模糊推理Petri網在電網故障診斷中的應用研究

鄭逸

【摘 要】本文在傳統Petri網基礎上分析了模糊推理Petri網模型（Fuzzy Reasoning Petri Net，FRPN）及其有效的矩陣推理算法，通過該算法的并行推理能力可以同時得到推理后系統的全部狀態值。結合該特點，文中將模糊推理Petri網應用于電網故障診斷中，可以有效診斷出故障源。

【關鍵詞】模糊推理Petri網；電網；故障診斷

0 引言

隨著我國電力系統的高速發展，經濟、優質、安全的電能供應已成為人們生活的普遍需求。然而，自然因素、人為因素和設備自身等因素的存在使得電網故障的發生很難避免。故障診斷技術可以預防電力系統由故障演化為大面積停電事故的發生，從而保證電力系統的安全穩定運行，給經濟的發展和社會的穩定帶來積極的影響。

近幾十年來，隨著計算機技術、新數學工具的不斷發展，國內外專家學者深入研究了電網故障診斷的不同方法。本文將模糊推理Petri網理論[1]應用到電網故障診斷系統中，從而提高故障診斷的速度，為進一步實用化打下基礎。

1 模糊推理Petri網

1.1 模糊推理Petri網模型

2 模糊推理Petri網在電網故障診斷中的應用

本文結合一簡單電力系統局部示意圖來說明FRPN在電網故障診斷中的應用，如圖1所示。文中采用由故障現象判定故障元件的反向邏輯推理機制來建立電網元件故障診斷的FRPN模型[3]，并利用矩陣推理算法得到每一個診斷模型中元件庫所的故障概率值，通過該值的判斷進而確定出故障元件。現以圖1中線路L1故障為例，建立其故障診斷FRPN模型，如圖2所示。

當線路L1發生故障時，其關聯保護系統產生相應的動作來響應故障。SCADA系統中采集到如下信號：L1Sm動作，CB1斷開，L1Rp動作，CB3斷開。保護和斷路器動作的置信度通常是由人為經驗設定的，即根據故障發生時保護動作的優先權來確定其值的大小[4]，由此庫所初始狀態？茲0表示為：

此時，？茲4=？茲3，推理結束。由此可知線路L1發生故障，且故概率為0.72。同樣以該案例為例，若SCADA系統采集的信號為L1Sm動作，CB1斷開，L1Rm動作，CB3斷開，可以推理得到L1發生故障，且故障概率為0.855。從而可以發現第一種案例為主保護未動作而后備保護動作的情形。

3 結語

本文將模糊推理Petri網用于故障診斷中，實現了電力系統輸電網絡的故障診斷。利用模糊推理Petri網可以方便、有效地對電網故障進行建模，且矩陣推理算法計算速度迅速，可以較好地解決故障診斷的速度及效率問題，從而幫助操作人員了解電力系統工作的狀態并進行報警識別與診斷。

【參考文獻】

[1]Gao M，Zhou M C，Huang X，et al.Fuzzy reasoning Petri nets[J].2003，33（3）：314-324.

[2]楊叔子.基于知識的診斷推理[M].清華大學出版社，1993.

[3]Luo X，Kezunovic M.Implementing Fuzzy Reasoning Petri-Nets for Fault Section Estimation[J].Power Delivery IEEE Transactions on，2008，23（2）：676-685.

[4]Cho H J，Park J K.An Expert System for Fault Section Diagnosis of Power Systems Using Fuzzy Relations[J].IEEE Transactions on Power Systems，1997，12（1）： 342-348.

[責任編輯：田吉捷]