基于動態模糊Petri的電力通信現場故障診斷方法研究*

施 健于 蒙 趙 陽 趙子蘭

（1.南瑞集團有限公司（國網電力科學研究院有限公司） 南京 210003）（2.國網冀北電力有限公司 北京 100053）

1 引言

近年來，電力通信網絡的規模得到快速增長，有效提高了電網生產運行、企業經營管理的安全水平，保障了電力系統在惡劣環境與意外災害下各類信息傳輸的可靠性與穩定性。通信網架拓撲的日益復雜，使得各通信子系統之間的耦合程度越來越緊密，給現場運維與故障排除帶來了不利影響。隨著信息通信技術的高速發展，各類專業網管系統、智能電氣裝置、監控傳感器等設備在電力通信網絡不斷得到推廣與應用，為現場的故障診斷提供了所需的多信源數據。如果對這些能夠表征通信網絡運行狀態的多信源數據進行有效利用與識別，可以為通信現場的故障診斷提供技術支撐。針對通信網絡中存在的由于單點故障造成的系統性風險，需要能夠快速及時地發現可能存在的潛在隱患，準確診斷并消除故障風險，從而提升電力通信系統的安全可靠性［1～2］。因此，迫切需要研究并構建一套科學高效的通信現場故障診斷方法。

在電力通信網絡中，通信設備與通信光纜之間呈現的是一種網狀拓撲關聯關系，Petri網模型作為一種圖形和數學融合的建模方法，可對多種活動過程進行定性和定量分析，這與通信網絡故障發生和處理過程相類似［3～5］。隨著 Petri網模型研究的深入，又進一步提出了模糊Petri網（Fuzzy Petd Net，FPN）的概念，利用模糊集合理論對不確定的或主觀的參量進行分析，使其更符合一般人類正常的思維習慣和認知方式，以直觀的表達方式和矩陣運算方法解決網絡診斷的難題。

本文基于模糊Petri網理論，提出了一種動態電力通信網現場故障診斷方法，有效避免了模糊Petri網在故障診斷過程中由于人為主觀因素造成的誤差，提高了推理過程的準確性。仿真結果表明該方法具有較好的適應性和通用性，為通信現場故障診斷提供了新思路。

2 模糊Petri網基本原理

FPN基于模糊集合理論與傳統Petri網，其能準確而清晰地描述與分析模擬系統中各組成要素不確定的模糊狀態信息，主要的改進之處在于FPN中對每個庫賦予一個[ ]0，1之間的實數作為其置信度值，并給每個轉移定義一個確定因子（Certain Factor，CF）表示其發生的可能性概率。而規則推理過程用推理Petri網中轉移的觸發表示［6～10］。

一個典型的模糊Petri網通常為是一個七元組：

3 基于模糊Petri網的改進算法

電力通信現場發生的故障根原因復雜多樣，相互之間存在著眾多的關聯關系，利用傳統的模糊Petri網模型構建會變得復雜龐大，直接導致故障信息與傳播路徑表達不夠明確、清晰。針對電力通信現場呈現的多層次、非線性、多變量及多關聯等故障特征，本文在模糊Petri網理論的基礎上，引入位置（Place）、令牌（Token）及轉移的著色規則，提出了一種適用于通信現場故障診斷的改進動態模糊Petri網算法［11～15］。

動態模糊Petri網（Dynamic Fuzzy Petri Net，DFPN）算法定義為一個12元組

其中

3）I：U×V為輸入矩陣，表示從位置故障結點ui到轉移規則結點vj的一條有向弧，它是轉移規則結點vj的輸入弧，而ui是轉移規則結點vj的輸入位置故障結點。式中，i=1，2，…，n，j=1，2，…，m。

4）O：U×V為輸入矩陣，表示從轉移規則結點vj到位置故障結點ui的一條有向弧，它是轉移規則結點vj的輸出弧，而ui是轉移結點vj的輸出位置故障結點。式中，i=1，2，…，n，j=1，2，…，m。

9）P=為位置事件模樹故障的概率集合，pi表示位置故障結點ui代表故障事件發生的概率大小。

10）α=(為故障事件的置信度向量，αi表示位置故障結點ui真實程度的置信度，具有一定的模糊性，αi∈[0 ， 1]，i=1，2，…，n。其初始值由α0表示，并根據歷史運行數據、專家知識經驗等設定初始值。

