基于粗糙集理论的电力系统配电网故障诊断的研究

汪子涵

摘要：使用粗糙集理论能够预测和剖析种种不完整和不确定的信息，因此它是一种极度有潜力的计算方法。针对电力系统配电网含有大批不确定数据讯息和请求及时性高的特质。这里我们以电力系统配电网开关保护讯息为基础，使用粗糙集理论对大批的开关保护讯息决策表进行约简，删除冗余讯息，划分出关键信号和非关键信号，继而从故障样本集获得诊断规则，从而达成在不完整讯息下迅速、确切的进行故障诊断的目标。

关键词：粗糙集；决策表；电力系统；配电网；故障诊断

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）18-4315-04

Based on Rough Set Theory in the Research of Power System Power Distribution Network Fault Diagnosis

WANG Zi-han

（School of Computer Science， Xi'an Polytechnic University， Xi'an 710048， China）

Abstract： Rough set theory is a kind of very potential calculation method，it can be for a variety of incomplete and uncertain information to forecast and analysis.For distribution network power system contains a lot of uncertain data information and the characteristic of high real-time demand.Based on the Power system power distribution network protection information，on sample decision table by using rough sets theory，delete redundant information，to distinguish the key signals and non-critical，derived from the fault samples，the diagnosis rules so as to achieve under incomplete information rapidly and accurately for the purpose of fault diagnosis.

Key words： rough set；decision tables；power system；fault diagnosis；power distribution network

1 介绍

进入21世纪以来，随着全世界电力系统行业逐步发扬着智能化、信息化的宗旨，我国的电力系统行业也在逐渐向着智能电网的目标迈进，并且人工智能技术随着智能电网的发展也在逐步提升着它的重要性。基于电网自身的特点，一旦电网发生事故，如果不能及时、准确的对故障进行诊断和恢复，必将会造成严重的电网事故。例如2003年12月20日美国旧金山市大面积停电及2011年2月4日巴西大停电事故，均造成了很大的经济损失。所以，为了缩短故障发生时间，增强供电可靠性，必须要建立可靠地、迅速地电力系统故障诊断方式，这对确保电网安全运行，巩固电网运行稳定性方面上有着积极的意义。

但是由于电力系统的高度不确定性和涉及大量的变量，因此在具体的操作上是十分复杂的。在电力系统发生故障时，一般都会伴随着产生大量数据信号，如何使工作人员能快速、准确的从这些信号中获取有用的信息，并采取有效措施来处理是一件非常有实用意义的事。例如短期负荷预测中负荷的非线性动态特性，动态无功补偿装置的分配问题等，这些技术上的难题采用传统的方法是难以解决的。现有资料表明：在目前的电力系统上应用粗糙集和其他软计算方法能够解决那些传统方法或其它某些方法无法解决的问题，例如降低电网故障诊断的求解规模，提高实时的故障诊断能力，对电力设备维护状态的粗糙评估，最大限度的节约成本和抬高维护决策的质量等[1]。

2 粗糙集理论基础

根据经典集合论的二值逻辑理论所定义：一个元素要不属于、要不不属于一个给定的集合。所以，对于那些具备模糊性和不确定性的问题，经典集合论是不能很好地描绘。1965年，美国加利福尼亚大学的教授扎德先生提出了模糊集的概念。模糊集理论用从属度来描绘中介过渡之间的差别，它是一种使用精准的数学言语对模糊性描绘的方法。

粗糙集理论是使用离散值的属性，挖掘出噪声的内在构造关联和不精确的数据，因此它可用于分类。但是它务必在处理连续属性之前将其离散化。

在数据属性的描述上，如果样品的使用是不加选择的，则称样品是等价的。粗糙集的理论基础就是在给定的训练数据中建立等价类。此外，考虑到在现实世界中的一些数据，粗糙集能够用来近似或“粗糙地”定义其中一些不可用可用属性来区分的类。用C的上近似和C的下近似表示对一个给定类C粗糙集的定义。依据有关属性的知识，当一些数据样本构成了C的下近似，它们必定是属于C的；当一些数据样本构成了C的上近似，它们一定会被认为是属于C的。图1表示类C的下近似和上近似。此中，每一个矩形代表一个等价类，为每一个类生成判定规则。一般来说，它是通过使用决策表来表示这些规则的[2]。

