電網(wǎng)故障診斷的研究現(xiàn)狀與發(fā)展趨勢(shì)

肖隆恩，李閆遠(yuǎn)，熊洋建，王紹坤

（1.三峽大學(xué) 電氣與新能源學(xué)院，湖北 宜昌 443002；2.國(guó)網(wǎng)湖北省荊州供電公司檢修分公司，湖北 荊州 434000；3.國(guó)網(wǎng)河南省電力公司安陽(yáng)供電公司，河南 安陽(yáng) 455006）

0 引 言

隨著電網(wǎng)自動(dòng)化程度的提高和變電站的智能化發(fā)展，目前的EMS／SCADA系統(tǒng)已基本實(shí)現(xiàn)了各種保護(hù)動(dòng)作、開關(guān)變位與模擬量信息的采集，但缺乏對(duì)所獲報(bào)警信息作進(jìn)一步分析和判斷功能，海量的報(bào)警信息完全依靠調(diào)度和監(jiān)控運(yùn)行人員人工篩選、判斷和處理。當(dāng)發(fā)生停電事故時(shí)，難以在極短時(shí)間內(nèi)準(zhǔn)確地判斷故障的性質(zhì)和范圍，不利于及時(shí)采取措施來(lái)避免事故范圍的擴(kuò)大。

初期的電力系統(tǒng)故障診斷系統(tǒng)是通過(guò)對(duì)發(fā)生事故后EMS／SCADA中相關(guān)的遙信數(shù)據(jù)的分析得到診斷結(jié)果。由于EMS／SCADA不能獲取電氣暫態(tài)數(shù)據(jù)，因而遙信數(shù)據(jù)的準(zhǔn)確性和完整性對(duì)診斷的結(jié)果有很大影響［1］。為此，將故障信息系統(tǒng)作為新的數(shù)據(jù)源引入故障診斷的分析過(guò)程中，以進(jìn)行更可靠的故障診斷［2］。故障信息能夠提供故障元件的暫態(tài)錄波數(shù)據(jù)，通過(guò)分析錄波數(shù)據(jù)能夠直接確定故障元件，簡(jiǎn)化故障診斷的復(fù)雜程度。從20世紀(jì)90年代以來(lái)，廣域測(cè)量系統(tǒng)采集的數(shù)據(jù)也被引入到故障診斷領(lǐng)域中［3］。不同于EMS／SCADA與故障信息系統(tǒng)中的信息，廣域測(cè)量系統(tǒng)可以提供帶精確時(shí)標(biāo)的電網(wǎng)實(shí)時(shí)斷面數(shù)據(jù)，以此準(zhǔn)確定位到故障設(shè)備。由于多種類型數(shù)據(jù)源相比單一數(shù)據(jù)源能更完整地展現(xiàn)故障的發(fā)生過(guò)程，因此信息融合技術(shù)被引入到電力系統(tǒng)故障診斷領(lǐng)域［4，5］，通過(guò)融合不同數(shù)據(jù)源的信息，以得到更準(zhǔn)確的診斷結(jié)果。

當(dāng)前國(guó)內(nèi)外已提出了多種故障診斷方法，比較成熟的有基于專家系統(tǒng)、解析模型與人工神經(jīng)網(wǎng)絡(luò)的方法。此外，Petri網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、模糊集及粗糙集等技術(shù)或方法也被運(yùn)用于電網(wǎng)故障診斷中，這些方法目前仍處于研究階段。

1 國(guó)內(nèi)外研究發(fā)展現(xiàn)狀

1.1 專家系統(tǒng)的診斷方法

專家系統(tǒng)的診斷方法將保護(hù)與斷路器的動(dòng)作邏輯和專家經(jīng)驗(yàn)用規(guī)則表達(dá)，通過(guò)將實(shí)際故障信息與規(guī)則匹配的方式推理故障元件，具有推理能力強(qiáng)和解釋故障過(guò)程的特點(diǎn)。依據(jù)故障診斷的知識(shí)表示以及推理策略的不同，專家系統(tǒng)可分為兩類［6］：

