一种基于FPN的变电站故障推理机制.pdf

第４０卷第ｌ７期２０１２年９月１日电力系统保护与控制ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏ１ｖ０１．４０Ｎｏ．１７Ｓｅｐ．１，２０１２一种基于ＦＰＮ的变电站故障推理机制李江林，史志鸿，赵成功，邱俊宏，佘维，郭金叶（１．许继电气股份有限公司，河南许昌４６１０００；２．郑州大学，河南郑州４５００００）摘要：针对变电站故障推理过程中存在的不确定性问题，提出一种基于模糊Ｐｅｔｒｉ网的变电站故障推理机制。对于告警信号漏报、误报问题，设计模糊诊断规则，采取模糊推理策略；对于适用多条规则的争议性信号，在信号单一及信号重复时分别给出分配方案；引入岭型隶属函数，计算在时间上信号对规则的隶属度。通过故障诊断实例的仿真，验证了该推理机制的有效性，并对实验数据进行比较分析，阐述不同的信号接收情况及时间分布对推理结果产生的影响。实验表明，该ＦＰＮ推理机制可在不确定的信息基础上进行较为准确的推理。关键字：不确定性；模糊Ｐｅｔｒｉ网；模糊规则；争议性；隶属度ＦａｕｌｔｒｅａｓｏｎｉｎｇｍｅｃｈａｎｉｓｍｆｏｒｓｕｂｓｔａｔｉｏｎｂａｓｅｄｏｎＦＰＮ——ＬＩＪｉａｎｇｌｉｎ，ＳＨＩＺｈｉ－ｈｏｎｇ，ＺＨＡＯＣｈｅｎｇ－ｇｏｎｇ，ＱＩＵＪｕｎ－ｈｏｎｇ，ＳＨＥＷｅｉ，ＧＵＯＪｉｎｙｅ（１．ＸＪＥｌｅｃｔｒｉｃＣｏ．，Ｌｔｄ，Ｘｕｃｈａｎｇ４６１０００，Ｃｈｉｎａ；２．ＺｈｅｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｇｚｈｏｕ４５００００，Ｃｈｉｎａ）’Ａｂｓｔｒａｃｔ：Ｆｏｒｔｈｅｕｎｃｅｒｔａｉｎｐｒｏｂｌｅｍｓｅｘｉｓｔｉｎｇｉｎｆａｕｌｔｒｅａｓｏｎｉｎｇｐｒｏｃｅｓｓｆｏｒｓｕｂｓｔａｔｉｏｎ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｓｕｂｓｔａｔｉｏｎＳｆａｕｌｔｒｅａｓｏｎｉｎｇｍｅｃｈａｎｉｓｍｂａｓｅｄｏｎｆｕｚｚｙＰｅｔｒｉｎｅｔｓ．Ｆｏｒｔｈｅｐｒｏｂｌｅｍｓｏｆｍｉｓｓｉｎｇａｌａｒｍｓｉｇｎａｌｓａｎｄｆａｌｓｅｓｉｇｎａｌｓ，ｗｅｄｅｖｅｌｏｐｆｕｚｚｙｄｉａｇｎｏｓｉｓｒｕｌｅｓ，ａｎｄａｄｏｐｔｔｈｅｆｕｚｚｙｒｅａｓｏｎｉｎｇｓｔｒａｔｅｇｙ．Ｆｏｒｃｏｎｔｒｏｖｅｒｓｉａｌｓｉｇｎａｌｓｗｈｉｃｈａｐｐｌｙｔｏｓｅｖｅｒａｌｒｕｌｅｓ，ｗｈｅｎｔｈｅｓｉｇｎａｌｉｓ’ｓｉｎｇｌｅｏｒｒｅｐｅａｔｅｄ，ｗｅｇｉｖｅｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｐｌａｎｓｒｅｓｐｅｃｔｉｖｅｌｙ．Ｗｅｃａｌｃｕｌａｔｅｔｈｅｓｉｇｎａｌｓｍｅｍｂｅｒｓｈｉｐｄｅｇｒｅｅｉｎｔｉｍｅｂｙｉｎｔｒｏｄｕｃｉｎｇｒｉｄｇｅｔｙｐｅｍｅｍｂｅｒｓｈｉｐｆｕｎｃｔｉｏｎ．