利用粗糙集的特征归约和相关性分析寻找一个描绘给定数据集全部最小属性子集的问题是NP难处理的。然而，我们已提出了一些降低计算强度的计算算法。例如，有一种方法不用去搜索整个训练集，而仅通过利用判别矩阵存储的每一组数据样本属性值之间的差别，也就是经过搜索矩阵，对冗余属性进行检测[3]。

3 决策表及其约简

6 结论

在理论上对于那些不精确、不完备和不一致的讯息，应用粗糙集理论可以很好的剖析它们，并且粗糙集理论能够与其它理论很好的融合。所以，它是一种十分有潜力的软计算方法[6]。该文在电力系统故障处理过程中利用粗糙集理论的决策表约简方法，揭示了内在的数据信息的冗余，为处理不完整的数据信息来找到了一个方法。操作人员可以用这种诊断方法迅速了解到哪些数据是重要的，哪些是不重要的。当不重要的数据丢失或出现误传播也不会影响最终的诊断结果[7]。我们已经在这篇文章中证明了该方法的有效性。

本文所做的工作还是比较初步的，因为随着系统规模的增大，就会产生更大的决策表和规则数，那样更有可能会出现NP问题。但是一些其它的智能诊断方法的分布式或模块化处理途径能够很好的解决这一困难。分布式或模块化方法的一些其他的智能诊断方法可以解决这一困难。这里有重叠分割，多个重叠分割，蝶形分割等方法。

参考文献：

[1] 束洪春，孙向飞，余继来.粗糙集理论在电力系统中的应用[J].电力系统自动化，2004，28（3）：90-95.

[2] 张文修.粗糙集理论与方法[M].科学出版社，2001.

[3] M. Holsheimer and A. Seibes， Data Mining， Report CSR9406，CWI， Amsterdam， 1994.

[4] 曾黄麟.粗糙集理论及其应用——关于数据推理的新方法[M].重庆：重庆大学出版社，1996.

[5] 束洪春，孙向飞，司大军.基于粗糙集理论的配电网故障诊断研究.中国电机工程学报，2001.

[6] 苏宏升.软计算方法及其在电力系统故障诊断中的若干应用研究[D].成都：西南交通大学，2007.

[7] 徐青山.电力系统故障诊断及恢复[M].北京：中国电力出版社，2007.endprint

摘要：使用粗糙集理论能够预测和剖析种种不完整和不确定的信息，因此它是一种极度有潜力的计算方法。针对电力系统配电网含有大批不确定数据讯息和请求及时性高的特质。这里我们以电力系统配电网开关保护讯息为基础，使用粗糙集理论对大批的开关保护讯息决策表进行约简，删除冗余讯息，划分出关键信号和非关键信号，继而从故障样本集获得诊断规则，从而达成在不完整讯息下迅速、确切的进行故障诊断的目标。

关键词：粗糙集；决策表；电力系统；配电网；故障诊断

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）18-4315-04

Based on Rough Set Theory in the Research of Power System Power Distribution Network Fault Diagnosis

WANG Zi-han

（School of Computer Science， Xi'an Polytechnic University， Xi'an 710048， China）

Abstract： Rough set theory is a kind of very potential calculation method，it can be for a variety of incomplete and uncertain information to forecast and analysis.For distribution network power system contains a lot of uncertain data information and the characteristic of high real-time demand.Based on the Power system power distribution network protection information，on sample decision table by using rough sets theory，delete redundant information，to distinguish the key signals and non-critical，derived from the fault samples，the diagnosis rules so as to achieve under incomplete information rapidly and accurately for the purpose of fault diagnosis.

