粗糙集在电力系统故障诊断中的应用
摘 要 配电网一旦发生事故，如何快速、准确地对故障发生区位进行诊断并有效地隔离，是提高供电可靠性的关键问题，也是实现配电自动化的重要研究课题之一。近年来，各级调度中心引入使用的SCADA（Supervisory Control And Data Acquisition)）系统，能够将配电网中的实时信息及时提供给调度员，为配电自动化水平的提高奠定了基础。然而，现有的SCADA系统在配电网发生故障时提供给调度员的预报信息有如下局限性:(1)面向现场的户外馈线终端FTU（Feeder Terminal Unit）运行环境恶劣，承受强的电磁、雷电干扰，并且由于继电器节点故障、FTU元器件损坏等因素的存在，使得配电网信息受干扰、畸变的可能性较高;(2)在信号传输及变换过程中，通讯装置的故障等原因，也可能导致信号出错甚至丢失;(3)保护装置和断路器本身也有可能误动或拒动。以上原因使故障后的系统响应复杂化，产生不完备警报信息，给故障诊断工作造成很大困难。
粗糙集（rough sets）理论是一门日益成熟起来的用于不精确。不确定知识挖掘与处理的重要智能技术方法，电网故障诊断可以用一个模式分类问题来描述，很适合应用粗糙集理论的决策表方法 。
为此，本文尝试借助粗糙集理论所具有的较强的容错能力，总结了基于粗糙集理论与二值逻辑运算相结合的属性约简算法以及改进的值约简算法，并将其应用于由断路器和保护为条件属性，考虑各种故障情况所组成的诊断决策表的约简过程， 形成了混合策略知识模型。 同时应用了诊断决策表自生成的基本思想。通过实例证明了该理论可用于电网故障诊断中。
关键词：粗糙集 故障诊断 配电网 专家系统
目录
第一章 绪论 1
1.1研究的课题目的和意义 1
1.2 历史的发展和现况。 2
1.3 粗糙集理论及其应用的发展状况 2
1.4 本文所做的工作 3
第二章 粗糙集理论的基本概念 5
2.1 引言 5
2.2 知识的含义 5
2.2.1 等价关系 5
2.2.2知识与分类 6
2.2.3 知识的等价、 特化和推广 8
2.3 粗糙集合的定义 8
2.3.1 粗糙集合的下逼近、上逼近 8
2.3.2 非精确的数字特征 10
2.3.3 粗糙隶属函数 11
2.4 知识的化简 11
2.4.1 约简与核 11
2.4.2 知识的依赖性 12
2.4.3 决策表 12
2.4.4 决策表的简化 14
第三章 粗糙集的约简 15
3.1 引言 15
3.2 属性约简 15
3.2.1 属性的重要性 16
3.2.2 常见属性约简算法 16
3.2.3 基于逻辑运算的属性约简 17
3.2.4 配网算例 19
3. 3 值约简 23
3. 3. 1现有的值约简方法 23
3.3.2改进的值约简算法 23
3.3.3简单配网算例 24
第四章 混合策略规则及决策表的自生成 27
4.1 引言 27
4.2 混合策略规则 27
4.2.1实现混合策略规则的基本原理 28
4.2.2简单配电系统算例 29
4. 3 决策表的自生成 32
4. 3. 1自动生成决策表的基本思想 32
4.3.2自生成的实现步骤 33
4.3.3自生成部分与非自生成部分的结合 33
4.4 利用粗糙集进行故障诊断的实现步骤 33
第五章 结论与展望 35
5. 1结论 35
5. 2工作展望 35
致 谢 37
参考文献 38
参考文献
[1]文福栓等.只利用断路器信息诊断电力系统故障的高级遗传算法.电工技术学报.1996,11(2):58-64
[2]刘青松等.基于正反向推理的电力系统故障诊断专家系统.电网技术.1998,Vo1.29 No.9
[3] Xu Kali,Zhou Ming,Ren Jianwen. An Object Oriented Power System Fault Diagnosis Expert System. In:International Conference on Electrical Engineering 1999(ICEE' 99). Hong Kong:1999
[4] Young Moon Park,Gwang-Won Kim,Jin-Man Sohn. A Logic Based Expert System (LBES) for Fault Diagnosis of Power System. IEEE Transactions on Power Systems,1997,12(1):363-369
[5]朱永利等.电力系统故障判断专家系统.华北电力学院学报.1992,N0.1:1-7
[6]文福栓等.利用保护和断路器信息的电力系统故障诊断与不可观测的保护的状态识别的模型与Tabu搜索方法.电工技术学报.1998,13(5):1-8
[7] Ernesto Vazquez M,Oscar L,Chacon M,et al. An On-Line Expert System for Fault Section Diagnosis in Power Systems. IEEE Transactions on Power Systems,1997,12(1):357-362
[8] Juhwan Jung,Chen-Ching Liu,Mingguo Hong. Multiple Hypotheses and Their Credibility in On-Line Fault Diagnosis. IEEE Transactions on Power Delivery,2001,16(2):225-230
[9] C Yang,H Okamoto, et al. Expert System for Fault Section Estimation of Power System Using Time Sequence Information. In Proceeding of 3rd Symposium on Expert System Application to Power Systems.April 1991,Tokyo-Kobo, Japan:587-594
[10]Liu Chenching,Sforna M,Miao Hanjin. On-Line Fault Diagnosis Using Sequence-of-Events Recorder Information. In:Proceedings of 1996 International Conference on Intelligent System Applications to Power Systems(ISAP' 96).Orlando(USA):1996.339-344
[11]文福栓等.计及警报信息时间特性的故障诊断模型.电力系统自动化.1999,23(17):6-9
[12] T Minakawa,M Kunugi,K Shimada. Development and Implementation of a Power System Fault Diagnosis Expert System. IEEE Transactions on Power Systems,1995, Vol
10,No.2:932-939
[13]骆敬年.华东SOOkV电网故障录波器联网系统.华东电力.2000,1:4-6
[14]孙晓凌，郑群.微机型故障录波器联网系统的设计与实现.电力系统通信.1999, 4:23-25
[15] Yang H T,Chang W Y,Huang C L. Power System Distributed On-Line Fault Section Estimation Using Decision Tree Based Neural Nets Approach. IEEE Transactions on Power Delivery,1995,10(1):540-546
[16] Aygen Z E,Seker S,Bagriyanik M,et al. Fault Section Estimation in Electrical Power Systems Using Artificial Neural Network Approach. In:IEEE Transmission and Distribution Conference. New Orleans(LA):1999
[17]刘应梅等.人工神经网络在变电站故障诊断中的应用.99全国高校电力系统及其自动化专业学术论文集
[18] Park D Y,Ahn B S,Kim S H,et al. Dealing Uncertainties in the Fault Diagnosis System. In:ISAP' 99. Rio de Janeiro(Brazil):1999
[19] Hyun Joon Cho,Jong Keun Park. An Expert System for Fault Section Diagnosis of Power Systems using Fuzzy Relations. IEEE Transactions on Power Systems,1996,Vo1 12,No.1:342-347
[20]文福拴，韩祯祥等.基于遗传算法的电力系统故障诊断的解析模型与方法(一).电力系统及其自动化学报.1998,10(9),1-7