Ｔｈｒｏｕｇｈｔｈｅｓｉｍｕｌａｔｉｏｎｏｆｆａｕｌｔｄｉａｇｎｏｓｉｓｅｘａｍｐｌｅ，ｉｔｖｅｒｉｆｉｅｓｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｉｓｒｅａｓｏｎｉｎｇｍｅｃｈａｎｉｓｍ，ａｎｄｃｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｆｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｄａｔａｉｓｃｏｎｄｕｃｔｅｄｔｏｄｅｓｃｒｉｂｅｔｈｅｉｎｆｌｕｅｎｃｅｏｎｒｅａｓｏｎｉｎｇｒｅｓｕｌｔｓｂｙｄｉｆｆｅｒｅｎｔｓｉｇｎａｌｒｅｃｅｐｔｉｏｎａｎｄｔｉｍｅｄｉｓｔｒｉｂｕｔｉｏｎ．ＥｘｐｅｒｉｍｅｎｔｓｓｈｏｗｔｈａｔｔｈｉｓＦＰＮｒｅａｓｏｎｉｎｇｍｅｃｈａｎｉｓｍＣａｎｄｏｍｏｒｅａｃｃｕｒａｔｅｒｅａｓｏｎｉｎｇｂａｓｅｄｏｎｕｎｃｅｒｔａｉｎｉｎｆｏｒｉｌｌａｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｕｎｃｅｒｔａｉｎｔｙ：ｆｕｚｚｙＰｅｔｒｉｎｅｔ；ｆｕｚｚｙｒｕｌｅ；ｃｏｎｔｒｏｖｅｒｓｉａｌｌｙ：ｍｅｍｂｅｒｓｈｉｐｄｅｇｒｅｅ中图分类号：ＴＭ７６文献标识码：Ａ文章编号：１６７４－３４１５（２０１２）１７－００１３－０６０引言变电站智能告警专家系统属于一类诊断型专家系统，一般通过二次设备采集到的关联告警信号进行分析，利用变电站设备的业务规则推理出一次设备可能发生的故障，并给出故障产生的原因及处理方案。但在实际故障推理的过程中存在一些不确定性问题，使故障诊断的难度增加【ｌＪ，主要体现在以下几点：ｆ１）在设备的实际运行过程中，由于二次设备对一次设备的状态采集存在遥控操作拒动或误动以及信道噪声等问题，导致发生故障时告警信号存在漏报、误报等情况。（２）由于信道延迟以及设备灵敏度的不同，故障引起的告警信号总是离散地分布在一个时间段内，那么理论上适用于一条规则的各个信号，在时间上是否也完全隶属于该规则。ｆ３１当一组信号可匹配两条以上规则时，某单个信号适用于多条规则，该信号应当如何分配比较合理，此外，该信号重复出现时又应当如何分配。以上所提到的不确定性问题，难以采用确定性分析方法和工具进行系统故障诊断。近年来，各种方法被引入到故障诊断技术中，如贝叶斯网【２Ｊ、Ｐｅｔｒｉ网【、神经网【ｌ等。Ｐｅｔｒｉ网技术也被逐步引入到电力系统的研究中，基于Ｐｅｔｒｉ网的故障诊断方法可将知识表示和诊断推理融为一体，完成描述性知识和过程性的诊断推理。本文提出一种正向模糊推理策略，借鉴模糊Ｃ均值算法【］和岭型隶属函数制定信号隶属度的分配策略，并应用模糊Ｐｅｔｒｉ网对变电站的故障诊断过程进行建模和仿真实验。１诊断规则推理的基本依据是推理规则，针对变电站故障．１４．电力系统保护与控制推理时遇到的信号漏报或误报的问题，可以适用一种多输入单输出的模糊规则（ＦＲ）【６．趴。实际的推理过程中用到的规则前件存在合取、析取或混合多种形式，但是运用一定的算法都可以转化为合取形式。定义１：设为一条合取形式的模糊规￣ＪＪ（ＦＲ），其形式为…ＩＦ（）ａｎｄａｎｄ（）Ｔｈｅｎ（ｒ）Ｑ（ＣＦ）≤其中：和Ｑ均为命题；表示前提信号，１ｉｎ；Ｑ表示诊断结论；和Ｑ的真值表示命题的可信程度，在【０，１】内取值；为前提的权值，反映对规则的影响程度，且？