汽輪機故障診斷技術

汽輪機故障診斷技術檢測方式問題

就現階段的汽輪機故障診斷系統(tǒng)而高，存在很多弊端?，F階段的汽輪機故障診斷技術采用大多是推理算法，但其在故障的征兆獲取上始終是個短板，難以進行突破，關鍵環(huán)節(jié)就是汽輪機故障的檢測方式較為陳舊，沒有與時俱進，根木無法與現階段的故障診斷的壓球相適應，給汽輪機故障診斷技術的發(fā)展帶來一定的不利因素 。

汽輪機故障診斷技術材料性能診斷較差

檢測汽輪機故障時，對其材料和性能的檢測工作也很重要，在對材料和性能的評價過程中可以對汽輪機的使用期限進行有效預測。但是現階段在我國的汽輪機故障診斷技術中對材料性能的診斷工作還存在很多需要改進的地方，使得故障診斷系統(tǒng)中存在的弊端還是比較大的，使得汽輪機故障診斷技術無法得到健康、穩(wěn)定的發(fā)展。

汽輪機故障診斷技術復雜故障的機理

在對汽輪機故障診斷工作時，前提和基礎就是對汽輪機的故障機理進行全而的把握，先明確了發(fā)生故障的原因才能有效的對其進行分析和確診。但是通常情a5}下，汽輪機發(fā)生故障的原因具有普遍的復雜性，如果不明確的知曉故障機理，要做到深入的分析故障是比較困難的，因此很容易在汽輪機故障診斷中產生問題，診斷技術的發(fā)展受到一定程度的制約。

汽輪機故障診斷技術人工智能應用

科學技術在不斷進步，很多新型的汽輪機故障診斷技術應運而生，人工智能技術就是其中的一種，就其在現實中的應用效果而高，可行性還是比較高的。其對存在的問題能夠很好的解決，但還是會有一些不可避免的問題存在，所以還要繼續(xù)完善，在科學技術發(fā)展的不斷推動下，需要加大對人工智能技術的研究力度，使其發(fā)展的更加完善，開創(chuàng)我國汽輪機故障診斷技術的人工智能化發(fā)展道路 。

近年來，我國一直致力于對汽輪機故障診斷技術的研究，其技術在一定程度上得到了提高，我國己經走上了高水平的汽輪機故障診斷技術的發(fā)展之路。文章在分析I汽輪機故障和故障診斷技術中存在的問題后，主要從以下幾個方而對其進一步的研究，從而促進汽輪機故障診斷技術能夠在更加持續(xù)、健康的道路上發(fā)展

(1)運用全而的檢測技術來達到提高汽輪機故障的檢測技術的目的

(2)加大故障機理的研究力度，明確的分析出故障機理，對故障的診斷和修復具有更為積極的意義

(3)綜合診斷。加大對汽輪機故障診斷的力度，進行更為全而的故障判斷，應該養(yǎng)重從熱影響診斷、性能診斷、油液診斷、溫度診斷以及邏輯順序診斷等諸多方而進行考慮，這樣有利于快速有效的對故障進行檢查

(4)診斷和仿真技術的有機結合。在這兩者的有機統(tǒng)一下，能夠更為精準的判斷汽輪機的故障所在，檢查系統(tǒng)部件

改革開放以來，我國各個行業(yè)都得到了翻天覆地的變化，都走上了發(fā)展的快車道，汽輪機作為工業(yè)上重要的生產設備，也得到了顯著的發(fā)展。汽輪機雖然使用的比較廣泛，但是其也有很多的缺陷，那就是受到工作環(huán)境的影響，比較容易出現汽輪機故障的情沉，一旦出現 故障，不僅會影響到企業(yè)的經濟效益，還可能會對操作人員的人身造成傷害，嚴重者有可能威脅人員的生命安全，所以必須引起有關部門的密切關注。我國也在積極的對汽輪機故障診斷技術的發(fā)展進行養(yǎng)不斷的研究，文章首先分析了現階段我國汽輪機故障診斷技術的發(fā)展現狀，然后對汽輪機故障診斷技術中存在的問題進行了深入的剖析，并對汽輪機故障診斷技術的發(fā)展趨勢進行了探討，希望通過文章的分析能夠對汽輪機的故障診斷技術提供幫助，進而更好的促進工業(yè)乃至整個經濟設備的發(fā)展-

