基于模型與模糊Petri網(wǎng)融合的高鐵牽引變壓器故障診斷

戴晨曦，劉志剛，胡軻珽，高松

?

基于模型與模糊Petri網(wǎng)融合的高鐵牽引變壓器故障診斷

戴晨曦，劉志剛，胡軻珽，高松

(西南交通大學(xué)電氣工程學(xué)院，四川 成都 610031)

針對基于模型診斷方法(Model-based Diagnosis，MBD)存在的處理不確定性和組件間的關(guān)聯(lián)關(guān)系方面的問題，基于互補融合的思想，將模糊Petri網(wǎng)與MBD有機結(jié)合在一起，提出了一種高速鐵路牽引變壓器外部故障和內(nèi)部故障診斷的新方法。建立牽引變壓器結(jié)構(gòu)和功能的兩層模型，通過離線搜索最小沖突候選集和在線識別最小沖突集，實現(xiàn)牽引變壓器的外部故障診斷。對于內(nèi)部故障的診斷, 采用MBD進行牽引變壓器故障元件定位，利用模糊Petri網(wǎng)進行區(qū)域知識表示，推理實現(xiàn)內(nèi)部故障類型診斷。以武廣高速三相V/x接線牽引變壓器故障數(shù)據(jù)為實例進行分析，診斷結(jié)果驗證了MBD與模糊Petri網(wǎng)融合的牽引變壓器故障診斷方法的可行性和有效性。

基于模型診斷；模糊Petri網(wǎng)；牽引變壓器；故障診斷；高速鐵路

0 引言

牽引變壓器的安全穩(wěn)定運行直接關(guān)系整個牽引供電系統(tǒng)的可靠運行，因而必須重視牽引變壓器相關(guān)故障的預(yù)防和診斷。變壓器故障診斷方法總體來說可分為數(shù)據(jù)驅(qū)動的方法和基于模型的方法，數(shù)據(jù)驅(qū)動的方法需要先驗信息，常用的數(shù)據(jù)驅(qū)動方法如神經(jīng)網(wǎng)絡(luò)[1]、專家系統(tǒng)[2]、模糊理論[3]均是通過利用先驗信息對故障特征信號進行處理實現(xiàn)診斷。人工神經(jīng)網(wǎng)絡(luò)使用的前提是能提供大量有代表性的樣本用于學(xué)習(xí)，其次它不具備知識解釋能力，專家系統(tǒng)知識規(guī)則的建立和維護比較困難，模糊理論在建立準確的模糊集的隸屬度函數(shù)方面存在問題。牽引變壓器負荷具有極度不穩(wěn)定、諧波含量大等特點，運行環(huán)境比一般電力負荷惡劣的多，因此要求牽引變壓器過負荷和抗短路沖擊的能力要強，這也就使得在實際運行中與一般電力變壓器相比牽引變壓器有其特殊性。受負載特性和接線方式的影響，牽引變壓器結(jié)構(gòu)、運行環(huán)境更復(fù)雜，存在諸多復(fù)雜的故障情況，這就造成得到的故障信息和檢測信息不完備，故障診斷難度增大，使得上述方法在診斷能力、適應(yīng)度和知識獲取方面不能到達理想效果。

