模糊推理Petri网在电网故障诊断中的应用研究

郑逸

【摘 要】本文在传统Petri网基础上分析了模糊推理Petri网模型（Fuzzy Reasoning Petri Net，FRPN）及其有效的矩阵推理算法，通过该算法的并行推理能力可以同时得到推理后系统的全部状态值。结合该特点，文中将模糊推理Petri网应用于电网故障诊断中，可以有效诊断出故障源。

【关键词】模糊推理Petri网；电网；故障诊断

0 引言

随着我国电力系统的高速發展，经济、优质、安全的电能供应已成为人们生活的普遍需求。然而，自然因素、人为因素和设备自身等因素的存在使得电网故障的发生很难避免。故障诊断技术可以预防电力系统由故障演化为大面积停电事故的发生，从而保证电力系统的安全稳定运行，给经济的发展和社会的稳定带来积极的影响。

近几十年来，随着计算机技术、新数学工具的不断发展，国内外专家学者深入研究了电网故障诊断的不同方法。本文将模糊推理Petri网理论[1]应用到电网故障诊断系统中，从而提高故障诊断的速度，为进一步实用化打下基础。

1 模糊推理Petri网

1.1 模糊推理Petri网模型

2 模糊推理Petri网在电网故障诊断中的应用

本文结合一简单电力系统局部示意图来说明FRPN在电网故障诊断中的应用，如图1所示。文中采用由故障现象判定故障元件的反向逻辑推理机制来建立电网元件故障诊断的FRPN模型[3]，并利用矩阵推理算法得到每一个诊断模型中元件库所的故障概率值，通过该值的判断进而确定出故障元件。现以图1中线路L1故障为例，建立其故障诊断FRPN模型，如图2所示。

当线路L1发生故障时，其关联保护系统产生相应的动作来响应故障。SCADA系统中采集到如下信号：L1Sm动作，CB1断开，L1Rp动作，CB3断开。保护和断路器动作的置信度通常是由人为经验设定的，即根据故障发生时保护动作的优先权来确定其值的大小[4]，由此库所初始状态？兹0表示为：

此时，？兹4=？兹3，推理结束。由此可知线路L1发生故障，且故概率为0.72。同样以该案例为例，若SCADA系统采集的信号为L1Sm动作，CB1断开，L1Rm动作，CB3断开，可以推理得到L1发生故障，且故障概率为0.855。从而可以发现第一种案例为主保护未动作而后备保护动作的情形。

3 结语

本文将模糊推理Petri网用于故障诊断中，实现了电力系统输电网络的故障诊断。利用模糊推理Petri网可以方便、有效地对电网故障进行建模，且矩阵推理算法计算速度迅速，可以较好地解决故障诊断的速度及效率问题，从而帮助操作人员了解电力系统工作的状态并进行报警识别与诊断。

【参考文献】

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

[2]杨叔子.基于知识的诊断推理[M].清华大学出版社，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.

[责任编辑：田吉捷]