电网故障诊断的智能方法综述
电力系统故障的智能诊断综述
电力系统故障的智能诊断综述摘要：常用的智能故障诊断技术有专家系统、人工神经网络、决策树、数据挖掘等，专家系统技术应用最广，最为成熟，但是也需要结合使用其他智能技术来克服专家系统技术自身的缺点。
智能故障诊断技术的发展趋势主要有多信息融合、多智能体协同、多种算法结合等，并向提高智能性、快速性、全局性、协同性的方向发展。
基于此，本文就针对电力系统故障的智能诊断进行分析。
关键词：电力系统；故障；智能诊断引言文章对电力系统故障的智能诊断进行了详细的阐述，通过对电力系统的简介，和对故障诊断的发展阶段进行了简要的分析，并阐述了电力系统故障的智能诊断实际应用存在的问题及对策，文章最后指出了电力系统故障的智能诊断的发展趋势。
望文章的阐述推动电力系统故障的智能诊断的发展。
1电力系统概述电力系统是由发电厂、送变电线路、供配电所和用电等环节组成的电能生产与消费系统。
电力系统的主要功能是将自然界中的能源，通过先进的发电动力装置，将能源转换为电能。
在通过输电线路和变压系统，将电能传送到各个用户。
为了实现这一功能，电力系统在各个环节和不同层次还具有相应的信息与控制系统，对电能的生产过程进行测量、调节、控制、保护、通信和调度，以保证用户获得安全、优质的电能。
2电力系统故障智能诊断技术及发展现状2.1智能故障诊断技术传统的故障诊断方法分为基于信号处理和基于数据模型，均需要人工进行信息的处理和分析，缺乏自主学习能力。
随着人工智能技术这一新方法的产生及发展，为故障诊断提供了初步的自动分析和学习的途径。
人工智能技术能够存储和利用故障诊断长期积累的专家经验，通过模拟人大脑的逻辑思维进行推理，从而解决复杂的诊断问题。
目前在电网故障诊断领域出现了包括专家系统、人工神经网络、决策树理论、数据挖掘、模糊理论、粗糙集理论、贝叶斯网络、支持向量机及多智能体系统等技术以及上述方法的综合应用。
目前，在对电网故障智能诊断领域的研究中，依靠单一智能技术的系统多，信息的综合利用研究较少，协同技术的研究应用更少；投入运行的诊断系统多为专家系统，但是离线运行的多，在线运行的很少。
电力系统中的智能电网调度与故障诊断
电力系统中的智能电网调度与故障诊断智能电网在电力系统中扮演着至关重要的角色，不仅可以提高电力系统的效率和可靠性，还能够实现对电力系统的智能化管理和故障诊断。
本文将从智能电网的调度与故障诊断两个方面进行详细介绍。
一、智能电网的调度智能电网调度是指根据电力系统的实时需求和供应情况，对电力系统中的各个电力设备和能源进行有效协调和调度，以实现电力系统的稳定运行和能源的高效利用。
智能电网调度的关键是通过合理的调度策略和智能化的调度系统对电力设备和能源进行优化配置和调度。
1. 调度策略智能电网调度策略的目标是实现电力系统的经济和可靠运行。
具体而言，调度策略需要考虑以下几个方面：首先，需要考虑电力系统的负荷需求。
智能电网调度系统通过实时监测和预测电力系统的负荷需求，可以根据需求曲线对电力设备的运行状态进行调整，以满足负荷需求，并尽量减少电力系统的运行成本。
其次，需要考虑电力系统中各种能源的供应情况。
智能电网调度系统可以实时监测和分析电力系统中各种能源的供应情况，根据能源供应的情况对电力设备的运行状态进行调整，以实现能源的高效利用。
最后，需要考虑电力系统的可靠性和安全性。
智能电网调度系统通过实时监测和诊断电力系统中的故障和异常情况，可以及时对电力设备进行调度和备用，以保证电力系统的可靠性和安全性。
2. 调度系统智能电网调度系统是实现调度策略的关键。
它是一个基于计算机和通信网络的智能化控制系统，可以实现对电力设备和能源的实时监测、诊断和优化调度。
智能电网调度系统主要包括以下几个模块：首先，是数据采集和传输模块。
该模块负责实时采集电力系统中各个电力设备和能源的数据，并通过通信网络将数据传输至调度中心，为调度决策提供数据支持。
其次，是数据分析和预测模块。
该模块通过对采集的数据进行分析和预测，可以对电力系统的负荷需求和能源供应进行预测，为调度决策提供依据。
最后，是调度决策和执行模块。
