本發明屬于(yu)電力系統數據處理技術(shu)領域，特(te)別(bie)涉及一種基于(yu)啟發式信息的粗(cu)糙(cao)集電力系統故障診(zhen)斷方法。

背景技術：

隨著(zhu)現代電力的(de)(de)迅猛發(fa)(fa)展，電力系統(tong)(tong)規(gui)模不斷(duan)增(zeng)大，因(yin)此其一旦發(fa)(fa)生故(gu)障(zhang)(zhang)(zhang)，對電力系統(tong)(tong)本身、工農(nong)業生產(chan)和日(ri)常生活產(chan)生的(de)(de)影(ying)響也會隨之增(zeng)大。然而(er)，電力系統(tong)(tong)故(gu)障(zhang)(zhang)(zhang)又(you)是不可(ke)避免的(de)(de)。在發(fa)(fa)生故(gu)障(zhang)(zhang)(zhang)時，往(wang)往(wang)會產(chan)生大量的(de)(de)數據信(xin)號，從而(er)給調度(du)人員快速準確地(di)人工識別故(gu)障(zhang)(zhang)(zhang)信(xin)號造成(cheng)一定(ding)的(de)(de)困難。因(yin)此，尋找(zhao)一種高(gao)效(xiao)的(de)(de)故(gu)障(zhang)(zhang)(zhang)診(zhen)斷(duan)方法對維持整個電力系統(tong)(tong)的(de)(de)安全運(yun)行和提高(gao)供電可(ke)靠性有(you)著(zhu)非常重要(yao)的(de)(de)意義。

粗糙(cao)集理論(lun)對于處(chu)理復雜系統(tong)有明(ming)顯的(de)(de)優勢，研究粗糙(cao)集在電(dian)力系統(tong)故(gu)障(zhang)診斷中的(de)(de)應用，可以更(geng)加(jia)充分地利用電(dian)力系統(tong)數(shu)據,揭示(shi)數(shu)據背(bei)后蘊含(han)的(de)(de)原理、規則,為解(jie)決電(dian)力系統(tong)故(gu)障(zhang)診斷找到更(geng)加(jia)合理的(de)(de)方法。

屬性(xing)約(yue)(yue)簡(jian)(jian)算法(fa)(fa)(fa)是(shi)(shi)粗糙(cao)集(ji)理論的(de)(de)核心內容。基于遺傳(chuan)(chuan)(chuan)算法(fa)(fa)(fa)的(de)(de)屬性(xing)約(yue)(yue)簡(jian)(jian)算法(fa)(fa)(fa)是(shi)(shi)啟發式約(yue)(yue)簡(jian)(jian)算法(fa)(fa)(fa)的(de)(de)一(yi)種。遺傳(chuan)(chuan)(chuan)算法(fa)(fa)(fa)是(shi)(shi)模擬生物在自然環境中的(de)(de)遺傳(chuan)(chuan)(chuan)和進化過程而形成的(de)(de)一(yi)種自適應全(quan)局(ju)優(you)化概率搜索算法(fa)(fa)(fa)，具有很強的(de)(de)全(quan)局(ju)搜索能力，能夠在最(zui)(zui)短時間內找到全(quan)局(ju)最(zui)(zui)優(you)解(jie)。由于遺傳(chuan)(chuan)(chuan)算法(fa)(fa)(fa)本身(shen)具有全(quan)局(ju)優(you)化和隱含并行性(xing)等(deng)優(you)點，用遺傳(chuan)(chuan)(chuan)算法(fa)(fa)(fa)求解(jie)屬性(xing)約(yue)(yue)簡(jian)(jian)通常會減小計算的(de)(de)復雜性(xing)并得到最(zui)(zui)小約(yue)(yue)簡(jian)(jian)或最(zui)(zui)小相(xiang)對(dui)約(yue)(yue)簡(jian)(jian)。但是(shi)(shi)現有的(de)(de)屬性(xing)約(yue)(yue)簡(jian)(jian)方法(fa)(fa)(fa)存在著計算、搜索時間過長和約(yue)(yue)簡(jian)(jian)結(jie)果(guo)不(bu)準確的(de)(de)問題。

