應滿足的時間區間，以便對實際接收到的報警信息進行時序不一致檢查，本文定義期望最小、最大動作時間矩陣分別為

(6)

(7)

根據實際接收到的報警信息對起始庫所時間矩陣T0進行賦值，并與Hmin和Hmax比較，即可初步判定各報警信息是否滿足時間約束關系，并得到狀態真值矩陣γ=[γP1,γP2,…,γPk]， 其中元素γPi表示庫所pi對應報警信息的狀態，定義為

(8)

式中，1表示接收到的報警信息滿足時間約束；0表示未接收到報警信息；-1表示接收到報警信息但不滿足時間約束，應予以剔除；Ti為第i個起始庫所對應報警信息的實際動作時間。

綜上所述，通過對報警信息進行時序推理分析，可實現信息的初步篩選，有效甄別出時序不一致的信息，并可根據狀態真值矩陣γ對改進模糊Petri網的起始庫所賦予相應置信度，為后續繼電保護裝置動作行為辨識提供依據。

2.5 參數設置

庫所的置信度：①將滿足時間約束，即γpi=1的報警信息視為真，對相應庫所賦予較高的置信度。根據文獻[13]的研究成果，對于母線、主保護及對應斷路器的置信度設為0.856 4、0.983 3；對于線路，主保護及對應斷路器的置信度設為0.991 3、0.983 3；不論是母線還是線路，近、遠后備保護的置信度設為0.8、0.7，對應斷路器的置信度分別為0.85、0.75。②考慮到報警信息的不確定性，對時序不一致與調度端未曾接收，即與γpi≠1的報警信息相關聯的庫所也賦予一個較低的置信度，取為0.2。③對于中間庫所和終端庫所，其初始置信度均為0。

變遷的輸入弧置信度：元件故障時，保護首先會動作，繼而引起斷路器跳閘，因此可認為保護動作對故障診斷的影響程度更大，保護庫所到變遷的輸入弧也應賦予較高的權重[14]。本文令保護庫所到同一個變遷的實有向弧權重相同，且總和為0.6，斷路器庫所到同一個變遷的實有向弧權重也相同，且總和為0.4；對于虛擬有向弧，若相應斷路器庫所置信度為0.2，則令權重為1，否則為0；令中間庫所到同一個變遷的實有向弧權重相同，且總和為1；變遷的輸出弧置信度，均取為0.95。

2.6 矩陣運算

1)建立變遷的輸入弧、輸出弧置信度矩陣I、

O， 以及庫所的初始置信度矩陣α0， 并令推理次數ψ=0。

2)計算變遷的合成輸入概率矩陣，即

G=αψ·I

(9)

3)計算庫所的下一步狀態，即

αψ+1=G?O

(10)

4)若αψ+1僅有一個非零元素，則推理結束，此元素即為電網元件的置信度，否則令ψ=ψ+1，返回步驟2)。

對于圖2所示的線路L1的改進模糊Petri網，假設起始庫所的置信度已知，并用αL1Sm表示庫所L1Sm的置信度，則庫所p1的置信度為αp1=max{(αL1Smω1+αCB7ω2)μ1，(αCB7ω3+αFP6ω4+αCB6ω5+αCB4ω6+αCB5ω7+αCB9ω8)μ2}，同理可獲得庫所p2的置信度αp2， 則終端庫所L1的置信度為αL1=(αp1ω15+αp2ω16)μ5。

從上述推理公式即可看出，對于故障元件，不論是主保護及對應斷路器正確動作，還是依靠后備保護來切除故障，中間庫所均可獲得較大的置信度。而通過兩個中間庫所加權來獲得終端庫所的置信度，則可使非故障元件的保護或斷路器誤動時，元件的置信度仍能保持一個較低的數值，因此不會發生誤判。

3 基于改進模糊Petri網的電網故障診斷

本文提出的基于改進模糊Petri網的電網故障診斷過程可分為以下4個部分：

1)根據接收到的報警信息，采用結線分析法[18]快速搜索故障停電區域，確定可疑故障元件，并建立可疑故障元件的改進模糊Petri網模型。

2)搜索與可疑故障元件相關聯的報警信息，并充分利用故障事件記錄的時間約束特性，通過正、反向時序推理分析，獲得所有報警信息應該滿足的時間區間，然后根據狀態真值矩陣篩選出時序不一致的報警信息。

