一种智能变电站的故障诊断与评估方法

摘要

本发明公开了一种智能变电站的故障诊断与评估方法，其特征是，具体步骤为：步骤一：构建智能变电站故障诊断与评估信息模型；步骤二：基于故障诊断与评估信息模型，对智能变电站中的一次设备、二次设备和网络设备计算故障和评估指标；步骤三：采用Petri网对智能变电站进行初级故障诊断与评估；步骤四：采用基于知识库的分布式专家系统进行最终诊断和评估。本发明具有诊断过程清晰明了、诊断方法快速实用、诊断结果精确可靠的优点。

权利要求

1.一种智能变电站的故障诊断与评估方法，其特征是，具体步骤为：步骤一：构建智能变电站故障诊断与评估信息模型；

步骤二：基于故障诊断与评估信息模型，对智能变电站中的一次设备、二次设备和网络设备计算故障和评估指标；

步骤三：采用Petri网对智能变电站进行初级故障诊断与评估；

步骤四：采用基于知识库的分布式专家系统进行最终诊断和评估；

所述步骤三的具体步骤为：

（3-1）变电站发生故障后，Petri网I从智能变电站故障诊断与评估信息模型中获取一次设备和二次设备的静态信息和动态信息；

（3-2）Petri网I根据一次设备和二次设备的静态信息和动态信息，定位依次系统的故障元件，评价保护动作正确性，并将保护动作评价结果输出到Petri网II和专家系统I；

（3-3）Petri网II结合智能变电站故障诊断与评估信息模型中的智能装置信号配置信息，对二次智能装置之间的信号逻辑正确性进行诊断，并将诊断结果输出到Petri网III和专家系统II；

（3-4）Petri网III从智能变电站故障诊断与评估信息模型中获取网络的静态信息和动态信息，根据Petri网II的信号诊断信息和对通信网络进行诊断，并将诊断信息送入专家系统III；

（3-5）Petri网III输出Petri网I、Petri网II、Petri网III的处理信息，形成初级诊断结果。

2.如权利要求1所述一种智能变电站的故障诊断与评估方法，其特征是，所述步骤一的具体步骤为：（1-1）通过智能变电站的功能配置模型获得智能变电站的静态信息，利用智能终端、智能组件合并单元、智能二次装置、变电站网络报文记录分析系统获取智能变电站的动态信息；

（1-2）利用IEC61850标准通信模型作为变电站基本信息模型，建立对通信网络基类模型的描述；

（1-3）根据组网设备、网络结构、网络配置信息和实时运行信息对通信网络基类模型细化和扩展，建立通信网络的UML功能信息模型；

（1-4）完善IEC61850模型中对逻辑设备、逻辑接地实例名称的语义体系；

（1-5）将通信网络的UML功能信息模型与变电站基本信息模型进行协调，形成智能变电站的故障诊断与评估的信息模型。

3.如权利要求2所述一种智能变电站的故障诊断与评估方法，其特征是，所述静态信息包括智能变电站主接线拓扑，一次设备和二次装置的物理和逻辑关联信息，通信网络的组网信息；所述动态信息包括一次设备的运行信息、断路器和隔离开关的位置，保护和控制装置的动作信息，以网络报文体现的采样值、流量信息。

4.如权利要求2所述一种智能变电站的故障诊断与评估方法，其特征是，所述功能配置模型为采用变电站配置语言SCL描述的功能配置文件。

5.如权利要求1所述一种智能变电站的故障诊断与评估方法，其特征是，所述步骤二的具体步骤为：（2-1）收集智能变电站中的一次设备、二次装置和网络设备的状态量、缺陷、家族性缺陷、平均无故障时间和平均可用度；

（2-2）定义故障率λ、修复率μ、设备健康度σ、装置置信度δ为智能变电站中一次设备、二次设备和网络设备的故障和评估指标；

（2-3）利用步骤（2-2）中的指标对智能变电站中的单个元件进行故障评价。

6.如权利要求1所述一种智能变电站的故障诊断与评估方法，其特征是，所述步骤四的具体步骤为：（4-1）三个专家系统分别对一次设备、二次设备和网络设备进行深一步的评估；