技術實現要素：

本發明的目的在于(yu)克(ke)服現有的粗(cu)糙(cao)集屬性約簡(jian)方(fang)法的不足，提供一種基于(yu)啟發式信(xin)息的粗(cu)糙(cao)集電力(li)系統故障診斷方(fang)法，能夠提高運算速(su)度，更快獲取得到約簡(jian)信(xin)息。

為了(le)解決上述技術問題，本(ben)發(fa)明提供一種基于啟發(fa)式信息的粗糙集(ji)電(dian)力系統故(gu)障(zhang)診(zhen)(zhen)斷方法，其(qi)特征在于，首先建立電(dian)力系統故(gu)障(zhang)診(zhen)(zhen)斷屬(shu)性(xing)決策表，然(ran)后(hou)使用遺(yi)傳算法對故(gu)障(zhang)診(zhen)(zhen)斷屬(shu)性(xing)決策表進行屬(shu)性(xing)約簡。

進(jin)一步，建(jian)立(li)電(dian)力系統故(gu)障診斷(duan)屬(shu)(shu)性決(jue)策表時，把保護和斷(duan)路(lu)器(qi)的信號作(zuo)為對故(gu)障分(fen)類的條件屬(shu)(shu)性集(ji)，以故(gu)障區間或故(gu)障設(she)備作(zuo)為故(gu)障診斷(duan)的決(jue)策屬(shu)(shu)性集(ji)，考慮各(ge)種可能 發(fa)生(sheng)的故(gu)障情況建(jian)立(li)決(jue)策表。

進一步，使(shi)用遺傳算(suan)法對(dui)故(gu)障診(zhen)斷(duan)屬性決策表進行屬性約簡(jian)的具體(ti)過程為：

步驟1，設(she)故障(zhang)診斷屬(shu)性(xing)決策表(biao)的(de)條件屬(shu)性(xing)個(ge)數(shu)為m，隨機(ji)產(chan)生n個(ge)長度(du)為m的(de)二進制串組(zu)成初(chu)始種(zhong)群t，初(chu)始種(zhong)群中每(mei)個(ge)個(ge)體(ti)的(de)染色體(ti)對應(ying)(ying)(ying)(ying)位(wei)隨機(ji)取(qu)“0”或“1”；若對應(ying)(ying)(ying)(ying)位(wei)取(qu)值為1，則表(biao)示選擇其(qi)對應(ying)(ying)(ying)(ying)的(de)條件屬(shu)性(xing)；若對應(ying)(ying)(ying)(ying)位(wei)取(qu)值為0，則表(biao)示不(bu)選擇其(qi)對應(ying)(ying)(ying)(ying)的(de)條件屬(shu)性(xing)；

步(bu)驟2，對(dui)于種群t中的每一個(ge)(ge)個(ge)(ge)體(ti)的染色(se)體(ti)，分別計算出決策屬(shu)性(xing)對(dui)每個(ge)(ge)個(ge)(ge)體(ti)所含的條(tiao)件(jian)屬(shu)性(xing)的依賴度，然后根據(ju)設定的適(shi)應(ying)度函(han)數計算出每個(ge)(ge)個(ge)(ge)體(ti)的適(shi)應(ying)度函(han)數值(zhi)；

步(bu)驟3，判斷(duan)遺傳算(suan)法是否滿足終(zhong)止(zhi)(zhi)條(tiao)件(jian)，若滿足終(zhong)止(zhi)(zhi)條(tiao)件(jian)，則(ze)遺傳算(suan)法停止(zhi)(zhi)；否則(ze)，轉步(bu)驟4；

步驟(zou)4，在遺傳算(suan)法中對種群的個體(ti)(ti)進行(xing)選擇、交叉、變異操作，產生新一代(dai)的種群個體(ti)(ti)；返回(hui)步驟(zou)2。