该模块根据采集的数据和预测结果，结合调度策略，对电力设备和能源进行优化调度和控制，以实现电力系统的稳定运行和能源的高效利用。
智能电力技术中的电力故障诊断与修复方法
智能电力技术中的电力故障诊断与修复方法近年来，随着智能电力技术的快速发展，电力系统故障的频率与复杂性也在不断增加。
而对于电力系统来说，故障的及时诊断与修复是非常关键的，它直接关系到供电的可靠性和电力系统的稳定性。
本文将探讨智能电力技术应用于电力故障诊断和修复的方法。
一、故障诊断技术智能电力技术中，故障诊断是实现电力系统无故障运行的基础。
目前，一些先进的故障诊断技术已经在电力系统领域得到广泛应用。
其中最常见的是基于机器学习的方法。
机器学习是一种使用算法和统计模型来使计算机系统自动学习和改进的技术。
通过收集电力系统的实时数据，运用机器学习算法对数据进行分析和处理，可以实现对电力系统故障的快速诊断。
此外，还有基于模糊逻辑、神经网络和支持向量机等方法，它们都有各自的优势和适用性。
二、故障修复技术电力系统故障修复是指对电力系统故障进行处理和修复的过程。
智能电力技术可在故障修复中发挥重要作用。
其中最常见的是自动化设备和算法的结合。
例如，智能开关装置可根据故障的类型和位置自动进行开关操作，实现故障隔离和恢复供电。
智能电力设备还可以通过实时监测系统的故障状态，自动调节电力负载和电压等参数，以提高电力系统的稳定性和可靠性。
此外，基于物联网的智能电力设备还可以实现远程故障修复，减少人力介入，提高故障修复效率。
三、智能电力技术的挑战与发展方向尽管智能电力技术在电力系统故障诊断和修复方面取得了一定的成就，但仍面临一些挑战。
首先，电力系统的规模庞大，数据量巨大，如何高效处理和分析这些数据仍是一个难题。
其次，电力故障的原因复杂多样，比如线路故障、设备故障等，如何快速准确地定位故障原因也是一个难点。
此外，智能电力技术的应用需要充分考虑数据的安全性和隐私保护，以防止恶意攻击或数据泄露等问题。
未来，智能电力技术的发展方向主要有以下几个方面。
首先，进一步提升故障诊断的精准度和准确度，结合更先进的算法和数据处理技术，实现对电力系统故障的实时监测和精确定位。
电网故障诊断的智能方法综述
第42卷第3期电力系统保护与控制V ol.42 No.3 2014年2月1日Power System Protection and Control Feb.1, 2014电网故障诊断的智能方法综述边 莉，边晨源（黑龙江科技大学电子与信息工程学院，黑龙江 哈尔滨 150027）摘要：综述了目前应用较为广泛的基于智能技术的电网故障诊断方法，包括专家系统、人工神经网络、贝叶斯网络、优化技术、支持向量机、模糊集理论、Petri网、信息融合技术和多智能体技术。
简单介绍了这些智能方法的基本概念，在电网故障诊断领域的研究现状，并从实用化的角度阐释了各自的特点和存在的不足，以及各自未来的发展情况。
最后从电网故障诊断领域当前所面临的重要问题出发，探讨了该领域今后的发展趋势。
关键词：电网；故障诊断；智能技术；研究现状；发展趋势Review on intelligence fault diagnosis in power networksBIAN Li, BIAN Chen-yuan(School of Electronic and Information Engineering, Heilongjiang Institute of Science and Technology, Harbin 150027, China)Abstract: This paper reviews the intelligence methods that are applied widely for fault diagnosis of power networks, including expert system, artificial neural network, Bayesian network, optimization methods, support vector machine, fuzzy set