基于模型診斷(Model-based Diagnosis，MBD)最早是在20世紀70年代由部分國外學(xué)者提出的，建模思想是根據(jù)系統(tǒng)各組成元件的結(jié)構(gòu)功能建立元件及元件間的網(wǎng)絡(luò)拓撲模型，是利用系統(tǒng)的“深知識”進行建模[4-5]。模型相關(guān)知識可根據(jù)對象原理直接獲得，省略了知識的積累過程，克服了傳統(tǒng)人工智能技術(shù)的不足，同時系統(tǒng)建模和系統(tǒng)診斷是完全獨立分開進行的，這就使得基于模型方法具有很高的獨立性和可移植性。目前，MBD在電力系統(tǒng)中的應(yīng)用也日益增多，如：文獻[6]將MBD應(yīng)用于電網(wǎng)故障分析，并在此基礎(chǔ)上制定了電網(wǎng)中斷路器、輸電線、母線等的建模規(guī)則；文獻[7]將MBD應(yīng)用于配電網(wǎng)線路的建模實現(xiàn)了對配電網(wǎng)的故障診斷；文獻[2]采用MBD方法對牽引變壓器進行建模實現(xiàn)故障診斷。Petri網(wǎng)[8-9]是以圖形方式進行知識表示的計算機系統(tǒng)模型，其適于描述異步并發(fā)現(xiàn)象，是對并行及并發(fā)系統(tǒng)實現(xiàn)行為分析的有效工具，廣泛應(yīng)用于各種建模診斷推理中。如文獻[8]先采用粗糙集理論決策約簡實現(xiàn)變壓器故障特征的壓縮，再對約簡知識建立Petri網(wǎng)模型，優(yōu)化了網(wǎng)絡(luò)結(jié)構(gòu)提高了診斷效率。模糊Petri網(wǎng)由于加入了模糊因素，能有效描述和分析不確定問題，克服了傳統(tǒng)Petri網(wǎng)在處理模糊命題上的缺陷，在變壓器故障診斷中能以圖形化的方法實現(xiàn)知識表示和診斷推理[10-11]。文獻[11]直接采用模糊petri網(wǎng)建模對變壓器進行故障診斷,診斷過程簡單易行。將模糊Petri網(wǎng)與MBD相結(jié)合可以彌補其獨立性和移植性不佳的問題，利用兩者在建模中的各自優(yōu)點能有效實現(xiàn)牽引變壓器故障診斷。

本文提出將MBD與模糊Petri網(wǎng)的融合故障診斷方法應(yīng)用于高速鐵路牽引變壓器故障診斷，主要包括對外部故障和內(nèi)部故障的分別診斷。對于外部故障直接采用MBD，通過兩層建模獲得沖突集[12]、碰集[13]、候選診斷，最后得到診斷結(jié)果；對于內(nèi)部故障，由于MBD對內(nèi)部模型建立關(guān)聯(lián)關(guān)系存在不足，基于互補融合的思想，將MBD與模糊Petri網(wǎng)有機結(jié)合，先利用MBD實現(xiàn)故障定位，然后通過模糊Petri網(wǎng)區(qū)域建模推理得到診斷結(jié)果，最后以一臺實際的三相V/x接線牽引變壓器為診斷實例來驗證和分析論文提出的這種應(yīng)用方案的效果。

1 MBD和模糊Petri網(wǎng)的知識簡約

1.1 MBD的原理簡介

MBD診斷方法的基本思想如圖1所示，利用系統(tǒng)構(gòu)成元件、元件功能及元件間的相互聯(lián)系建立系統(tǒng)模型，實現(xiàn)對系統(tǒng)結(jié)構(gòu)和功能的描述。其診斷原理是根據(jù)實際觀測與系統(tǒng)預(yù)測是否有差異判斷故障與否，能夠發(fā)現(xiàn)初始設(shè)計者不能預(yù)見的故障。

圖1 MBD的基本思想

MBD方法的基本概念[12-14]：

(1) 診斷系統(tǒng)：采用一個三元組{SD；OBS； COMP}來表示診斷系統(tǒng)，其中SD表示系統(tǒng)的模型描述，OBS表示系統(tǒng)的觀測值，COMP表示組成系統(tǒng)的元件集合。

(2) 沖突集及最小沖突集：沖突集是系統(tǒng)的元件集={1,2,,c}，且必須滿足SD∪OBS∪{?AB(1), ?AB(2),, AB(c)}不一致。?AB(c)表示元件正常，AB(c)則表示元件故障。一個沖突集要為最小沖突集必須滿足它的任意非空真子集都不是沖突集。

(3) 碰集及最小碰集：設(shè)是一個集合簇，的碰集是滿足和，的集合。所有沖突集并集的子集構(gòu)成碰集，它與任一沖突集均有交集。一個碰集要為最小碰集必須滿足它的任意非空真子集都不是碰集。