（1）基于啟發(fā)式規(guī)則推理的系統(tǒng)。這類系統(tǒng)把保護(hù)、開關(guān)的動(dòng)作邏輯與調(diào)度員的經(jīng)驗(yàn)用規(guī)則表述成為該系統(tǒng)的知識(shí)庫(kù)，然后通過(guò)數(shù)據(jù)驅(qū)動(dòng)的正向推理把獲取的征兆和知識(shí)庫(kù)中的規(guī)則作對(duì)比，從而給出診斷的結(jié)果。文獻(xiàn)［7］采用拓?fù)湫畔ⅰ⒈Ｗo(hù)裝置動(dòng)作規(guī)則，根據(jù)專家經(jīng)驗(yàn)的啟發(fā)式知識(shí)和告警信號(hào)進(jìn)行不精確反向推理得到故障診斷結(jié)果，并對(duì)保護(hù)裝置的數(shù)據(jù)結(jié)構(gòu)及其與拓?fù)渲R(shí)的關(guān)系，以及設(shè)備誤動(dòng)、拒動(dòng)的識(shí)別和多故障診斷功能中的不確定性進(jìn)行討論。

（2）結(jié)合正、反推理的系統(tǒng)。這類專家系統(tǒng)采用反向推理，以縮減可能發(fā)生事故的范圍。文獻(xiàn)［8］介紹了基于正反向推理的故障診斷專家系統(tǒng)，討論了推理規(guī)則和發(fā)生復(fù)雜事故時(shí)計(jì)算可信度的方法，該系統(tǒng)先由開關(guān)跳閘信號(hào)提出故障假說(shuō)，再依據(jù)保護(hù)與斷路器的動(dòng)作信號(hào)驗(yàn)證假說(shuō)的正確性，最后得到事故元件或范圍。

基于專家系統(tǒng)的診斷方法在應(yīng)用中主要有以下不足：a.大規(guī)模專家系統(tǒng)知識(shí)庫(kù)的建立和維護(hù)有較大困難；b.專家系統(tǒng)是利用對(duì)規(guī)則的搜索與匹配進(jìn)行邏輯推理的，對(duì)不確定性信號(hào)（如保護(hù)與斷路器動(dòng)作不正確、告警信號(hào)不完整等）的處理效果不理想，不能有效辨別錯(cuò)誤信號(hào)，因此容錯(cuò)能力較差；c.在處理多重故障時(shí)可能出現(xiàn)組合爆炸及推理速度緩慢的問(wèn)題。

1.2 解析模型的診斷方法

解析模型的診斷方法是通過(guò)構(gòu)造一個(gè)反映保護(hù)和斷路器實(shí)際狀態(tài)與期望狀態(tài)間差異的目標(biāo)函數(shù)，然后采用優(yōu)化算法來(lái)求得目標(biāo)函數(shù)最小值，得到的最優(yōu)解對(duì)應(yīng)的故障假設(shè)即是最終的診斷結(jié)果。通常采用的算法主要有遺傳算法、Tabu算法、蟻群算法和粒子群算法等，這些方法可以解出全局最優(yōu)或局部最優(yōu)的故障診斷結(jié)果。文獻(xiàn)［9］提出了產(chǎn)生事故時(shí)保護(hù)與開關(guān)動(dòng)作的告警信號(hào)對(duì)不可觀測(cè)的保護(hù)（即動(dòng)作信息在調(diào)控中心無(wú)法獲取的保護(hù)）狀態(tài)進(jìn)行識(shí)別的概念，構(gòu)建了能辨識(shí)不可觀測(cè)保護(hù)狀態(tài)并進(jìn)行故障診斷的0－1整數(shù)規(guī)劃模型。由于保護(hù)和開關(guān)有拒動(dòng)或誤動(dòng)的可能性，且上傳的告警信息可能會(huì)有誤報(bào)或丟失的情況，因此文獻(xiàn)［10］構(gòu)建了一種基于模糊外展推理的故障診斷模型，以同時(shí)處理這兩種不確定因素的影響。