工業(yè)是我國的第一產業(yè)，在很大程度上對我國的經濟起到支撐的作用，因而其發(fā)展一直受到各方的重視。近年來，我國的工業(yè)生產得到了極大的改善，所使用的設備也是日趨先進，其自身所具有的可靠性、安全性、可用性和可維修性越來越受到人們的關注，現階段

我國工業(yè)的工作重點是加強機械設備故障的診斷和處理。汽輪機在我國的工業(yè)生產中運用得十分廣泛，是比較常見的工業(yè)設備。因為木身的結構比較特殊，在生產使用中出現故障的可能性比較高，而且一旦出現故障，所帶來的負而效應也是巨大的。止是鑒于這種情況，關于汽輪機故障診斷技術在我國得到全面的發(fā)展和應用。原有的汽輪機故障診斷技術受到各方而綜合因素的制約，具有很多無法同避的弊端，在一定程度上而高己經不能滿足工業(yè)生產中對汽輪機維護的需要，所以只有不斷的對其進行發(fā)展和完善，才能最大限度的給予汽輪機的安全性和可靠性的保障

汽輪機故障診斷技術信號的采集與分析

汽輪機的工作環(huán)境是比較復雜的，也很特殊，所以相應的要求汽輪機故障的診斷技術也要更加的完善，其中對汽輪機診斷系統(tǒng)中的傳感器要求比較高。就現階段的傳感器性能的研究中，多數注重的是對傳感器可靠性的提高和對新型傳感器的開發(fā)上，也有對加強傳感器診斷故障性能的研究，進而降低診斷失誤和漏診率，并采用信息進行診斷融合。單就現階段的傳感器故障診斷技術而高，在硬件的缺陷還是比較明顯的，直接導致了在實際中的應用比較少。提高傳感器信號可靠性和融合技術，使傳感器在使用中可靠性更強振動信號的分析和處理是信號的分析處理的主要內容，汽輪機故障診斷系統(tǒng)中主要采用快速傅里葉變換針對振動信號進行處理，快速傅里葉變換更加適用于平穩(wěn)信號的情沉下，所以適用性是比較強的。但在實際的生產操作中，大多數信號都是不太平穩(wěn)的，非線性是一般的特點，這樣的話就要提高信號分析的精確度，促進信號的分析和處理。采用圖形進行辨識，提高分析的準確度

汽輪機故障診斷技術故障的機理和診斷

所謂的故障的機理主要是指在分析汽輪機的故障時，要對故障產生的原因進行全而的分析，進而對故障進行很好的掌握和t解，這是汽輪機故障診斷技術的基礎技術，在對故障機理的分析時，應該全而分析故障的規(guī)律、征兆、類型。進行汽輪機故障的診斷時，宜

采取對比以及統(tǒng)計和邏輯的診斷方法。模糊診斷、模式識別、人工神經網絡和專家系統(tǒng)是比較常用的診斷策略。

汽輪機故障診斷技術國外發(fā)展情況

美國是最早從事汽輪機故障診斷研究的國家之一，在汽輪機故障診斷研究的許多方面都處于世界領先水系目前美國從事汽輪機故障診斷技術開發(fā)與研究的機構主要有EPRI及部分電力公司，西屋、等公司

美國Bechtel電力公于1987年開發(fā)的火電站設備診斷用專家系統(tǒng)(SCO PE)在進行分析

時不只是根據控制參數的當前值，而且還考慮到它們隨時間的變化，當它們偏離標準值時還能對信號進行調節(jié)，給出消除故障的建議說明，提出可能臨近損壞時間的推測

美國Radial公司于1987年開發(fā)的汽輪發(fā)電機組振動診斷用專家系統(tǒng)(T u rboin ac)，在建立邏輯規(guī)則的基礎上，設有表征振動過程各種成分與其可能故障源之間關系的概率數據，其搜集知識的子系統(tǒng)具有人機對話形式該系統(tǒng)含有900條知識規(guī)則，有很大的庫容 。

