赵维兴，熊楠，宁楠，李易鸿，古展基，李海清

(1. 贵州电网有限责任公司电力调度控制中心, 贵州 贵安550025；2. 贵州电网有限责任公司贵安供电局, 贵州 贵安 550025；3. 广州穗华能源科技有限公司，广州510530)

0 引言

能源革命的不断发展对电网运行的可靠性和安全性提出了更高的要求，尤其在电网发生故障时，准确高效的故障诊断方法对事故后续处理、供电迅速恢复以及系统稳定可靠运行至关重要[1]。国内外学者提出多种有效的解决途经[2 - 3]，主要包括专家系统[4]、人工神经元网络[5]、贝叶斯网络[6]等。然而，以上基于智能算法的故障诊断方法虽然逻辑推理能力和自学习能力强，有效提高了准确性，但无法处理故障诊断中的不确定性问题，导致诊断方法的可移植性不理想，其主要原因是在以下方面考虑得尚不全面。

1)缺乏对物理模型和故障特征的考虑，对元件状态、保护起动和动作、断路器动作等不同信息间时序约束缺乏考虑；

2)目前故障诊断方法偏重于利用单个诊断对象的局部信息，仅应用保护及断路器的动作告警信息，但因信息质量的不确定性(如保护或断路器误动、拒动及告警信息在封装、发包、传输、接收等过程中丢失)，故障元件的诊断困难重重，往往会发生误判、漏判、判断范围扩大等诸多问题。

目前，我国电网企业正着手开展综合数据平台和数字化电网的建设[7]，各类量测数据的及时获取和快速共享成为可能，为故障诊断提供了多源、异构的信息来源[8 - 9]。……