11）λ=為轉移規則閾值集合，λj表示轉移規則結點vj點火的閾值2，…，m。

設 定 ?v∈V，若則稱轉移規則結點v是使能的(j=1，2，…，n)。

4 算法的仿真實現與分析

4.1 動態模糊Petri網建模規則

動態模糊Petri網的建模流程主要包括分析電力通信網絡的拓撲結構，依據故障事件的模糊規則判定故障事件存在的邏輯關聯關系。同時為清晰、準確表達故障模糊信息，以及通信現場的故障傳播特性，通過位置著色規則的定義和設定令牌著色規則的故障置信度等級，最終完成動態模糊Petri網的建模。如圖1所示。

1）位置著色規則

若U×V→N=1，V×U→N=0，則設定該位置為初始位置，即為現場故障的根原因，用“◎”表示該位置U的狀態。若含有令牌著色，則表示發現現場故障的根原因。

圖1 動態模糊Petri網的建模流程圖

若U×V→N=1，V×U→N=1，則設定該位置為中間位置，即現場為故障模式，用“〇”表示。

若U×V→N=0，V×U→N=1，則設定該位置為最終位置，即為系統故障，用“◎”表示。

如圖2示例所示，u1，u2，u3為初始位置，u4為中間位置，u5為最終位置。

圖2 Place著色規則示例圖

2）令牌著色規則

通過對電力通信現場的故障診斷研究，設定故障置信度范圍為(0 ～1)。為了更加直觀、可視地表示故障信息，本文引入了令牌著色規則以反映現場故障事件的置信度等級。

表1 令牌著色規則

4.2 動態模糊Petri網故障診斷方法

動態模糊Petri故障診斷方法主要有以下幾步驟，具體如圖3所示。

1）根據歷史運行數據、專家經驗知識和實際監測采集數據等，確定各輸入位置的權值、轉移的置信度和閾值、以及初始位置的置信度和故障概率等模型初值，通過置信度矩陣計算，從而推理出各位置故障事件的置信度，并為故障的智能推理提供必要條件。

2）基于各位置的置信度和模糊轉移規則，計算得到潛在使能的轉移序列，從而為后續的智能推理點火判斷提供依據。

3）當系統無故障發生時，通過在線監測設備預測通信網絡中可能存在的故障征兆，確定初始標識，利用點火轉移序列判斷對故障狀態進行正向智能推理，進行評價當前網絡故障的狀態情況。

4）當系統發生故障時，確認已發生故障的現象，反向智能推理出位置逆向可達序列，根據故障關聯矩陣追溯最可能發生的故障源，從而為通信設備的搶修提供指導依據。

圖3 動態模糊Petri網的故障診斷推理圖

4.3 實驗驗證

本文以電力通信現場的傳輸設備故障為例，利用專家經驗知識將模糊規則庫的模糊規則映射到對應的動態模糊Petri網故障模型，其初始狀態如圖4所示。

圖4 動態模糊Petri網故障模型圖

從電力通信現場歷史運行數據中提取出與傳輸設備相關的故障記錄共計792條，其中，關于“p11光功率不穩定”的故障診斷推理數據及實際故障記錄數據共計724條，如表2所示。

表2 數據統計結果

在表2中，對采用動態模糊Petri網模型得到的推理結果和實際歷史發生的故障統計次數進行歸一化處理，得到的對比關系如圖5所示。

圖5 推理結果及歷史故障統計歸一化對比圖

通過上述仿真實驗驗證可知，本文利用動態模糊Petri網模型對電力通信現場故障進行故障推理診斷，其推理結果與現場實際的歷史故障具有較強的線性相關性，具有較好的實用價值。

5 結語

針對電力通信現場故障特征呈現出多層次、非線性、多變量及多關聯等特點而引起的現場故障診斷難以實現的問題。本文對電力通信現場的故障狀態評價及診斷問題進行了深入研究，以模糊理論和Petri網理論為核心，通過引入Place、令牌及轉移的著色規則，提出了一種動態模糊故障Petri網的故障模型及建模規則，應用于電力通信現場的故障推理。

利用算法仿真對改進后的模糊Petri網模型算法進行試驗驗證，通過推理結果與歷史故障統計的歸一化數據對比，驗證了本故障診斷方法的正確性、有效性及可行性，具有較好的可行性和實用性，可為電力通信現場的故障診斷提供輔助分析支持。但同時，在2和5處的故障原因診斷存在有一定的偏差，因此，后續有必要對產生這種偏差的原因進行進一步研究分析，改進模糊Petri網模型算法，使得電力通信現場的故障診斷能夠達到更加理想的效果。