（国网安徽省电力公司安庆供电公司 安徽安庆 246003）
摘要：供电通信系统是以信息传输、信息报错及信息采集为中心，其故障诊断工作的开展，对提高供电网络运行信息监控效果有积极作用。在对粗糙集理论及Bayes应用进行分析与讨论的基础上，对电力信息通信系统的故障诊断方法选择、诊断技术应用、故障概率分析等方面进行专项讨论，以此为电力信息通信系统的构建及优化提供参考依据。
关键词：电力信息通信；故障诊断；粗糙集
1.粗糙集方法及Bayes应用
1.1粗糙集方法选择
粗糙集理论的应用，其采集信息具有不确定、信息不完整等特点，在对不可控信息数据进行采集的过程中，可以利用下近似、边界对相关信息进行刻画与处理，以空间集的方式，对其事件发生概率进行统计与概率分析。其应用是从上近似、下近似、边界域、粗糙集及特征属性等方面进行处理，以注重空间集的方式，实现数据控制与分析[2]。上、下近似是从最小可定义区间、最大可定义集合的角度，利用代数进行调整与处理，在注重等价分析的基础上，实现不可控事件的量化分析。而边界域是以空集为中心，利用集合X、关系E，实现空集的验证与处理，其验证公式如下：
PRS为集合X的粗糙集合表示，在注重其集合区间模型构建与处理的过程中，需要对最小特征属性、分类精度及维数等方面进行处理与调整，以此实现集合区间的量化表示[3]。
1.2Bayes应用
Bayes网络的应用是对不可控事件的因果关系进行控制与调整，其侧重点是从信息表达和融合的角度，实现网络结构的处理与调整。在注重概率表示及控制的过程中，是从集合区间控制与分析的角度，实现事件循环处理与调整，其整体应用的结构图如下：
通过对图1的结构进行分析，其各层区间可以进行无线循环，其条件概率及概率本身的连接节点可以实现交互分析，以反复验证的方式，提高集合区间的精度。在利用Bayes理论对故障概率进行计算的过程中，是从条件概率分析的角度，对网络节点及信息处理等方面进行验证与统计，以此实现条件概率的分析与处理。
2.电力信息系统RS-BN故障诊断方法
2.1故障诊断思路
利用粗糙集理论对电力信息系统的故障进行诊断，是以离散化属于数据预处理的方式，对其故障发生概率进行控制与分析，在注重故障原因处理与调整的前提下，实现数据验证与收集，而Bayes网络结构的应用，是从冗余属性分析的角度，对电力信息系统的故障原因进行量化比较。电力信息系统本身的系统属性、故障类型具有复杂性，在利用上述两种方法进行验证与处理的过程中，是以获取最小诊断集的方式，对电力信息系统的不同故障发生原因、故障属性、故障发生概率等方面进行量化分析，以此实现诊断效率及诊断准确性的相对提升。
2.2故障诊断步骤
利用粗糙集理论及Bayes网络对电力通信系统的故障进行诊断与处理的过程中，其具体操作流程如下：
第一步，对电力信息系统的运行参数、系统属性等方面进行信息采集，并以对比分析的方式，对其发生故障的原始数据进行整理与分析，在注重特征属性采集、特征属性简化的前提下，实现词频统计工作的开展与处理。
第二步，在利用粗糙集理论，对所收集的信息进行对比分析，并从系统属性数值分析的角度，对其故障决策进行验证与处理。
第三步，是在利用粗糙集理论的前提下，对电力通信系统的特征属性、最小空间集、故障诊断数据等方面进行调整与处理，以信息数据分析的方式，构建故障诊断机制。
第四步，在对故障诊断机制进行应用与处理的过程中，需要从系统的特征属性、词频统计信息及故障类型分类、发生规律等方面进行信息统计，以此对不同的故障类型及故障发生概率等方面进行集合区间量化计算。
第五步，利用Bayes网络，以建立故障诊断模型的方式，对电力通信系统的不同故障信息、故障出现方式等方面进行分化处理，以故障原因分析、故障节点定位的方式，对故障节点及故障发生情况等方面进行统计，以此为后续的故障修复方案提供参考依据。
2.3实际应用案例分析
2.3.1案例类型及简述
在利用上述模型对故障诊断效果进行检验时，是对两条干线、三条支线的供电信息进行通信系统的故障检验与分析，其侧重点是从电流保护、干线运行参数、保护距离控制等方面进行通信系统的运行状态检验。
2.3.2实际应用方式及故障诊断
在对上述供电线路的电力通信系统进行故障检验时，是以设定故障位置的方式，对故障信息进行验证与处理。在假设故障信息的前提下，对电力通信系统可能出现的故障类型进行软件编写，以此获得相对准确的诊断结果。
首先，在保证故障信息相对准确及完整的前提下，是对假设的故障位置为依据，对故障信息的丢失、出错等现象进行属性划分，以系统属性划分的方式，实现故障诊断工作的针对性调整与处理。并从故障节点的角度，对信息采集、通信、平台软件等方面进行层次化处理，其选择是以10个故障原因节点为主，在利用系统属性值次数划分的方式，对故障发生的概率及出现的次数和等方面进行核算与验证。其次，充分利用文本信息统计的方式，对系统属性及故障发生的概率进行处理与分析，并以简化处理的方式，对其最小属性集进行诊断与信息整理。利用Bayes网络，对线路故障、阻抗故障、线路断裂故障等不同故障类型进行层次划分，以设定故障发生概率的方式，明确各类通信故障的原因及诊断的先后顺序。最后，在注重故障区域设定的过程中，是通过统计分析的方式，对最小属性集、计算概率及信息处理等方面进行模型计算，其故障概率控制在0.9以下，是以故障发生频率排序的方式，为调度员提供相应的信息参数。
2.3.3故障诊断结果及实践价值
在将上述研究模型及故障诊断流程应用于电力通信系统实际故障诊断时，可以相对降低丢失系统属性的容错性，其结果相对可以保持准确。在利用粗糙集理论进行集合区间分析时，是从故障发生概率的角度，对故障位置、故障容错性及故障原因等相关信息进行采集与处理。而电力通信系统本身的运行及覆盖范围相对较大，所以，利用上述区间设定及概率分析的方式进行调整，看可以进一步满足故障处理的实时性及效率。
结语：
在利用粗糙集理论及Bayes网络对电力信息系统的故障问题进行诊断与处理的过程中，需要从故障原因分析、最小属性集及故障发生概率等方面进行分析。在注重故障属性划分的基础上，对电力信息系统的故障进行分类与信息统计，可相对优化粗糙集理论及Bayes的整体应用价值，这也是实现电力信息系统故障准确定位的关键性工作。
论文作者:吴屏,吴丽莎,邵云蛟
论文发表刊物:《电力设备》2017年第25期
论文发表时间:2017/12/20
标签：故障论文; 等方面论文; 概率论文; 属性论文; 电力论文; 信息论文; 方式论文; 《电力设备》2017年第25期论文;