文献［52］文中提出嵌入冗余Petri网方法，它是在原考虑的故障类型Petri网的基础上加入错误伴随式矩阵C。其目的是要解决由于网络中事件序列和信息流不正常时(如保护或断路器的拒动等)的故障诊断。采用差错控制编码技术构造C矩阵，但它必须是在预先设想的前提下构造，而不能自动构造，并且构造复杂，工作量大。而在实际系统中，故障诊断所依据信息的畸变是不确定的，所以它的容错能力是有限的，该类问题与ES差不多。
对大规模电网基于Petri网模型建模时，因设备增加和网络扩大会出现状态的组合爆炸，且基本的Petri网不能描述时间特征要求高的行为特征，因此在复杂系统建模时，需要采用高级的Petri网，如谓词／变迁网，有色时间网等。
7 基于Agent技术的电力系统故障诊断［89～95］
人工智能技术研究的不断发展为故障诊断开辟新途径和新方法提供了可能性。分布式人工智能是在传统AI的基础上发展起来的，主要研究在逻辑上或物理上分散的智能系统如何并行的，或相互协作地进行问题的求解。它分为分布式问题求解和多Agent系统两个方向，多Agent系统被看作是AI的试验平台，当一个问题涉及多个物理或者从逻辑上能形成分解的问题求解实体，每个子问题求解实体仅仅拥有问题求解所需的有限数据、信息和资源，不同的子问题求解实体之间必须相互交互才能最终求解问题。多Agent系统中Agent的自治性以及Agent之间的合作、协同等特征为这类问题提供了一种自然的建模方式。基于多Agent技术的应用研究开始于上世纪80年代，近年来在工业、制造业、经济管理、航天业等领域得到了明显增长［53～54］，成为AI的研究热点之一。
基于多Agent技术也引起了电力系统研究者的关注［77～79］，特别是在近2、3年来，人们尝试着将多Agent技术引入电力系统的故障诊断相关研究和应用中。文献［55］以Agent技术来实现故障恢复系统，系统由数个母线Agent单元和唯一的一个在整个决策过程中充当了管理角色的服务Agent，在服务Agent的协调下，母线Agent单元在故障状态下通过与其他的母线Agent单元相互作用、交换、通讯、合作形成多Agent诊断系统，得到局部最优目标；文献［56］建立了基于多Agent的DIAMOND系统，将数个监控系统和诊断系统集为一个综合的集散系统，简化了问题的处理过程和增加了系统的开放性。
从Agent的特点上看，它区别于传统智能系统的显著特征在于它所具备的与其所处环境，与其它Agent进行交互，协调和协作的能力。AI的研究目标是认识和模拟人类智能行为，单个Agent主要用于模拟个人的智能行为，而多Agent系统则是以模拟人类社会群体智能行为作为最终目标，它通过多个Agent之间的交换或通讯、合作形成了一个多Agent系统。研究多Agent系统意义下的Agent，实际是将多个Agent单元的推理和知识结合起来，创建多智能系统，以完成对更复杂、更大规模的问题的解决起到重要的作用。
8 基于数据挖掘技术的电力系统故障诊断［57～61］
数据库中的知识发现的核心技术——数据挖掘(data mining—DM)是近年来国际上较为活跃的研究领域，是人工智能与数据库技术相结合的产物。它应用一些专门算法从数据中抽取出有效的模式，从大量数据中发现潜在规律，提取有用知识。DM出发点是代替专家从大量的数据中挖掘出隐含于其中的知识，它使数据存储技术进入了一个更高级的阶段。即它不仅利用了数据库的存储功能，对过去的数据进行查询和遍历，能回答“什么”(What)；还能够找出过去数据之间的潜在联系，挖掘出其背后隐藏着的许多重要信息(这些信息是关于数据的整体特征的描述及对发展趋势的预测，在决策生成的过程中具有重要的参考价值)，从而可很好地支持人们的决策，回答出“为什么”(Why)。DM属于客观计算，只和已知数据有关，从而避免了主观和经验因素的影响。因此DM在商业、工业领域中已得到了广泛的应用，显示出了强大的生命力［57～58］。
已有研究人员开始将DM技术引入电力系统故障诊断，并取得了一些成功的经验，利用DM技术用于决策支持和控制［59，60］。如在常规的电力系统运行模式下，需要依赖经验丰富的专家，一旦电力系统发生故障时，系统中保护装置的动作信息自动传递给调度中心。调度员则需要根据经验从这些信息中判断出故障的原因和故障的具体位置，由此来实施具体的隔离故障和恢复处理。为了减少损失要在极短时间内完成，这对调度员的压力很大。这种故障处理模式已无法适应，特别在信息流量庞大的今天。因任何人面对2000个／分钟数据流组成的数据表都不可能进行有效的处理。基于粗糙集的DM方法具较强的定性分析能力［61］，能从给定问题的数据分析，通过不可分辨关系和不可分辨类确定给定问题的近似解，从信息表中去除冗余属性，获取该问题的内在规律，即属性约简，并能估计某一属性的重要程度，得到分类规则的能力。因此，DM可将每一种状态的故障特征提取出来，将其作为调度人员判断电力系统处于何种状态和如何快速做出故障处理和决策的有力工具。
6/7 首页 上一页 4 5 6 7 下一页 尾页