基于解析模型的故障診斷方法具有嚴(yán)密的數(shù)學(xué)模型，相對(duì)于專家系統(tǒng)，簡(jiǎn)化了邏輯推理的過(guò)程，適用于告警信息完整、正確的電網(wǎng)故障診斷中。該方法的不足之處主要有：a.目標(biāo)函數(shù)的構(gòu)造需要考慮多級(jí)后備保護(hù)以及對(duì)不確定性告警信息的處理能力，因此構(gòu)建合理的數(shù)學(xué)模型有一定難度；b.優(yōu)化算法在求解時(shí)有不確定性，可能會(huì)遺漏某些最優(yōu)解；c.在求解的過(guò)程中需要迭代，使得故障診斷所需的時(shí)間較長(zhǎng)。

1.3 人工神經(jīng)網(wǎng)絡(luò)的診斷方法

與專家系統(tǒng)相比，人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN）有魯棒性好、容錯(cuò)性高、學(xué)習(xí)能力強(qiáng)的優(yōu)點(diǎn)。目前應(yīng)用于電網(wǎng)故障診斷的ANN方法主要有以下兩種：基于BP算法的前向神經(jīng)網(wǎng)絡(luò)與基于徑向基函數(shù)（Radial Basis Function，RBF）的神經(jīng)網(wǎng)絡(luò)。

（1）BP神經(jīng)網(wǎng)絡(luò)模型的實(shí)現(xiàn)方法：以保護(hù)裝置動(dòng)作信號(hào)為神經(jīng)網(wǎng)絡(luò)的輸入，以可能的事故為輸出，選擇合適的樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。為解決大型電力系統(tǒng)的實(shí)時(shí)故障診斷問(wèn)題，文獻(xiàn)［11］對(duì)大規(guī)模電網(wǎng)進(jìn)行分區(qū)，各區(qū)域構(gòu)造基于BP算法的ANN，通過(guò)采用分布式處理方式減輕故障變電站和調(diào)度中心間的通信負(fù)擔(dān)，并結(jié)合各區(qū)域得到最終結(jié)果。

（2）RBF神經(jīng)網(wǎng)絡(luò)有任意函數(shù)逼近能力，并且學(xué)習(xí)速度快，隱藏神經(jīng)元數(shù)目可以于參數(shù)優(yōu)化過(guò)程中自動(dòng)確定，構(gòu)造RBF神經(jīng)網(wǎng)絡(luò)的關(guān)鍵問(wèn)題就是在訓(xùn)練時(shí)進(jìn)行參數(shù)優(yōu)化。文獻(xiàn)［12，13］利用網(wǎng)絡(luò)分割法把大型電網(wǎng)分為給定數(shù)目的連通子網(wǎng)絡(luò)，各個(gè)子網(wǎng)的診斷負(fù)擔(dān)大致相同，并且每個(gè)子網(wǎng)邊界的元件數(shù)量最少，再利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)各個(gè)網(wǎng)絡(luò)進(jìn)行診斷。

ANN的長(zhǎng)處在于避免了專家系統(tǒng)面對(duì)的建立知識(shí)庫(kù)的問(wèn)題，不用進(jìn)行推理機(jī)的建立。ANN進(jìn)行故障診斷的不足如下：a.其性能由樣本的完備性決定，然而對(duì)于大規(guī)模電網(wǎng)，難以獲得完備的樣本集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；b.和符號(hào)數(shù)據(jù)庫(kù)進(jìn)行交互的能力不強(qiáng)；c.不擅長(zhǎng)處理啟發(fā)性的知識(shí)；d.無(wú)法保證ANN訓(xùn)練過(guò)程中收斂的速度以及不陷入局部最??；e.不能對(duì)自身行為及給出的結(jié)論做出解釋。上述問(wèn)題制約了神經(jīng)網(wǎng)絡(luò)方法應(yīng)用于大規(guī)模電網(wǎng)的在線診斷。