theory, Petri net, information fusion of multi-data resources and multi-agent system. Their basic concepts and research status in power fault diagnosis domain are introduced. Their characteristics, disadvantages and development trends are elaborated from the aspects of practicability. Finally, this paper explores the development trend in future in the field of fault diagnosis according to the current problems in the field of grid fault diagnosis.Key words: power network；fault diagnosis；intelligence method；research status；development trend中图分类号：TM711 文献标识码：A 文章编号：1674-3415(2014)03-0146-080 引言电网故障诊断就是通过测量和分析故障后电网中电流、电压等电气量以及保护和断路器动作的开关量变化信息，识别故障元件。
智能电网技术的故障检测与处理：探索智能电网中的故障检测与应急处理方法(十)
智能电网技术的故障检测与处理：探索智能电网中的故障检测与应急处理方法智能电网作为未来能源系统的核心，已经在全球范围内得到了广泛的关注和应用。
然而，智能电网的高效稳定运行需要面对各种故障和意外情况的挑战。
为了保障智能电网的可靠性和安全性，故障检测与应急处理方法显得尤为关键。
本文将探讨智能电网中故障检测与应急处理的一些方法和技术。
一、故障检测技术1. 传统故障检测技术传统的故障检测技术包括线路巡检、红外热像仪检测等。
这些方法主要依赖于人工巡检，存在效率低下和漏检的问题。
随着智能电网的发展，传统的人工巡检已经不能满足对大规模电网的需求。
2. 基于传感器的故障检测技术近年来，随着传感器技术的不断进步，基于传感器的故障检测技术得到了广泛应用。
通过在电网中部署传感器，可以实时监测电网的各种参数，如电流、电压、温度等，从而快速检测出故障。
这种方法能够提高故障的检测效率，并减少人工巡检的工作量。
3. 基于数据分析的故障检测技术随着大数据和人工智能的兴起，基于数据分析的故障检测技术也越来越受到关注。
通过收集电网中的大量数据，并利用机器学习和数据挖掘的方法，可以建立故障检测的模型。
这种方法不仅能够提高检测的准确性，还能够预测潜在的故障，并提供相应的预防措施。
二、故障应急处理方法1. 智能维修系统智能维修系统是一种基于人工智能和大数据技术的故障应急处理方法。
通过监测电网的状态和性能，智能维修系统可以实时识别故障，并提供相应的修复方案。
这种方法能够提高故障的处理效率，并降低运维成本。
2. 快速切换技术在智能电网中，快速切换技术被广泛应用于应对故障。
通过将故障部分与正常部分分离，实现快速切换，可以避免故障对整个电网的影响。
该技术能够保障电网的稳定运行，并减少故障的传播范围。
3. 智能告警系统智能告警系统是一种通过传感器和数据分析技术来实现故障应急处理的方法。
通过监测电网中的各种参数，并结合历史数据进行分析，智能告警系统可以实时发出故障告警，并提供详细的处理建议。
电网智能化中的电气设备状态监测与故障诊断方法
电网智能化中的电气设备状态监测与故障诊断方法随着电力系统的快速发展和智能化的推进，电气设备的状态监测与故障诊断变得越来越重要。
电网智能化技术的应用，可以实现对电气设备的实时监测、故障预警和快速诊断，从而提高电网运行的可靠性和安全性。
本文将介绍电网智能化中常用的电气设备状态监测与故障诊断方法。
一、电气设备状态监测方法1. 传统监测方法传统的电气设备状态监测方法主要包括温度、振动、湿度、颗粒物等参数的监测。