（4-2）三个专家系统再将各自评估的结果上传给评估结果输送到综合专家系统中，各评估结果由综合专家系统进行综合推理，得到完整的评估结果。

说明书

一种智能变电站的故障诊断与评估方法

技术领域

[0001] 本发明涉及一种故障诊断与评估方法，尤其涉及一种智能变电站的故障诊断与评估方法。

背景技术

[0002] 随着智能电网建设的不断深入，作为智能电网核心部分的智能变电站建设也在飞速发展。国家电网在2010年2月发布《智能变电站设计规范》将智能变电站（Smart Substation）定义“为采用先进、可靠、集成、低碳、环保的智能设备，以全站信息数字化、通信平台网络化、信息共享标准化为基本要求，自动完成信息采集、测量、控制、保护、计量和监测等基本功能，并可根据需要支持电网实时自动控制、智能调节、在线分析决策、协同互动等高级功能的变电站”。从中可以看出，与常规变电站相比，智能变电站对管理和维护工作提出了更高要求。同时该规范首次定义了智能变电站应具有智能告警和故障信息综合分析决策功能：“应建立变电站故障信息的逻辑和推理模型，实现对故障告警信息的分类和过滤，在故障情况下对包括事件顺序记录信号及保护装置、相量测量、故障录波等数据进行数据挖掘，对变电站的运行状态进行在线实时分析和推理，自动报告变电站异常并提出故障处理指导意见。”该定义初步明确了智能变电站应具有故障诊断和评估功能，但其功能定义与常规变电站没有明显区别，没有完全体现出智能变电站通信网络化、设备数字化、智能化之后对故障诊断和评估功能的新的需求。如何为智能变电站运行提供有效的监测和维护手段，并使监测和维护手段自动化、智能化达到智能变电站的功能要求是今后智能变电站建设中需要解决的主要问题之一。

[0003] 变电站智能化之后，其二次系统结构和形态与常规变电站相比发生革命性变化，表现为物理的通信网络承载功能逻辑信号，常规二次回路变为通信网络，信号之间的连接变为虚拟端子和虚拟回路。网络物理拓扑与功能信息及信号的输入输出之间不再存在一一对应关系，传统的故障诊断及评估方法大多是基于二次电气回路的故障检测和分析，无法应用于智能变电站，导致对智能变电站故障检测和分析等业务很难开展。同时，现有的变电站故障诊断方法大多仅利用变电站内一次设备本身的运行状态及告警信息抑或利用断路器动作情况及故障报告来进行故障诊断，给出设备故障的概率。因此，现有变电站故障诊断方法存在信息缺失：一是没有涉及站内网络拓扑结构，没有涉及拓扑结构对于故障诊断过程及结果的影响，更没有涉及到将复杂拓扑结构进行简化，其实用性会限制；二是在故障诊断过程中没有涉及二次通信网络在故障诊断过程中的影响，包括网络设备状态，通信网络质量，信息传输过程的延时、误码及丢包等因素的影响，这在智能变电站故障诊断中是不可或缺的。Petri网理论及专家系统在智能变电站故障诊断过程中应用较为广泛，但是基于拓扑结构的诊断方法至今尚未形成理论，而且利用单个Petri网或专家系统进行故障诊断评估，虽然过程较为快速，但没有融合智能变电站的全景信息，导致结果的精确度不高，在信息不确定情况下的容错性能也难以保证。

[0004] 智能变电站一次设备的智能化，使一次设备本体与二次系统中的合并单元、智能组件和智能终端等各种智能装置关联，未来这些智能装置将会与一次设备本体集成，一次设备直接接入二次系统网络，一次系统与二次系统的关联更加紧密，仅依靠一次系统及有限的保护和录波信息无法完整、准确地刻画智能变电站故障的知识特征。由此可见，智能变电站二次系统结构的变化及其对管理和维护手段的自动化和智能化要求提高，使传统的故障诊断和评估方法在诊断深度和诊断方法上已不能满足变电站智能化运行的需求。