1.4 Petri網(wǎng)的診斷方法

Petri網(wǎng)有直觀的圖形化表達(dá)，可以通過(guò)圖形的方式表示出系統(tǒng)的功能關(guān)系與動(dòng)態(tài)流程，可以利用數(shù)學(xué)方法對(duì)網(wǎng)絡(luò)特性進(jìn)行推導(dǎo)與分析，表現(xiàn)系統(tǒng)的結(jié)構(gòu)，分析其動(dòng)態(tài)行為，很適于表示并發(fā)、順序、同步、沖突等事件［14］，從而使復(fù)雜的邏輯關(guān)系形象化。

文獻(xiàn)［15］對(duì)各設(shè)備構(gòu)造了故障清除過(guò)程（故障—保護(hù)動(dòng)作—斷路器動(dòng)作）的模型，并對(duì)其中圖形的有向弧反轉(zhuǎn)后獲取電力系統(tǒng)故障診斷Petri網(wǎng)模型。考慮到Petri網(wǎng)對(duì)告警信號(hào)不確定性（保護(hù)或開關(guān)信號(hào)丟失或錯(cuò)誤）的處理能力不強(qiáng)，文獻(xiàn)［16］對(duì)基于Petri網(wǎng)與概率信息的診斷方法進(jìn)行了討論，運(yùn)用Petri網(wǎng)進(jìn)行建模的同時(shí)，通過(guò)概率信息對(duì)故障診斷中不確定性信號(hào)進(jìn)行處理。

Petri網(wǎng)絡(luò)的診斷方法能夠?qū)?fù)雜的事故演變過(guò)程作定性及定量分析，該方法存在的不足之處主要有：a.對(duì)大型電力系統(tǒng)應(yīng)用Petri網(wǎng)建模時(shí)，由于元件增多與系統(tǒng)擴(kuò)大可能導(dǎo)致?tīng)顟B(tài)的組合爆炸；b.容錯(cuò)性不高，較難辨識(shí)出不正確的告警信息；c.基本的Petri網(wǎng)無(wú)法表示對(duì)時(shí)序要求較高的行為特征，所以對(duì)復(fù)雜系統(tǒng)建模時(shí)，要用到謂詞／變遷網(wǎng)、有色時(shí)間網(wǎng)等高級(jí)Petri網(wǎng)絡(luò)。

1.5 貝葉斯的診斷方法

貝葉斯網(wǎng)擁有嚴(yán)密的概率論基礎(chǔ)，利用圖形化的方法來(lái)表達(dá)知識(shí)，用條件概率描述隨機(jī)變量間的影響，很適于求解不確定的知識(shí)表達(dá)與推理問(wèn)題。

文獻(xiàn)［17，18］提出由 Noisy－Or與 Noisy－And節(jié)點(diǎn)構(gòu)成貝葉斯網(wǎng)絡(luò)，構(gòu)造面向元件的故障診斷模型。該方法結(jié)構(gòu)上模擬了調(diào)度員的診斷過(guò)程，首先由先驗(yàn)知識(shí)對(duì)模型參數(shù)初始化，再用類似訓(xùn)練多層前饋神經(jīng)網(wǎng)絡(luò)的誤差反傳算法來(lái)學(xué)習(xí)改進(jìn)參數(shù)。文獻(xiàn)［19］基于Leaky Noisy－Or貝葉斯網(wǎng)絡(luò)進(jìn)行動(dòng)態(tài)建模，討論了分布式電力系統(tǒng)故障診斷方法。

在電力系統(tǒng)故障診斷中，貝葉斯網(wǎng)存在的問(wèn)題如下：a.如何對(duì)大規(guī)模電力系統(tǒng)構(gòu)造模型，基于系統(tǒng)的模型過(guò)于復(fù)雜，基于元件的模型又忽略了設(shè)備間的關(guān)聯(lián)信息，將造成結(jié)果的正確率降低；b.如何得到先驗(yàn)概率參數(shù)，概率參數(shù)將密切關(guān)系到結(jié)果的正確率；c.電力系統(tǒng)發(fā)生事故后，如何用貝葉斯網(wǎng)來(lái)表示保護(hù)與斷路器的動(dòng)作這一動(dòng)態(tài)過(guò)程。

