一種基于高級Petri網(wǎng)的微電網(wǎng)故障診斷方法

劉科學(xué)，宣文華，魏少鵬，田雷雷

?

一種基于高級Petri網(wǎng)的微電網(wǎng)故障診斷方法

劉科學(xué)1，宣文華1，魏少鵬2，田雷雷3

(1.國網(wǎng)冀北電力有限公司秦皇島供電公司，河北 秦皇島 066000；2.許繼集團(tuán)有限公司，河南 許昌 461000；3.燕山大學(xué)電氣工程學(xué)院，河北 秦皇島 066004)

微電網(wǎng)拓?fù)浣Y(jié)構(gòu)靈活，運行方式多樣，是一個相對自治系統(tǒng)。針對微電網(wǎng)拓?fù)浣Y(jié)構(gòu)多變導(dǎo)致故障診斷建模困難問題，提出基于微電網(wǎng)線路故障保護(hù)信息的分層Petri網(wǎng)分析模型。該模型以分層保護(hù)集形式處理微電網(wǎng)保護(hù)信息。當(dāng)微電網(wǎng)拓?fù)浣Y(jié)構(gòu)改變時，只需更新相應(yīng)的保護(hù)集信息，不需要重新建模，對微電網(wǎng)的靈活多變有較強的適應(yīng)性。該模型還可以有效判別保護(hù)和斷路器的拒動、誤動和處理含有時序關(guān)系的保護(hù)信息。為增強診斷系統(tǒng)的容錯性和可靠性，采用智能加權(quán)模糊Petri網(wǎng)理論自適應(yīng)調(diào)整權(quán)值。仿真算例驗證了方法的有效性。

微電網(wǎng)；故障診斷；Petri網(wǎng)； BCC算法

0 引言

傳統(tǒng)的電網(wǎng)故障診斷方法主要通過對線路電壓、電流進(jìn)行定量分析來實現(xiàn)。由于電網(wǎng)故障診斷過程中包含很多難以用傳統(tǒng)數(shù)學(xué)方法描述的問題，導(dǎo)致傳統(tǒng)診斷方法具有局限性[1-2]。人工智能技術(shù)對處理不確定問題有獨特優(yōu)勢，在現(xiàn)代電網(wǎng)故障診斷領(lǐng)域獲得應(yīng)用。

文獻(xiàn)[3]提出利用專家系統(tǒng)方法把保護(hù)信息、斷路器狀態(tài)變化以及操作人員的知識和經(jīng)驗通過規(guī)則表示出來，形成故障診斷知識庫，進(jìn)而根據(jù)報警信息對知識庫進(jìn)行推理、判斷，得到故障診斷結(jié)果。文獻(xiàn)[4]利用人工神經(jīng)網(wǎng)絡(luò)方法把大量電網(wǎng)故障實例作為分析和學(xué)習(xí)樣本，把保護(hù)信息和斷路器動作邏輯作為神經(jīng)網(wǎng)絡(luò)的輸入，經(jīng)過一定訓(xùn)練，實現(xiàn)知識的自組織和自學(xué)習(xí)，輸出可能的故障元件。文獻(xiàn)[5]利用粗糙集理論對電力系統(tǒng)繼電保護(hù)信息進(jìn)行約簡分類形成規(guī)則和決策。文獻(xiàn)[6]利用貝葉斯網(wǎng)絡(luò)建立針對元件的故障診斷模型，利用先驗概率標(biāo)識各節(jié)點之間的關(guān)聯(lián)關(guān)系，再采用貝葉斯網(wǎng)絡(luò)處理不確定性，獲得診斷結(jié)果。文獻(xiàn)[7-9]利用Petri網(wǎng)作為電網(wǎng)故障診斷方法，基于與故障元件邏輯相關(guān)的斷路器狀態(tài)信息來建模，以斷路器狀態(tài)判斷變遷是否點火。上述人工智能方法一般應(yīng)用在網(wǎng)絡(luò)結(jié)構(gòu)比較固定的大電網(wǎng)中，對于拓?fù)浣Y(jié)構(gòu)靈活的微電網(wǎng)，上述故障診斷方法存在局限性。