发明内容

[0005] 本发明的目的就是为了解决上述问题，提供一种智能变电站的故障诊断与评估方法，它具有诊断过程清晰明了、诊断方法快速实用、诊断结果精确可靠的优点。

[0006] 为了实现上述目的，本发明采用如下技术方案：

[0007] 一种智能变电站的故障诊断与评估方法，具体步骤为：

[0008] 步骤一：构建智能变电站故障诊断与评估信息模型；

[0009] 步骤二：基于故障诊断与评估信息模型，对智能变电站中的一次设备、二次设备和网络设备计算故障和评估指标；

[0010] 步骤三：采用Petri网对智能变电站进行初级故障诊断与评估；

[0011] 步骤四：采用基于知识库的分布式专家系统进行最终诊断和评估。

[0012] 所述步骤一的具体步骤为：

[0013] （1-1）通过智能变电站的功能配置模型获得智能变电站的静态信息，利用智能终端、智能组件合并单元、智能二次装置、变电站网络报文记录分析系统获取智能变电站的动态信息；

[0014] （1-2）利用IEC61850标准通信模型作为变电站基本信息模型，建立对通信网络基类模型的描述；

[0015] （1-3）根据组网设备、网络结构、网络配置信息和实时运行信息对通信网络基类模型细化和扩展，建立通信网络的UML功能信息模型；

[0016] （1-4）完善IEC61850模型中对逻辑设备、逻辑接地实例名称的语义体系；

[0017] （1-5）将通信网络的UML功能信息模型与变电站基本信息模型进行协调，形成智能变电站的故障诊断与评估的信息模型。

[0018] 所述静态信息包括智能变电站主接线拓扑，一次设备和二次装置的物理和逻辑关联信息，通信网络的组网信息；所述动态信息包括一次设备的运行信息、断路器和隔离开关的位置，保护和控制装置的动作信息，以网络报文体现的采样值、流量信息。

[0019] 所述功能配置模型为采用变电站配置语言SCL描述的功能配置文件。

[0020] 所述步骤二的具体步骤为：

[0021] （2-1）收集智能变电站中的一次设备、二次装置和网络设备的状态量、缺陷、家族性缺陷、平均无故障时间和平均可用度；

[0022] （2-2）定义故障率λ、修复率μ、设备健康度σ、装置置信度δ为智能变电站中一次设备、二次设备和网络设备的故障和评估指标；

[0023] （2-3）利用步骤（2-2）中的指标对智能变电站中的单个元件进行故障评价。

[0024] 所述状态量为直接或间接表征设备状态的技术指标、性能和运行情况参数；所述缺陷指设备在运行中影响其完成预定功能的各种状态，分一般缺陷、重要缺陷、紧急缺陷；所述家族性缺陷为由同一设计、同一原理、同一厂家、同一批次、同一器件、同一工艺等引起的设备共性缺陷；所述平均无故障时间分为单台设备平均无故障时间与同类设备平均无故障时间；所述平均可用度分为单台设备平均可用度与同类设备平均可用度。

[0025] 所述故障率λ表征元件发生故障的概率；所述修复率μ表征元件故障后修复的概率，根据状态量、缺陷、家族性缺陷、平均无故障时间和平均可用度参数计算得到；所述装置置信度δ用来衡量二次智能装置和网络设备工作的不确定性；设备健康度σ表征采用不同的标准评估后得到某个设备各参数因子的指数，对各参数因子指数进行综合得到反映设备总体健康水平的单数据指标。

[0026] 所述步骤三的具体步骤为：

[0027] （3-1）变电站发生故障后，Petri网I从智能变电站故障诊断与评估信息模型中获取一次设备和二次设备的静态信息和动态信息；

[0028] （3-2）Petri网I根据一次设备和二次设备的静态信息和动态信息，定位依次系统的故障元件，评价保护动作正确性，并将保护动作评价结果输出到Petri网II和专家系统I；

[0029] （3-3）Petri网II结合智能变电站故障诊断与评估信息模型中的智能装置信号配置信息，对二次智能装置之间的信号逻辑正确性进行诊断，并将诊断结果输出到Petri网III和专家系统II；

[0030] （3-4）Petri网III从智能变电站故障诊断与评估信息模型中获取网络的静态信息和动态信息，根据Petri网II的信号诊断信息和对通信网络进行诊断，并将诊断信息送入专家系统III；

[0031] （3-5）Petri网III输出Petri网I、Petri网II、Petri网III的处理信息，形成初级诊断结果。

[0032] 所述网络静态信息包括网络配置信息及二次智能装置配置信息。网络配置信息包括网络拓扑结构（星型网、环形网）、服务方式（MMS、GOOSE）、子网（VLan）划分方法、寻址方法（单播、广播、多播）、网络带宽信息；变电站二次智能装置配置信息包括保护配置、合并单元配置、智能终端配置、智能组件配置信息。