1.6 模糊理論的診斷方法

模糊理論通過(guò)引入語(yǔ)言變量與近似推理的模糊邏輯，適用于解決不確定性問(wèn)題，其知識(shí)庫(kù)利用語(yǔ)言變量對(duì)專家經(jīng)驗(yàn)進(jìn)行描述，符合人們的表達(dá)習(xí)慣。模糊集理論用于故障診斷主要有2類情況：

一類認(rèn)為所利用的告警信號(hào)完整無(wú)誤，但故障與相應(yīng)的保護(hù)和開關(guān)狀態(tài)之間關(guān)系有不確定性，并用模糊隸屬度度量該可能性。文獻(xiàn)［20］介紹了模糊專家系統(tǒng)的改進(jìn)模型，使用了模糊推理方法，并對(duì)保護(hù)裝置的誤動(dòng)與拒動(dòng)進(jìn)行了研究。

另一類則認(rèn)為告警信號(hào)的可信度不為1，將輸入信息模糊化，由電網(wǎng)拓?fù)渑c相應(yīng)的保護(hù)、開關(guān)狀態(tài)給出告警信號(hào)可信度，然后由專家系統(tǒng)或ANN得到診斷結(jié)論的輸出［21］。

模糊集方法容錯(cuò)性能很好，能夠處理故障診斷中保護(hù)動(dòng)作不確定和告警信號(hào)不完整問(wèn)題，通常要和專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等其它智能方法一起應(yīng)用，應(yīng)用中的主要問(wèn)題在于：a.隸屬度函數(shù)要求人工設(shè)置，所以存在主觀性的影響；b.構(gòu)造大型復(fù)雜電網(wǎng)的模糊模型有一定困難，且網(wǎng)絡(luò)的結(jié)構(gòu)改變后，相關(guān)的模糊知識(shí)庫(kù)與規(guī)則的模糊度也需要做出修正，故可維護(hù)性不好。

1.7 粗糙集理論的診斷方法

粗糙集理論的電網(wǎng)故障診斷方法一般是把輸入信息作為事故分類的條件屬性，依據(jù)各類可能出現(xiàn)的事故構(gòu)建決策表，對(duì)決策表進(jìn)行簡(jiǎn)化，從而獲取診斷規(guī)則［22］。文獻(xiàn)［23］采用基于粗糙集理論的數(shù)據(jù)挖掘模型來(lái)處理告警信號(hào)錯(cuò)誤，使用粗糙集對(duì)知識(shí)域的數(shù)據(jù)集進(jìn)行定性分析。為了不對(duì)故障模式空間盲目搜索，采用遺傳算法來(lái)簡(jiǎn)化粗糙集的決策表，從而迅速得到最優(yōu)規(guī)則。

粗糙集理論的診斷方法不足之處在于：a.診斷規(guī)則的獲得由條件屬性集下各種故障情況訓(xùn)練樣本集決定；b.該方法中的決策表會(huì)在復(fù)雜事故時(shí)變得很大，可能造成組合爆炸的問(wèn)題。

2 電力系統(tǒng)故障診斷發(fā)展趨勢(shì)

（1）電網(wǎng)故障診斷系統(tǒng)的建模與維護(hù)。目前電力系統(tǒng)中，調(diào)度自動(dòng)化平臺(tái)中事故信息的數(shù)據(jù)量非常大，因此診斷系統(tǒng)的建模非常復(fù)雜。當(dāng)診斷系統(tǒng)投入運(yùn)行后，元件的更換與電網(wǎng)結(jié)構(gòu)變化均需要對(duì)模型的知識(shí)表示、規(guī)則設(shè)定做相應(yīng)更改，使得其可維護(hù)性能較差。如何簡(jiǎn)化建模方式，減輕維護(hù)工作量是故障診斷系統(tǒng)需要解決的基本問(wèn)題。