進一步，所述計(ji)算(suan)條件屬性的依(yi)賴度r(P,Q)的方(fang)法如下式所示：

r(P,Q)＝|POS_P(Q)|/|U|；

其中(zhong)(zhong)，其中(zhong)(zhong)U是(shi)論(lun)域(yu)，即全體對象的(de)(de)有限集合；P和Q為(wei)定(ding)義在U上的(de)(de)兩(liang)個等價關(guan)系簇，||表示集合的(de)(de)個數；為(wei)論(lun)域(yu)U在Q的(de)(de)P正(zheng)域(yu)， 其中(zhong)(zhong)，X是(shi)論(lun)域(yu)U的(de)(de)子集，Y是(shi)U上等價關(guan)系P對U的(de)(de)劃(hua)分(fen)；

所述適應度函數的計算(suan)方法如下式所示，

其中，m為染色體的長度，即條件屬性總數；L_v為染色(se)體(ti)(ti)中(zhong)1的個數(shu)，即條件(jian)屬性(xing)中(zhong)1的個數(shu)；r(P,Q)為決策屬性(xing)對(dui)該染色(se)體(ti)(ti)所表示的條件(jian)屬性(xing)的依(yi)賴度，0≤r(P,Q)≤1；

進(jin)一(yi)步，遺傳(chuan)算法的(de)終止條件有如下兩(liang)個，只要符(fu)合其(qi)中(zhong)一(yi)個則遺傳(chuan)算法停止：

1)設(she)定遺傳算法的(de)最大(da)迭代次(ci)數d，當遺傳算法迭代次(ci)數達到最大(da)值(zhi)時，遺傳算法終止，輸出(chu)第(di)d代中適應(ying)度函(han)數值(zhi)最高的(de)最優個體；

2)判斷是(shi)否連(lian)續r代的最優(you)個體(ti)適應度函(han)數值不再提(ti)高，如果是(shi)則終止計算(suan)，并輸出最優(you)個體(ti)。

進一步，所述選擇操作的過程為：

(1)計算出群(qun)體中所有個體的適應度總和(he)；

(2)計算每個個體(ti)(ti)的(de)相對適應度的(de)大小(xiao)，即每個個體(ti)(ti)的(de)適應度值(zhi)與該(gai)群(qun)體(ti)(ti)的(de)適應度值(zhi)總和的(de)比值(zhi)，將該(gai)比值(zhi)作為各個個體(ti)(ti)被遺(yi)傳到下一代(dai)群(qun)體(ti)(ti)中的(de)選擇概率；

(3)計算累計概率，即選擇概率依次疊(die)加即可得到累計概率；

(4)采用模擬賭(du)盤(pan)操作，生成(cheng)0到(dao)1之間的隨機數(shu)與(yu)每個個體(ti)(ti)遺(yi)傳到(dao)下一代群(qun)體(ti)(ti)的概率進(jin)行(xing)匹配，確定各(ge)個個體(ti)(ti)被(bei)選中的次數(shu)，進(jin)而得到(dao)選擇后的種群(qun)。

進一步(bu)，所述交叉操作采(cai)用單點交叉。

進一步，所述變(bian)異(yi)(yi)操(cao)作(zuo)的過程(cheng)為：隨機設置一個變(bian)異(yi)(yi)概率(lv)，以該變(bian)異(yi)(yi)概率(lv)隨機地選(xuan)擇參(can)與變(bian)異(yi)(yi)的個體的基因位，對(dui)于選(xuan)擇的該基因位取(qu)反(fan)，完(wan)成了變(bian)異(yi)(yi)操(cao)作(zuo)