＝１；ＣＦ表示规则对结论的支持度，ｆ为规则的可应用阈值，０ＣＦ１，０＜＜】２信号隶属度分配由一组信号进行规则的模糊匹配，可能会找出两条以上可匹配的规则，若其中某个信号适用于多条规则，则该信号应当如何分配？当该信号重复出现时又应当如何分配？在上述情况下，信号的分配都具有争议性。此外，由于信道延迟以及设备灵敏度的不同，故障引起的告警信号经自动化系统传送到监控中心存在时间上的偏差，因此在考虑到争议性的同时，还应注意在时间上信号与规则间的隶属关系。２．１无争议的信号隶属度分配故障引起的告警信号总是离散地分布在一个“”“”时间窗内，因此系统会在时间窗内处理告警信息。时间窗不能太长，否则会并入些无关信号，也不能太短，否则会遗漏一些信号。变电站故障诊断系统的时间窗一般整定为３～１０ｓ【９Ｊ，可根据现场运行情况灵活调整。基于时间窗，参考常用的岭型隶属函数ＬｌＵＪ来定义适用于变电站故障信号隶属度判断的隶属函数。定义２：已知规则ｒ的时间窗为［０１，ａ，】，聚类中心为ｖ，信号ｓ适用于规则ｒ，Ｓ的接收时间为，则Ｓ对规则ｒ隶属度为／２￣（ｘ、＝—０，ｉｆｘ＜ＶＯ．５＋…（～丁ａ２＋ａｉ－Ｓｌｎ２２Ｏ１）一十—————ｌ～｝一、４≤ｉｆＶ一０．５ａ２＜Ｖ一０．５ａｌ≤１，ｉｆｖ一０．５ｑｖ＋０．５（１）ｓｉｎ—（Ｖ一丁ａ２＋ａ１）～ｎ（卜丁Ｊ≤ｉｆＶ＋０．５ａｉ＜ＸＶ＋Ｏ．５ａ２０，ｉｆ＞ｖ＋０．５ａ定义２中的函数分布如图１所示。０ｖ－Ｏ．５。２Ｏ．５口１ｖｖ＋Ｏ．５ａｌｖ＋Ｏ．５ａ２图１规则ｒ的隶属函数Ｆｉｇ．１Ｍｅｍｂｅｒｓｈｉｐｆｕｎｃｔｉｏｎｏｆｒｏｌｅ，２．２具有争议性的信号隶属度分配模糊Ｃ均值（ＦＣＭ）算法在无监督的情况下，根据数据自身的分布，将数据划分到不同的集合中，使得被划分到同一集合的数据之间相似度最大，而不同集合之间的相似度最小。当一些信号适用于两条以上规则时，信号的分配即是将这些信号划分到不同的规则，且保证划分的合理性。下面借鉴ＦＣＭ算法制定信号的分配方法。…令Ｓ＝｛Ｓ１，，Ｓ）是待分配的信号集合，…‘Ｒ＝｛ｒｌ，ｒ２，，｝是规则的集合，集合Ｓｆ中的信号各不相同，且均适用于Ｒ中任一规则。规则的聚类中心用ｖｆ表示；Ｕ＝（ｕｉｊ）为划分矩阵，其中表示第．，个信号属于第ｉ个规则的隶属度；目标函数为＝∑∑２口２ｉ＝ｌｊ＝ｌ其中，ｄｌｉ表示第，个信号到第ｉ个聚类中心的欧几里德得距离，其值为１ｓｉ（ｔｉｍｅ）一Ｉ。利用拉格朗日乘子法【Ｉ】可求出使目标函数在条件．’￡…＝１，Ｊ＝１，２，，，２ｉ＝ｌ下达到最小值时的划分矩阵，则Ｕ为１其中，＝０时，令１／０＝ｏｏ，ｌ／ｏｏ＝０，０×ｏ。＝０。在考虑信号在时间上对规则隶属度的基础上，此种情况下争议性信号的最终隶属度为（ｓ，）＝【ｓ，）×ｕ（２）性质１：信号ｓ用一个二元组｛ｔｉｍｅ，ａｃｃｕｒａｃｙ｝表示，分别表示信号的两种属性，其中ｔｉｍｅ为信号接收的时间，ａｃｃｕｒａｃｙ为信号的准确度。性质２：在规则，已出现的前提信号中，信号ｓ的权值最大，则该规则的聚类中心为ｓ的接收时间。当适用于两条以上规则的信号重复出现时，如李江林，等一种基于ＦＰＮ的变电站故障推理机制．１５．≠信号Ｓ出现两次，分别记为Ｓ、Ｓ，且Ｓ（ｔｉｍｅ）Ｓ（ｔｉｍｅ），Ｓ适用于两条规则，；、。此种情况下信号的分配方法如下。重复信号隶属度分配方法：Ｓｔｅｐｌ：如果某信号重复出现两次以上，而其适用的规则仅有一个时，则按式ｆ１）分别计算隶属度，取较大者，其他皆作为误信号处理。