几十年的电力系统发展中，电力学的专家们提出过许多电网故障诊断的方法。以下对几种利用时序信息进行故障诊断方法和其他原理故障诊断方法的研究状况做一个介绍。

1 蕴含时序属性的贝叶斯网络故障诊断87438

贝叶斯网络一种处理不确定模糊数据的方法。贝叶斯网络由节点和有向弧组成的，运用图论和概率理论来表达知识和模型推理。节点条件概率密度表达网络中的定量信息，网络的拓扑结构表达定性信息，在网络中将关联节点的影响存在滞后时间考虑进去，可以拓展建立蕴含时序属性的贝叶斯网络。

将蕴含时序属性的贝叶斯网络技术应用于电力系统故障诊断，可对不确定的信息进行完备化处理，在进行电网故障诊断时，不同事件之间由于相同的动作条件而可能产生的关联性通过概率论来确定，运用贝叶斯定理计算该事件的后验概率，从而得到各元件的故障概率，充分合理地利用了信息的时序属性,有效提高诊断结果的准确性。

文献[1]建立了蕴含时序属性的贝叶斯网络分布式处理模型，将电网故障诊断转化为对不确定性信息的决策问题，提出了时序一致性信息识别模型和算法，对信息进行量化处理，准确诊断了含有漏报误报和警报信息丢失的故障诊断。蕴含时序信息的贝叶斯网络解决故障问题优点在于故障模型清晰直观，易于发现信息间的因果关系，对于信息不确定或不完备的较大规模电网故障诊断有一定的价值。

2 基于警报时序特性的混合规则网络故障诊断

电力系统中出现故障后，调度中心接收到的一系列警报蕴含有各设备的动作时序信息，这是分析故障原因、识别故障位置的重要依据。利用含警报时序特性的混合规则网络的故障诊断方法原理正是基于此，首先根据电力系统中各动作事件间的因果关系，包括故障事件和发生原因，原因事件和保护动作，保护动作和断路器动作之间的联系，对不同的元件设备构建规则网络，得到一个故障假说最大集。其次根据从事故发生到平息中电流等状态量的幅值和时序变化特性，利用故障录播的模拟量信息和各保护及SOE信息中的断路器状态变化信息，构建出带有时序信息的假说故障集，用来识别出故障元件并分析故障发生原因。

文献[2]利用警报事件的时序信息，以时序约束网络为基础构建了电力系统在线警报处理解析模型，适用范围广且容错性较高。文献[3-7]同时利用故障录波等电气量连续信息和断路器、保护动作等离散信息，通过两种信息的互补，大大提高了诊断准确性。基于混合规则网络的电力系统故障诊断新方法通过引入电气量分析和计及故障信息的时序属性，所构造的规则网络模型按元件分类，适用于大规模电力系统。

3 基于时序模糊Petri网络的故障诊断

Petri网是一个是描述离散事件的动态系统，加入时序信息后表现为一个加权有向图的网络模型。通过组合模型用来描述这些事件之间的逻辑关系，事件发生的各种活动用矩阵运算来表示。将电力系统中故障产生后各类保护和断路器的动作等事件联合起来构成了一个离散事件的动态系统，通过有向图来反映这些同时或次序发生的动作，最后用一个加权有向网络就可以描述出蕴含时序信息的动态系统。

文献[8]建立了一个初步的 网诊断模型，通过矩阵运算推断故障诊断的结果，并且在台湾地区的实际系统中得到了验证。文献[9]考虑了嵌入Petri网的错误伴随矩阵等问题，使得在保护或断路器存在漏误报等情况时，依旧可以给出准确的诊断结果。

对于电力系统中一些同时，依次或循环发生的复杂故障，基于Petri网的诊断方法可以对故障的发展演变过程进行定性定量的分析，所以该方法主要适用于变电站的故障诊断。目前，该方法存在的主要问题是：（1）对规模较大的电力系统进行 网建模时，若是节点太多或出现设备增加的情况，容易产生状态空间爆炸；（2）Petri网主要是由人工建模，自动生成困难，一旦系统拓扑发生变化就需要对网络模型进行调整，工作量大。 故障诊断方法的研究现状:http://www.youerw.com/yanjiu/lunwen_137332.html