與大電網(wǎng)相比，微電網(wǎng)拓?fù)浣Y(jié)構(gòu)靈活多變，電源可隨機(jī)投退且發(fā)電功率不確定；多數(shù)微電網(wǎng)歸屬一般電力用戶，缺乏專業(yè)人員的操控和維護(hù)，主要依靠自動化信息系統(tǒng)進(jìn)行自治運行管理[10]。針對微電網(wǎng)的多變性，本文提出一種分層Petri網(wǎng)診斷模型和方法。該方法利用分層保護(hù)集處理微電網(wǎng)保護(hù)信息，通過更新保護(hù)集信息來解決微電網(wǎng)拓?fù)浣Y(jié)構(gòu)改變的建模問題。該方法還可以有效判別保護(hù)和斷路器的拒動、誤動，并處理含有時序關(guān)系的保護(hù)信息。利用BCC算法自適應(yīng)調(diào)整權(quán)值，提高診斷結(jié)果的精確性。

1 基于分層Petri網(wǎng)的微電網(wǎng)故障診斷

1.1 微電網(wǎng)故障診斷分層Petri網(wǎng)模型的建立

分層Petri網(wǎng)模型簡化了傳統(tǒng)Petri網(wǎng)結(jié)構(gòu)，其主要思想是通過保護(hù)集概念把原來分散考慮的各保護(hù)統(tǒng)一起來，如圖1所示。對集合里各保護(hù)信息值進(jìn)行“與”運算，計算結(jié)果作為庫所點火依據(jù)。若結(jié)果為1，則點火，按照Petri網(wǎng)理論完成推導(dǎo)工作；反之不動作。當(dāng)微電網(wǎng)拓?fù)浣Y(jié)構(gòu)發(fā)生改變時，無需重新建模，只需要更新相應(yīng)保護(hù)集信息值，再按照分層Petri網(wǎng)模型進(jìn)行故障診斷。該模型對于解決微電網(wǎng)的靈活多變問題有較強的適應(yīng)性。

分層Petri網(wǎng)模型是相對故障元件來說的，分為故障上游和故障下游?？拷箅娋W(wǎng)側(cè)定為故障上游，靠近用戶側(cè)為故障下游。相鄰線路后備保護(hù)是指遠(yuǎn)端含有DG且與故障元件相關(guān)聯(lián)的線路后備保護(hù)。若相鄰線路遠(yuǎn)端不含DG，則不考慮。上述后備保護(hù)共同作用構(gòu)成一個后備保護(hù)集。為簡化計算，后備保護(hù)最遠(yuǎn)作為前兩段相鄰線路保護(hù)，且本級線路的后備保護(hù)也包含于后備保護(hù)集。

根據(jù)保護(hù)模型，構(gòu)建上游保護(hù)矩陣1和下游保護(hù)矩陣2。矩陣首元素表示主保護(hù)或本級后備保護(hù)，默認(rèn)為1，其余元素表示相鄰線路后備保護(hù)集，從上到下依次賦值。圖2為一個典型微電網(wǎng)模型，某一時刻線路L2發(fā)生短路故障，保護(hù)斷路器CB2.1和CB3.2動作。按照上述描述，得到上游保護(hù)矩陣1為[1 1 1 1]，下游保護(hù)矩陣2為[1 1]。

根據(jù)輸出的斷路器狀態(tài)，構(gòu)建斷路器上游動作矩陣1和下游動作矩陣2。矩陣元素是與矩陣中各元素相對應(yīng)保護(hù)邏輯相關(guān)的斷路器狀態(tài)。若保護(hù)對應(yīng)的斷路器動作，則設(shè)值為1，反之為0。圖2的上游動作矩陣1為[1 0 0 0]，下游動作矩陣2為[0 1]。同理根據(jù)保護(hù)動作狀態(tài)信息構(gòu)建保護(hù)動作矩陣，矩陣元素表示矩陣中對應(yīng)元素的保護(hù)動作狀態(tài)，若保護(hù)動作，則設(shè)值為1，反之為0。

圖 2 微電網(wǎng)簡單模型

按照上述分層Petri網(wǎng)模型，當(dāng)圖2中保護(hù)斷路器CB2.1和CB3.2動作，上游近端主保護(hù)的斷路器信息為1，下游后備保護(hù)的斷路器信息為1，庫所可以點火，完成故障診斷過程。基于分層Petri網(wǎng)模型診斷微電網(wǎng)故障時，仍可以按照傳統(tǒng)的矩陣方法[10]進(jìn)行計算。按照圖2給出的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，建立分層Petri網(wǎng)分析模型。經(jīng)過矩陣計算，得到最終的標(biāo)識矩陣=[1 0 0 0 0 0 0]。相比傳統(tǒng)Petri網(wǎng)建模得到的標(biāo)識矩陣=[1 0 0 0 0 0 0 0 0 0]，本方法庫所信息少，計算量小。