Ｓｔｅｐ２：令Ｓ＝｛Ｓ１Ｓ），Ｒ＝，），计算此时的划分矩阵Ｕ＝（，。Ｓｔｅｐ３：比较（Ｕ１１十Ｕ２２）与（Ｕ１２＋２１），基于信号贡献最大化原则（即使信号发挥最大作用），取较大一方对应的方案，如（１１＋２２）＞（１２＋２１）时，将Ｓ划分给，将Ｓ划分给。Ｓｔｅｐ４：按照Ｓｔｅｐ２中的划分方案，依据式（１），分别计算信号对规则的隶属度。假设：决定规则聚类中心的信号不会出现争议的情况。具有争议性的信号出现的次数不会比可适用的规则数量多。３模糊Ｐｅｔｒｉ网模糊Ｐｅｔｒｉ网（ＦＰＮ）是Ｐｅｔｒｉ网结合模糊数学的思想而发展起来的一类模型，能较好地表示不确定性—知识，模拟模糊推理过程。基于文献［１２１３］给出一种ＦＰＮ的形式化定义。定义３：模糊Ｐｅｔｒｉ网（ＦＰＮ）可形式化地用十一Ⅳ元组：（Ｐ，Ｔ，Ａ，，，Ｉ，，Ｆ，Ｗ，，Ｍｏ）来表示。◎（１）Ｐ是库所的有限集合，Ｐ＝ｕ，（）是时间描述库所，（ｏ）是可信度描述库所，库所中的ｔｏｋｅｎ值记为（），其中∈ａ）（）Ｒ，表示ｔｏｋｅｎ的时间属性，即每个ｔｏｋｅｎ都携带一个时间值ｔｉｍｅ；ｂ）Ｍ（ｐｃ）ｅ［０，１】表示可信度，其值大于零时用一个ｔｏｋｅｎ表示。（２）是变迁的有限集合，Ｔ＝ｕ，（Ｉ）是分析变迁，（口）是诊断变迁。（３）为网中所有有向弧的集合，Ａｃ×ｕＸｕＸｕＸ。（４）为接收信号集合到时间库所（分析变迁）的单射，为匹配规则集合到诊断变迁的单射。（５）Ｉ：Ｒ，（）＝【ａｌ，】表示分析变迁的输入库所所属的规则的时间窗。（６）：［０，１】，（）为分析变迁的隶属函数，用于计算信号的隶属度；∈ａ）若Ｐｏｔａ：Ｍ（ｐ）＝１人Ｉｔａ￣Ｉ＝１，则（）按照式（１）计算；∈ｂ）若Ｐｏｔ：Ｍ（ｐ）＝１＾ｌｔａ￣ｌ＞１，则（ｆ）按照式（２）计算，此时的计算结果为一个向量，其分量对应到的每个输出弧；∈Ｃ）若Ｐｏｔａ：Ｍ（ｐ）＞１＾Ｉｔａ￣ｌ＞１，则（）按照重复信号隶属度分配方法进行计算。（７）Ｆ：［０，１】，Ｆ（）为诊断变迁的转移控制函数，用于控制诊断变迁的输入输出量，…Ｆ（）＝Ｍ（ｐ）ｘｗ（ｐ，）（３）（８）Ｗ＝ｕ，，其中ａ）ｗｅ：×［０，１】，其中（，）表示弧（，）上的权值，表示库所ｐ对应信号对规则ｔａ的影响程度；ｂ）ｗｃ，：×［０，１】，其中（，Ｐ）表示弧（，Ｐ。）上的权值，表示规则对结论的支持度。（９）：【０，１］，（）表示诊断变迁的启动阈值。（１０）为初始标识，∈：Ｍｏ（ｐ）１，∈Ｖｐ：Ｍｏ（ｐ）＝０。性质３：变迁ｔ的前置库所集用ｏｔ表示，后置库所集用ｆ・表示，同理规定・ｐ和Ｐ・。性质４：该种ＦＰＮ中没有自环，属于纯网Ｉｌ钔，时间描述库所与分析变迁一一对应，即分析变迁始终只有一个前置库所。定义４：对于上述定义的ＦＰＮ，变迁的启动规则做如下定义（在标识下）。∈∈（１）对于分析变迁ｆ，若，ｏｔ：Ｐ，中有ｔｏｋｅｎ，则ｆ在标识下有启动权，且ｔ启动后产生’新标识’Ｍ（ｐ）＝∈０，ｉｆＰ。∈（）（），ｉｆｐｔａ・（４）（），ｅｌｓｅ∈∈（２）对于诊断变迁，若ｏｔ：Ｐ中有ｔｏｋｅｎ，则ｔ在标识下有启动权，且ｆ启动后产生’新标识ｆｍａｘ｛Ｍ（ｐ），Ｆ（ｔ）Ｘｗ（ｔａ，ｐ）｝’∈≥（）＝｛ｉｆｐｔａ・＾，）（５）Ｉ（），ｅｌｓｅ４诊断实例仿真４．