通过安装传感器和监测仪器，实时获取电气设备的工作状态，并将数据传输到监测系统中进行分析和处理。
例如，温度是电气设备运行状态的重要指标之一，可以通过温度传感器实时监测设备的温度变化。
当温度超过设定的阈值时，系统会自动发出预警信号，以便及时采取措施。
2. 特征参数提取方法特征参数提取方法是对电气设备工作状态进行识别和判断的一种常用方法。
通过对电气信号进行信号处理和特征提取，可以得到反映设备状态的特征参数。
例如，对于变压器来说，可以通过提取电流波形、电压波形和频谱特征等参数，判断变压器是否存在故障。
通过比较实际测量的特征参数与预设的故障特征参数，可以实现对变压器故障的诊断和判断。
3. 数据挖掘与智能算法方法数据挖掘与智能算法方法是在大数据背景下，利用机器学习、人工智能等技术来实现电气设备状态监测的方法。
通过对大量历史数据进行分析和挖掘，建立模型，从而实现对电气设备的状态监测和预测。
例如，可以利用神经网络算法对大量的电气设备数据进行训练，建立模型，用于识别和预测设备的工作状态。
通过将实时数据输入模型中，可以及时发现设备异常和故障，并提供相应的预警或诊断结果。
二、电气设备故障诊断方法1. 规则推理方法规则推理方法是一种基于规则库的故障诊断方法。
通过建立故障规则库，将设备故障类型和相应的特征参数进行匹配，从而实现对设备故障的诊断。
例如，设备故障规则库中定义了某一特征参数超过一定阈值，则判定为设备故障。
当实时监测到该参数超过阈值时，即可根据规则库进行故障诊断，并给出相应的处理建议。
电力系统中智能化故障检测方法
电力系统中智能化故障检测方法在现代社会中，电力系统的稳定运行对于各个领域的正常运转都起着至关重要的作用。
从家庭的日常用电到大型工业生产，无一不依赖于可靠的电力供应。
然而，随着电力系统的日益复杂和庞大，故障的发生也变得难以避免。
因此，智能化的故障检测方法成为了保障电力系统安全、稳定运行的关键。
要理解电力系统中的智能化故障检测方法，首先得明白电力系统故障的类型和特点。
常见的故障包括短路故障、断路故障、接地故障等。
这些故障可能由设备老化、过载、恶劣天气、人为操作失误等多种原因引起。
短路故障是电力系统中较为常见且危害较大的一种故障类型。
当两个或多个电路未经预期的直接连接时，就会发生短路。
这会导致电流瞬间急剧增大，可能引发设备烧毁、停电等严重后果。
断路故障则是指电路中的某一部分出现断开，导致电流无法正常流通。
接地故障是指电力系统中的带电部分与大地之间出现了非正常的连接。
传统的故障检测方法通常依赖于人工巡检和简单的仪器测量。
人工巡检虽然能够直接观察设备的状态，但效率低下，而且对于一些隐蔽的故障难以发现。
仪器测量虽然能够提供一定的量化数据，但往往无法全面、及时地反映系统的整体状况。
随着科技的不断进步，智能化的故障检测方法逐渐崭露头角。
智能化故障检测方法主要依靠先进的传感器技术、数据采集与传输技术以及数据分析处理技术。
传感器技术就像是电力系统的“眼睛”，能够实时感知系统中各种物理量的变化。
例如，电流传感器可以精确测量电流的大小和变化趋势，电压传感器能够监测电压的波动情况，温度传感器可以检测设备的发热状况等。
这些传感器将采集到的数据通过高速的数据传输网络发送到控制中心。
在数据采集与传输方面，高速、稳定、可靠的通信技术是关键。
如今，5G 技术的应用使得数据传输的速度和实时性得到了极大的提升。
同时，光纤通信技术也为长距离、大容量的数据传输提供了保障。
而数据分析处理技术则是智能化故障检测的“大脑”。
接收到大量的监测数据后，通过运用各种算法和模型进行分析处理，从而识别出潜在的故障隐患。
数据仿真支持下的智能电网故障诊断
数据仿真支持下的智能电网故障诊断一、智能电网故障诊断的背景与重要性（一）智能电网的发展概述随着现代社会对电力需求的不断增长以及对电力供应可靠性和质量要求的日益提高，传统电网面临着诸多挑战。
智能电网应运而生，它是将先进的信息技术、通信技术、控制技术与传统电网相结合，实现对电力系统的智能化监测、控制和管理。