3)根據可疑故障元件的狀態真值矩陣，對庫所的置信度、變遷的輸入弧和輸出弧置信度進行初始化設置，然后對改進模糊Petri網進行矩陣運算，獲得可疑故障元件的置信度。

4)根據各可疑故障元件的置信度，通過與門檻值進行比較的方式確定實際故障元件，并對保護和斷路器的動作行為進行辨識。

以圖1所示的局部電力系統為例，詳細說明故障診斷過程。假設調度端接收到如下報警信息：B1m(15ms)、L1Rs(980ms)動作，斷路器CB6(40ms)、CB5(41ms)、CB4(43ms)、CB9(43ms)、CB11(1 010ms)跳閘。

首先根據上述報警信息，利用已較為成熟的結線分析法快速搜索電網拓撲，確定故障停電區域，具體過程詳見文獻[18]，本文不再贅述。最終，得到可疑故障元件為線路L1和母線B1，其改進模糊Petri網模型分別如圖2和圖3所示。

1)母線B1的置信度。

由于調度端接收到的報警信息均與母線B1相關聯，則根據報警信息的實際動作時間，便可獲得起始庫所時間矩陣T0=[0，41，15，0，43，0，1 010，980，43，0，0，40，0，0，0]。

通過2.3節所述的時序推理分析方法，得到優先級最高的報警信息為“主保護B1m(15ms)動作”，與下一級報警信息“斷路器CB6(40ms)跳閘”滿足保護與對應斷路器的延時區間[20，40]ms，則B1m(15ms)為時間參考點。根據主保護與原因事件的反向時間約束[-40，-10]ms，推理出原因事件的動作時間區間為[-25，5]ms，進而獲得期望最小、最大動作時間矩陣分別為Hmin=[925，5，-15，925，5，5，945，925，5，945，925，5，235，255，255]、Hmax=[1 075，85，45，1 075，85，85，1 115，1 075，85，1 115，1 075，85，345，385，385]。通過比較T0、Hmin和Hmax，獲得狀態真值矩陣γ=[0，1，1，0，1，0，1，1，1，0，0，1，0，0，0]，根據γ定義可知接收到的報警信息均滿足時間約束。

接著對改進模糊Petri網進行參數初始化設置，便可獲得庫所的初始置信度矩陣為α0=[0.2，0.983 3，0.856 4，0.2，0.983 3，0.2，0.75，0.7，0.983 3，0.2，0.2，0.983 3，0.2，0.2，0.2，0，0，0，0，0，0]；然后利用式(9)和式(10)進行第1次矩陣運算，得到庫所的下一步狀態為α1=[0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0.674 7，0.674 7，0.874 0，0.861 8，0.861 8，0]，其中非零元素即為中間庫所的置信度；重復矩陣運算過程，得到第2次推理后庫所的狀態為α2=[0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0，0.749 9]，其中僅有1個非零元素，表明推理結束，且母線B1的置信度為0.749 9。

2)線路L1的置信度。

同理，對于線路L1而言，與其相關聯的報警信息為“斷路器CB6(40ms)、CB5(41ms)、CB4(43ms)、CB9(43ms)、CB11(1 010ms)跳閘”。其中，前4個報警信息均是斷路器CB6的失靈保護動作后，經過20—40ms延時跳閘的，因此這4個報警信息之間的延時區間應為[0，20]ms。經過時序推理分析后，可得線路L1的狀態真值矩陣γ=[0，0，0，1，1，1，1，0，-1，0，0，0]，其中-1表示“斷路器CB11(1 010ms)跳閘”為時序不一致的報警信息。通過矩陣運算，最終可推導出線路L1的置信度為0.478 3。

3)繼電保護裝置動作評價。

考慮到算法的容錯性，令元件置信度大于0.6時，表明確實發生故障，則根據上述矩陣運算結果可知本案例的故障元件為母線B1。為進一步辨識繼電保護裝置的動作行為，本文根據狀態真值矩陣，制定如下評價規則：

(1)對于故障元件，若主保護及對應斷路器狀態均為1，則后備狀態為1的視為誤動；對于非故障元件，除了與故障元件相關的保護和斷路器外，其他狀態為1的視為誤動。

(2)對于故障元件，若主保護或對應斷路器狀態不為1，而后備保護或對應斷路器狀態為1，則視為主保護或對應斷路器拒動，后備缺失的信息為漏報；若后備保護及對應斷路器狀態均不為1，則故障由主保護及對應斷路器正確切除，缺失的信息為漏報。

