"电力系统故障诊断方法的综合分析"
电力系统故障诊断是电力系统安全可靠运行的重要保障。随着电网公司的发展，人们对电力系统安全可靠运行的要求越来越高。电力系统故障诊断是对断路器的动作信息、各级各类保护装置以及电流、电压等电气量和非电气量的测量信息进行分析，根据保护动作的逻辑和现场工作人员的经验来推断可能的故障类型和故障位置。
电力系统故障的来源及危害是电力系统故障诊断的重要方面。现代电力系统的网络互联规模和运行结构不断扩大，故障造成的损失往往也是巨大的。由于天气、人为、装置等多种因素的影响，故障的出现也是必不可免的。因此，找出一种能够自动快速实现故障类型识别的故障诊断方法具有重要意义。
常规性故障诊断方法是电力系统故障诊断的重要方法之一。1976年，Willsky在Automatica上发表了第一篇故障诊断方面的论文后，许多学者进入了故障诊断领域。目前，常规故障诊断技术分为三类：基于信号分析的方法、基于模型解析的方法和基于知识的方法。然而，随着电网规模的不断扩大，常规性方法已经不能完全适应现代电力系统的需求。
基于报警系统的故障诊断方法是电力系统故障诊断的另一种重要方法。1969年，Dy Liacco提出了使用逻辑方法对保护和断路器动作信号进行自动分析。从人工智能的角度来看，报警系统处理是多故障诊断问题。目前，有多种人工智能方法来进行故障诊断，以解决报警处理问题，例如专家系统、粗糙集、优化搜索等。
专家系统法是电力系统故障诊断的一种重要方法。专家系统（Expert System，ES）是人工智能应用研究最活跃的领域之一。目前，专家系统用于故障诊断是根据故障诊断的知识表述和推理逻辑的不同，大致可以分为三类：面向对象的系统、正反推理的系统、具有启发式规则的系统。虽然专家系统能够有效对故障诊断的过程进行模拟，但是在实际应用中难以建立完整的知识库，推理搜索速度太慢，并且容错性较差等缺点使其必须与其他方法结合来解决。
粗糙集理论是电力系统故障诊断的一种重要方法。粗糙集理论（Rough Sets Theory，RST）是波兰数学家Z．Pawlak于1982年首先提出的，它是一种处理不确定与不完全数据的有效工具。即使缺少先验知识，并带有含有噪声的数据，也能够在保持分类能力不变的情况下，通过简约属性，得到准确的分类规则。粗糙集理论应用于电力系统故障诊断主要是用来获取知识。电力系统故障诊断的不确定性情况是复杂多变的，取决于系统中的硬件装置的可靠性（如断路器誤跳）、诊断系统所依据的实时信息的真实性（如实时信息在传递中出现畸变）等因素。显然，RTS对不确定因素的识别是有限的。
优化搜索的方法是电力系统故障诊断的一种重要方法。在传统方法不能奏效的时候，人们转而采用基于优化搜索的方法，其中遗传算法GA（Genetic Algorithm）、粒子群算法PSO（Particle Swarm Optimization）和改进的粒子群算法是优化技术，可以有效地解决0～1整数规划问题，从而给出故障诊断的结果。GA的工作过程是一个典型的迭代过程。从优化的角度出发基本上可以解，故障诊断的结果可以通过优化搜索方法来实现。
电力系统故障诊断方法的综合分析是电力系统安全可靠运行的重要保障。电力系统故障诊断的方法包括常规性故障诊断方法、基于报警系统的故障诊断方法、专家系统法、粗糙集理论和优化搜索方法等。这些方法可以单独使用，也可以结合使用，以解决电力系统故障诊断的问题。