(4) 解析冗余關(guān)系：解析冗余關(guān)系是利用系統(tǒng)可觀測變量構(gòu)造的描述系統(tǒng)模型的約束方程。在給定任一組觀測值后該方程即能被求解，記為=0，為殘差。

(5) 診斷：系統(tǒng)的診斷可分為一致性診斷和溯因診斷。確定是系統(tǒng)的一個診斷必須滿足它是系統(tǒng)所有最小沖突集的最小碰集。最后通過求解最小碰集獲得最終診斷。

1.2 模糊Petri網(wǎng)的理論構(gòu)造

一個模糊Petri網(wǎng)結(jié)構(gòu)可用一個八元組表示：FPN=(,,,,,,,)。其中，={1,2,,p}為庫所節(jié)點的有限集合；={1,2,,t}為變遷節(jié)點的有限集合；={1,2,,k}為庫所初始托肯的有限集合；(×)和(×)分別表示庫所到變遷和變遷到庫所的有向弧；和分別表示變遷到庫所的輸入函數(shù)和庫所到變遷的輸出函數(shù)；是規(guī)則的置信因子，[0,1]。

對于一個具有個庫所個變遷的模糊Petri網(wǎng)模型可定義其輸入輸出映射矩陣和連接非連接輸入映射矩陣，四個矩陣均為行列的二進制矩陣。+=[d+]表示從變遷T到庫所P間是否存在一條有向弧，有則d+=1，無則為0；-=[d-]表示庫所P到變遷T間是否存在一條有向弧，有則d-=1，無則為0；D-=[(d-)]表示模糊Petri網(wǎng)中各連接變遷，即是將輸入映射矩陣中非連接變遷元素用0替換得到的矩陣；D-=[(d-)]表示模糊Petri網(wǎng)各非連接變遷，即是將輸入映射矩陣中連接變遷元素用0替換得到的矩陣。

2 MBD和模糊Petri網(wǎng)融合的牽引變壓器故障診斷

牽引變壓器的復(fù)雜結(jié)構(gòu)不可避免地使其故障種類繁多，一般可以根據(jù)不同的分類標準得到不同的分類。本文按照變壓器的結(jié)構(gòu)將故障分為兩類：一類為鐵芯短路、匝地短路等不能通過直接觀察建立量測量關(guān)系的內(nèi)部故障；另一類為相間短路、單相接地短路等通過觀測量測變量可進行判斷的外部故障。MBD以電流、電壓互感器量測量為變量，對模型等效電路進行分析獲得其表征關(guān)系式，建立牽引變壓器的結(jié)構(gòu)抽象模型，通過邏輯運算實現(xiàn)最小沖突集、碰集的計算，最終得到診斷結(jié)果，這種基于系統(tǒng)“深知識”的建模方法能夠很容易判斷出系統(tǒng)是否發(fā)生故障。對于牽引變壓器的外部故障，MBD不僅可以通過一致性診斷判斷故障發(fā)生與否，還能通過溯因診斷確定故障類型。對于牽引變壓器的內(nèi)部故障，由于其建模基礎(chǔ)為利用量測量建立描述變壓器正?；蚬收闲袨榈牡仁剑蚨荒芡ㄟ^一致性診斷判斷故障發(fā)生與否，無法利用溯因診斷確定故障類型。模糊Petri網(wǎng)能以圖形化的方式實現(xiàn)知識表示，因而能根據(jù)已有知識規(guī)則建立牽引變壓器內(nèi)部故障模型，由于MBD的一致性診斷過程能實現(xiàn)故障定位縮小故障范圍，模糊Petri網(wǎng)只需對局部區(qū)域進行建模，這就降低了模型完備性和復(fù)雜性對模糊Petri網(wǎng)建模精度的影響，提高了診斷準確性。因此，本文將MBD與模糊Petri網(wǎng)融合進行牽引變壓器故障診斷，診斷流程如圖2所示，其中虛線框表示MBD進行外部故障診斷，整體框圖表示對內(nèi)部故障進行診斷。

