考虑量测错误和多源异质信息融合的变电站概率故障诊断:统一的Bayes网络模型

故障诊断对提升电网故障分析处理能力有重要意义。在变电站本地进行故障诊断可以更加充分、敏捷地利用本地的丰富信息。为适应智能电网环境下信息丰富、分布自治的趋势,提出一种基于Bayes网络的变电站故障诊断方法,考虑了保护、开关的拒误动和量测信道错误等不确定性,并综合利用顺序事件(sequence of events,SOE)、故障录波、保护闭锁等多源异质信息。使用经典的联结树(junction tree)算法进行概率推理。结果表明:与不考虑量测信道不确定性的方法相比,该方法可以更加充分利用开关SOE等信息;故障录波和闭锁等非SOE信息的引入可以有效提升诊断的准确率。