Key words： rough set；decision tables；power system；fault diagnosis；power distribution network

1 介绍

进入21世纪以来，随着全世界电力系统行业逐步发扬着智能化、信息化的宗旨，我国的电力系统行业也在逐渐向着智能电网的目标迈进，并且人工智能技术随着智能电网的发展也在逐步提升着它的重要性。基于电网自身的特点，一旦电网发生事故，如果不能及时、准确的对故障进行诊断和恢复，必将会造成严重的电网事故。例如2003年12月20日美国旧金山市大面积停电及2011年2月4日巴西大停电事故，均造成了很大的经济损失。所以，为了缩短故障发生时间，增强供电可靠性，必须要建立可靠地、迅速地电力系统故障诊断方式，这对确保电网安全运行，巩固电网运行稳定性方面上有着积极的意义。

但是由于电力系统的高度不确定性和涉及大量的变量，因此在具体的操作上是十分复杂的。在电力系统发生故障时，一般都会伴随着产生大量数据信号，如何使工作人员能快速、准确的从这些信号中获取有用的信息，并采取有效措施来处理是一件非常有实用意义的事。例如短期负荷预测中负荷的非线性动态特性，动态无功补偿装置的分配问题等，这些技术上的难题采用传统的方法是难以解决的。现有资料表明：在目前的电力系统上应用粗糙集和其他软计算方法能够解决那些传统方法或其它某些方法无法解决的问题，例如降低电网故障诊断的求解规模，提高实时的故障诊断能力，对电力设备维护状态的粗糙评估，最大限度的节约成本和抬高维护决策的质量等[1]。

2 粗糙集理论基础

根据经典集合论的二值逻辑理论所定义：一个元素要不属于、要不不属于一个给定的集合。所以，对于那些具备模糊性和不确定性的问题，经典集合论是不能很好地描绘。1965年，美国加利福尼亚大学的教授扎德先生提出了模糊集的概念。模糊集理论用从属度来描绘中介过渡之间的差别，它是一种使用精准的数学言语对模糊性描绘的方法。

粗糙集理论是使用离散值的属性，挖掘出噪声的内在构造关联和不精确的数据，因此它可用于分类。但是它务必在处理连续属性之前将其离散化。

在数据属性的描述上，如果样品的使用是不加选择的，则称样品是等价的。粗糙集的理论基础就是在给定的训练数据中建立等价类。此外，考虑到在现实世界中的一些数据，粗糙集能够用来近似或“粗糙地”定义其中一些不可用可用属性来区分的类。用C的上近似和C的下近似表示对一个给定类C粗糙集的定义。依据有关属性的知识，当一些数据样本构成了C的下近似，它们必定是属于C的；当一些数据样本构成了C的上近似，它们一定会被认为是属于C的。图1表示类C的下近似和上近似。此中，每一个矩形代表一个等价类，为每一个类生成判定规则。一般来说，它是通过使用决策表来表示这些规则的[2]。

利用粗糙集的特征归约和相关性分析寻找一个描绘给定数据集全部最小属性子集的问题是NP难处理的。然而，我们已提出了一些降低计算强度的计算算法。例如，有一种方法不用去搜索整个训练集，而仅通过利用判别矩阵存储的每一组数据样本属性值之间的差别，也就是经过搜索矩阵，对冗余属性进行检测[3]。

3 决策表及其约简

6 结论

在理论上对于那些不精确、不完备和不一致的讯息，应用粗糙集理论可以很好的剖析它们，并且粗糙集理论能够与其它理论很好的融合。所以，它是一种十分有潜力的软计算方法[6]。该文在电力系统故障处理过程中利用粗糙集理论的决策表约简方法，揭示了内在的数据信息的冗余，为处理不完整的数据信息来找到了一个方法。操作人员可以用这种诊断方法迅速了解到哪些数据是重要的，哪些是不重要的。当不重要的数据丢失或出现误传播也不会影响最终的诊断结果[7]。我们已经在这篇文章中证明了该方法的有效性。