本發(fa)(fa)明與現有(you)(you)技術相比(bi)，其(qi)顯著優點在(zai)于(yu)(yu)(yu)：(1)從遺傳(chuan)約(yue)(yue)簡(jian)(jian)(jian)(jian)方(fang)(fang)法(fa)的(de)(de)(de)性(xing)能來(lai)看，適(shi)應度(du)的(de)(de)(de)計算方(fang)(fang)面，屬(shu)(shu)性(xing)依賴(lai)(lai)度(du)要比(bi)基(ji)于(yu)(yu)(yu)可辨(bian)識矩陣傳(chuan)統(tong)(tong)(tong)方(fang)(fang)法(fa)的(de)(de)(de)計算復雜(za)(za)度(du)小，因(yin)此在(zai)時(shi)(shi)間(jian)復雜(za)(za)度(du)和(he)空(kong)間(jian)復雜(za)(za)度(du)上基(ji)于(yu)(yu)(yu)屬(shu)(shu)性(xing)依賴(lai)(lai)度(du)的(de)(de)(de)遺傳(chuan)約(yue)(yue)簡(jian)(jian)(jian)(jian)方(fang)(fang)法(fa)比(bi)其(qi)他(ta)約(yue)(yue)簡(jian)(jian)(jian)(jian)方(fang)(fang)法(fa)有(you)(you)一定的(de)(de)(de)優勢(shi)，縮(suo)短(duan)了遺傳(chuan)方(fang)(fang)法(fa)的(de)(de)(de)搜索時(shi)(shi)間(jian)，提高了遺傳(chuan)約(yue)(yue)簡(jian)(jian)(jian)(jian)方(fang)(fang)法(fa)的(de)(de)(de)效率(lv)，相對于(yu)(yu)(yu)其(qi)他(ta)遺傳(chuan)約(yue)(yue)簡(jian)(jian)(jian)(jian)方(fang)(fang)法(fa)，本方(fang)(fang)法(fa)有(you)(you)很好的(de)(de)(de)時(shi)(shi)間(jian)復雜(za)(za)度(du)和(he)空(kong)間(jian)復雜(za)(za)度(du)。本發(fa)(fa)明方(fang)(fang)法(fa)比(bi)傳(chuan)統(tong)(tong)(tong)的(de)(de)(de)遺傳(chuan)約(yue)(yue)簡(jian)(jian)(jian)(jian)方(fang)(fang)法(fa)有(you)(you)更(geng)快(kuai)速、高效的(de)(de)(de)約(yue)(yue)簡(jian)(jian)(jian)(jian)效果(guo)；(2)本發(fa)(fa)明采用了一種基(ji)于(yu)(yu)(yu)屬(shu)(shu)性(xing)依賴(lai)(lai)度(du)的(de)(de)(de)粗糙集電力(li)系統(tong)(tong)(tong)故障診斷方(fang)(fang)法(fa)，由于(yu)(yu)(yu)在(zai)目(mu)標(biao)函數中(zhong)加入了屬(shu)(shu)性(xing)依賴(lai)(lai)度(du)這一限制條件，因(yin)此能夠獲得(de)相對更(geng)優的(de)(de)(de)約(yue)(yue)簡(jian)(jian)(jian)(jian)結(jie)果(guo)。本發(fa)(fa)明得(de)到(dao)的(de)(de)(de)約(yue)(yue)簡(jian)(jian)(jian)(jian)為屬(shu)(shu)性(xing)約(yue)(yue)簡(jian)(jian)(jian)(jian)問題的(de)(de)(de)相對最優解(jie)，即信息系統(tong)(tong)(tong)的(de)(de)(de)最小約(yue)(yue)簡(jian)(jian)(jian)(jian)，獲得(de)最小約(yue)(yue)簡(jian)(jian)(jian)(jian)，從而為本發(fa)(fa)明中(zhong)進行電力(li)系統(tong)(tong)(tong)故障診斷獲得(de)更(geng)準確、更(geng)簡(jian)(jian)(jian)(jian)約(yue)(yue)的(de)(de)(de)診斷規則。