[0033] 所述网络动态信息包括变电站故障信息及网络动态指标。变电站故障信息包括二次智能装置动作信息、二次智能装置误动、拒动信息、网络设备故障信息；网络动态指标包括网络设备置信度、网络动态流量、网络负载、网络延时，丢包率、误码率。

[0034] 所述初级诊断结果包括初级诊断结果包括发生故障的一次设备、发生故障的二次装置、二次装置错误的信号逻辑、发生故障的网络设备。

[0035] 所述步骤四的具体步骤为：

[0036] （4-1）三个专家系统分别对一次设备、二次设备和网络设备进行深一步的评估；

[0037] （4-2）三个专家系统再将各自评估的结果上传给评估结果输送到综合专家系统中，各评估结果由综合专家系统进行综合推理，得到完整的评估结果。

[0038] 所述评估内容涵盖以下几个方面：一次设备故障后，若所有保护或控制元件正确动作，故障顺利切除，则对相关的二次装置信号逻辑及其在网络上的传输质量进行评价，确定二次系统在功能信号配置和网络配置中是否存在风险或隐患；若出现拒动、误动的保护或控制元件，从以下方面分析原因：二次装置本身发生故障，二次装置信号逻辑配置错误，组网设备故障，由于网络配置的不合理或网络质量不好导致的信号丢失或信号发送错误，最终提出故障处理建议。

[0039] 本方法采用的专家系统知识库基本结构，影响因子由网络信息二次智能装置信息构成，分为静态配置信息、动态测量信息和通过上述信息计算得到的参数。

[0040] 知识库由故障案例、推理规则构成，故障案例的检索是根据一定的检索策略找到与待诊断的相似案例。在基于案例的推理中，如何高速、有效地完成案例的检索是十分重要的。本系统中案例的检索策略利用相似度。相似度用于表征待诊断信息与已知故障案例的相似程度，各信息发生对故障的敏感性不一样。所以要考虑加权的问题。基本思路如下：

[0041] 通过故障案例分析综合，归纳出二次系统故障原因和通信网络故障现象两大序列。基本故障原因序列设为X={X1，X2，X3，...，Xn}，基本现象序列设为Y={Y1，Y2，Y3，...Yn}。式中Xi和Yj表示故障i和现象j，这样X到Y的关联可用模糊矩阵R=(rij)来表示，即X=RY，矩阵中的元素rij（故障原因与现象的关联度）根据各参数对不同故障的敏感度计算得到，序列X的计算值即为相似度。

[0042] 规则的基本模型结构采用如下形式：

[0043] RULE<规则名>

[0044] WHEN<条件>

[0045] IF<影响因子l>THEN<权重>；

[0046] IF<影响因子n>THEN<权重>；(n>1)

[0047] ENDRULE<规则名>

[0048] 例如对于断路器失灵与网络通信的关联，条件可以设为断路器失灵，影响因子可以设为网络设备置信度、网络负载、网络延时、误码率等，通过影响因子和权重计算得到其综合评价值。

[0049] 最后对不同推理方法得到的结果进行综合分析。如果不同推理方法得到相似的结果，则此结果比较可信。如果由不同推理得出的结果差异很大，则根据相似度判断，如果相似度接近于1，则以案例的推理为准，否则以规则推理为准。

[0050] 所述基本故障原因序列X={X1，X2，X3，...，Xn}及基本现象序列设为Y={Y1，Y2，Y3，...Yn}可参阅图9：

[0051] 图9中Xi与Yj对应关系具有不确定性，可能是一对多、多对一亦或是多对多关系，RULE是故障诊断基于基本现象分析故障基本原因的对应规则。表内数据仅是部分可能的原因及出现的现象罗列，并不代表全部，在实际运行过程中可随时增加相关数据。

[0052] 本发明的有益效果：

[0053] 本发明基于智能变电站网络拓扑结构，利用分布式Petri网进行初步故障诊断，获取初级诊断结果，根据对故障诊断结果的精确度要求，可利用本发明中的分布式专家系统进行更深层次的故障诊断，最终得出更为精确的诊断结果。本发明适用于拓扑结构简单的智能变电站故障诊断，因此本发明也适用于网络拓扑结构较为复杂的变电站故障诊断过程。本发明采用了分布式模型，层次清晰，结构明了，充分了利用智能变电站内信息，包扩一次设备信息，二次设备信息及网络拓扑结构信息等，因此，本发明具有适用范围广，诊断过程缜密可靠、诊断结果精确可信的优点，为智能变电站故障诊断与评估奠定了良好的基础。