案例中，母線B1發生故障，其主保護狀態為1，對應斷路器CB7狀態為0，而后備保護L1Rs及對應斷路器CB11狀態均為1，因此可診斷出斷路器CB7拒動。此外，線路L1并未發生故障，且斷路器報警信息均與母線B1相關，因此繼保裝置沒有誤動。

4 算例分析

為進一步驗證本文所提故障診斷模型的有效性及容錯性，充分考慮保護和斷路器發生誤動或拒動、報警信息缺失以及多重故障等情況，利用圖1所示的局部電力系統進行仿真分析，結果見表1。

表1中，算例1～算例3和算例4～算例6分別為單重故障和多重故障情況下的診斷。算例1和算例4在保護和斷路器均正確動作且所有報警信息都滿足時間約束的情況下，可以得出正確的診斷結果。算例2模擬了單重故障下存在時序不一致及拒動的情況，通過本文模型仍可準確診斷出母線B2發生故障，此外，若不采用時間約束，則極有可能得出斷路器CB6的失靈保護誤動的結論。算例3表明，算法對斷路器誤動也具有較好的容錯性。算例5表明，即使伴隨斷路器的拒動、報警信息的漏報及時序不一致，仍能得出實際故障元件。算例6表明，在主保護信息缺失的情況下，盡管故障元件的置信度會降低，但仍不影響診斷結果。

通過上述分析可知，無論是單重故障，還是多重故障，本文所建模型均能給出正確的故障診斷結果。

表1 局部電力系統的故障診斷結果

Tab.1Faultdiagnosisresultsofpartialpowersystem

算例報警信息(時間/ms)可疑故障元件/置信度診斷結果實際元件保護和斷路器動作行為辨識1L2Sm(31)、L2Rm(32)、CB8(64)、CB12(66)L2/0.8918L2L2正確動作2B2m(24)、CB8(51)、CB10(53)、CB6(160)、FP6(270)、CB4(298)、CB5(298)、CB7(300)、CB9(301)B2/0.8441、B1/0.4428B2B2CB6時序不一致且拒動3B4m(40)、CB13(71)、CB11(72)、CB20(72)、CB7(1039)B4/0.8105、L4/0.4783B4B4CB7誤動4B1m(20)、L2Sm(23)、L2Rm(24)、CB6(49)、CB4(50)、CB5(51)、CB7(51)、CB9(52)、CB8(56)、CB12(57)B1/0.7476、L2/0.8918B1、L2B1、L2正確動作5B1m(20)、L2Sm(23)、L2Rm(24)、CB4(50)、CB5(51)、CB7(51)、CB8(56)、CB12(57)、CB9(182)、FP6(275)、CB10(301)B1/0.7445、B2/0.4155、L2/0.8918B1、L2B1、L2CB6拒動、CB9時序不一致且漏報6B1m(20)、L2Rm(24)、CB6(49)、CB4(50)、CB5(51)、CB7(51)、CB9(52)、CB8(56)、CB12(57)、CB10(300)B1/0.7476、B2/0.4249、L2/0.6775B1、L2B1、L2L2Sm缺失、CB10誤動

圖5 廣州電網部分接線Fig.5 A part of Guangzhou power network

為驗證模型的實用性，采用廣州電網的一個實際故障案例[17]進行詳細說明。電網接線如圖5所示，其中G1、G2為發電機。需注意的是，該電網的保護與對應斷路器之間的延時區間為[40，60]ms，盡管與1.2節所定義的延時區間不同，但不影響本文所提模型的正確性，只需修正最小、最大庫所-時間關聯矩陣即可，結果為ΔTmin=[10，50，260，300，950，990]ms、ΔTmax=[40，100，340，400，1 070，1 130]ms。

某故障發生后，調度中心接收到如下報警信息：靠近碧山站的線路L2943縱聯差動保護0ms動作，靠近煉化站的線路L2943縱聯差動保護2ms動作，斷路器CB14于50ms跳閘，斷路器CB12于90ms跳閘，碧山站失靈保護279ms動作，斷路器CB16于328ms跳閘，斷路器CB6于330ms跳閘，斷路器CB7于337ms跳閘。