本文采用MBD方法對實際高鐵V/x接線牽引變壓器建立兩層抽象模型，第一層為實現(xiàn)一致性診斷判斷系統(tǒng)正常與否的小元件正常模型，第二層為實現(xiàn)溯因診斷確定故障類型的大元件模型，其中包含小元件與小元件間的故障行為。針對牽引變壓器外部故障直接利用MBD方法進行故障診斷，針對內(nèi)部故障采用MBD與模糊Petri網(wǎng)結(jié)合進行故障診斷，具體診斷實現(xiàn)過程見3、4小節(jié)。

圖2 MBD與模糊Petri網(wǎng)融合的牽引變壓器故障診斷流程

3 MBD的牽引變壓器外部故障

3.1 牽引變壓器外部故障診斷方案

由于監(jiān)控牽引變壓器運行的各電流、電壓互感器的位置一般是固定的，本文借鑒文獻[2]中的方法，將MBD理論應(yīng)用于牽引變壓器的故障診斷，其診斷過程主要為四步：系統(tǒng)建模、沖突識別、候選產(chǎn)生、診斷鑒別。具體診斷方案如圖2所示。

(1) 系統(tǒng)建模:將牽引變壓器各進出線電壓電流作為系統(tǒng)模型變量，根據(jù)模型原理建立牽引變壓器的結(jié)構(gòu)和功能模型。建模思路上采用分層結(jié)構(gòu)抽象模型，對牽引變壓器建立兩層模型結(jié)構(gòu)，第一層為小元件的正常模型，第二層為大元件模型，描述小元件和小元件間的故障行為。

(2) 沖突識別：對正常牽引變壓器的模型進行離線搜索得到正常運行下的解析冗余關(guān)系，此即得到最小沖突候選集，解析冗余關(guān)系是由電流、電壓互感器所測得相關(guān)狀態(tài)信息建立的數(shù)學(xué)關(guān)系式。故障發(fā)生后，將電流、電壓互感器測得的牽引變壓器故障電流電壓帶入相關(guān)解析冗余式檢驗其是否滿足等式關(guān)系，若不滿足，則由上述最小沖突候選集得到一個最小沖突集，此即在線診斷過程。

(3) 候選產(chǎn)生：利用人工智能領(lǐng)域中的碰集計算方法如各種邏輯運算法求取最小沖突集的最小碰集，得到所有的最小候選診斷。

(4) 將候選診斷代入元件的故障約束中進行故障匹配，根據(jù)經(jīng)驗考慮元件的故障概率，最終確定故障元件及故障類型。

3.2 建模驗證

3.2.1系統(tǒng)整體描述

圖3為武廣高鐵線某牽引變電所三相V/x接線的牽引變壓器原理圖，它實質(zhì)上是由兩臺單相3繞組變壓器(用T1和T2表示)組合而成的變壓器。圖中A、B、C、T、F、N分別代表電力系統(tǒng)三相電路和變壓器次邊所接的接觸網(wǎng)、正饋線出線端、接地端。

圖3高速鐵路V/x接線牽引變壓器原理圖

3.2.2抽象系統(tǒng)元件

牽引變壓器建模的基礎(chǔ)即是對系統(tǒng)元件進行抽象，考慮該牽引變壓器系統(tǒng)主要由進出線、繞組和鐵芯組成。系統(tǒng)中的電流、電壓互感器主要用于提供系統(tǒng)狀態(tài)信息，這里不考慮電流、電壓互感器的故障，基于此可認為測量得到的數(shù)據(jù)都是正確的。該牽引變壓器的抽象元件如下：

{T_11, T_21, T1, T_12, T_22, T12, T21}

其中T_11，T_21分別表示兩個單相變壓器的一次側(cè)，是獨立的小元件模型；T1表示V/x接線的三相牽引變壓器一次側(cè)，是大元件模型，T_11，T_21為其內(nèi)部小元件。T_12，T_22分別表示兩個單相變壓器的二次側(cè)，是獨立的小元件模型；T12，T21為單相變壓器二次側(cè)的大元件模型，相應(yīng)的其內(nèi)部小元件為T_12，T_22。