１诊断过程本文通过对一类变电站故障诊断实例进行仿真实验，以验证该ＦＰＮ推理机制的有效性。．１６．电力系统保护与控嘲已知监控中心接收到一些告警信号，具体情况如表１所示。只表１接收信号情况功６ｌｅ１ＳｉｔｕａｔｉｏｎｏｆｔｈｅｏｂｔａｉｎｅｄｓｉｇｎａｌｓＰ，ｚ参看文献【１５】，可知上述信号可模糊匹配下面两条规则。（１）ｒｌ：ＩＦ（ｓ１）ａｎｄ（ｓ２）ａｒｌｄ（ｓ３）ａｎｄ（ｓ４）Ｔｈｅｎ（ｑ１），其中】为断路器操作机构Ｎ２泄漏或打压过高；（２）ｒ２：ＩＦ（ｓ３）ａｎｄ（ｓ４）ａｎｄ（ｓｓ）ａｎｄ（ｓ６）Ｔｈｅｎ（ｑ２），其中２为断路器ＳＦ６气压低闭锁分合闸。规则中参量的取值如表２所示。表２规则１和ｒ２中的参量Ｔｌａｂｌｅ２Ｐａｒａｍｅｔｅｒｓｏｆｒ１ａｎｄ由接收到的信号情况与匹配的规则，根据ＦＰＮ的定义可得到初始的ＦＰＮ模型，如图２所示。由图２可知ＦＰＮ模型的初始状态标识为ｍｏ＝【Ｍｏ（），（）】其中：Ｍｏ（ｅ，）＝【（４５），（４７），（４８，４９），（４８），（５１）】；…Ｍｏ（ｇ）＝【０】。根据变迁启动规则知，分析变迁，～皆有启动权，下面计算它们的隶属函数。通过信号的接收时间与其权值的比较，得到两个规则ｒ１、的聚类中心分别为：４７、５１。无争议信号有１、Ｓ２、Ｓ５，其接收时间为４５、４７、５１，根据式（１）得到隶属度分别为：０．５、１．０、１．０。存在争议性的信号有的、４：其图２ＦＰＮ模型Ｆｉｇ．２ＴｈｅＦＰＮｍｏｄｅｌ中Ｓ３被重复接收，记为Ｓ３、ｓ３，接收时间分别为４８、４９，根据重复信号隶属度计算方法，将Ｓ３分配给规则１，Ｓ３分配给规则ｒ２，再由公式（１）计算的它们的隶属度分别为１．０、０．５；Ｓ４只被接收到一次，但它理论上适用于两个规则，其接收时间为４８，则根据公式（２）计算得信号Ｓ４对规则ｒｌ的隶属度为０．９×１．０＝０．９，对规则２的隶属度为０．１×０＝０。所以，变迁～启动后，由式（４）、式（５）可知ＦＰＮ模型的状态标识变为＝【（），（）］其中：（）＝［０．０・・］；（Ｐｃ）＝【０．５，１．０，１．Ｏ，０．９，０．５，０，１．０，０，０，０】。在标识下，根据变迁启动规则可知，诊断变迁、，获得启动权，下面计算它们的转移控制函数。根据式（３）计算得到：Ｆ（ｔｄ）＝０．８４＞０．６０，Ｆ（ｔａ：）＝０．５０＜０．５５，所以由式（４）、式（５）知ＦＰＮ模型的状态标识变为＝【（），（）］，其中…（）＝［０】；（Ｐｃ）＝［０．５，１．０，１．０，０．９，０．５，０，１．０，０，０．７８９，０］。最终的诊断结果为（ｑ）断路器操作机构Ｎ２泄漏或打压过高，其可信度为０．７８９。４．２仿真数据分析本文使用ＱＴ实现定义３所描述的ＦＰＮ推理模型，根据规则，１、：，针对不同的信号接收情况进行仿真实验，故障诊断结果如表３所示，其中当信号情况接收到时显示其时间，未接收到时则不显示时间，诊断结果为ｇ１、ｇ２的可信度。李江林，等一种基于ＦＰＮ的变电站故障推理机制．１７．下面对实验数据进行分析：（１）由实验数据１￣４可知，当信号缺失时，即故障信息不完备的情况下，该ＦＰＮ模型仍可进行推理。与穷举推理法相比，该模型减少了信号缺失时导致的故障漏报率，降低了设备运行风险。（２）在实验数据２～３中看到诊断结果出现零值的情况。