附圖說明

圖1是本發(fa)明基于(yu)啟發(fa)式(shi)信息的粗糙集電力(li)系(xi)統故障診斷(duan)方法(fa)流程圖。

圖2是本發明實(shi)驗(yan)中實(shi)際配電網(wang)簡化后的(de)網(wang)絡圖。

圖3是本發明實驗(yan)中(zhong)使用MATLAB軟件獲(huo)得的仿真(zhen)結果圖。

具體實施方式

容(rong)易理解，依(yi)據本(ben)(ben)發(fa)明(ming)的技術(shu)(shu)(shu)方(fang)案(an)(an)，在不變(bian)更本(ben)(ben)發(fa)明(ming)的實質精神的情況下，本(ben)(ben)領域(yu)的一(yi)般技術(shu)(shu)(shu)人(ren)員可以想象出本(ben)(ben)發(fa)明(ming)基于(yu)啟發(fa)式(shi)信息的粗糙集電力系統(tong)故障診(zhen)斷方(fang)法的多種實施方(fang)式(shi)。因此，以下具(ju)體實施方(fang)式(shi)和附圖僅是對本(ben)(ben)發(fa)明(ming)的技術(shu)(shu)(shu)方(fang)案(an)(an)的示例性(xing)說(shuo)明(ming)，而不應(ying)當視(shi)為本(ben)(ben)發(fa)明(ming)的全部或者視(shi)為對本(ben)(ben)發(fa)明(ming)技術(shu)(shu)(shu)方(fang)案(an)(an)的限制或限定(ding)。

結(jie)合圖1，本(ben)發明基于(yu)啟發式(shi)信息的粗糙(cao)集(ji)電(dian)力系(xi)統故障診斷(duan)方法(fa)，首(shou)先(xian)建立電(dian)力 系(xi)統故障診斷(duan)屬性(xing)決策表，然(ran)后使(shi)用遺傳(chuan)算法(fa)對故障診斷(duan)屬性(xing)決策表進行(xing)屬性(xing)約(yue)簡。

建立電(dian)力系統故(gu)(gu)障(zhang)診斷屬(shu)(shu)性(xing)決策表時，把保護和斷路器(qi)的信號作為對故(gu)(gu)障(zhang)分類的條件屬(shu)(shu)性(xing)集，以故(gu)(gu)障(zhang)區間(jian)或(huo)故(gu)(gu)障(zhang)設備作為故(gu)(gu)障(zhang)診斷的決策屬(shu)(shu)性(xing)集，考(kao)慮各種可能(neng)發生的故(gu)(gu)障(zhang)情(qing)況(kuang)建立決策表。

使用遺傳(chuan)算法對故障診斷屬性決策表進行屬性約(yue)簡(jian)的具(ju)體(ti)過程為(wei)：

步驟(zou)1，初(chu)始(shi)化隨(sui)(sui)機(ji)產生(sheng)初(chu)始(shi)種群(qun)。設故障診斷屬性(xing)決策表(biao)(biao)的(de)條(tiao)件(jian)屬性(xing)個(ge)數為(wei)m，隨(sui)(sui)機(ji)產生(sheng)n個(ge)長度(du)為(wei)m的(de)二進制(zhi)串(chuan)組(zu)成(cheng)初(chu)始(shi)種群(qun)t，初(chu)始(shi)種群(qun)中每個(ge)個(ge)體的(de)染色體對(dui)(dui)應位隨(sui)(sui)機(ji)取“0”或“1”；若對(dui)(dui)應位取值為(wei)1，則表(biao)(biao)示選擇(ze)其對(dui)(dui)應的(de)條(tiao)件(jian)屬性(xing)；若對(dui)(dui)應位取值為(wei)0，則表(biao)(biao)示不(bu)選擇(ze)其對(dui)(dui)應的(de)條(tiao)件(jian)屬性(xing)；

步驟(zou)2，計(ji)(ji)算適(shi)應(ying)度(du)函數值。對于(yu)種(zhong)群t中的(de)(de)每一個(ge)(ge)個(ge)(ge)體(ti)(ti)(ti)的(de)(de)染色體(ti)(ti)(ti)，分別計(ji)(ji)算出(chu)決策屬(shu)(shu)性對每個(ge)(ge)個(ge)(ge)體(ti)(ti)(ti)所(suo)含(han)的(de)(de)條(tiao)件屬(shu)(shu)性的(de)(de)依賴度(du)，然后根據設定的(de)(de)適(shi)應(ying)度(du)函數計(ji)(ji)算出(chu)每個(ge)(ge)個(ge)(ge)體(ti)(ti)(ti)的(de)(de)適(shi)應(ying)度(du)函數值；

所述計算條件屬性(xing)的依賴度r(P,Q)的方法如下式所示：

r(P,Q)＝|POS_P(Q)|/|U|；

其中(zhong)，其中(zhong)U是論域(yu)(yu)，即全體對象的(de)(de)(de)有限集合；P和Q為定義在U上的(de)(de)(de)兩個等(deng)價關(guan)系簇(cu)，||表示集合的(de)(de)(de)個數(shu)；為論域(yu)(yu)U在Q的(de)(de)(de)P正域(yu)(yu)， 其中(zhong)，X是論域(yu)(yu)U的(de)(de)(de)子集，Y是U上等(deng)價關(guan)系P對U的(de)(de)(de)劃分；

