本公開涉及智能變電站的故障診斷，尤其是涉及一種智能變電站二次系統的故障診斷方法和相關裝置。

背景技術：

1、智能變電站的二次系統是由多個二次設備組成的一個整體系統，它涵蓋了變電站中的所有監控、控制和保護功能。二次設備之間的通信由傳統的實物連接而成的硬回路變為由光纜連接的虛回路，因而在設備時間信號的傳輸輸入與輸出不在一一對應，所以在系統發出故障或告警信息之后無法根據傳統變電站的方法來判斷異常設備。現有技術情況下，當網絡發生通信故障時，報文訂閱方發出鏈路中斷告警，通過對鏈路告警信息的分析，確定故障鏈路相關的物理元件；或者在對sv、goose報文分析的基礎上結合流量管控，通過分析二次系統網絡信息流的監控，建立信息流異常的保護判據，發出異常告警信息。在當前的一些技術手段中，如采用貝葉斯公式算法求取故障概率方法，一是根據故障特征信息，依據歷史經驗得到各元件的故障概率，再利用貝葉斯公式求得各元件在當前條件下的故障概率，求得概率最大的元件判定為故障元件；二是建立基于故障元件-告警信息有向二分圖的故障模型用矩陣的形式表示出故障元件和告警信息的關聯關系，采用比值的形式用貝葉斯算法計算出各可疑元件的故障發生概率來判斷故障元件。但采用貝葉斯算法的效果很大一部分取決于該元件的歷史故障概率和貝葉斯保護節點。

2、目前基于智能變電站的虛回路信息處理來判斷故障的方式還存在以下問題：(1)當前對二次系統故障相關報文的監控與分析，大多數只能判斷故障回路所在的大致區域，無法精準的判斷故障發生的具體位置。(2)由于智能變電站的ied設備眾多，在二次系統網絡化的情況下光纜的連接變得復雜，此外還存在1條光纜構成數條虛回路的情況，其產生的報文種類和數量都變得十分繁雜，在分析過程中添加了許多故障關聯度低的故障特征量，容易導致關聯度高的故障特征量被忽略，影響診斷的效率。

技術實現思路

1、本公開旨在至少解決現有技術中存在的上述技術問題。

2、為此，本公開的一個目的在于提出一種智能變電站二次系統的故障診斷方法，該一種智能變電站二次系統的故障診斷方法包括：

3、解析智能變電站的scd文件，建立二次系統中每個二次設備的鄰接表；

4、基于多個所述鄰接表和二次系統的告警信息，構建可疑故障元件的故障元件集；

5、基于預設的故障特征信息和所述故障元件集通過神經網絡模型預測輸出發生故障的所述可疑故障元件。

6、在一些實施例中，所述解析智能變電站的scd文件，建立二次系統中每個二次設備的鄰接表包括：

7、解析智能變電站的scd文件，確定各二次設備之間的物理回路的拓撲關系和虛回路的拓撲關系；

8、基于所述物理回路的拓撲關系和所述虛回路的拓撲關系，建立每個所述二次設備的鄰接表。

9、在一些實施例中，所述基于多個所述鄰接表和二次系統的告警信息，構建可疑故障元件的故障元件集包括：

10、基于多個所述鄰接表和二次系統的告警信息，確定發生告警的物理回路或虛回路對應的物理元件集合的并集；

11、獲取未發生告警的物理回路或虛回路對應的物理元件的集合的并集；

12、基于發生告警的物理回路或虛回路對應的物理元件的集合的并集和未發生告警的物理回路或虛回路對應的物理元件的集合的并集，構建可疑故障元件的故障元件集。

13、在一些實施例中，所述基于預設的故障特征信息和所述故障元件集通過神經網絡模型預測輸出發生故障的所述可疑故障元件包括:

14、基于預設的故障特征信息，構建故障特征集；

15、基于所述故障特征集和所述故障元件集，確定故障特征量；

16、基于所述故障特征量通過神經網絡模型預測輸出發生故障的所述可疑故障元件。

17、在一些實施例中，所述預設的故障特征信息至少包括設備運行自檢狀態信息、實時狀態監測信息和通信鏈路狀態信息。

18、在一些實施例中，基于所述故障特征量通過神經網絡模型預測輸出發生故障的所述可疑故障元件包括：

19、將所述故障特征量輸入所述神經網絡模型后輸出期望輸出矩陣；

20、基于所述期望輸出矩陣的精確度確定發生故障的所述可疑故障元件。

21、在一些實施例中，所述神經網絡模型基于故障訓練數、所述故障特征量的數目、故障分類模式數目進行搭建，其中，所述故障分類模式數目基于所述故障元件集中的可疑故障元件數量確定。

