基于Petri网模型的故障诊断PPT推荐.ppt

1、遗传算法的编程实现比较复杂,首先需要对问题进行编码,找到最优解之后还需要对问题进行解。模糊理论：进行隶属度函数描述时,隶属度的选取存在着人为不确定性因素;对大规模复杂系统进行建模时,结构适应性不强。Petri网模型具有快速准确、适应性强、稳定性好等特点。1962年联邦德国的卡尔A佩特里（Carl Adam Petri）在他的博士论文用自动机通信中首次使用网状结构模拟通信系统。这种系统模型后来以Petri网为名流传。Petri网网起源起源80年代开始为Petri网综合发展阶段，以理论与应用的结合及计算机辅助工具的开发为主要内容。发展到现在Petri网已经广泛应用于自动化、机械制造、军事指挥等学科

2、领域。Petri网可适合于诊断中的信息表示，这是因为Petri网适合于描述系统状态和行为的改变，而故障是以设备状态和行为变化为特征的，故障产生和传播是一个动态过程，Petri网可以很好地表示系统状态和行为的变化关系，准确地描述系统的产生和传播特性。目前在故障诊断领域，Petri网主要用于表达系统的逻辑关系，完成信息表示和诊断推理，它侧重于网的图形表示，对网的动态特性缺乏明确的描述。Petri网在电力系统中应用背景网在电力系统中应用背景Petri网是一种用有向图及称为初始标识的初始状态表示的特殊的系统模型，其结构元素主要包括库所、变迁和有向弧。库所：用于描述可能的系统局部状态，例如，故障诊断中的

3、故障征兆、故障现象或计算机中的队列、缓冲等。变迁：用于描述修改系统状态的事件，如计算机和通信系统中的信息处理、发送等。有向弧：是连接库所和变迁的元素，它描述的是系统状态变化的方向。一个Petri网模型的动态行为是由它的变迁（点火）规则规定的。Petri网的结构组成网的结构组成 系统状态的变化是通过变迁的引发和令牌的传递来实现的，只有激活的变迁才可以被引发，变迁引发后令牌的传递由变迁规则来确定。变迁规则：1个激活的变迁引发后，先从它的每个输入库所取走1个令牌，再给它的每个输出库所放进一个令牌。t为变迁，p1,p2为变迁的输入库所，p3为变迁的输出库所，所有有向弧的权值都为1。标识是一个m维数组（

4、m为库所个数），它的一元素对应一库所，取值为非负整数。标识代表系统的状态。PetriPetri网的矩阵运算网的矩阵运算Petri网的结构及变迁的点火不仅可用图形直观地表示，还可用矩阵计算来描述。Petri网的基本矩阵一般包括映射矩阵C、网络标识向量M和点火序列U等。映射矩阵C的行数为库所集合中的元素个数，列数为变迁集合中的元素个数，它用于描述Petri网的拓扑结构。标识向量M用于表示库所中标识情况“1”表示相应的库所中存在标识，“0”表示没有标识。Petri网的初始标记状态用初始标识向量M0表示。点火向量U用于表示变迁T的点火情况。故障Petri网的诊断算法在基于故障Petri网的故障诊断处理

5、时，输入库所的初始标识可表示为故障发生的征兆，若有征兆出现，则该输入库所就包含一个令牌，否则库所为空。而最终标识的求解可以通过故障Petri网可达性和状态方程来实现，推理过程结束时，如果目标库所中含有令牌，则表示故障事件发生了，否则表示没有故障发生。以下是诊断问题的建模和求解算法过程：图1为一个简单的保护系统和相关断路器状态信息的Petri网模型。库所L表示线路，R表示保护，CB表示断路器。假设保护R检测到故障电流，去动作断路器CB。图1的初始标识向量M0可表示为映射矩阵为：图1所示Petri网的触发点火序列依次为 Petri网的动态行为过程可用如下状态方程描述，它反映了系统的状态变化模型实例

6、分析模型实例分析一个简单的电力系统如图2所示,来说明用Petri网进行电力系统故障诊断的推理过程。假设故障情况如下：母线B2发生故障，保护设备正常动作，母差保护动作跳开断路器CB2、CB3、CB5。母线B2的Petri网故障诊断模型如图3所示：根据故障诊断模型结构可写出母线B2的关联矩阵C：初始标识向量M0如下：B2，R1，R2，R3，CB1，CB2，CB3，CB4，CB5，CB6根据远动遥信信息，实时监控到断路器CB2、CB3、CB5跳开，t2、t3、t5是使能变迁，我们可以得到第一触发序列：再根据Petri网动态行为过程的状态方程可得到令牌转移的第一过程：t1,t2,t3,t4,t5,t6

7、,tn通过计算可以得到：这说明保护库所R1、R2、R3被标识，此时tn为使能变迁，所以第二触发序列为：由M=M1+CU2，可计算出此Petri网故障诊断模型的终态标识向量为：由终态标识向量可知：模型系统资源变化过程中，最终只有库所B2中存在令牌，这表明母线B2发生了故障，这与实际情况是相符的，而且保护和断路器动作都正确。B2，R1，R2，R3，CB1，CB2，CB3，CB4，CB5，CB6但是由于Petri网本身不具备处理不确定信息的能力，该模型容错性不够。借助加权模糊Petri网或者和其他的智能算法相结合总结：总结：Petri网模型具有快速准确、适应性强、稳定性好的特点，系统构建相对简单，能够适应大规模电力系统中的复杂故障情形。基于神经网络集成的Petri网系统基于粒子群优化的智能Petri网系统基于Petri网的远程智能故障诊断系统