所述適應(ying)度(du)函數的計算方(fang)法如下式所示(shi)，

其中，m為染色體的長度，即條件屬性總數；L_v為染色(se)體(ti)中1的(de)個數，即條件屬(shu)性中1的(de)個數；r(P,Q)為決策屬(shu)性對該染色(se)體(ti)所表示的(de)條件屬(shu)性的(de)依賴度，0≤r(P,Q)≤1；

步(bu)驟(zou)4，判(pan)斷(duan)是否滿足終(zhong)止(zhi)(zhi)(zhi)條(tiao)(tiao)件，若滿足終(zhong)止(zhi)(zhi)(zhi)條(tiao)(tiao)件，則遺(yi)傳(chuan)算法(fa)停(ting)止(zhi)(zhi)(zhi)；否則，轉步(bu)驟(zou)5。本發明中遺(yi)傳(chuan)算法(fa)的(de)終(zhong)止(zhi)(zhi)(zhi)條(tiao)(tiao)件有兩個(ge)，只要符合其(qi)中一個(ge)則遺(yi)傳(chuan)算法(fa)停(ting)止(zhi)(zhi)(zhi)：

1)設定遺(yi)傳(chuan)算法(fa)的最大迭(die)代(dai)(dai)次數d，當遺(yi)傳(chuan)算法(fa)迭(die)代(dai)(dai)次數達到最大值時，遺(yi)傳(chuan)算法(fa)終止，輸(shu)出(chu)第(di)d代(dai)(dai)中適應度函數值最高的最優個體，本實施例中最大迭(die)代(dai)(dai)次數設置為d＝200；

2)判斷是(shi)否連續(xu)r代的最(zui)優(you)(you)個(ge)體適應度(du)函數值不(bu)再提高，如果是(shi)則終(zhong)止計算, 并(bing)輸出最(zui)優(you)(you)個(ge)體，否則轉步驟5。

步驟5，在遺(yi)傳(chuan)算法(fa)中對種群的個體(ti)進行選擇(ze)、交叉、變異(yi)操(cao)作，產生新(xin)一代的種群個體(ti)；

1)選擇算子

選用輪盤賭選擇的方法，具體執行過程為：

(1)先計算(suan)出群(qun)體中所(suo)有個體的適應度總和；

(2)其次(ci)計算每(mei)個(ge)個(ge)體的(de)相(xiang)對適(shi)應(ying)度的(de)大小，即(ji)每(mei)個(ge)個(ge)體的(de)適(shi)應(ying)度值與該(gai)群(qun)體的(de)適(shi)應(ying)度值總和的(de)比值，將(jiang)該(gai)比值作為各個(ge)個(ge)體被遺傳到(dao)下一代(dai)群(qun)體中的(de)選擇概率；

(3)計(ji)算累(lei)計(ji)概率，即選擇概率依次疊加即可(ke)得到累(lei)計(ji)概率；

例如選擇概率分(fen)別為(wei)(wei)x1、x2、x3、x4，則累計概率分(fen)別為(wei)(wei)x1、x1+x2、x1+x2+x3、x1+x2+x3+x4；

(4)采用模擬賭盤(pan)操作(即生成0到1之間的(de)隨機(ji)數與每個(ge)(ge)(ge)個(ge)(ge)(ge)體遺傳到下一(yi)代(dai)群體的(de)概率進行匹配)，來確定各個(ge)(ge)(ge)個(ge)(ge)(ge)體被選中(zhong)的(de)次數。進而得到選擇后(hou)的(de)種群，然后(hou)進行交叉操作；