1.2 保護(hù)和斷路器拒動、誤動的判斷

微電網(wǎng)故障發(fā)生時，基于電氣元件建模的傳統(tǒng)Petri網(wǎng)把斷路器狀態(tài)信息作為其變遷點火依據(jù)，若存在保護(hù)和斷路器拒動或誤動，將給分析過程帶來困難。本文利用保護(hù)信息與斷路器的關(guān)聯(lián)關(guān)系，首先將矩陣與矩陣進(jìn)行同或運算，若計算結(jié)果與矩陣相同，則說明保護(hù)信息傳輸正確，各保護(hù)與關(guān)聯(lián)斷路器邏輯正確。若計算結(jié)果不相同，則將矩陣與相減，將結(jié)果與矩陣比較，若與矩陣中相同位置的元素由0變?yōu)?，則說明斷路器拒動或者保護(hù)動作信息在通信過程丟失；若由1變?yōu)?1，則說明斷路器誤動或者保護(hù)動作信息誤報。對于上述同或計算不一致情況，需要對斷路器動作狀況修正，再進(jìn)行Petri網(wǎng)建模分析。

若上述計算結(jié)果與矩陣相同，即保護(hù)與關(guān)聯(lián)斷路器動作邏輯相符，根據(jù)構(gòu)建的保護(hù)矩陣與斷路器動作矩陣，將兩者進(jìn)行減法運算，計算結(jié)果矩陣用sub表示。sub根據(jù)首元素不同，可以分為不同情況處理，如式(1)和式(2)所示。式(1)中，為計算矩陣中第個元素，且>1。該式表示若結(jié)果矩陣中首值為0，則說明本級保護(hù)正確動作，而其他元素為1，則相鄰線路后備保護(hù)正確動作；反之，后備保護(hù)誤動。式(2)中，為計算矩陣中第個元素，且>1。該公式表示若結(jié)果矩陣中首值為1，則說明本級保護(hù)沒有正常動作，而其他元素為0，則遠(yuǎn)端后備保護(hù)正常動作，反之，后備保護(hù)拒動。若集合里面信息出現(xiàn)某個或多個保護(hù)或斷路器誤動、拒動時，利用本文中Petri網(wǎng)理論得不到故障對象，因此需要對上述情況先進(jìn)行糾錯，再利用Petri網(wǎng)進(jìn)行處理，重新計算矩陣，確定故障元件。

(2)

可見，當(dāng)故障線路兩端主保護(hù)動作時，按照上述Petri網(wǎng)模型可以準(zhǔn)確得出故障發(fā)生線路。若一端主保護(hù)動作，另一端相鄰線路后備保護(hù)動作時，雖然有一端的sub矩陣首值為1，但是仍可以判斷出故障線路，且得到一端主保護(hù)不動作的結(jié)果。

當(dāng)只有一端主保護(hù)動作時，另一端的sub矩陣首值為1，其后備保護(hù)值也為1，這時需先糾錯。假設(shè)另一端主保護(hù)也動作，判斷出故障區(qū)域，得到一端主保護(hù)和相鄰線路保護(hù)拒動的結(jié)果。當(dāng)兩端主保護(hù)都動作，一端的后備保護(hù)也動作時，一端的sub矩陣除了首值為0還存在其他為0的情況，則說明存在誤動情況，除結(jié)果矩陣首值外，其他為0的保護(hù)記為誤動保護(hù)。當(dāng)一端主保護(hù)動作，另一端后備保護(hù)動作時，一端的sub矩陣除了首值為1，還存在其他為1的情況，則說明存在拒動情況，除結(jié)果矩陣首值外，其他為1的保護(hù)記為拒動保護(hù)。