西屋公司(WHEC)是首先將網絡技術應用于汽輪機故障診斷的，他們在已經開發(fā)出的汽輪發(fā)電機組故障診斷系統(tǒng)(AD)的基礎上，在奧蘭多建立了一個診斷中心(DOC)，對分布于各地電站的多臺機組進行遠程診斷。

Bently公司在轉子動力學和旋轉機械故障診斷機理方面研究比較透徹，該公司開發(fā)的旋轉機械故障診斷系統(tǒng)(ADR3)在中國應用情況良好，很受用戶歡迎 日本也很重視汽輪機故障診斷技術的研究，由于日本規(guī)定1000vI W以下的機組都須參與調峰運行，因此，他們更注重于汽輪機壽命檢測和壽命診斷技術的研允日本從事這方面研究的機構主要有東芝電氣、日立電氣、富士和三菱重工等

東芝電氣公司與東京電力公司于1987年合作開發(fā)的大功率汽輪機軸系振動診斷系統(tǒng)，采用計算機在線快速處理振動信號的解析技術與評價判斷技術，設定一個偏離軸系正常值的極限值作為診斷的起始點進行診斷!“:在90年代，東芝公司相繼開發(fā)出了壽命診斷專家系統(tǒng)，針對葉片、轉子、紅套葉輪及高溫螺栓的診斷探傷實時專家系統(tǒng)、機組性能評價系統(tǒng)等。

日立公司在1982年開發(fā)了汽輪機壽命診斷裝置 H ID IC-0跟以后逐步發(fā)展，形成了一套完整的壽命診斷方法。

三菱公司則在80年代初期開發(fā)了MHM振動診斷系統(tǒng)，該系統(tǒng)能自動地或通過人機對話進行異常征候檢測并能診斷其原因，其特點是可根據動矢量來確定故隙。

歐洲也有不少公司和部門從事汽輪機故障診斷技術的研究與開友法國電力部門(EDE)從1978年起就在透平發(fā)電機上安裝離線振動監(jiān)測系統(tǒng)，到90年代初又提出了監(jiān)測和診斷支援工作站(M onitoring and D iagnosis A id S tation)的設想在90年代中期，其專家系統(tǒng)P SAD及其D I-VA子系統(tǒng)在透平發(fā)電機組和反應零冷卻泵的自動診斷上得到了應用。另外，瑞士的A BB公司、德國的西門子公司、丹麥的B& K公司等都開發(fā)出了各自的診斷系統(tǒng)。

汽輪機故障診斷技術我國的發(fā)展情況

我國在故障診斷技術方面的研究起步較晚，但是發(fā)展很h}一般說來，經歷了2個階段:第一階段是從70年代末到80年代初，在這個階段內主要是吸收國外先進技術，并對一些故障機理和診斷方法展開研究:第二階段是從80年代初期到現在，在這一階段，全方位開展了機械設備的故障診斷研究，引入人工智能等先進技術，大大推動了診斷系統(tǒng)的研究和實施，取得了豐碩的研究成果1983年春，中國機械工程學會設備維修分會在南京召開了首次“設備故障診斷和狀態(tài)監(jiān)測研討會”，標志著我國診斷技術的研究進入了一個新的發(fā)展階段，隨后又成立了一些行業(yè)協(xié)會和學術團體，其中和汽輪機故障診斷有關的主要有:中國設備管理協(xié)會設備診斷技術委員會、中國機械工程學會設備維修分會、中國振動工程學會故障診斷 。

學會及其旋轉機械專業(yè)學組等在此期間，國際國內學術交流頻繁，對于基礎理論和故障機理的研究十分活躍，并研制出了我國自己的在線監(jiān)測與故障診斷裝置，“八五”期間又進行了大容量火電機組監(jiān)測診斷系統(tǒng)的研究，各種先進技術得到應用，研究步伐加快，縮小了與世界先進水平的差距，同時也形成了具有我國特點的故障診斷理論，并出版了一系列這方面的專著，主要有屈梁生、何正嘉主編的《機械故障學;,楊叔子等主編的《機械故障診斷叢書眾虞和濟等主編的《機械故障診斷叢書;,徐敏等主編的《設備故障診斷手冊》等。

