摘要：随着液化天然气输送网络的复杂性和规模的加大，传统故障诊断算法的效率和准确度在使用时逐渐下降，提出了新的方案用于液化天然气输送网络故障诊断，即完备的知识表示方法。完备的知识表达方法的原理是：在检测故障的过程中，将故障时刻液化天然气网络拓扑的状态值，和没有发生故障时的理想状态做对比，从而提供给故障诊断算法各个元件的工作状态，从而使得故障诊断算法在对比和多类信息的基础上对发生故障的元件及其损伤程度进行精准的判断，而且由于将保护知识有序，即时运用，从而降低了故障诊断算法的复杂程度。传统故障诊断方法往往需要在设备运行过程中才能检测到元件是否发生故障，利用Petri通过故障算法逻辑进行故障知识推理，即使在整个液化天然气输送网络控制系统停止工作时依然可以准确判断出故障元件。
关键词：液化天然气输送网络控制系统；故障诊断；Petri网；知识表示
1 前言[]*[]
液化天然气输送网络是天然气供应系统的重要组成部分，承担着大功率大容量的液化天然气输送任务。所以，液化天然气输送网络的平稳安全运行对整个天然气供应系统有着很重要的意义，传统故障检修定位方法往往耗时耗力，因此运用人工智能方法进行精准定位及判断故障发生的位置是天然气供应系统故障诊断中的一个亟待解决的问题，同时也是在液化天然气输送系统发展的一个里程碑时问题的解决的开端，即使得液化天然气输送系统在发生非硬件机械损伤时具有自愈能力。
现在液化天然气输送网络的故障诊断方法可以分为以下几个方面，它们分别是：基于复杂事件处理技术的方法；人工神经网络；专家系统诊断方法以及运用Petri网的诊断方法等。传统的诊断方法缺点是需要不同路径逐个排查，且其缺乏线路拓扑建模和保护，从而使得其在故障排查诊断时需要根据警报的时序信息实现故障排查，这样使得在诊断过程中常常发生误判，为了提高诊断准确率，，需要加外围算法，导致整体判断算法复杂性明显加剧。为了快速、高效、精准的的诊断液化天燃气输送系统的故障，本文将精准、完整的故障知识算法化传输给智能诊断方法，主要工作如下：
（1）提出表示液化天然气输送系统的完备故障知识诊断思想，并在算法方面进行实现；
（2）细分故障诊断知识，将其分为保护知识和拓扑知识，最终面向计算机语言实现各自的计算机表示方法；
2保护知识的面向对象表示法
2.1 保护系统的置信度和计算方法
导致保护动作的不可靠性有保护装置的自身软件配置和机械性能两部分决定，但由于液化天然气输送装置本身系统的复杂性和在运行过程中的不确定性，会导致保护拒动和误动，由于系统的复杂性和多因素耦合性导致了只用一种数据结构难以全面系统描述。为了解决这个方法，本文将不同保护知识分类，将同一类保护知识封装形成一个子集，然后通过继承实现各种保护子类的定义。保护基类主要包括以下几个方面：延展系数、置信度和整定时间，成员函数包括关联元件搜索策略和置信度函数。继电保护器由于其自身软件和硬件的缺陷，使得其在一定的边界条件下不能可靠精准实现其预订目标，保护系统的置信度用来描述保护系统完成其工作任务完整度和精准性的参数，后文简写保护置信度，保护动作的不确定性可以由保护置信度度量。
保护装置的正常工作得益于软件和硬件的双向正常工作，因此，本文将保护装置的故障状态分为以下四种状态，它们分别是：硬件软件都正常状态；硬件故障软件正常状态；硬件正常软件故障状态和硬件软件都存在故障状态。硬件软件都正常时，保护正常动作，其他三种状态则构成了错误的保护和拒动，所以，可以判定，保护的置信度就是正常状态的运行概率。
2.2决策树知识表示
计算机诊断决策故障时其依据来源于专家长时间约定的故障解决的知识变换表示为计算机可以识别的数据结构。液化天然气输送装置的各个不同层级、不同部件的故障发生概率和故障损坏程度存在巨大差距，优良的知识表示结构不但可以通过优化知识存储的结构以减小计算机存储消耗，而且可以通过人工智能算法编辑提高其整个决策树学习推理能力。通过对液化天然气输送网络各个不同观测点的属性及其观测值对未知的故障类型进行分析以归类和提供故障修复方案。所以，一棵成熟的决策树通常包括了映射一定故障类型的知识和排查故障严重程度的逻辑算法。决策树知识表示就是将专家知识逻辑化、算法化，然后将其分布在决策树的不同节点和叶节点上，节点的取值范围和表达属性等边界条件描述了知识表达的域值和边界，最后通过算法整合加工推导得到知识的结论部分。
2.3故障诊断知识的决策树获取