采用上述方法不僅可以快速實現(xiàn)故障診斷，還可以判斷保護(hù)和斷路器的工作狀況。本文Petri網(wǎng)診斷模型基于故障元件兩端的保護(hù)信息構(gòu)建，當(dāng)兩端保護(hù)都正確動作時，可以得到相應(yīng)的故障元件。當(dāng)一端主保護(hù)正確動作，另一端主保護(hù)存在誤動或者遠(yuǎn)端后備保護(hù)集中一個或全部發(fā)生錯誤時，可以利用糾錯算法進(jìn)行糾錯，然后再進(jìn)行分析診斷。對于保護(hù)和斷路器不正常工作的故障情形，進(jìn)行糾錯以后，仍可以按照分層Petri網(wǎng)分析，確定故障區(qū)域。

1.3 時序信息的處理

當(dāng)兩端主保護(hù)動作，若仍有一端相鄰線路后備保護(hù)動作時，保護(hù)和斷路器動作判斷算法會得到該后備保護(hù)誤動結(jié)果。通常情況下，主保護(hù)動作時間超前于后備保護(hù)。因此，可以利用時序Petri網(wǎng)對含有時序關(guān)系的微電網(wǎng)保護(hù)動作加以限制。當(dāng)一端主保護(hù)動作時，該端相鄰線路后備保護(hù)不作用。文獻(xiàn)[11]詳細(xì)介紹了時序Petri網(wǎng)原理，如式(3)所示。

或(4)

2 加權(quán)模糊Petri網(wǎng)的應(yīng)用

以上方法雖然可以確定故障元件，但如果發(fā)生保護(hù)信息邏輯錯誤，診斷過程會出現(xiàn)漏診情況。且只在判斷變遷點火時，利用了保護(hù)信息，其他情況并沒有充分利用保護(hù)信息。因此引用模糊推理理論[12-14]，充分利用保護(hù)信息計算故障元件發(fā)生的概率，方便操作人員理解故障結(jié)果。

2.1 加權(quán)模糊Petri網(wǎng)定義

模糊Petri網(wǎng)是一個六元組

Σ的運算規(guī)則為對，如果，有：

(6)

在上述模糊Petri網(wǎng)中，一個變遷及其前后級(和)中的各個庫所，模擬一條模糊推理定則，其中庫所代表前提條件，庫所代表推理結(jié)果。對表示條件對推理成立的理論支持，()表示條件的可信度。這樣，就表示條件對推理的置信度。()表示推理對各個前提條件的實際支持度的閾值。

加權(quán)模糊Petri網(wǎng)定義了“與”、“或”兩種基本的產(chǎn)生式規(guī)則類型。不同規(guī)則類型的權(quán)值有不同約束。對于“與”規(guī)則類型，假設(shè)命題由個前提命題組合而成，則權(quán)值可由式(7)確定。對于“或”規(guī)則類型，權(quán)值比較固定，一般為1。

加權(quán)模糊Petri網(wǎng)的推理規(guī)則是置信度大于閾值時，變遷點火。對于含有“與”邏輯關(guān)系的命題，若，則變遷點火，其庫所置信度由式(8)得到

(8)

對于含有“或”邏輯關(guān)系的命題，由于權(quán)值為1，其判斷方法與模糊Petri網(wǎng)相同。

2.2 加權(quán)模糊Petri網(wǎng)故障診斷推理模型

對于本級線路保護(hù)，其保護(hù)集只需考慮本級保護(hù)與斷路器動作，判斷流程如圖3。圖中。

圖3 斷路器與主保護(hù)統(tǒng)一考慮的推理模型

對于遠(yuǎn)端后備保護(hù)，由于保護(hù)集中需要考慮的元素通常不止一個，在利用加權(quán)模糊Petri網(wǎng)分析時，需要對每個元素按圖4的建模過程，再根據(jù)算子[16]計算得到遠(yuǎn)端后備保護(hù)集的置信度。其中上游后備保護(hù)集的置信度用up表示，下游后備保護(hù)集的置信度用dn表示。具體推理過程由圖4得到，圖中后備保護(hù)集包含個后備保護(hù)。

圖4 后備保護(hù)集的推理過程

2.3 權(quán)值的確定方法

在電網(wǎng)故障診斷中，模糊Petri網(wǎng)模型的置信度、閾值都是固定的[17]，權(quán)值一般是由專家經(jīng)驗確定，缺乏學(xué)習(xí)能力。一旦模型建立，其參數(shù)和結(jié)構(gòu)就是固定的，不能根據(jù)微網(wǎng)實際情況及知識的變化進(jìn)行動態(tài)調(diào)整，無法自動更新知識及規(guī)則，缺乏智能性。本文應(yīng)用離散細(xì)菌群體趨藥性優(yōu)化算法(BCC)自適應(yīng)調(diào)整Petri網(wǎng)權(quán)值，使模型推理更貼近微電網(wǎng)動態(tài)行為。