（2）信息不確定時(shí)的電網(wǎng)故障診斷方法研究。故障診斷對(duì)保護(hù)與開關(guān)的告警信號(hào)完整性與正確性要求較高。因而，當(dāng)出現(xiàn)數(shù)據(jù)源測(cè)點(diǎn)布置不足、量測(cè)元件采樣錯(cuò)誤、傳輸通道異?；蛑袛嗉案婢盘?hào)上傳不同步等問(wèn)題都將造成診斷出錯(cuò)。如何結(jié)合各類數(shù)據(jù)源上傳的事故信息，有效使用冗余信息、識(shí)別錯(cuò)誤信息、增補(bǔ)遺漏信息并修正時(shí)間不同步造成的事件順序錯(cuò)誤是故障診斷系統(tǒng)在線應(yīng)用的必然需要。

（3）融合多種智能技術(shù)的電網(wǎng)故障診斷方法研究。電網(wǎng)故障診斷是多層次、多種類問(wèn)題的求解過(guò)程，因此利用單一的智能方法僅能處理某個(gè)或某些方面的問(wèn)題，診斷效果雖有改善，但不能完全解決電力系統(tǒng)故障診斷中的全部問(wèn)題，而且只利用一種方法還可能出現(xiàn)一些新問(wèn)題。所以，結(jié)合多種智能方法進(jìn)行故障診斷將成為未來(lái)的發(fā)展趨勢(shì)。

3 結(jié)束語(yǔ)

電網(wǎng)故障診斷是與電力系統(tǒng)的安全穩(wěn)定密切相關(guān)的關(guān)鍵問(wèn)題，自20世紀(jì)80年代以來(lái)國(guó)內(nèi)外已對(duì)此進(jìn)行了廣泛研究，目前已提出很多故障診斷技術(shù)及方法，但實(shí)際運(yùn)用中仍然沒(méi)有得到理想的解決。隨著電網(wǎng)規(guī)模的逐步擴(kuò)大，結(jié)構(gòu)更趨復(fù)雜化，因此對(duì)故障診斷系統(tǒng)提出了更高的要求。本文介紹了電網(wǎng)故障診斷的研究方法，論述了這些方法的特點(diǎn)和需要改進(jìn)之處，并分析了該領(lǐng)域的一些主要發(fā)展方向。如何在現(xiàn)有EMS／SCADA系統(tǒng)下，將各種故障診斷方法有機(jī)融合，從而更好地滿足實(shí)際應(yīng)用需要，對(duì)于保證電力系統(tǒng)安全可靠運(yùn)行、減少事故的發(fā)生與經(jīng)濟(jì)損失具有重要意義。

［1］ 張 旭，魏 娟，趙冬梅，等.電網(wǎng)故障診斷的研究歷程及展望［J］.電網(wǎng)技術(shù)，2013，（10）：2745－2753.

［2］ 何贊峰，趙冬梅，高 曙，等.一種基于故障錄波信息的電網(wǎng)故障診斷方法［J］.電網(wǎng)技術(shù)，2002，（05）：39－43.

［3］ 周子冠，白曉民，李文鋒，等.基于廣域測(cè)量系統(tǒng)的電網(wǎng)故障在線智能化診斷與分析方法［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2009，（13）：1－7.

［4］ 許君德，趙冬梅，張東英，等.基于雙數(shù)據(jù)源的地區(qū)電網(wǎng)故障診斷實(shí)用化應(yīng)用［J］.電力系統(tǒng)自動(dòng)化，2006，（13）：68－72.

［5］ 郭創(chuàng)新，彭明偉，劉 毅.多數(shù)據(jù)源信息融合的電網(wǎng)故障診斷新方法［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2009，（31）：1－7.