3.2.3系統(tǒng)元件建模

根據(jù)圖3所示可得圖4(以T1為例)中所示的該牽引變壓器的單相變壓器等效電路圖。其中ab為原邊繞組等效短路阻抗，tn為折算到原邊的T繞組的短路阻抗，fn為折算到原邊的F繞組短路阻抗，m為折算到原邊的等效勵磁導(dǎo)納。假設(shè)上述變壓器是理想變壓器且變比為220 kV/27.5 kV，其等效電路參數(shù)如表1。

表1單相牽引變壓器等效電路參數(shù)值

Table 1 Parameter value of equivalent circuit of single-phase traction transformerin high speed railway

該單相變壓器的觀測變量為{A，B，AB，T，F(xiàn)，TF，A，B，T，F(xiàn)，N}，其中變量的下標表示相應(yīng)連接線的電壓、電流。

圖4高速鐵路單相變壓器等效電路圖

對該單相變壓器等效電路采用基爾霍夫定律建立的模型關(guān)系式如式(1)和式(2)，此為變壓器第一層模型中的正常模型關(guān)系，第二層中的故障模型則根據(jù)不同故障類型分別表示。

3.2.4系統(tǒng)解析冗余關(guān)系與最小沖突候選集

監(jiān)控設(shè)備布置的固定性使得相應(yīng)的解析冗余關(guān)系可通過得到的牽引變壓器監(jiān)控信息產(chǎn)生。采用文獻[15]中的搜索算法，離線搜索得到系統(tǒng)正常模型的解析冗余關(guān)系，進而可得到相應(yīng)的最小沖突候選集。對該牽引變壓器進行離線搜索可得到10個解析冗余及對應(yīng)的最小沖突候選集。如解析冗余關(guān)系_11_A+_11_B=0對應(yīng)的最小沖突候選集即為{T_11}。

3.2.5系統(tǒng)在線診斷

假設(shè)該牽引變壓器T1出線端A相接地短路，表2所示為仿真得到在此情況下的電流電壓互感器測量值，11_A表示第一個單相變壓器的一次側(cè)A相電壓，其余測量值命名方法相同。

表2故障情況下牽引變壓器各互感器測量值

Table 2 Measured values of all transformers during fault condition in traction substation

將表2中量測變量代入所得解析冗余關(guān)系約束中，表3為各解析冗余關(guān)系的殘差。實際操作中由于變比的存在變壓器模型精度會受到影響，通過將正常情況下的互感器測量值代入解析冗余關(guān)系，對殘差較大的解析冗余關(guān)系進行修正，本文的處理方式是將此類解析冗余關(guān)系的殘差均乘10-5，改善了模型精度對推理診斷的干擾。

表3 各解析冗余關(guān)系的殘差值

本文的允許相對殘差設(shè)置為0.3，表3所示相對殘差大于0.3的最小沖突候選集為{MinCSC7}，其對應(yīng)的故障元件為{T_11}，由于只有一個最小沖突候選集此即為最小碰集。

3.2.6故障匹配

為了迅速診斷出故障元件的故障類型，一般可根據(jù)經(jīng)驗假設(shè)各種故障的發(fā)生概率，本文中將斷線故障發(fā)生的概率設(shè)置為0.2，接地故障發(fā)生的概率設(shè)置為0.4，短路故障發(fā)生的概率設(shè)置為0.6。在MBD的溯因推理中根據(jù)故障概率大小優(yōu)先進行故障匹配。最終得到的診斷結(jié)果為{[T_11,{groundA}]}，推理診斷結(jié)果與所設(shè)故障仿真一致為第一個單相變壓器一次側(cè)A相接地故障。