智能电网能够提高电网的运行效率、可靠性和安全性，同时促进可再生能源的接入和利用，是未来电网发展的必然趋势。
（二）故障诊断在智能电网中的关键作用智能电网的复杂性和庞大性使得故障的发生难以避免。
故障诊断是智能电网运行和维护的重要环节，其准确性和及时性直接影响到电网的安全稳定运行。
通过及时准确地诊断故障，可以快速采取有效的修复措施，减少停电时间和停电范围，降低经济损失和社会影响。
同时，故障诊断还可以为电网的优化运行提供依据，帮助电网运营商更好地了解电网的运行状态，预防故障的发生。
二、数据仿真在智能电网故障诊断中的应用（一）数据仿真技术概述数据仿真技术是一种利用计算机模型和算法对实际系统进行模拟和分析的技术。
在智能电网故障诊断中，数据仿真可以模拟电网的各种运行状态和故障情况，为故障诊断提供大量的数据支持。
数据仿真技术包括系统建模、数据生成、模拟运行和结果分析等环节。
通过建立准确的电网模型，可以模拟电网在不同工况下的运行特性，生成包含各种故障信息的数据样本。
（二）数据仿真在故障诊断中的优势1. 提供丰富的数据资源数据仿真可以生成大量的故障数据，这些数据涵盖了不同类型的故障、不同位置的故障以及不同程度的故障。
通过对这些数据的分析和挖掘，可以提取出故障的特征信息，为故障诊断算法的训练和优化提供充足的数据支持。
2. 可重复性和可控性数据仿真可以在相同的条件下重复进行，并且可以控制故障的发生时间、位置和类型等参数。
这使得研究人员可以对故障进行深入的研究和分析，验证故障诊断算法的有效性和可靠性。
3. 降低实验成本和风险在实际电网中进行故障实验是非常危险且成本高昂的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第42卷第3期电力系统保护与控制Vol.42 No.3 2014年2月1日Power System Protection and Control Feb.1, 2014电网故障诊断的智能方法综述边 莉，边晨源（黑龙江科技大学电子与信息工程学院，黑龙江 哈尔滨 150027）摘要：综述了目前应用较为广泛的基于智能技术的电网故障诊断方法，包括专家系统、人工神经网络、贝叶斯网络、优化技术、支持向量机、模糊集理论、Petri网、信息融合技术和多智能体技术。
简单介绍了这些智能方法的基本概念，在电网故障诊断领域的研究现状，并从实用化的角度阐释了各自的特点和存在的不足，以及各自未来的发展情况。
最后从电网故障诊断领域当前所面临的重要问题出发，探讨了该领域今后的发展趋势。
关键词：电网；故障诊断；智能技术；研究现状；发展趋势Review on intelligence fault diagnosis in power networksBIAN Li, BIAN Chen-yuan(School of Electronic and Information Engineering, Heilongjiang Institute of Science and Technology, Harbin 150027, China)Abstract: This paper reviews the intelligence methods that are applied widely for fault diagnosis of power networks, including expert system, artificial neural network, Bayesian network, optimization methods, support vector machine, fuzzy set theory, Petri net, information fusion of multi-data resources and multi-agent system. Their basic concepts and research status in power fault diagnosis domain are introduced. Their characteristics, disadvantages