目前，我國從事汽輪機故障診斷技術研究與開發(fā)的單位有幾十家，主要有哈爾濱工業(yè)大學、西安交通大學、清華大學、華中理工大學、東南大學、上海交通大學、華北電力大學等高等院校和上海發(fā)電設備成套設備研究所哈爾濱電工儀表所、西安熱工研究所山東電力科學試驗研究所、哈爾濱船舶鍋爐渦輪機研究所及一些汽輪機制造廠和大型電廠等國家在“七五”、“八五”計劃期間安排的汽輪機故障診斷攻關項目促進了一大批研究單位參與汽輪機故障診斷系統(tǒng)的研究與開發(fā)，許多重要成果都是在這一階段取得。2100433B

本書為《解決電廠疑難問題的金鑰匙》系列叢書之一，內容包括汽輪機設備的故障診斷方法，如何預防和應對汽輪機軸系斷裂、汽輪機超速、汽輪機大軸彎曲、汽輪發(fā)電機組軸瓦燒損等故障，對汽輪機結構的評價及改進，防止發(fā)電設備故障的技術管理措施．以及汽輪機安全性計算機管理系統(tǒng)。本書對于保證發(fā)電廠的安全、經濟運行具有重要意義。

本書可供發(fā)電企業(yè)設備管理人員、工程技術人員閱讀．以及供電力院校研究生選擇生產研究課題時參考．為汽輪機組的安全運行提供產品和技術服務的廠商，也可從本書中發(fā)現商機。

前言

緒論

第一章汽輪機設備故障診斷方法

第二章汽輪機超速

第三章汽輪機軸系斷裂

第四章防止汽輪機大軸彎曲

第五章防止汽輪發(fā)電機組軸瓦燒損

第六章汽輪機結構評價及改進

第七章汽輪機組安全性計算機管理系統(tǒng)

第八章 防止發(fā)電設備故障的技術管理措施

附錄一汽輪發(fā)電機組摩擦振動機理

附錄二撓性轉子振動特點

附錄三汽輪機壓力與流量關系式(弗留格爾公式)及其應用

附錄四汽輪機通流部分徑向間隙測量調整新工藝

附錄五《防止電力生產重大事故的二十五項重點要求》之1．2、9、10及12．3的有關條文

附錄六《火力發(fā)電廠安全性評價》之汽輪機部分

參考文獻

作者簡介2100433B

電網故障診斷的智能技術基于專家系統(tǒng)的故障診斷方法

Feighbaum教授 于1968年開發(fā)了第一個專家系統(tǒng)((Expert System)并且具體說明專家系統(tǒng)是一種智能的計算機程序，它通過使用知識與推理過程，求解那些需要專家的知識才能求解的高難度問題。自從70年代人們將專家系統(tǒng)引入到電網的故障診斷領域，基于該方法的故障診斷應用較為成功。專家系統(tǒng)在電網故障診斷中的典型應用可以歸結為:首先建立故障信息知識庫，并用自然語言建立產生式規(guī)則;然后基于對這一產生式規(guī)則的理解，知識工程師將知識表示成機器語言并通過人機接口儲存到知識庫中;故障發(fā)生時，將故障信息輸入到推理機，推理機根據當前輸入的故障信息，運用知識庫中的知識，按一定的策略進行推理，從而識別出故障元件。

專家系統(tǒng)將專家的知識應用于電網故障診斷，可以保證診斷系統(tǒng)的實時性和有效性，但是基于知識的本質和實現故障診斷的原理沒有變，因此當前專家系統(tǒng)還存在著不足：(1)專家知識是人為移植到計算機的，所以難以建立完備的知識庫；(2)容錯性差，對于保護和斷路器的誤動作及知識庫中不包含的情況，很難給出正確的判斷；(3)系統(tǒng)的維護難度非常大，知識庫要經常根據實際情況進行更新。

