基于不确定序列电力系统故障诊断模型的研究

智能电网的主要特征- - 自愈性,指通过实时掌控电力系统运行状态，及时发现、准确诊断和消除故障隐患，提升系统的安全可靠性。故障诊断的准确性是系统实现快速自愈的前提，目前该领域已有不少研究工作，但报警信息丢失、虚假信息或信号不完备等现场不可完全避免因素将可能导致故障特征畸变，以至于故障诊断结果的正确性难以保证,上述问题是阻碍电力系统故障诊断实用化的最大瓶颈。本课题主要针对电力系统故障诊断中存在的不确定性信息，采用时序信息数据挖掘的技术手段，研究电力系统故障的时空特征关联的"情景规则"的筛选、提取算法；建立电力系统故障特征的时序知识表达、不确定性时序推理、约束关系以及时间不确定性事件以及时序不确定的电力系统故障诊断的解析模型；研究基于离散事件序列及连续量的混杂电力系统具有时空特性的数学解析模型及优化算法，探索通过离散事件序列以及连续变量综合利用实现畸变或不完整信息甄别的电力系统故障的新途径。

电力系统的报警信息丢失、虚假信息或信号不完备等现场不可完全避免因素将可能导致故障特征畸变，以至于故障诊断结果的正确性难以保证，这是阻碍电力系统故障诊断实用化的最大瓶颈。本课题主要针对电力系统故障诊断中存在的不确定性信息的原因、对保护的影响因素及处理方法进行试验研究和理论分析。首先对电力系统的各组成部分的故障原因及可靠性影响因素及衡量指标进行了对比分析。在上述基础上，采用时序信息数据挖掘的技术手段，研究电力系统故障的时空特征关联的"情景规则"的筛选、提取算法；建立电力系统故障特征的时序知识表达、不确定性时序推理、约束关系以及时间不确定性事件以及时序不确定的电力系统故障诊断的解析模型，丰富了基于解析模型的故障诊断理论；研究基于离散事件序列及连续量的混杂电力系统具有时空特性的数学解析模型及优化算法，仿真及工程应用证明，通过离散事件序列以及连续变量综合利用能够在一定程度上有效的实现畸变或不完整信息甄别。