在液化天然气输送系统中，各个部件的观测信息有很多，这造成了运行过程数据监测冗余重复信息的加剧，故障诊断知识决策树的建立首先需要知识的获取，为了避免冗余信息的重复获取，需要从大量观测数据中提取可以用来判断故障的有用信息，即知识。决策树建立的过程就是通过分析大量故障，总结归纳不同类型的故障分析表示知识，从而获得具有逻辑判断功能的决策树。所以，构建决策树的关键因素是决策树有效故障信息的筛选和故障诊断模型算法的生成。
基于目前决策树算法的对比，诊断故障最有效的决策树算法是信息熵的ID3算法，它的选择检验标准是信息的获取（每次选取信息熵最小的属性作为整个液化天然气输送网络的故障属性测试属性），该算法一个明显的劣势是偏向于取值较多的属性，但是取值较多的属性不一定有助于判断或故障决策分类最大。决策树的生成意义是在众多信息中筛选最能反映液化天然气输送网络中故障发生特征的信息，因此，需要对ID3算法进行相应缺陷的改良。
由粗糙集理论可知，可以将知识进行论域的划分，从而利用故障信息之间的相互关联与依托，从而修约、简化故障诊断知识模型，将修约、简化后的故障诊断知识模型应用到决策树的学习中，从而提升决策树的决策能力。
3液化天然气输送装置故障诊断知识决策树表述与获取
液化天然气输送系统故障诊断的时效性要求很高，现代大型液化天然气输送系统向着大功率、高复杂性、大规模、精准性要求较高的方向发展，所以，需要故障检测诊断系统及时、高效、精准的反馈故障信息，并由控制系统做出决策予以故障发生处以修复故障命令或提示系统，由人工进行修复。鉴于传统知识表示与获取方法已经不能适应现代大型液化天然气输送系统的故障诊断，采用决策树方法，对大型大规模液化天然气输送系统进行故障诊断系统的知识表示与获取方法进行分析。
液化天然气输送网络的故障分类可以分为：输气线路故障、控制调度系统故障和设备故障等。故障诊断是根据各个不同部位的检测部件对服役阶段的部件运行阶段进行采集等，通过和正常运行时的状态数据进行对比，如果差异在保护范围外，即判断故障发生，经由传输系统将故障发生位置和类型传输给决策树。
3.1液化天然气输送网络故障诊断信息
在说明液化天然气输送网络有关故障诊断模型知识的获取和算法表示之前，需要介绍一下液化天然气输送网络保护装置在各个故障检测点的分布情况和故障诊断所用信息。在大多数液化天然气输送网络内，其保障系统安全运行的装置可以分为主机保护装置、副后备保护装置和主后备保护装置。如下表1是液化天然气输送网络保护配置信息。
在保护机制的分类模型中，同一类或类似模型往往含有多个保护信号，但是他们的作用是相同的，即控制联通断路器使得故障所在支路处于断开状态，以免发生危害。为了减轻这种冗余信息给整个信息处理系统造成的压力，可以把控制断开的多个不同类型合并为同一信号。为了不疏漏各个信号所传达的决策信息，需要对保护信号采用数学逻辑运算中的“或”运算，从而达到减少最终保护信号的重复冗余度。
4 结论
首先分析了当前大型液化天然气输送网络由传统知识获取和表示方法分析所带来的不足，然后为了补全缺陷，引入了故障决策树，利用决策树知识获取与表示集于一身的优点，提出了将知识表示与获取和决策树整合，然后将其应用到现代大规模、大功率、高精准性的液化天然气输送网络故障诊断系统，主要解决了以下问题：实现液化天然气输送网络能够发挥自主性，将故障知识的获取和表示一体化进行，弥补了传统知识模型的获取、构建模型以及表示独自进行的缺点；用决策树表示的知识模型可以在算法和逻辑层面更好的识别和推理故障的损坏程度和未来故障发生的概率，从而满足了要求对故障预判的功能。
参考文献:
[1] 史忠值。知识发现[M]。北京：清华大学出版社。2001
[2] 周 ，任建文，李庚银，等。基于模糊推理的分布式系统故障诊断专家系统[J]。电力系统自动化。2001.25（24）：33-36
[3] Jahed H, Moghadam B A, Shambooli M. Re-Autofrettage [J]. Journal of Pressure Vessel Technology,2006, 128(2): 223-226
论文作者:蔡余棁
论文发表刊物:《电力设备》2018年第13期
论文发表时间:2018/9/12
标签：故障论文; 天然气论文; 知识论文; 故障诊断论文; 算法论文; 决策树论文; 方法论文; 《电力设备》2018年第13期论文;