未來的研究中將專家系統(tǒng)與其他智能技術相結合是一種有效的方式，取長補短，彌補專家系統(tǒng)本身的缺陷。有研究將模糊集理論與專家系統(tǒng)結合，通過對電壓和電流值以及保護和斷路器信息進行模糊推理，能夠有效地改善專家系統(tǒng)容錯性差的問題。也有采用一種適用于電網故障診斷的整個協(xié)同式專家系統(tǒng)的結構體系，并且將其與多智能體技術相結合，克服了單一專家系統(tǒng)的局限性，增強了對復雜故障實時診斷的推理能力 。

電網故障診斷的智能技術基于人工神經網絡的故障診斷方法

人工神經網絡(Artificial Neural Network)是一種模擬神經系統(tǒng)來進行信息處理的數學模型，主要是基于輸入和輸出關系建立起來的，并由大量簡單的處理單元(神經元)廣泛互連而形成的復雜網絡系統(tǒng)。神經網絡能夠對大量的訓練樣本進行分析推理，得到一般規(guī)律，從而能對未知的或無法預測的故障信息進行分析判斷。前饋神經網絡較廣泛地應用于電網故障診斷領域，其中最具代表性的是BP(Back Propagation)神經網絡和徑向基神經網絡。

有研究給出了BP神經網絡在電網故障診斷中的典型應用:將保護器和斷路器的動作信息作為神經網絡的輸入，可能發(fā)生的故障情況作為輸出，以此來建立診斷模型;通過大量的故障實例形成訓練神經網絡的樣本集;訓練過程中，網絡的輸入節(jié)點加輸入信號，此信號向前傳播，并不斷根據當時的節(jié)點活化函數、連接加權系數和給定值進行相應計算，此過程即為學習過程;在學習結束前，若前向計算的輸出與期望的輸出之間存在誤差，則將誤差信號反向傳播，調整權值和值，直到輸出滿足要求。

神經網絡有強大的學習能力，而且具有容錯能力強、魯棒性好、非線性映射和并行分布處理等特點。然而，神經網絡還存在如下缺陷：(1)需要大量的訓練樣本以供學習，但獲取完備優(yōu)質的樣本十分困難；(2)神經網絡在診斷過程中被看成是“黑箱”，缺乏對自身行為的解釋能力；(3)神經網絡不善于處理啟發(fā)式的規(guī)則。未來對基于神經網絡的電網故障診斷方法的研究重點還是在選取有價值的訓練樣本、給予診斷過程解釋能力、使適用于大規(guī)模電網故障診斷等方面。

電網故障診斷的智能技術基于貝葉斯網絡的故障診斷方法

貝葉斯網絡(Bayesian Network)是一種用來表示和推理不確定性知識的模型，它將概率論的相關知識與圖形理論相結合，具有較為嚴格的理論基礎，對解決復雜電網由于不確定因素引起的故障等問題具有明顯作用。利用貝葉斯網絡技術進行電網故障診斷的研究還處于初期階段，但是發(fā)展的較為迅速。文獻采用分層遞歸的思想，利用粗糙集理論對電網故障信息進行分層挖掘，達到屬性優(yōu)選，然后通過貝葉斯網絡進行故障診斷，成功識別出故障元件。結合監(jiān)測設備的狀態(tài)信息，利用貝葉斯網絡實現了故障情況的提前預測。也有文獻基于元件建模，通過設置各節(jié)點的先驗概率，使得故障信息經過貝葉斯網絡后，得到各元件發(fā)生故障的概率，以此識別故障元件，若采用某個值作為判斷條件，可同時對一個或多個元件的故障進行有效診斷。

貝葉斯網絡的診斷模型清晰直觀，對于不確定和不完備信息可以進行良好的診斷決策，然而，網絡節(jié)點賦值需要大量的實際觀察或統(tǒng)計分析方法來確定，而且貝葉斯網的訓練屬于NP難度問題，處理復雜問題時將變得非常困難。未來該領域的研究將主要集中在如何實現貝葉斯網絡的自動建模，如何將其與信息融合理論相結合等方面。