由于本文選用加權(quán)模糊petri網(wǎng)處理方法主要解決微網(wǎng)靈活多變的拓?fù)浣Y(jié)構(gòu)導(dǎo)致保護(hù)集各元素的權(quán)值調(diào)整。為此，把保護(hù)和斷路器條件發(fā)生的權(quán)值取固定的已知值，從而保證權(quán)值尋優(yōu)結(jié)果體現(xiàn)出微網(wǎng)拓?fù)浣Y(jié)構(gòu)的改變。由于一個元件故障必然會引發(fā)保護(hù)動作，保護(hù)動作又引發(fā)斷路器跳閘；從復(fù)雜性和先決性來說保護(hù)動作環(huán)節(jié)更為重要，參照文獻(xiàn)[18]將保護(hù)動作權(quán)值設(shè)為0.54，斷路器動作權(quán)值設(shè)為0.46。在此基礎(chǔ)上應(yīng)用BCC智能算法優(yōu)化其他權(quán)值。

BCC算法是一種新的基于生物行為的全局尋優(yōu)方法，該方法采用細(xì)菌群體交互模式，較一般方法收斂速度快，并且可以自適應(yīng)調(diào)整步長，保證算法搜索精確度[19]。為了增強Petri網(wǎng)系統(tǒng)的智能型，利用BCC算法訓(xùn)練模糊Petri網(wǎng)的權(quán)值，尋找最優(yōu)權(quán)值。優(yōu)化算法流程圖如圖5所示。

圖5中種群初始化時，要保證“與”規(guī)則類型的權(quán)值和為1，即滿足式(9)的約束條件

(10)

圖5中的誤差代函數(shù)可以由式(10)得到，式中是按照模糊Petri網(wǎng)計算法則，利用理論值得到的終止庫所故障置信度；′為實際值下，終止庫所的故障置信度；為終止庫所數(shù)。將誤差逐層向輸入層方向逆向傳播,使算法不斷自適應(yīng)修改AFPN網(wǎng)絡(luò)的權(quán)值，本文要求精度小于0.001。

對權(quán)值訓(xùn)練過程的驗證，可以由加權(quán)模糊Petri網(wǎng)結(jié)構(gòu)展開，假設(shè)理論值為1=0.3，2=0.35，3=0.35，4=1，5=1，6=0.32，7=0.68。按照BCC算法進(jìn)行智能搜索，設(shè)置樣本群數(shù)為100，搜索100次，誤差很小且穩(wěn)定，得到優(yōu)化值為1=0.294，2=0.345，3=0.361，4=1，5=1，6=0.32，7=0.68。

圖5 BCC優(yōu)化算法流程圖

3 算例分析

在Matlab/Simulink環(huán)境下，按照圖2所示的微電網(wǎng)拓?fù)浣Y(jié)構(gòu)，搭建仿真模型。圖中微電網(wǎng)電壓等級為380 V，含5條饋線，DG1~DG4為容量30 kW的逆變器型分布式電源，且DG4在某一時刻投切到DG2所連母線上。并網(wǎng)運行時采用恒功率控制，孤島運行時采用下垂控制。Load1~Load5 的容量分別為30 kW、30 kW、30 kW、30 kW、40 kW；Line1~Line5長度均1 km，阻抗為0.641+j0.101 Ω。根據(jù)系統(tǒng)采集到的保護(hù)動作信息，得到如表1所示的故障診斷結(jié)果。

表1 Petri網(wǎng)診斷結(jié)果

表1中，利用分層Petri網(wǎng)分析模型，將診斷系統(tǒng)提供的保護(hù)信息作為初始標(biāo)識，在保護(hù)或斷路器誤動狀態(tài)下，終止庫所故障置信度大于最小閾值(0.6)，仍可以確定故障元件，增強診斷系統(tǒng)的容錯性。并且對微電網(wǎng)的靈活多變有較強的適應(yīng)性。