［6］ 郭創(chuàng)新，朱傳柏，曹一家，等.電力系統(tǒng)故障診斷的研究現(xiàn)狀與發(fā)展趨勢(shì)［J］.電力系統(tǒng)自動(dòng)化，2006，（08）：98－103.

［7］ Lee H J，Ahn B S，Park Y M.A fault diagnosis expert system for distribution substations［J］.Power Delivery，IEEE Transactions on，2000，15（1）：92－97.

［8］ 張學(xué)軍，劉小冰，閻彩萍，等.基于正反向推理的電力系統(tǒng)故障診斷［J］.電力系統(tǒng)自動(dòng)化，1998，（05）：30－32，55.

［9］ 文福拴，錢源平，韓禎祥，等.利用保護(hù)和斷路器信息的電力系統(tǒng)故障診斷與不可觀測(cè)的保護(hù)的狀態(tài)識(shí)別的模型與Tabu搜索方法［J］.電工技術(shù)學(xué)報(bào)，1998，（05）：1－8，51.

［10］韓禎祥，錢源平，文福拴.基于模糊外展推理和Tabu搜索方法的電力系統(tǒng)故障診斷［J］.清華大學(xué)學(xué)報(bào)（自然科學(xué)版），1999，（03）：57－61.

［11］Yang H T，Chang W Y，Huang C L.Power system distributed on－line fault section estimation using decision tree based neural nets approach［J］.Power Delivery，IEEE Transactions on，1995，10（1）：540－546.

［12］畢天姝， 嚴(yán)正，文福拴，等.基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的在線分布式故障診斷系統(tǒng)［J］.電網(wǎng)技術(shù)，2001，（11）：27－32，37.

［13］畢天姝，焦連偉，嚴(yán) 正，等.用于分布式故障診斷系統(tǒng)的新型網(wǎng)絡(luò)分割法［J］.電力系統(tǒng)自動(dòng)化，2001，（16）：16－21.

［14］周 曙.基于貝葉斯網(wǎng)的電力系統(tǒng)故障診斷方法研究［D］.成都：西南交通大學(xué)，2010.

［15］Lo K L，Ng H S，Trecat J.Power systems fault diagnosis using Petri nets［C］／／Generation，Transmission and Distribution，IEE Proceedings－.IET，1997，144（3）：231－236.

［16］孫 靜，秦世引，宋永華.一種基于Petri網(wǎng)和概率信息的電力系統(tǒng)故障診斷方法［J］.電力系統(tǒng)自動(dòng)化，2003，（13）：10－14，23.

［17］Limin H，Yongli Z，Ran L，etal.Novel method for power system fault diagnosis based on Bayesian networks［C］.Power System Technology，2004 International Conference on.IEEE，2004，（1）：818－822.

［18］霍利民，朱永利，賈蘭英，等.基于貝葉斯網(wǎng)絡(luò)的電網(wǎng)故障診斷方法［J］.華北電力大學(xué)學(xué)報(bào)，2004，（03）：30－34.

［19］周 曙，王曉茹，錢清泉.基于貝葉斯網(wǎng)的分布式電網(wǎng)故障診斷方法［J］.電網(wǎng)技術(shù)，2010，（09）：76－81.

［20］Lee H J，Park D Y，Ahn B S，et al.A fuzzy expert system for the integrated fault diagnosis［J］.Power Delivery，IEEE Transactions on，2000，15（2）：833－838.

［21］Monsef H，Ranjbar A M，Jadid S.Fuzzy rule－based expert system for power system fault diagnosis［J］.IEE Proceedings－Generation，Transmission and Distribution，1997，144（2）：186－192.

［22］栗 然，黎靜華，蘇立軍.基于粗糙集的改進(jìn)約簡(jiǎn)算法和決策樹的電網(wǎng)故障診斷模型［J］.繼電器，2005，（18）：1－5.

［23］廖志偉，孫雅明.基于數(shù)據(jù)挖掘模型的高壓輸電線系統(tǒng)故障診斷［J］.電力系統(tǒng)自動(dòng)化，2001，（15）：15－19.