4 MBD與模糊Petri網(wǎng)融合的牽引變壓器內(nèi)部故障診斷

4.1 牽引變壓器內(nèi)部故障診斷方案

針對牽引變壓器中諸如線圈接地一類無法建立確定模型關(guān)系的內(nèi)部故障，先采用MBD方法對系統(tǒng)進行一致性診斷實現(xiàn)故障元件定位，具體實現(xiàn)步驟為：(1) 采用MBD方法對變壓器建立兩層抽象模型；(2) 離線搜索變壓器的所有解析冗余式得到最小沖突候選集；(3) 代入故障數(shù)據(jù)在線識別出最小沖突集；(4) 利用碰集算法得到最小碰集；(5) 根據(jù)最小碰集得到的候選診斷確定故障元件。溯因判斷無法確定故障類型后對故障元件進行模糊Petri網(wǎng)知識表示，建立相應(yīng)的故障推理框圖。由于故障元件已定，只需建立區(qū)域模糊Petri網(wǎng)模型，最大限度降低了規(guī)則完備性對建模精度的影響，同時也降低了模型復(fù)雜性，通過簡單矩陣計算即可診斷出最終結(jié)果，此過程可分為兩步：(6) 采用模糊Petri網(wǎng)對牽引變壓器內(nèi)部故障建模；(7) 通過模糊Petri網(wǎng)的運算推理機得到診斷結(jié)果即確定出故障元件的故障類型，診斷流程圖如圖2所示。

4.2 建模驗證

4.2.1 MBD與模糊Petri網(wǎng)的融合故障診斷建模

武廣高鐵線某牽引變電所牽引變壓器第一個單相變壓器二次側(cè)發(fā)生鐵芯段間短路故障后檢測到的信息：介質(zhì)損耗測試正常，鐵芯無接地電流、鐵芯段間電阻近似為0，三比值法分析為過熱故障。

根據(jù)上述故障診斷步驟，將故障后的牽引變壓器各電流、電壓互感器狀態(tài)信息代入上一節(jié)MBD建模得到的各最小沖突候選集的解析冗余關(guān)系約束中，對應(yīng)的解析冗余式為_12_T+12_F+12_N=0，通過在線識別得到最小沖突候選集為{MinCSC3}，故障元件為{T_12}即第一個單相牽引變壓器的二次側(cè)，繼續(xù)進行溯因推理，故障匹配不成功說明此故障為內(nèi)部故障，不能通過MBD的溯因推理求得，采用模糊Petri網(wǎng)對該故障元件建立內(nèi)部故障診斷模型。

根據(jù)文獻[8]的方法對變壓器故障樣本集進行決策表約簡得到如圖5所示牽引變壓器內(nèi)部故障整體模型，根據(jù)檢測信息本次建模不需要考慮前四種故障情況，只需建立一個用12個庫所，7個變遷表示的模糊Petri網(wǎng)牽引變壓器內(nèi)部故障模型。

圖5 MBD與模糊Petri網(wǎng)融合的內(nèi)部故障模型

4.2.2模糊Petri網(wǎng)內(nèi)部故障推理驗證過程

在模糊Petri網(wǎng)的推理中，首先根據(jù)系統(tǒng)中的相關(guān)信息獲得初始托肯矩陣，然后根據(jù)公式(3)計算系統(tǒng)狀態(tài)。

表示經(jīng)過步后系統(tǒng)各庫所的狀態(tài)，它是一個前向推理過程，式(3)中各運算符功能如下：

(4)

用式(3)反復(fù)迭代，直至1=，即沒有變遷可被點火也即點火結(jié)束，以中托肯的變化作為最終結(jié)論。

根據(jù)所給牽引變電所牽引變壓器故障后檢測得到的信息，根據(jù)模糊Petri網(wǎng)對其輸入輸出映射矩陣和連接非連接輸入映射矩陣的定義，由圖6可得輸入映射矩陣、輸出映射矩陣、連接輸入映射矩陣、非連接輸入映射矩陣如下：

5 結(jié)論

本文將MBD與模糊Petri網(wǎng)融合的故障診斷方法應(yīng)用于高速鐵路牽引變壓器故障診斷，實現(xiàn)了外部和內(nèi)部故障的分別診斷，具體如下：

(1) 提出一種MBD與模糊Petri網(wǎng)融合的牽引變壓器故障診斷方法，彌補了MBD在處理牽引變壓器內(nèi)部關(guān)聯(lián)關(guān)系方面的不足，對MBD在變壓器故障診斷中的應(yīng)用實現(xiàn)了進一步探索。

