闵鑫，夏成军，黎翔，管霖，徐尧燚，王一苇

(1. 华南理工大学，广东 广州 510640；2. 广东电网有限责任公司广州供电局电力调度控制中心(系统运行部)，广东 广州 510620)

0 引 言

当电网发生故障时，大量遥测、遥信告警信息上传到调度中心。调度员需要根据这些信息判断故障情况，进而决定事故处理方案。严重故障引起的告警信息往往来自不同电压等级的关联监测系统，消息数量较大，特别在涉及多个厂站的设备失压或开关动作时。因此依靠计算机技术和人工智能技术实现对电网故障的自动诊断是目前智能电网的重要发展趋势之一[1-2]。

电网故障自动诊断的主要技术方法包括基于规则的专家系统[3-5]、解析模型法[6-8]、贝叶斯网络[9-10]、Petri网[11-13]和人工神经网络[14]等。传统的专家系统方法将保护与故障设备的关系表示成规则，通过推理获得故障原因，这种方法判断过程清晰，可解释性强，但其规则的描述能力有限且往往和程序高度耦合，其通用性和可维护性较差；基于解析模型的方法将诊断问题转化成优化问题求解，通过寻找目标函数的最优解找出最符合告警信息的故障假说，该方法不仅有着严密的数学逻辑基础，还能很好应对不确定的故障信息，但是完备的数学模型往往维数过高且模型中的相关权重基于主观设置，诊断的效率性和准确性无法保证；基于人工神经网络的方法，将相关保护及开关动作信息作为输入，故障原因作为输出，通过故障样本训练出特定区域电网的诊断神经网络，避免了对故障诊断知识的显性表达，对误报的故障信息有着很好的容错性，但解释性差且在大规模电网下训练效果难以保证；……