22、本公開的另一個目的在于提出一種智能變電站二次系統的故障診斷裝置，包括：

23、鄰接表建立模塊，用于解析智能變電站的scd文件，建立二次系統中每個二次設備的鄰接表；

24、故障元件集構建模塊，用于基于多個所述鄰接表和二次系統的告警信息，構建可疑故障元件的故障元件集；

25、故障元件輸出模塊，用于基于預設的故障特征信息和所述故障元件集通過神經網絡模型預測輸出發生故障的所述可疑故障元件。

26、本公開的另一個目的在于提出一種存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時實現上述方法的步驟。

27、本公開的另一個目的在于提出一種電子設備，至少包括存儲器、處理器，所述存儲器上存儲有計算機程序，所述處理器在執行所述存儲器上的計算機程序時實現上述方法的步驟。

28、本公開實施例提供的一種智能變電站二次系統的故障診斷方法和相關裝置，具有以下有益效果：

29、本公開提出的智能變電站二次系統的故障診斷方法采用鄰接表的形式存儲元件的連接信息，降低了可疑度低的故障元件的干擾，提高了確立故障區域的運算速度，適用于大規模的電網故障元件集搜索；利用二次設備的自檢狀態信息、實時狀態監測信息、通信通道狀態信息這三類故障信息篩選故障特征向量，利用概率神經網絡面向故障元件集進行迭代運算，降低了關聯度低的故障特征量的干擾，實現對故障元件的精準識別。

技術特征：

1.一種智能變電站二次系統的故障診斷方法，其特征在于，包括：

2.根據權利要求1所述的智能變電站二次系統的故障診斷方法，其特征在于，所述解析智能變電站的scd文件，建立二次系統中每個二次設備的鄰接表包括：

3.根據權利要求1所述的智能變電站二次系統的故障診斷方法，其特征在于，所述基于多個所述鄰接表和二次系統的告警信息，構建可疑故障元件的故障元件集包括：

4.根據權利要求1所述的智能變電站二次系統的故障診斷方法，其特征在于，所述基于預設的故障特征信息和所述故障元件集通過神經網絡模型預測輸出發生故障的所述可疑故障元件包括:

5.根據權利要求4所述的智能變電站二次系統的故障診斷方法，其特征在于，所述預設的故障特征信息至少包括設備運行自檢狀態信息、實時狀態監測信息和通信鏈路狀態信息。

6.根據權利要求4所述的智能變電站二次系統的故障診斷方法，其特征在于，基于所述故障特征量通過神經網絡模型預測輸出發生故障的所述可疑故障元件包括：

7.根據權利要求4所述的智能變電站二次系統的故障診斷方法，其特征在于，所述神經網絡模型基于故障訓練數、所述故障特征量的數目、故障分類模式數目進行搭建，其中，所述故障分類模式數目基于所述故障元件集中的可疑故障元件數量確定。

8.一種智能變電站二次系統的故障診斷裝置，其特征在于，包括：

9.一種存儲介質，存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至7中任一項所述方法的步驟。

10.一種電子設備，至少包括存儲器、處理器，所述存儲器上存儲有計算機程序，其特征在于，所述處理器在執行所述存儲器上的計算機程序時實現權利要求1至7中任一項所述方法的步驟。

技術總結
本公開提供了一種智能變電站二次系統的故障診斷方法和相關裝置，該故障診斷方法包括解析智能變電站的SCD文件，建立二次系統中每個二次設備的鄰接表；基于多個所述鄰接表和二次系統的告警信息，構建可疑故障元件的故障元件集；基于預設的故障特征信息和所述故障元件集通過神經網絡模型預測輸出發生故障的所述可疑故障元件。本公開通過鄰接表和skyline查詢相結合的故障定位法確定一個故障元件集，再通過概率神經網絡(PNN)對故障元件集內的可疑故障元件進行精準定位。減少了關聯度低的故障特征信息對故障定位的干擾，凸顯了關聯度高故障特征量的價值，提高了故障定位的準確性。

技術研發人員：郭亮,劉世丹,談自強,余棟斌,賴穎東,柳軍停,陳嘉俊,張艷靜,郭琳,李一泉,成佳富,張俊杰,何雄輝,黃偉杰,晏夢璇
受保護的技術使用者：廣東電網有限責任公司
技術研發日：
技術公布日：2025/4/28