電網故障診斷的智能技術基于優(yōu)化技術的故障診斷方法

采用優(yōu)化技術(Optimization Methods)的故障診斷方法是一種基于數學模型的求解方法。國內外學者提出了多種優(yōu)化算法，可以將其應用到電網故障診斷領域，而且優(yōu)化算法在電網規(guī)劃等方面也有較好的應用。常用的優(yōu)化算法包括:遺傳算法，模擬退火算法和蟻群算法，還有較新的算法如交叉嫡算法。

優(yōu)化技術應用于電網故障診斷的方法是考慮故障元件與保護器和斷路器的動作關系，將電網故障診斷問題表示為使目標函數最小化的0-1整數規(guī)劃問題，然后通過優(yōu)化算法求解該問題的最優(yōu)解。有文獻基于小生境遺傳算法，并結合粗糙集理論，來求取決策表約簡，從而抽出診斷規(guī)則，提升了對不完備信息的分析能力。

基于優(yōu)化技術的故障診斷方法具有嚴密的數學基礎和理論依據，用常規(guī)的優(yōu)化算法即能夠實現而且能夠在診斷信息不全面的條件下，給出局部和全局最優(yōu)的多個診斷結果。不過該方法還存在的問題是：(1)目標函數的確定比較困難；(2)優(yōu)化算法的多次迭代，導致診斷時間過長；(3)優(yōu)化算法在尋優(yōu)的過程中存在隨機因素，可能導致丟失最優(yōu)解。所以選擇更全面的診斷模型以及采用合適的優(yōu)化算法來提高診斷的準確性和實時性是該領域未來研究的重要方向。

電網故障診斷的智能技術基于支持向量機的故障診斷方法

統(tǒng)計學習理論是一種專門研究有限樣本情況下機器學習規(guī)律的理論，為研究統(tǒng)計模式識別和更廣泛的機器學習問題建立了一個較好的理論框架。Vapnik等人根據對統(tǒng)計學習理論的研究，提出了支持向量機(Support Vector Machine)這種全新的模式識別算法，有效地改善了傳統(tǒng)分類方法的缺陷，具有充足的理論依據。它在文本分類、故障診斷、手寫識別等領域中獲得了較多的應用。

故障診斷問題從本質上來說就是一種分類問題，而支持向量機對于有限樣本狀況下的分類問題具有較強的針對性。有文獻通過將粒子群優(yōu)化算法與支持向量機相結合來進行故障診斷。由于在支持向量機算法中，核函數參數選擇的好壞直接影響到診斷結果的準確度，而文中采用的方法能夠實現參數的動態(tài)選取，達到優(yōu)化診斷結果的目的 。

支持向量機基于統(tǒng)計學習理論，有效地改善了傳統(tǒng)分類方法的缺陷，具有充足的理論依據，對解決有限樣本的模式識別問題具有很高的適用性。下一步的研究重點在于如何改進算法，使診斷過程快速并滿足實時性的要求以及處理大電網故障診斷、參數的選擇等問題。該技術在故障診斷中的應用起步較晚，隨著研究的加深，該方法有望成為電網故障診斷領域的實用方法之一。

電網故障診斷的智能技術基于模糊集理論的故障診斷方法

美國自動控制專家L A Zadek于1965年首次提出“模糊集合”的概念，并引入“隸屬函數”來描述差異的中間過渡。模糊集理論(Fuzzy set Theory)將信息模糊化，首先系統(tǒng)獲取的信息組成的集合可以看成一種經典集合，按照某種對應法則將集合中的元素映射到 [0，1]這一區(qū)間，這樣集合中的每一個元素在0和1之間都對應一個實數，這個實數可以表明其隸屬于0或1的程度，按照以上對應法則組成的函數就是隸屬度函數，該理論就是以隸屬度函數為基礎建立的。在電網故障診斷領域發(fā)展的早期，人們對專家系統(tǒng)應用在故障診斷領域做了較多的研究，然而很少考慮到信息的不確定性，從而導致診斷的不精確。有文獻針對電力系統(tǒng)故障診斷問題中的不確定信息給出解決方法，將模糊集理論應用在電網故障診斷領域，通過將故障信息模糊化，不僅可以減小數據信息的存儲空間，也能提升診斷精度和容錯性。