(2) 建立了牽引變壓器正常與故障情況下的兩層抽象模型，通過MBD的一致性推理與溯因推理實現(xiàn)外部故障的有效診斷。

(3) 融合MBD與模糊Petri網(wǎng)各自特點，利用MBD的一致性推理實現(xiàn)故障定位，然后采用模糊Petri網(wǎng)進行知識表示及診斷推理，對故障實現(xiàn)了清晰直觀的診斷。

(4) 本文方法可作為實際高速鐵路牽引供電系統(tǒng)故障診斷中牽引變壓器的診斷方案，進一步可研究該方法對系統(tǒng)中其他部分診斷的可行性，為整個高速鐵路牽引供電系統(tǒng)的有效診斷提供一條新的思路。

[1] 石鑫, 朱永利, 王劉旺, 等. 基于深度信念網(wǎng)絡(luò)的電力變壓器故障分類建模[J]. 電力系統(tǒng)保護與控制, 2016, 44(1): 71-76.

SHI Xin, ZHU Yongli, WANG Liuwang, et al. Power transformer fault classifying model based on deep belief network[J]. Power System Protection and Control, 2016, 44(1): 71-76.

[2] 高松, 劉志剛, 徐建芳, 等. 基于模型診斷和專家系統(tǒng)的牽引變壓器的故障診斷研究[J]. 鐵道學(xué)報, 2013, 35(7): 42-49.

GAO Song, LIU Zhigang, XU Jianfang, et al. Research on fault diagnosis for traction transformer on the basis of model-based diagnosis and expert system[J]. Journal of the China Railway Society, 2013, 35(7): 42-49.

[3] 公茂法, 張言攀, 柳巖妮, 等. 基于 BP 網(wǎng)絡(luò)算法優(yōu)化模糊 Petri 網(wǎng)的電力變壓器故障診斷[J]. 電力系統(tǒng)保護與控制, 2015, 43(3): 113-117.

GONG Maofa, ZHANG Yanpan, LIU Yanni, et al. Fault diagnosis of power transformers based on back propagation algorithm evolving fuzzy Petri nets[J]. Power System Protection and Control, 2015, 43(3): 113-117.

[4] RANDALL D. Diagnostic reasoning based on structure and behavior[J]. Artificial Intelligence, 1984, 24(1-3): 347-410.

[5] 劉志剛,鐘煒, 鄧云川, 等. 牽引變電站故障的基于模型診斷方法[J]. 中國電機工程學(xué)報, 2010, 30(34): 36-41.

LIU Zhigang, ZHONG Wei, DENG Yunchuan, et al. Electric railway substation diagnosis with model-based method[J]. Proceedings of the CSEE, 2010, 30(34): 36-41.

[6] TRAVE-MASSUYES L, MILINE R. Gas-turbine condition monitoring using qualitative model-based diagnosis[J]. IEEE Expert, 1997, 12(3): 1-24.

[7] 胡非, 劉志剛, 范福強, 等. 配電網(wǎng)線路故障診斷的基于模型診斷方法[J]. 電力系統(tǒng)自動化, 2012, 36(10): 56-60.

HU Fei, LIU Zhigang, FAN Fuqiang, et al. Distribution network line fault diagnosis with model-based method[J]. Automation of Electric Power Systems, 2012, 36(10): 56-60.

[8] 王楠, 律方成, 劉云鵬, 等. 基于決策表約簡的變壓器故障診斷Petri網(wǎng)絡(luò)模型及其應(yīng)用研究[J]. 電工技術(shù)學(xué)報, 2003, 18(6): 88-93.

WANG Nan, Lü Fangcheng, LIU Yunpeng, et al. Study on application of Petri nets model of transformer fault diagnosis based on decision table reduction[J]. Transactions of China Electrotechnical Society, 2003, 18(6): 88-93.

[9] 謝敏, 吳亞雄, 黃庶, 等. 基于有色自控 Petri 網(wǎng)的電網(wǎng)故障區(qū)域識別[J]. 電力系統(tǒng)保護與控制, 2016, 44(2): 56-64.