首先通過結線分析法得到可疑故障元件為線路L2943和母線B4，采用2.2節所述方法建立其改進模糊Petri網模型。然后根據報警信息的實際動作時間進行時序推理分析，如線路L2943的起始庫所時間矩陣T0=[0，90，279，328，330，337，2，50，0，0]ms，時間參考點為L294 3Sm(0ms)，進而獲得狀態真值矩陣γ=[1，-1，1，1，1，1，1，1，0，0]，可知CB12(90 ms)為時序不一致的報警信息。最終經過矩陣推理運算，得到線路L294 3的置信度為0.906 2。同理，分析得到母線B4的置信度為0.437 7，因此診斷結果為線路L2 943發生故障。結合繼電保護裝置動作評價規則，發現斷路器CB12拒動，與實際故障情況相吻合，可見本文所提模型能夠用于實際系統的故障診斷，并具有較好的應用前景。

5 結論

本文研究了故障事件記錄的一元和二元時間約束特性，提出了報警信息的正、反向時序推理分析方法，并建立了可有效甄別時序不一致信息的狀態真值矩陣。在此基礎上，構建了計及時間約束的改進模糊Petri網故障診斷模型。多組算例仿真和實際電力系統故障案例測試結果表明，在保護和斷路器發生誤動或拒動、報警信息缺失或時序不一致以及發生多重故障等情況下，該模型均能給出正確的診斷結果，并具有較高的容錯性。

[1] Lee H J，Ahn B S，Park Y M.A fault diagnosis expert system for distribution substations[J].IEEE Transactions on Power Delivery，2000，15(1)：92-97.

[2] Cardoso G，Rolim J G，Zum H H.Application of neural-network modules to electric power system fault section estimation[J].IEEE Transactions on Power Delivery，2004，19(1)：1034-1038.

[3] 李練兵，張秀云，王志華，等.故障樹和BAM神經網絡在光伏并網故障診斷中的應用[J].電工技術學報，2015，30(2)：248-254. Li Lianbing，Zhang Xiuyun，Wang Zhihua，et al.Fault diagnosis in solar photovoltaic grid-connected power system based on fault tree and BAM neural network[J].Transactions of China Electrotechnical Society，2015，30(2)：248-254.

[4] 熊國江，石東源.電網故障診斷改進解析模型及其自適應生物地理學優化方法[J].電工技術學報，2014，29(4)：205-211. Xiong Guojiang，Shi Dongyuan.An improved analytic model for fault diagnosis of power grids and its self-adaptive biogeography-based optimization method[J].Transactions of China Electrotechnical Society，2014，29(4)：205-211.

[5] Zhu Yongli，Huo Limin，Lu Jinling.Bayesian networks-based approach for power systems fault diagnosis[J].IEEE Transactions on Power Delivery，2006，21(2)：634-639.

[6] 程學珍，陳強，于永進，等.基于最大似然譯碼字的Petri網電網故障診斷方法[J].電工技術學報，2015，30(15)：46-52. Cheng Xuezhen，Chen Qiang，Yu Yongjin，et al.A fault diagnosis approach of power networks based on maximum likelihood decoding Petri net models[J].Transactions of China Electrotechnical Society，2015，30(15)：46-52.

[7] Dimitri Lefebvre.On-line fault diagnosis with partially observed Petri nets[J].IEEE Transactions on Automatic Control，2014，59(7)：1919-1924.

[8] 程學珍，王程，于永進，等.一種基于模糊故障Petri網的三相異步電動機故障分析方法[J].電工技術學報，2015，30(17)：132-139. Cheng Xuezhen，Wang Cheng，Yu Yongjin，et al.An approach for three-phase asynchronous motor failure analysis based on fuzzy fault Petri net[J].Transactions of China Electrotechnical Society，2015，30(17)：132-139.

[9] 孫靜，秦世引，宋永華.模糊Petri網在電力系統故障診斷中的應用[J].中國電機工程學報，2004，24(9)：74-79. Sun Jing，Qin Shiyin，Song Yonghua.Fuzzy Petri nets and its application in the fault diagnosis of electric power systems[J].Proceedings of the CSEE，2004，24(9)：74-79.

[10]Luo Xu，Kezunovic M.Implementing fuzzy reasoning Petri-nets for fault section estimation[J].IEEE Transactions on Power Delivery，2008，23(2)：676-685.

[11]謝紅濤，童曉陽.基于分層模糊Petri網的電網故障綜合診斷方法[J].電網技術，2012，36(1)：246-252. Xie Hongtao，Tong Xiaoyang.A method of synthetical fault diagnosis for power system based on fuzzy hierarchical Petri net[J].Power System Technology，2012，36(1)：246-252.