一般情况下，变电站设备元件都有多个保护装置，当元件发生故障时，常常会有个别信号缺失，但只发送个别信号的情况概率却极低。由数据２～３可知，该ＦＰＮ模型通过阈值的设置，将某些作为误信号处理，撤销了这些信号的诊断结果，大大降低了误信号对推理结果产生的影响。（３）由实验数据４～６可看出，无争议性的信号接收时间相同，诊断结果的可信度呈递增趋势。可见，对于有争议的信号，当其重复时，模型诊断结果的可信度要比信号单一时高，但对于具有争议性的信号，接收到时的诊断结果可信度总比未接收到时的高。（４）观察实验数据７～９，其诊断结果的可信度呈递减趋势。基于信号时间分布，首先规定和规则…匹配的信号集合Ｓ＝，，，Ｓ｝的离散度，用表ｍ示，＝，含义同２．２节中相同。’筲在实验数据７～９中，信号分配完成后，两规则的信号离散度分别为：｛３，３），｛４，４｝，｛４，４），可知离散度越大，诊断结果的可信度越低。其中数据６的离散度与７的相同，但结果的可信度却比７的小，可见权值大的信号与规则聚类中心的距离的变化，对诊断结果的影响比较大。５结论本文基于ＦＰＮ对变电站故障诊断的推理过程进行建模，针对推理过程中存在的不确定性问题提出了相应的解决方案。对于有争议的信号，该ＦＰＮ模型鉴于模糊Ｃ均值方法和岭型隶属函数，给出了信号的分配原则，以及信号与规则在时间上的隶属关系。基于专家经验设计模糊诊断规则，采用模糊推理策略进行故障推理，保证了在设备监控信号误报、漏报时依然能够进行较为准确的推理。但也应看到，规则库中由专家设置的参数不一定能完全准确地反映事实，资深的专家也有可能在判断上存在一些误差，若为规则库设计一套更完备的自学习机制，则有可能不断地由系统自身进行规则的完善，推理结果的可信程度将会更高。参考文献［１］王家林，夏立，吴正国，等．电力系统故障诊断研究现状与展望［Ｊ］．电力系统保护与控制，２０１１，３８（１８）：２１０．２１６．—ＷＡＮＧＪｉａ－ｌｉｎ，ＸＩＡＬｉ，ＷＵＺｈｅｎｇｇｕｏ，ｅｔａ１．Ｓｔａｔｅｏｆａｒｔｓｏｆｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｐｏｗｅｒｓｙｓｔｅｍｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍ—ＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１１，３８（１８）：２１０２１６．［２］宋功益，王晓茹，周曙．基于贝叶斯网的电网多区域复杂故障诊断研究［Ｊ］．电力系统保护与控制，２０１１，３９（７）：２０－２５．—ＳＯＮＧＧｏｎｇ－ｙｉ，ＷＡＮＧＸｉａｏｒｕ，ＺＨＯＵＳｈｕ．Ｒｅｓｅａｒｃｈｏｎｃｏｍｐｌｅｘｆａｕｌｔｓｄｉａｇｎｏｓｉｓｏｆｍｕｌｔｉ－ａｒｅａｐｏｗｅｒｎｅｔｗｏｒｋｂａｓｅｄｏｎＢａｙｅｓｉａｎｎｅｔｗｏｒｋｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２０１１，３９（７）：２０－２５．［３］荣雅君，赵杰，王健，等．基于不完备信息系统规则提．１８．电力系统保护与控制取和ＰｅｔｒｉＮｅｔｓ的电力变压器故障诊断【Ｊ】＿电力系统保护与控制，２００９，３７（１８）：１－４．