林济铿，任怡睿，闪 鑫 ，李 俊 ，翟明玉 ，王 波

(1. 同济大学电子与信息工程学院，上海201804；2. 南瑞集团(国网电力科学研究院)有限公司，南京211106；3. 国电南瑞科技股份有限公司，南京211106；4. 智能电网保护和运行控制国家重点实验室，南京 211106)

当电力设备发生故障时，调度中心会同时收到大量的信号，如何从大量信号中快速辨识出发生故障的设备，即所谓的“故障诊断”，对于保证和提升系统运行安全性具有重要意义，并成为电力调度中心的标配软件．

迄今为止，电力系统故障诊断的主要方法包括专家系统、解析模型、Petri 网、人工神经网络等．

专家系统通过构建专家知识库及推理机制实现根据专家经验获得设备故障与否的判断．该类方法因原理相对简单、运行稳定而成为实际电力系统故障诊断中应用最广泛的方法[1]．周明等[2]、赵伟等[3]分别将专家系统与模糊系统和多智能体技术相结合应用于故障诊断问题．史家燕等[4]采用多种数据源对变压器各种可能发生的故障进行综合诊断．如何有效地获取专家经验知识，如何使得推理机制具有扩展性，是该类方法尚需克服的问题．

解析模型方法构建可疑故障区域内的各种候选故障设备及相应的信息状态的理想与实际间差异最小化优化模型，通过优化的方法求得其最有可能的故障元件．Wen 等[5]和He 等[6]分别采用tabu 算法和粒子群算法对解析模型进行了求解．董明等[7]和刘道兵等[8]进一步利用了PMU 量测单元信息与不确定时……