[12]楊健維，何正友.基于時序模糊Petri網的電力系統故障診斷[J].電力系統自動化，2011，35(15)：46-51. Yang Jianwei，He Zhengyou.Power system fault diagnosis approach based on time sequence fuzzy Petri net[J].Automation of Electric Power Systems，2011，35(15)：46-51.

[13]童曉陽，謝紅濤，孫明蔚.計及時序信息檢查的分層模糊Petri網電網故障診斷模型[J].電力系統自動化，2013，37(6)：63-68. Tong Xiaoyang，Xie Hongtao，Sun Mingwei.Power system fault diagnosis model based on layered fuzzy Petri net considering temporal constraint checking[J].Automation of Electric Power Systems，2013，37(6)：63-68.

[14]吳文可，文福拴，薛禹勝，等.基于多源信息的延時約束加權模糊Petri網故障診斷模型[J].電力系統自動化，2013，37(24)：43-53. Wu Wenke，Wen Fushuan，Xue Yusheng，et al.A weighted fuzzy Petri net based model with time-delay constraints for power system fault diagnosis employing information from multiple sources[J].Automation of Electric Power Systems，2013，37(24)：43-53.

[15]郭文鑫，文福拴，廖志偉，等.基于時序約束網絡的電力系統在線警報處理解析模型[J].電力系統自動化，2009，33(21)：36-42. Guo Wenxin，Wen Fushuan，Liao Zhiwei，et al.An analytic model for power system on-line alarm processing based on temporal constraint network[J].Automation of Electric Power Systems，2009，33(21)：36-42.

[16]邊莉，邊晨源.電網故障診斷的智能方法綜述[J].電力系統保護與控制，2014，42(3)：146-153. Bian Li，Bian Chenyuan.Review on intelligence fault diagnosis in power networks[J].Power System Protection and Control，2014，42(3)：146-153.

[17]張勇，張巖，文福拴，等.基于時序因果網絡的電力系統故障診斷[J].電力系統自動化，2013，37(9)：47-52. Zhang Yong，Zhang Yan，Wen Fushuan，et al.A temporal cause-effect net based approach for power system fault diagnosis[J].Automation of Electric Power Systems，2013，37(9)：47-52.

[18]白展，苗世洪，孫雁斌，等.計及報警信息邏輯關聯的改進模糊Petri網故障診斷模型[J].電氣應用，2015，34(16)：100-104. Bai Zhan，Miao Shihong，Sun Yanbin，et al.Power system fault diagnosis model based on improved fuzzy Petri net considering alarm information logical relevance[J].Electrotechnical Application，2015，34(16)：100-104.

Fault Diagnosis Model Based on Improved Fuzzy Petri Net Considering Time Constraints

Bai Zhan1Miao Shihong1Sun Yanbin2Chen Yiping2Hou Yunhe3

(1.State Key Laboratory of Advanced Electromagnetic Engineering and Technology Huazhong University of Science and Technology Wuhan 430074 China 2.China Southern Power Grid Company Guangzhou 510623 China 3.Department of Electrical and Electronic Engineering The University of Hong Kong Hong Kong China)

To utilize the time constraint characteristics of power system fault event records and improve both the accuracy and rapidity of power system fault diagnosis，a fault diagnosis model based on improved fuzzy Petri net considering time constraints is proposed in this paper.Firstly，the relations between unary and binary time constraints of fault event records are analyzed，and the effect of uncertain and missing alarm information on fault diagnosis is also studied deeply.The improved fuzzy Petri net model is established by using virtual directed arcs and production rules of Petri net.Secondly，the time intervals that all alarm information should meet can be acquired by the forward and backward temporal reasoning analysis，and the time sequence inconsistent alarm information can be effectively identified based on the state truth value matrix.Finally，the specific fault diagnosis process and identification rules of relay protection devices are formulated.The simulation results and a real power system fault case indicate that the proposed model can effectively diagnose power system faults，and also has much higher fault tolerance.

Time constraints，improved fuzzy Petri net，fault diagnosis，uncertainty，state truth value matrix

中國南方電網有限公司重點科技項目資助(K-ZD2014-015)。

2015-07-14 改稿日期2015-10-25

TM77

白 展 男，1990年生，碩士研究生，研究方向為電力系統故障診斷。

E-mail：hphdbai@163.com

苗世洪 男，1963年生，博士，教授，博士生導師，研究方向為電力系統故障診斷、繼電保護與安全穩定控制。

E-mail：shmiao@hust.edu.cn(通信作者)