模糊集理論的特點就是可以處理信息的不確定性，然而基于模糊集理論的故障診斷方法還面臨著一些弊端：(1)隸屬函數的建立沒有一個明確的標準；(2)可維護性差，當電網結構發(fā)生變化時，模糊知識庫和隸屬度也要做相應的變化；(3)大規(guī)模電網的模糊診斷模型建立困難。在實際應用中，常常將模糊集理論與其他智能方法相結合(如專家系統(tǒng)、神經網絡、Petri網等)，用來分析不確定性信息對診斷系統(tǒng)的影響，提升診斷精度，增強系統(tǒng)的容錯性。

電網故障診斷的智能技術基于Petri網技術的故障診斷方法

Petri網是德國科學家Carl Adam Petri 于1960到1965年提出的一種數學模型，它利用目標系統(tǒng)中元件之間的關系來構建有向圖的組合模型，從而能夠準確地表示離散事件發(fā)生的順序、并發(fā)和沖突的關系。印度學者 Jenkensl和Khincha在1992年首先將Petri網技術應用于電網的建模中，在這之后Petri網在電力系統(tǒng)的很多領域中得到了應用，并顯示出了其良好的應用前景。電網的故障可看成是離散事件，而Petri網是對離散事件組成的系統(tǒng)進行建模和分析的理想工具。

Petri網方法能夠定性或定量地對系統(tǒng)中事件發(fā)生的各種過程采取準確的分析，同時還具有圖形化的結構表示等優(yōu)點，是對離散事件進行動態(tài)建模和分析的有效方法，不過還有一些尚需深入的問題存在，主要是：(1)系統(tǒng)網絡拓撲的擴大，易導致建模時發(fā)生信息組合爆炸的情況；(2)電網多重故障時，診斷結果不夠理想；(3)對于保護和斷路器拒動或誤動時產生的錯誤信息不能很好地分析識別。未來的研究中，將高級的Petri網用于復雜電網的故障診斷是一種有效的措施 。

電網故障診斷的智能技術基于信息融合技術的故障診斷方法

信息融合(Information fusion)技術實際上是一種多源信息的綜合技術，通過對來自不同數據源的信息進行分析和智能化合成，獲得被測對象及其性質的最佳一致估計，從而產生比單一信息源更精確、更完全的估計和決策。采用該方法的電網故障診斷已顯示出了明顯的優(yōu)勢。

采用信息融合技術將開關量與電氣量等來自不同數據源的信息綜合利用，可以極大地提高診斷系統(tǒng)的實時性和準確性，有效地避免由于故障信息的不確定性而導致的錯誤診斷。信息融合技術在今后的研究中，重點將放在解決如何選取合適的信息融合方法以及如何在實際中融合更多方面的信息，這會使得電網故障診斷水平上升到一個新高度。

電網故障診斷的智能技術基于MAS的故障診斷方法

多智能體(Multi-Agent System， MAS)技術是分布式人工智能技術的重要分支，它是一種將計算機、網絡和分布式思想相結合的軟件工程技術，能夠將目標問題轉變成在邏輯上或物理上分離的多個Agent，可分別針對每個Agent來解決問題，而且各個Agent之間相互協(xié)調信息得到最終結果，節(jié)約了數據和資源。文獻將MAS技術應用于電網的故障診斷中，先將診斷系統(tǒng)智能分解，再通過軟件技術來協(xié)調各Agent中的信息并得出診斷結果，滿足了準確性和實時性的要求。有文獻提出一種基于智能識別系統(tǒng)的MAS技術。MAS實現了控制過程的在線自適應識別和實時的進行離線故障診斷，同時可以適應和克服大規(guī)模電網的復雜性。