[发明专利]一种基于多约简和可信度的故障诊断方法

说明书

技术领域

本发明涉及数字化变电站技术领域，尤其涉及一种基于多约简和可信度的故障诊断方法。

背景技术

变电站故障诊断系统对提高电力系统安全性、经济性有着重要作用。由于数字化变电站通信方式的改变，其故障告警信息来源于GOOSE报文和采样值报文。针对变电站故障告警信息具有多源性以及不确定性，为了能在变电站故障发生的时候及时准确地排除故障，需要研究一种能快速准确地找到故障发生区域的方法。

由于当今社会科学技术的发展，并且伴随着电子式互感器等智能一次设备的出现，还有IEC61850标准的制定、以太网技术的发展，使得变电站由传统经历数字化最后再到智能化的实现。在这个变电站智能化的时代，IEC61850的研究应用，变电站间的设备可以进行大量并且多样化的信息数据实现共享的功能，数字化的保护也通过该通信方式的变化而发生了巨大的改变，开辟了新的故障诊断模型。一些新的故障诊断技术的研究和发展，使得变电站的运行具有安全和可靠性。进而，变电站发展的智能化也更符合更贴近了电网的智能化建设的大潮流、大趋势、大政策。

通过分析学习研究了智能电网的构造以及组成，智能变电站是其发展的重要根基。变电站如果发生故障，运行人员会通过监控系统获得大量并且冗杂的故障信息，若要判断地准确可靠，那么就需要工作人员投入大量的精力以及时间，还不一定能够达到很好的供电诊断的可靠性效果。这样有悖于电网的经济性以及高效性，降低实际意义。

现在的电力网络，以变电站系统为例，当发生故障情况，会获得大量的数据信息。而现在的诊断方法多数无法将大量的信息进行筛选过滤，也就是说，大部分需要全部的信息来作为原始数据库，无法进行筛选和提取，这样就会对算法产生大量的冗余性，可能会有数据风暴的现象出现，造成数据无法很好地被利用。

故障诊断中的信息源提取是一个完全由数据驱动的海量数据信息的提取过程，优化信息源就可以得到优化的诊断信息过程。在最近几年，伴随着人工智能方法的普及和应用，一些方法例如粗糙集等逐渐显露出在数据挖掘方面的重要性。寻找一种在处理大量数据、冗余数据方面可以显示了强大的功能性的算法，具有重要意义。

发明内容

本发明提供了一种基于多约简和可信度的故障诊断方法，本发明实现了粗糙集多约简方法和可信度融合技术的变电站故障区域诊断，详见下文描述：

一种基于多约简和可信度的故障诊断方法，所述故障诊断方法包括以下步骤：

根据数字化变电站实际运行情况建立变电站故障诊断系统的决策表；

不考虑故障装置决策属性，对变电站故障诊断系统的原始决策表采用Apriori算法进行约简；

通过约简后的变电站故障诊断系统的决策表获取故障区域可信度，根据最大可信度值确定发生故障的区域，然后通过对只包含该故障区域的部分原始决策表进行约简，获取部分原始决策表的约简，通过计算故障装置可信度，根据最大可信度值确定何种装置故障。

所述对变电站故障诊断系统的原始决策表采用Apriori算法进行约简的步骤具体为：

1)计算决策属性D对决策表条件属性C的依赖度γ(C,D)，且给决策表条件属性的核H赋初值为C，n表示决策表条件属性C中元素的数目，i表示决策表条件属性C中元素的编号，且i←1；

2)将决策表条件属性C减去其第i个元素后赋给A，计算γ(A,D)，其中A为中间变量，γ(A,D)表示A与决策属性D之间的依赖度；

3)如果γ(C,D)＝γ(A,D)，则H←H∩A；如果i≤n，则i←i+1，跳转到2)；

4)将非核条件属性集合C-H记为B；建立一个约简队列Q和两个非核条件属性集合队列X、Y；如果γ(C,D)＝γ(H,D)，则把H加到约简队列Q，且枚举结束，否则用m表示B中元素的数目，用i表示B中元素的编号，且i←1，k←0；

5)将H加上B中第i个元素后赋给A，计算γ(A,D)；

6)如果γ(C,D)＝γ(A,D)，则把A加到约简队列Q，否则把B中第i个元素作为一个非核条件属性集合加到队列Y，然后执行步骤7)；如果i≤m，则i←i+1，跳转到步骤5)；

7)X←Y，如果队列X仅有1个成员，则枚举结束，否则用p表示队列X的成员数目，用i、j表示队列X的成员位置，且i←1，j←i+1，清空队列Y，然后执行步骤8)；

8)如果队列X成员i、j的前k个元素不相同，则跳转到步骤10)，否则A←H∪X[i]∪X[j]，计算决策属性D对条件属性A的依赖度γ(A,D)，然后执行步骤9)；