XIE Min, WU Yaxiong, HUANG Shu, et al. Identification of fault area in power system based on colored self- modifying Petri nets[J]. Power System Protection and Control, 2016, 44(2): 56-64.

[10] XU Luo, KEZUNOVIC M. Implementing fuzzy reasoning Petri-nets for fault section estimation[J]. IEEE Transactions on Power Delivery, 2005, 29(21): 52-56.

[11]王建元, 紀延超. 模糊 Petri 網(wǎng)絡(luò)知識表示方法及其在變壓器故障診斷中的應(yīng)用[J]. 中國電機工程學(xué)報, 2003, 23(1): 121-125.

WANG Jianyuan, JI Yanchao. Application of fuzzy Petri nets knowledge representation in electric power transformer fault diagnosis[J]. Proceedings of the CSEE, 2003, 23(1): 121-125.

[12]ZHAO Xiangfu, OUYANG Dantong. A method of combing SE-tree to compute all minimal hitting sets[J]. Progress in Natural Science, 2006, 16(2): 169-174.

[13]胡非, 劉志剛, 何士玉, 等. 一種基于模型的配電網(wǎng)故障診斷搜索算法[J]. 電力自動化設(shè)備, 2013, 33(1): 81-90.

HU Fei, LIU Zhigang, HE Shiyu, et al. Model-based search algorithm of fault diagnosis for distribution system[J]. Electric Power Automation Equipment, 2013, 33(1): 81-90.

[14] RAYMOND R. A theory of diagnosis from first principles[J]. Artificial Intelligence, 1987, 32(1): 57-95.

[15]CORDIER M O, DAGUE P. Conflicts versus analytical redundancy relations: a comparative analysis of the model based diagnosis approach from the artificial intelligence and automatic control perspectives[J]. IEEE Transactions on Systems, Man and Cybernetics, 2004, 34(5): 2163-2177.

(編輯 張愛琴)

Fault diagnosis for traction transformer of high speed railway on the integration of model-based diagnosis and fuzzy Petri nets

DAI Chenxi, LIU Zhigang, HU Keting, GAO Song

(School of Electric Engineering, Southwest Jiaotong University, Chengdu 610031, China)

The problem with regard to the uncertainty and the relationship between the components exists in the model-based diagnosis method. Aiming at this issue, based on the idea of complementary integration, this paper proposes a method of mode-based diagnosis combining with fuzzy Petri Nets to diagnose traction transformer. For the external faults of the traction transformer, the model-based method is directly implemented to build a two-layer model based on the structure and function using voltage and current as variables. The minimal conflict set candidates and the minimal conflict sets are introduced by offline search and on-line recognition to realize the diagnosis. For the internal faults of the traction transformer, the model-based method is implemented to obtain the fault component localization and the fuzzy Petri Nets is used to realize the regional modeling and diagnostic reasoning. By diagnosing the three-phase V/x connected traction transformer faults of Wuhan-Guangzhou High-Speed Railway, the feasibility and effectiveness of the proposed method are verified.

This work is supported by National Natural Science Foundation of China (No. U1134205, No. U1434203, and No. 51377136).

model-based diagnosis; fuzzy Petri nets; traction transformer; fault diagnosis; high-speed railway

10.7667/PSPC151181

2015-07-09；

2016-02-10

戴晨曦(1991-)，女，碩士研究生，主要研究方向為基于模型診斷在電力系統(tǒng)故障診斷中的應(yīng)用；E-mail: sakuro106@126.com

劉志剛(1975-)，男，教授，博士生導(dǎo)師，主要研究方向為軌道交通電氣化、自動化技術(shù)，現(xiàn)代信號處理在電力系統(tǒng)中的應(yīng)用；E-mail:liuzg_cd@126.com

胡軻珽(1991-)，男，碩士研究生，主要研究方向為基于模型診斷在牽引供電系統(tǒng)故障診斷中的應(yīng)用。E-mail:qianyingyueju@gmail.com

國家自然科學(xué)基金項目(U1134205，U1434203，51377136)