4 結(jié)論

本文在傳統(tǒng)Petri網(wǎng)結(jié)構(gòu)基礎(chǔ)上，提出分層Petri網(wǎng)的建模思想，將保護(hù)信息分層處理，大大減少計算量。仿真結(jié)果表明該模型容錯性強，在保護(hù)和斷路器的拒動、誤動狀態(tài)下仍可以準(zhǔn)確確定故障元件，對微電網(wǎng)的靈活多變有較強的適應(yīng)性。并且將IEC61850通信結(jié)構(gòu)與Petri網(wǎng)理論相結(jié)合，保證了微電網(wǎng)線路在線實時的故障診斷。

[1] 高翔, 張沛超, 章堅民. 電網(wǎng)故障信息系統(tǒng)應(yīng)用技術(shù)[M]. 北京: 中國電力出版社, 2006: 27-35.

[2] 薛浩然, 張珂珩, 李斌, 等. 基于布谷鳥算法和支持向量機(jī)的變壓器故障診斷[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(8): 8-13.

XUE Haoran, ZHANG Keheng, LI Bin, et al. Fault diagnosis of transformer based on the cuckoo search and support vector machine[J]. Power System Protection and Control, 2015, 43(8): 8-13.

[3] 趙偉, 白曉民, 丁劍, 等. 基于協(xié)同式專家系統(tǒng)及多智能體技術(shù)的電網(wǎng)故障診斷方法[J]. 中國電機(jī)工程學(xué)報, 2006, 26(20): 1-8.

ZHAO Wei, BAI Xiaomin, DING Jian, et al. A new fault diagnosis approach of power grid based on cooperative expert system and multi-agent technology[J]. Proceedings of the CSEE, 2006, 26(20): 1-8.

[4] 畢天姝, 倪以信, 吳復(fù)立, 等. 基于新型神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷方法[J]. 中國電機(jī)工程學(xué)報, 2002, 22(2): 73-78.

BI Tianshu, NI Yixin, WU Fuli, et al. A novel neural network approach for fault section estimation[J]. Proceedings of the CSEE, 2002, 22(2): 73-78.

[5] 蔣亞坤, 李文云, 趙瑩, 等. 粗糙集與證據(jù)理論結(jié)合的電網(wǎng)運行優(yōu)質(zhì)性綜合評價[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(13): 1-7.

JIANG Yakun, LI Wenyun, ZHAO Ying, et al. Evaluation of power quality performance based on rough set and evidence theory[J]. Power System Protection and Control, 2015, 43(13): 1-7.

[6] 朱永利, 王艷, 耿蘭芹, 等. 基于貝葉斯網(wǎng)絡(luò)的電網(wǎng)故障診斷[J]. 電網(wǎng)技術(shù), 2007, 27(7): 33-37.

ZHU Yongli, WANG Yan, GENG Lanqin, et al. Bayesian networks based novel method for fault section estimation of power systems[J]. Power System Technology, 2007, 27(7): 33-37.

[7] 蔣昌俊. Petri網(wǎng)的行為理論及其應(yīng)用[M]. 北京: 高等教育出版社, 2003: 25-90.

[8] 劉毅, 高振興, 郭創(chuàng)新, 等. 一種考慮多層信息融合的電網(wǎng)故障診斷輔助決策方法[J]. 電力系統(tǒng)保護(hù)與控制, 2010, 38(24): 14-18.

LIU Yi, GAO Zhenxing, GUO Chuangxin, et al. An assistant decision-making for fault diagnosis based on multilayer information fusion[J]. Power System Protection and Control, 2010, 38(24): 14-18.

[9] 任惠, 米增強, 趙洪山, 等. 基于編碼Petri網(wǎng)的電力系統(tǒng)故障診斷模型研究[J]. 中國電機(jī)工程學(xué)報, 2005, 25(20): 44-49.

REN Hui, MI Zengqiang, ZHAO Hongshan, et al. Power system fault diagnosis modeling techniques based on encoded Petri nets[J]. Proceedings of the CSEE, 2005, 25(20): 44-49.

[10]張建華, 黃偉. 微電網(wǎng)運行控制與保護(hù)技術(shù)[M]. 北京: 中國電力出版社, 2010: 33-34.

[11]吳哲輝. Petri網(wǎng)導(dǎo)論[M]. 北京: 機(jī)械工業(yè)出版社, 2006: 10-55.