附图说明

[0054] 图1为智能变电站故障诊断与评估信息建模系统；

[0055] 图2为采用UML描述的二次系统网络模型扩展及其与变电站基本信息模型协调的流程图；

[0056] 图3为变电站中装置状态转换图；

[0057] 图4为智能变电站故障诊断与评估的系统结构和诊断流程；

[0058] 图5为故障发生过程；

[0059] 图6为故障诊断过程；

[0060] 图7为故障诊断专家系统简化结构图；

[0061] 图8为二次系统功能与同网络通信功能的知识表达和推理模型；

[0062] 图9为基本故障原因序列及基本现象序列的对应关系图。

具体实施方式

[0063] 下面结合附图与实施例对本发明作进一步说明。

[0064] 步骤一：构建智能变电站故障诊断与评估信息模型

[0065] 智能变电站故障诊断与评估信息可以分为静态信息和动态信息，静态信息包括智能变电站主接线拓扑，一次设备和二次装置的物理和逻辑关联信息，通信网络的组网信息，这些可通过智能变电站的功能配置模型获得（采用变电站配置语言SCL描述的功能配置文件）。动态信息包括一次设备的运行信息、断路器和隔离开关的位置，保护和控制装置的动作信息，以网络报文体现的采样值、流量信息等，其信息获取途径如图1所示。

[0066] 在智能变电站中，保护和测控装置、电子式互感器、合并单元、智能终端已经有符合IEC61850的标准通信模型，可以作为基本信息模型。标准中对通信网络也有一部分模型描述，如子网划分，访问点描述等，但从故障诊断与评估功能角度来看，其模型描述还不完整。根据故障诊断与评估功能的需求，采用IEC61850统一建模语言（UML）的描述方法，建立通信网络基类模型描述(图2中虚框以内部分)，在此基础上针对组网设备，网络结构，网络配置信息和实时运行信息对基类模型进行细化和扩展，建立通信网络的UML功能信息模型。将通信网络的新建模型与变电站基本信息模型（图2中虚框以外部分）进行协调，形成智能变电站的故障诊断与评估的信息模型。

[0067] 变电站基本信息模型带有一定的语义，但由于IEC61850对逻辑设备、逻辑节点实例名称并没有作出语义约定，因此如“相间距离I段动作”这种语义尽管可以被IEC61850模型所承载，但是却只能表达出“距离动作”这样的语义，即IEC61850语义体系中存在约定不完善的现象，对于智能变电站故障诊断与评估来说，这些语义还不能满足故障诊断功能的语义表达，若要应用于故障诊断，必须在UML封装建模过程中同时扩展智能变电站故障诊断语义。并且扩展语义后的模型必须兼容现有模型。在IEC61850中逻辑节点层次所能表达的语义由逻辑节点前缀+逻辑节点类的标准名+逻辑节点的实例名这种结构承载，其中逻辑节点前缀和逻辑节点实例名在IEC61850中没有约定语义，若将逻辑节点前缀和实例名的语义进行规范化定义，就能够表达故障诊断普遍使用的语义。