本文所做的工作还是比较初步的，因为随着系统规模的增大，就会产生更大的决策表和规则数，那样更有可能会出现NP问题。但是一些其它的智能诊断方法的分布式或模块化处理途径能够很好的解决这一困难。分布式或模块化方法的一些其他的智能诊断方法可以解决这一困难。这里有重叠分割，多个重叠分割，蝶形分割等方法。

参考文献：

[1] 束洪春，孙向飞，余继来.粗糙集理论在电力系统中的应用[J].电力系统自动化，2004，28（3）：90-95.

[2] 张文修.粗糙集理论与方法[M].科学出版社，2001.

[3] M. Holsheimer and A. Seibes， Data Mining， Report CSR9406，CWI， Amsterdam， 1994.

[4] 曾黄麟.粗糙集理论及其应用——关于数据推理的新方法[M].重庆：重庆大学出版社，1996.

[5] 束洪春，孙向飞，司大军.基于粗糙集理论的配电网故障诊断研究.中国电机工程学报，2001.

[6] 苏宏升.软计算方法及其在电力系统故障诊断中的若干应用研究[D].成都：西南交通大学，2007.

[7] 徐青山.电力系统故障诊断及恢复[M].北京：中国电力出版社，2007.endprint

摘要：使用粗糙集理论能够预测和剖析种种不完整和不确定的信息，因此它是一种极度有潜力的计算方法。针对电力系统配电网含有大批不确定数据讯息和请求及时性高的特质。这里我们以电力系统配电网开关保护讯息为基础，使用粗糙集理论对大批的开关保护讯息决策表进行约简，删除冗余讯息，划分出关键信号和非关键信号，继而从故障样本集获得诊断规则，从而达成在不完整讯息下迅速、确切的进行故障诊断的目标。

关键词：粗糙集；决策表；电力系统；配电网；故障诊断

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）18-4315-04

Based on Rough Set Theory in the Research of Power System Power Distribution Network Fault Diagnosis

WANG Zi-han

（School of Computer Science， Xi'an Polytechnic University， Xi'an 710048， China）

Abstract： Rough set theory is a kind of very potential calculation method，it can be for a variety of incomplete and uncertain information to forecast and analysis.For distribution network power system contains a lot of uncertain data information and the characteristic of high real-time demand.Based on the Power system power distribution network protection information，on sample decision table by using rough sets theory，delete redundant information，to distinguish the key signals and non-critical，derived from the fault samples，the diagnosis rules so as to achieve under incomplete information rapidly and accurately for the purpose of fault diagnosis.

Key words： rough set；decision tables；power system；fault diagnosis；power distribution network

1 介绍

进入21世纪以来，随着全世界电力系统行业逐步发扬着智能化、信息化的宗旨，我国的电力系统行业也在逐渐向着智能电网的目标迈进，并且人工智能技术随着智能电网的发展也在逐步提升着它的重要性。基于电网自身的特点，一旦电网发生事故，如果不能及时、准确的对故障进行诊断和恢复，必将会造成严重的电网事故。例如2003年12月20日美国旧金山市大面积停电及2011年2月4日巴西大停电事故，均造成了很大的经济损失。所以，为了缩短故障发生时间，增强供电可靠性，必须要建立可靠地、迅速地电力系统故障诊断方式，这对确保电网安全运行，巩固电网运行稳定性方面上有着积极的意义。

但是由于电力系统的高度不确定性和涉及大量的变量，因此在具体的操作上是十分复杂的。在电力系统发生故障时，一般都会伴随着产生大量数据信号，如何使工作人员能快速、准确的从这些信号中获取有用的信息，并采取有效措施来处理是一件非常有实用意义的事。例如短期负荷预测中负荷的非线性动态特性，动态无功补偿装置的分配问题等，这些技术上的难题采用传统的方法是难以解决的。现有资料表明：在目前的电力系统上应用粗糙集和其他软计算方法能够解决那些传统方法或其它某些方法无法解决的问题，例如降低电网故障诊断的求解规模，提高实时的故障诊断能力，对电力设备维护状态的粗糙评估，最大限度的节约成本和抬高维护决策的质量等[1]。