[12] MANNER Z, PNUELI A. The temporal logic of reactive and concurrent system: specification[M]. Berlin: Springer-Verlag, 1992.

[13] 栗然, 仇曉龍. 基于模糊Petri網(wǎng)的網(wǎng)故障診斷改進(jìn)方法[J]. 中國電力, 2008, 41(5): 50-54.

LI Ran, QIU Xiaolong. Improvement in fault diagnosis of transmission networks using fuzzy Petri net[J]. Electric Power, 2008, 41(5): 50-54.

[14]孫靜, 秦世引, 宋永華. 模糊Petri網(wǎng)在電力系統(tǒng)故障診斷中的應(yīng)用[J]. 中國電機(jī)工程學(xué)報, 2004, 24(9): 74-79.

SUN Jing, QIN Shiyin, SONG Yonghua. Fuzzy Petri nets and its application in the fault diagnosis of electric power systems[J]. Proceedings of the CSEE, 2004, 24(9): 74-79.

[15]楊健維, 何正友. 基于時間約束 Petri 網(wǎng)的電網(wǎng)警報處理及故障診斷[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(1): 77-84.

YANG Jianwei, HE Zhengyou. Power systems alarm processing technology and fault diagnosis based on Petri nets with timing constraints[J]. Power System Protection and Control, 2012, 40(1): 77-84.

[16] 楊健維, 何正友. 基于時序模糊Petri網(wǎng)的電力系統(tǒng)故障診斷[J]. 電力系統(tǒng)自動化, 2011, 35(15): 46-51.

YANG Jianwei, HE Zhengyou. Power system fault diagnosis approach based on time sequence fuzzy Petri net[J]. Automation of Electric Power Systems, 2011, 2011, 35(15): 46-51.

[17] CHOH 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.

[18]謝紅濤, 童曉陽. 基于分層模糊Petri網(wǎng)的電網(wǎng)故障綜合診斷方法[J]. 電網(wǎng)技術(shù), 2012, 36(1): 246-252.

XIE Hongtao, TONG Xiaoyang. A method of synthetical fault diagnosis for power system based on fuzzy hierarchical Petri net[J]. Power System Technology, 2012, 36(1): 246-252.

[19] MIILLER S D, MARCHETTO J, AIRAGHI S, et al. Optimization based on bacterial chemotaxis[J]. IEEE Transactions on Evolutionary Computation, 2002, 6(1): 16-19.

(編輯 張愛琴)

A method of micro grid fault diagnosis based on high-level Petri net

LIU Kexue1, XUAN Wenhua1, WEI Shaopeng2, TIAN Leilei3

(1.Qinhuangdao Power Supply Company, State Grid Jibei Electric Power Company Limited, Qinhuangdao 066000, China;2. XJ Group Corporation, Xuchang 461000, China; 3. School of Electrical Engineering,Yanshan University, Qinhuangdao 066004, China)

The micro-grid is a relatively autonomous system with flexible topology and diverse operation mode. In order to solve the fault diagnosis problem resulted from the varied topology of micro-grid, this paper proposes a hierarchical Petri net diagnosis model. The micro-grid protection information is described with hierarchical protection set. And when the micro-grid topology changes, only the corresponding information of the protection sets need updating, instead of changing the whole model, so as to improve the adaptability to the flexible topology of micro-grid. The diagnosis model can effectively distinguish the misoperation of protection and circuit breaker, and deal with the sequential data come from the protection. In order to enhance fault tolerance of the diagnosis system, this paper uses intelligent weighted fuzzy Petri net and adaptive cumulative value to improve the accuracy of fault diagnosis. The effectiveness of the proposed method is verified by simulation example.

micro-grid; fault diagnosis; Petri net; BCC algorithm

10.7667/PSPC151433

2015-08-14

劉科學(xué)(1978-)，男，本科，高級工程師，研究方向為分布式光伏并網(wǎng)及其電能質(zhì)量；E-mail: qhdliukexue@aliyun. Com 宣文華(1977-)，男，碩士，高級工程師，研究方向為分布式光伏并網(wǎng)及其電能質(zhì)量；E-mail: xuan.wenhua@nc. sgcc.com.cn 魏少鵬(1986-)，男，工程師，主要從事電子式互感器的研發(fā)工作。