[0068] 步骤二：基于故障诊断与评估信息模型定义故障评估指标

[0069] 对智能变电站中的一次设备、二次装置和网络设备，收集以下参数计算故障评估指标：

[0070] 1.状态量S：直接或间接表征设备状态的技术指标、性能和运行情况等参数。

[0071] 2.缺陷F：指设备在运行中影响其完成预定功能的各种状态，分一般缺陷、重要缺陷、紧急缺陷。

[0072] 3.家族性缺陷Ff：由同一设计、同一原理、同一厂家、同一批次、同一器件、同一工艺等引起的设备共性缺陷。

[0073] 4.平均无故障时间Ta：平均无故障时间分为单台设备平均无故障时间与同类设备平均无故障时间。

[0074] 5.平均可用度Ua：平均可用度分为单台设备平均可用度与同类设备平均可用度。

[0075] 在此基础上，定义4个指标：故障率λ、修复率μ、设备健康度σ、装置置信度δ。

[0076] 故障率λ表征元件发生故障的概率，修复率μ表征元件故障后修复的概率，根据S、F、Ff、Ta、Ua等参数计算得到。

[0077] 设备健康度σ表征一次设备本体在正常到故障的某一状态水平，用于一次设备的工作状态评估，根据λ和μ计算得到。

[0078] 装置置信度δ用来衡量二次智能装置和网络设备工作的不确定性。二次装置和网络设备通常由软件和硬件构成，软、硬件的缺陷会引起装置不能够在规定的条件下完成其预定功能，因而装置的工作状态可以划分为由正常状态(S0)、硬件正常软件错误(S1)、硬件故障软件正常(S2)、硬件故障软件错误(S3)四种状态构成，四种状态之间的转换如图3所示。状态S0下装置正常工作，状态S1、S2、S3构成了装置的不正常工作状态。每种状态的运行概率即为装置在该状态下的置信度。由于装置的状态空间转换是一个随机过程，故可采用马尔可夫链计算装置置信度，

[0079] 基于马尔可夫链的转换矩阵为：

[0080] λ1为软件失效率；λ2为硬件故障率；λ3为软硬件共同失效率；μ1为软件修复率；μ2为硬件修复率；μ3为软硬件共同修复率；将装置的故障率λ和修复率μ代入转换矩阵，令δ=[δ0 δ1 δ2 δ3]且δA=0，可求得各状态下的置信度，δ0为正常状态下的置信度，δ1硬件正常软件错误状态下的置信度，δ2硬件故障软件正常状态下的置信度，δ3硬件故障软件错误状态下的置信度。

[0081] 上述指标可以用来对单个元件进行故障评价，也可以进行变电站功能子系统的评价，如变电站某个保护间隔的可靠度可以通过一次设备本体置信度，输入回路置信度，保护装置置信度，跳闸回路置信度的数学加权计算得到。

[0082] 步骤三：采用Petri网进行初级故障诊断与评估

[0083] 采用Petri网进行智能变电站初级故障诊断与评估的流程如图4（虚线以下部分）所示。

[0084] Petri网是一个四元组PN＝(P,T；F,M0)，是一种图形化的建模工具，且具有完善的矩阵运算理论。它能清楚地描述和表示系统中并发、异步或循环发生的现象或事件。

[0085] 其中，P＝(p1,p2,…pm)是库所（一次设备、二次智能装置及其逻辑信息号的映射）的有限集合，库所p1,p2,…pm表示相应元件的初始或可能存在的中间状态；T＝(t1,t2,…tn)是变迁的有限集合，变迁t1,t2…tn表示欲使库所中布入托肯所满足的条件；F为弧集或流关系集，反映了库所与变迁之间的顺序关系，通过有向边表示；标识M是一个m×1维数组(m是库所的个数)，它的其中一个元素对应一个库所，标识代表系统的状态，一般取值为整数0或1。表示在Petri图形上时，若库所中有托肯（即小黑点），即库所对应标识的相应位置为1；反之如没托肯，则为0。M0是初始标识，描述了被模拟系统的初始状态。

[0086] 如果从库所P到变迁t有连接弧，则称P为t的输入库所，计为I(t)＝P。相反若从变迁t到库所P有连接弧，则称P为t的输出库所，计为O(t)＝P。在图形上，库所P用圆圈表示，变迁t用竖线表示，流关系用带箭头的弧表示，托肯用库所中的小黑点表示。

[0087] 基于Petri网的故障诊断过程一般分两大步：

[0088] 1、建立故障诊断的Petri图形模型

[0089] 根据电网的拓扑结构和故障元件与保护、断路器动作的逻辑关系构造Petri网诊断模型，即用Petri网图形模拟电网故障诊断过程的逻辑推理过程，其中图形模型的建立是故障诊断的关键。

[0090] 2、数学推理

[0091] 首先根据Petri网结构，构造其关联矩阵C；

[0092]

[0093] 其中，iff(P,t)∈F表示从库所P到变迁t存在有向弧F，1表示有向弧F指向库所P。

[0094] 然后根据故障信息，得到M0(即Petri网的初始状态)，并求解系统的变迁序列Un，变迁序列U表示变迁节点是否满足触发条件，满足触发条件的变迁的输入库所中具备可触发的托肯，则变迁序列U相应的向量置1，否则为0。；