2 粗糙集理论基础

根据经典集合论的二值逻辑理论所定义：一个元素要不属于、要不不属于一个给定的集合。所以，对于那些具备模糊性和不确定性的问题，经典集合论是不能很好地描绘。1965年，美国加利福尼亚大学的教授扎德先生提出了模糊集的概念。模糊集理论用从属度来描绘中介过渡之间的差别，它是一种使用精准的数学言语对模糊性描绘的方法。

粗糙集理论是使用离散值的属性，挖掘出噪声的内在构造关联和不精确的数据，因此它可用于分类。但是它务必在处理连续属性之前将其离散化。

在数据属性的描述上，如果样品的使用是不加选择的，则称样品是等价的。粗糙集的理论基础就是在给定的训练数据中建立等价类。此外，考虑到在现实世界中的一些数据，粗糙集能够用来近似或“粗糙地”定义其中一些不可用可用属性来区分的类。用C的上近似和C的下近似表示对一个给定类C粗糙集的定义。依据有关属性的知识，当一些数据样本构成了C的下近似，它们必定是属于C的；当一些数据样本构成了C的上近似，它们一定会被认为是属于C的。图1表示类C的下近似和上近似。此中，每一个矩形代表一个等价类，为每一个类生成判定规则。一般来说，它是通过使用决策表来表示这些规则的[2]。

利用粗糙集的特征归约和相关性分析寻找一个描绘给定数据集全部最小属性子集的问题是NP难处理的。然而，我们已提出了一些降低计算强度的计算算法。例如，有一种方法不用去搜索整个训练集，而仅通过利用判别矩阵存储的每一组数据样本属性值之间的差别，也就是经过搜索矩阵，对冗余属性进行检测[3]。

3 决策表及其约简

6 结论

在理论上对于那些不精确、不完备和不一致的讯息，应用粗糙集理论可以很好的剖析它们，并且粗糙集理论能够与其它理论很好的融合。所以，它是一种十分有潜力的软计算方法[6]。该文在电力系统故障处理过程中利用粗糙集理论的决策表约简方法，揭示了内在的数据信息的冗余，为处理不完整的数据信息来找到了一个方法。操作人员可以用这种诊断方法迅速了解到哪些数据是重要的，哪些是不重要的。当不重要的数据丢失或出现误传播也不会影响最终的诊断结果[7]。我们已经在这篇文章中证明了该方法的有效性。

本文所做的工作还是比较初步的，因为随着系统规模的增大，就会产生更大的决策表和规则数，那样更有可能会出现NP问题。但是一些其它的智能诊断方法的分布式或模块化处理途径能够很好的解决这一困难。分布式或模块化方法的一些其他的智能诊断方法可以解决这一困难。这里有重叠分割，多个重叠分割，蝶形分割等方法。

参考文献：

[1] 束洪春，孙向飞，余继来.粗糙集理论在电力系统中的应用[J].电力系统自动化，2004，28（3）：90-95.

[2] 张文修.粗糙集理论与方法[M].科学出版社，2001.

[3] M. Holsheimer and A. Seibes， Data Mining， Report CSR9406，CWI， Amsterdam， 1994.

[4] 曾黄麟.粗糙集理论及其应用——关于数据推理的新方法[M].重庆：重庆大学出版社，1996.

[5] 束洪春，孙向飞，司大军.基于粗糙集理论的配电网故障诊断研究.中国电机工程学报，2001.

[6] 苏宏升.软计算方法及其在电力系统故障诊断中的若干应用研究[D].成都：西南交通大学，2007.

[7] 徐青山.电力系统故障诊断及恢复[M].北京：中国电力出版社，2007.endprint