and development trends are elaborated from the aspects of practicability. Finally, this paper explores the development trend in future in the field of fault diagnosis according to the current problems in the field of grid fault diagnosis.Key words: power network；fault diagnosis；intelligence method；research status；development trend中图分类号： TM711 文献标识码：A 文章编号： 1674-3415(2014)03-0146-080 引言电网故障诊断就是通过测量和分析故障后电网中电流、电压等电气量以及保护和断路器动作的开关量变化信息，识别故障元件。
良好的诊断策略对于缩短故障时间，防止事故扩大具有重要意义[1]。
故障发生时，监控系统采集到的大量故障信息涌入调度中心，基于传统数学模型的诊断方法已很大程度上不能保证诊断的准确性和快速性等要求，而相比较来说，基于智能技术的诊断方法具有明显的优势。
智能方法能够模拟、延伸和扩展人类的智能行为，弥补数学模型诊断方法的不足，为电网故障诊断领域开辟了新途径。
因此故障诊断方法由传统技术向智能化技术方向发展是该领域未来研究的重点和热点[2]。
基金项目：黑龙江省青年科学基金（QC2010023）；黑龙江省普通高等学校青年学术骨干支持计划（1251G055）；黑龙江科技学院优秀青年才俊计划资助本文在国内外专家学者对电网故障诊断领域研究成果的基础上，综述了一些当前应用较为广泛的电网故障诊断的智能方法，其中包括专家系统、神经网络、模糊集理论、Petri网等，并相应的给出了简要的介绍，同时分析了这些方法的特点和不足，总结了当前电网故障诊断领域所面临的问题，探讨了该领域在今后的发展中需要重点解决的关键问题和未来的发展趋势。
1 电网故障诊断的智能方法研究现状1.1 基于专家系统的故障诊断方法Feighbaum教授于1968年开发了第一个专家系统(Expert System)并且具体说明专家系统是一种智能的计算机程序，它通过使用知识与推理过程，求解那些需要专家的知识才能求解的高难度问题[3]。
自从70年代人们将专家系统引入到电网的故障诊断领域至今，基于该方法的故障诊断应用较为成功。
专家系统在电网故障诊断中的典型应用可以归结边莉，等电网故障诊断的智能方法综述 - 147 -为：首先建立故障信息知识库，并用自然语言建立产生式规则；然后基于对这一产生式规则的理解，知识工程师将知识表示成机器语言并通过人机接口储存到知识库中；故障发生时，将故障信息输入到推理机，推理机根据当前输入的故障信息，运用知识库中的知识，按一定的策略进行推理，从而识别出故障元件。
专家系统将专家的知识应用于电网故障诊断，可以保证诊断系统的实时性和有效性，但是基于知识的本质和实现故障诊断的原理没有变，因此当前专家系统还存在着不足：(1)专家知识是人为移植到计算机的，所以难以建立完备的知识库；(2)容错性差，对于保护和断路器的误动作及知识库中不包含的情况，很难给出正确的判断；(3)系统的维护难度非常大，知识库要经常根据实际情况进行更新。
未来的研究中将专家系统与其他智能技术相结合是一种有效的方式，取长补短，弥补专家系统本身的缺陷。
文献[4]将模糊集理论与专家系统结合，通过对电压和电流值以及保护和断路器信息进行模糊推理，能够有效地改善专家系统容错性差的问题。
文献[5]采用一种适用于电网故障诊断的整个协同式专家系统的结构体系，并且将其与多智能体技术相结合，克服了单一专家系统的局限性，增强了对复杂故障实时诊断的推理能力。
1.2 基于人工神经网络的故障诊断方法人工神经网络(Artificial Neural Network)是一种模拟神经系统来进行信息处理的数学模型，主要是基于输入和输出关系建立起来的，并由大量简单的处理单元（神经元）广泛互连而形成的复杂网络系统。