[0095] 最后，应用状态方程Mn+1＝Mn+CUn+1，推导出稳态Petri网，根据判定原则确定故障元件。

[0096] 故障的发生过程可以描述为：元件故障—保护动作—断路器动作。这一触发过程可以描述为如图5的Petri网模型。

[0097] 此模型中包含三类库所。第一类库所P1为故障元件库所，包含线路、母线、变压器等；第二类库所P2为保护继电器类库所，包含故障元件所装设的保护R；第三类库所P3为断路器库所，包含P2中保护对应的断路器CB。变迁t1触发表示有故障发生，同时保护测量到故障发生；变迁t2触发表示保护动作，发出跳闸命令，跳开断路器。

[0098] 根据Petri网理论，网络的初始状态代表系统最初的状态。在图5中，如果元件故障，初始状态下库所P1中布入一个托肯，接下来变迁节点t1满足触发条件而点火，即库所P1中的托肯转移到P2中，这就表示保护继电器检测到故障，保护动作后t2会触发，最终托肯转移至断路器库所P3中，表示断路器动作切除了故障。这就是故障正向的模拟过程，当进行故障诊断时过程将正好相反，即利用Petri网模型由断路器保护动作诊断出元件故障，如图6所示。其诊断为：初始状态时，由收到的故障信息标记断路器类库所，即将断路器库所P3中置入托肯，通过t2的点火进而t1点火，托肯最终被移至P1中，从而诊断P1库所内的元件故障。

[0099] 本发明定义了一个分布式Petri网系统，分为三个子Petri网，功能定义如下：变电站发生故障后，Petri网I作为诊断入口，获取一次设备和二次装置的静态和动态信息，定位一次系统故障元件，评价保护动作正确性。将保护动作评价结果输出至Petri网II，Petri网II结合智能装置信号配置信息，对二次智能装置之间的信号逻辑正确性进行诊断。Petri网III获取网络的静态和动态信息，根据Petri网II的信号诊断信息和对通信网络进行诊断。

[0100] 诊断过程中根据元件故障概率、保护动作概率和故障置信度等评价指标确定真正故障元件，得到初级诊断结果。初级诊断结果包括发生故障的一次设备、发生故障的二次装置、二次装置错误的信号逻辑、发生故障的网络设备。Petri网进行诊断后，会把中间诊断结果提供给专家系统作进一步诊断和评估。

[0101] 其中各子Petri网获取的智能变电站多维信息描述如下：

[0102] 变电站故障信息：二次智能装置动作信息、二次智能装置误动、拒动信息、网络设备故障信息

[0103] 变电站二次智能装置配置信息：保护配置、合并单元配置、智能终端配置、智能组件配置

[0104] 网络配置信息：网络拓扑（星型网、环形网）、服务方式（MMS、GOOSE）、子网（VLan）划分方法、寻址方法（单播、广播、多播）、网络带宽。

[0105] 网络动态指标：网络设备置信度、网络动态流量、网络负载、网络延时，丢包率、误码率。

[0106] 步骤四：采用基于知识库的分布式专家系统进行最终诊断和评估，如图4（虚线以上部分）所示。

[0107] 人工智能是计算机科学中新兴的一门边缘科学技术，利用计算机模拟人的智能行为、完成能表现出人类智能的任务。故障诊断专家系统是将人类在故障诊断方面的多位专家具有的知识、经验、推理、技能综合后编制成的大型计算机程序，它可以利用计算机系统帮助人们分析解决只能用语言描述、思维推理的复杂问题，扩展计算机系统原有的工作范围使计算机系统有了思维能力，能够与决策者进行“对话”，并应用推理方式提供决策建议，专家系统在故障诊断领域的应用非常广泛，故障检测与诊断技术与专家系统相结合，使工程的安全性与可靠性得到保证。

[0108] 故障诊断专家系统，是指计算机在采集被诊断对象的信息后，综合运用各种规则(专家经验)，进行一系列的推理，必要时还可以随时调用各种应用程序，运行过程中向用户索取必要的信息后，可快速地找到最终故障或最有可能的故障，再由用户来证实。专家系统故障诊断方法可用图7所示的简化结构来说明，它由数据库、知识库、人机接口、推理机等组成。