ＲＯＮＧＹａ－ｊｕｎ，ＺＨＡＯＪｉｅ，ＷＡＮＧＪｉａｎ，ｅｔａ１．ＦａｕｌｔｄｉａｇｎｏｓｉｓｏｆｔｒａｎｓｆｏｒｍｅｒｂａｓｅｄｏｎｉｎｃｏｍｐｌｅｔｅｉｎｆｏｒｍａｔｉｏｎｓｙｓｔｅｍｒｕｌｅｅｘｔｒａｃｔｉｏｎａｎｄＰｅｔｒｉｎｅｔｓ［Ｊ］．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，３７（１８）：１－４．［４］孟祥忠，隋媛嫒，王立刚，等．基于ＢＰＮ方法的电网故障诊断【Ｊ】．电力系统保护与控制，２００９，３７（１７）：—８１２．ＭＥＮＧＸｉａｎｇ－ｚｈｏｎｇ，ＳＵＩＹｕａｎ－ｙｕａｎ，ＷＡＮＧＬｉ－ｇａｎｇ，ｅｔａ１．ＦａｕｌｔｄｉａｇｎｏｓｉｓｏｆｐｏｗｅｒｎｅｔｂａｓｅｄｏｎＢＰＮ［Ｊ】．ＰｏｗｅｒＳｙｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ，２００９，３７（１７）：８－１２．［５］ＪａｎｇＪＳＲ，ＳｕｎＣＭｉｚｕｔａｎｉＥ．Ｎｅｕｒｏ－ｆｕｚｚｙａｎｄｓｏｆｔｃｏｍｐｕｔｉｎｇ［Ｊ］．ＮＪ：Ｐｒｅｎｔｉｃｅ－Ｈａｌｌ，１９９６．【６］ＣｈｅｎＳＭ，ＭｅｍｂｅｒＳ．ＷｅｉｇｈｔｅｄｆｕｚｚｙｒｅａｓｏｎｉｎｇｕｓｉｎｇｗｅｉｇｈｔｅｄｆｕｚｚｙＰｅｔｒｉｎｅｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏａｓｏｎ—ＫｎｏｗｌｅｄｇｅａｎｄＤａｔａＥｎｇｉｎｅｅｒｉｎｇ，２００２，１４（２）：３８６３９７．［７］王熙照，郗亚辉，董春茹，等．加权模糊产生式规则的泛化能力研究［Ｊ１．科学技术与工程，２００６，６（５）：５３４．５３９．ＷＡＮＧＸｉ－ｚｈａｏ，ＸＩＹａ・ｈｕｉ，ＤＯＮＧＣｈｕｎ－ｒｕ，ｅｔａ１．Ｒｅｓｅａｒｃｈｏｎｔｈｅｇｅｎｅｒａｌｉｚａｔｉｏｎｃａｐａｂｉｌｉｔｙｏｆｗｅｉｇｈｔｅｄｆｕｚｚｙｐｒｏｄｕｃｔｉｏｎｒｕｌｅｓ［Ｊ］．ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇ，２００６，６（５）：５３４－５３９．［８］姜浩，罗军舟，方宁生．模糊Ｐｅｔｒｉ网在带权不精确知识表示和推理中的应用研究［计算机研究与发展，—２０００，３７（８）：９１８９２３．ＪＩＡＮＧＨａｏ，ＬＵＯＪｕｎ－ｚｈｏｕ，ＦＡＮＧＮｉｎｇ－ｓｈｅｎｇ．ＲｅｓｅａｒｃｈｏｎｆｕｚｚｙＰｅｔｒｉｎｅｔａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｓｉｎｗｅｉｇｈｔｅｄｉｍｐｒｅｃｉｓｅｋｎｏｗｌｅｄｇｅｒｅｐｒｅｓｅｎｔｉｎｇａｎｄｒｅａｓｏｎｉｎｇ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＲｅｓｅａｒｃｈａｎｄ—Ｄｅｖｅｌｏｐｍｅｎｔ，２０００，３７（８）：９１８９２３．［９］姬书军，朱学科，李淮海．变电站智能告警专家系统研究［Ｊ］．华东电力，２０１１，３９（５）：７７３．７７５．—ＪＩＳｈｕｑｕｎ，ＺＨＵＸｕｅ－ｋｅ，ＬＩＨｕａｉｈａｉ．Ｒｅｓｅａｒｃｈｏｎｔｈｅｉｎｔｅｌｌｉｇｅｎｔａｌａｒｍｅｘｐｅｒｔｓｙｓｔｅｍｏｆｓｕｂｓｔａｔｉｏｎ［Ｊ】．