神经网络能够对大量的训练样本进行分析推理，得到一般规律，从而能对未知的或无法预测的故障信息进行分析判断[6]。
目前，前馈神经网络较广泛地应用于电网故障诊断领域，其中最具代表性的是BP(Back Propagation)神经网络和径向基神经网络。
文献[7-8]给出了BP神经网络在电网故障诊断中的典型应用：将保护器和断路器的动作信息作为神经网络的输入，可能发生的故障情况作为输出，以此来建立诊断模型；通过大量的故障实例形成训练神经网络的样本集；训练过程中，网络的输入节点加输入信号，此信号向前传播，并不断根据当时的节点活化函数、连接加权系数和给定阈值进行相应计算，此过程即为学习过程；在学习结束前，若前向计算的输出与期望的输出之间存在误差，则将误差信号反向传播，调整权值和阈值，直到输出满足要求。
文献[9]利用小波分时灰度矩提取故障信息，将该信息作为概率神经网络的输入，通过概率神经网络进行模式识别，达到电网故障的自动识别。
文献[10]在应用神经网络进行故障诊断时，引入了量子力学概念。
文献[11]将主成分分析法融入神经网络，通过应用神经网络的多层感知器功能并结合系统输出电压值信息来识别故障类型；而且采用主成分分析法能够大量减少神经网络诊断时庞大的输入量，降低样本训练的时间，抑制噪声对诊断结果的影响。
神经网络有强大的学习能力，而且具有容错能力强、鲁棒性好、非线性映射和并行分布处理等特点。
然而，神经网络还存在如下缺陷：(1)需要大量的训练样本以供学习，但获取完备优质的样本十分困难；(2)神经网络在诊断过程中被看成是“黑箱”，缺乏对自身行为的解释能力；(3)神经网络不善于处理启发式的规则。
未来对基于神经网络的电网故障诊断方法的研究重点还是在选取有价值的训练样本、给予诊断过程解释能力、使适用于大规模电网故障诊断等方面。
1.3 基于贝叶斯网络的故障诊断方法贝叶斯网络(Bayesian Network)是一种用来表示和推理不确定性知识的模型，它将概率论的相关知识与图形理论相结合，具有较为严格的理论基础，对解决复杂电网由于不确定因素引起的故障等问题具有明显作用[12-13]。
目前，利用贝叶斯网络技术进行电网故障诊断的研究还处于初期阶段，但是发展的较为迅速。
文献[14]采用分层递归的思想，利用粗糙集理论对电网故障信息进行分层挖掘，达到属性优选，然后通过贝叶斯网络进行故障诊断，成功识别出故障元件。
文献[15]结合监测设备的状态信息，利用贝叶斯网络实现了故障情况的提前预测。
文献[16]基于元件建模，通过设置各节点的先验概率，使得故障信息经过贝叶斯网络后，得到各元件发生故障的概率，以此识别故障元件，若采用某个阈值作为判断条件，可同时对一个或多个元件的故障进行有效诊断。
贝叶斯网络的诊断模型清晰直观，对于不确定和不完备信息可以进行良好的诊断决策，然而，网络节点赋值需要大量的实际观察或统计分析方法来确定，而且贝叶斯网的训练属于NP难度问题，处理复杂问题时将变得非常困难。
未来该领域的研究将主要集中在如何实现贝叶斯网络的自动建模，如何将其与信息融合理论相结合等方面。
1.4 基于优化技术的故障诊断方法采用优化技术(Optimization Methods)的故障诊断方法是一种基于数学模型的求解方法。
目前，国- 148 - 电力系统保护与控制内外学者提出了多种优化算法，可以将其应用到电网故障诊断领域，而且优化算法在电网规划等方面也有较好的应用[17]。
常用的优化算法包括：遗传算法，模拟退火算法和蚁群算法，还有较新的算法如交叉熵算法。
优化技术应用于电网故障诊断的方法是考虑故障元件与保护器和断路器的动作关系，将电网故障诊断问题表示为使目标函数最小化的0-1整数规划问题，然后通过优化算法求解该问题的最优解。
文献[18]基于小生境遗传算法，并结合粗糙集理论，来求取决策表约简，从而抽出诊断规则，提升了对不完备信息的分析能力。
文献[19]通过综合利用可疑故障元件与保护和断路器误动作的情况，构建了一个计及保护和断路器误动作的故障诊断模型，不仅能够识别出故障元件，也能够找出误动作的保护和断路器。