[0109] 其各部分的功能为：

[0110] (1)数据库通常由动态数据库和静态数据库两部分构成。静态数据库是相对稳定的参数，如设备的额定电压、额定电流、额定频率等；动态数据库是设备运行中所检测到的状态参数，如电压、电流、频率等；

[0111] (2)知识库是专家领域知识的集合，存放的知识包含系统工作环境、系统知识(反映系统的运行状态及系统拓扑知识)、故障特征值、故障诊断算法、推理规则等，反映系统的因果关系，用来进行故障推理；

[0112] (3)人机接口是人机信息交互的桥梁和窗口；

[0113] (4)推理机是专家系统的组织控制机构，根据获取的信息综合运用各种规则，进行故障诊断，输出诊断结果。

[0114] 利用Petri初级故障诊断数据的专家系统结构如图4（虚线以上部分）所示。本方法同时定义了一个分布式的专家系统，包含三个子专家系统（专家系统①、专家系统②、专家系统③）及一个综合专家系统，各专家的功能定义如下：在Petri网诊断过程中，会把各自的中间诊断结果提供给三个专家系统，三个专家系统根据推理规则分别根据相应的Petri网诊断结果对一次系统、二次系统和网络进行更加精细的评估，各评估结果最终由综合专家系统进行综合推理，得到完整的评估结果。评估内容涵盖以下几个方面：一次设备故障后，若所有保护或控制元件正确动作，故障顺利切除，则对相关的二次装置信号逻辑及其在网络上的传输质量进行评价，确定二次系统在功能信号配置和网络配置中是否存在风险或隐患。若出现拒动、误动的保护或控制元件，从以下方面分析原因：二次装置本身发生故障，二次装置信号逻辑配置错误，组网设备故障，由于网络配置的不合理或网络质量不好导致的信号丢失或信号发送错误，最终提出故障处理建议。

[0115] 本发明采用的专家系统知识库基本结构如图8所示。图中影响因子由网络信息二次智能装置信息构成，分为静态配置信息、动态测量信息和通过上述信息计算得到的参数。

[0116] 知识库由故障案例、推理规则构成，故障案例的检索是根据一定的检索策略找到与待诊断的相似案例。在基于案例的推理中，如何高速、有效地完成案例的检索是十分重要的。本系统中案例的检索策略利用相似度。相似度用于表征待诊断信息与已知故障案例的相似程度，各信息发生对故障的敏感性不一样。所以要考虑加权的问题。基本思路如下：

[0117] 通过故障案例分析综合，归纳出二次系统故障原因和通信网络故障现象两大序列。基本故障原因序列设为X={X1，X2，X3，...，Xn}，基本现象序列设为Y={Y1，Y2，Y3，...Yn}。式中Xi和Yj表示故障i和现象j，这样X到Y的关联可用模糊矩阵R=(rij)来表示，即X=RY，矩阵中的元素rij根据各参数对不同故障的敏感度计算得到，序列X的计算值即为相似度。

[0118] 规则的基本模型结构采用如下形式：

[0119] RULE<规则名>

[0120] WHEN<条件>

[0121] IF<影响因子I>THEN<权重>；

[0122] IF<影响因子n>THEN<权重>；(n>1)

[0123] ENDRULE<规则名>

[0124] 例如对于断路器失灵与网络通信的关联，条件可以设为断路器失灵，影响因子可以设为网络设备置信度、网络负载、网络延时、误码率等，通过影响因子和权重计算得到其综合评价值。

[0125] 最后对不同推理方法得到的结果进行综合分析。如果不同推理方法得到相似的结果，则此结果比较可信。如果由不同推理得出的结果差异很大，则根据相似度判断，如果相似度接近于1，则以案例的推理为准，否则以规则推理为准。

[0126] 所述基本故障原因序列X={X1，X2，X3，...，Xn}及基本现象序列设为Y={Y1，Y2，Y3，...Yn}可参阅图9：

[0127] 图9中Xi与Yj对应关系具有不确定性，可能是一对多、多对一亦或是多对多关系，RULE是故障诊断基于基本现象分析故障基本原因的对应规则。表内数据仅是部分可能的原因及出现的现象罗列，并不代表全部，在实际运行过程中可随时增加相关数据。

[0128] 上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。