Ｅａｓｔ‘ＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒ，２０１１，３９（５）：７７３７７５．［１Ｏ］曹谢东．模糊信息处理及应用［Ｊ］．北京：科学出版社，２００３．ＣＡＯＸｉｅ－ｄｏｎｇ．Ｆｕｚｚｙｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇａｎｄａｐｐｌｉｃａｔｉｏｎ［Ｊ］．Ｂｅｉｊｉｎｇ：ＳｃｉｅｎｃｅＰｒｅｓｓ，２００３．［１１］华中师范大学数学系．数学分析（下册）［Ｍ】．武汉：华中师范大学出版社，２００１．ＣｅｎｔｒａｌＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＭａｔｈｅｍａｔｉｃｓ．Ｍａｔｈｅｍａｔｉｃａｌａｎａｌｙｓｉｓ（ＩＩ）［Ｍ】．Ｗｕｈａｎ：ＨｕａｚｈｏｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓ，２００１．［１２］徐欢．基于模糊Ｐｅｔｒｉ网的专家系统知识推理及其应用［Ｄ】．天津：天津科技大学，２００７．ＸＵＨｕａｎ．ＫｎｏｗｌｅｄｇｅｒｅａｓｏｎｉｎｇａｎｄａｐｐｌｉｃａｔｉｏｎｆｏｒｅｘｐｅｒｔｓｙｓｔｅｍｓｂａｓｅｄｏｎｆｕｚｚｙＰｅｔｒｉｎｅｔ［Ｄ］．Ｔｉａｎｊｉｎ：ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，２００７．［１３］严作重．基于模糊Ｐｅｔｒｉ网专家系统的研究［Ｄ】．北京：机械科学研究总院，２００９．ＹＡＮＺｕｏ－ｃｈｏｎｇ．ＳｔｕｄｙｏｎｅｘｐｅｒｔｓｙｓｔｅｍｂａｓｅｄｏｎｆｕｚｚｙＰｅｔｒｉｎｅｔ［Ｄ］．Ｂｅｉｊｉｎｇ：ＢｅｒｉｎｇＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＡｕｔｏｍａｔｉｏｎｆｏｒＭａｃｈｉｎｅｒｙＩｎｄｕｓｔｒｙ，２００９．［１４］ＭｕｒａｔａＴＰｅｔｒｉｎｅｔｓ：ｐｒｏｐｅｒｔｉｅｓ．ａｎａｌｙｓｉｓａｎｄａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ，１９８９，７７（４）：５４１－５８０．［１５］江西赣卅Ｉ供电公司．变电站信号辨识手册（２２０ｋｖ及以下部分）［Ｍ］．北京：中国电力出版社，２０１０．ＪｉａｎｇｘｉＧａｎｚｈｏｕＥｌｅｃｔｒｉｃＰｏｗｅｒＣｏｒｐｏｒａｔｉｏｎ．Ｍａｎｕａｌｏｆｓｉｇｎａｌｉｄｅｎｔｉｆｉｃａｔｉｏｎｆｏｒｓｕｂｓｔａｔｉｏｎｆ２２０ｋＶａｎｄｉｔｓｂｅｌｏ［Ｍ】．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＰｒｅｓｓ，２０１０．收稿日期：２０１１－１０－１０；修回日期：２０１１－１卜２８作者简介：李江林（１９６７－），男，高级工程师，长期从事电力系统自动化领域的研究与开发工作；Ｅ－ｍａｉｌ：１０ｉａｎｇｌｉｎ＠ｘｊｇｃ．ｃｏｍ史志鸿（１９６７－），男，高级工程师，长期从事电力系统自动化领域的研究与开发工作；赵成功（１９７９－），男，硕士研究生，工程师，主要从事电力系统自动化领域产品研究和项目管理。