2)交叉算子

交(jiao)(jiao)(jiao)叉(cha)操(cao)作(zuo)采用單點交(jiao)(jiao)(jiao)叉(cha)，它是(shi)指在(zai)個(ge)(ge)體(ti)染色體(ti)中隨機設置一個(ge)(ge)交(jiao)(jiao)(jiao)叉(cha)點，然后選擇個(ge)(ge)體(ti)參與(yu)交(jiao)(jiao)(jiao)叉(cha)，對(dui)于參與(yu)交(jiao)(jiao)(jiao)叉(cha)的兩個(ge)(ge)父輩個(ge)(ge)體(ti)，對(dui)于交(jiao)(jiao)(jiao)叉(cha)點后的基(ji)因位全部進(jin)行交(jiao)(jiao)(jiao)叉(cha)，產生新一代的個(ge)(ge)體(ti)。即該(gai)代種群完成了(le)交(jiao)(jiao)(jiao)叉(cha)操(cao)作(zuo)，繼續(xu)進(jin)行變(bian)異操(cao)作(zuo)；

3)變異算子

隨(sui)機(ji)設(she)置一(yi)個變異(yi)概(gai)率k，一(yi)般為0.001-0.1，以(yi)變異(yi)概(gai)率k隨(sui)機(ji)地選擇參與變異(yi)的(de)(de)個體的(de)(de)基因(yin)位，對于選擇的(de)(de)該基因(yin)位取(qu)反，“1”變“0”或者“0”變“1”，即完(wan)成了變異(yi)操作，從(cong)而得到新一(yi)代(dai)的(de)(de)種群；

步(bu)驟6，返回步(bu)驟3。

為了進(jin)一(yi)步說(shuo)明(ming)本發(fa)明(ming)方法，下面以一(yi)個簡(jian)單的(de)(de)(de)電(dian)(dian)力(li)系統的(de)(de)(de)一(yi)部分網(wang)絡具體說(shuo)明(ming)本發(fa)明(ming)。圖2是(shi)實際配電(dian)(dian)網(wang)簡(jian)化后網(wang)絡圖，在(zai)圖2中，BYQ表(biao)(biao)示(shi)變(bian)壓(ya)器，MXB表(biao)(biao)示(shi)母(mu)線保(bao)(bao)護，DLQ表(biao)(biao)示(shi)的(de)(de)(de)是(shi)斷路器，TB表(biao)(biao)示(shi)的(de)(de)(de)是(shi)變(bian)壓(ya)器保(bao)(bao)護，GLB表(biao)(biao)示(shi)的(de)(de)(de)是(shi)過流保(bao)(bao)護，JLB表(biao)(biao)示(shi)的(de)(de)(de)是(shi)距離保(bao)(bao)護，KG表(biao)(biao)示(shi)的(de)(de)(de)是(shi)低(di)壓(ya)開關，QU表(biao)(biao)示(shi)的(de)(de)(de)是(shi)區(qu)間，MX表(biao)(biao)示(shi)的(de)(de)(de)是(shi)母(mu)線，DY表(biao)(biao)示(shi)的(de)(de)(de)是(shi)供電(dian)(dian)電(dian)(dian)源。

配電網一次系統接線圖的運行方式如下：正常情況下，DY₁(電源1)帶區間1上所有的負荷，DY₂(電源2)帶區間2上所有的負荷，母聯開關DLQ₀處于熱備用狀態， 當電源1發生故障時，母聯開關DLQ₀將會自動合上，電源開關DLQ₅將會斷開，電源2帶區間1、區間2上的所有負荷，同理，當DY₂故障時，DY₁(電源1)帶區間1、區間2上的所有負(fu)荷(he)。配(pei)電網(wang)一次系統接線(xian)圖(tu)的保(bao)(bao)(bao)護(hu)(hu)(hu)(hu)配(pei)備情況，圖(tu)中配(pei)備有變(bian)壓(ya)(ya)器(qi)保(bao)(bao)(bao)護(hu)(hu)(hu)(hu)(包括速(su)斷保(bao)(bao)(bao)護(hu)(hu)(hu)(hu)，差動(dong)保(bao)(bao)(bao)護(hu)(hu)(hu)(hu)，間隙零序(xu)保(bao)(bao)(bao)護(hu)(hu)(hu)(hu)，變(bian)壓(ya)(ya)器(qi)高壓(ya)(ya)側開關帶斷路器(qi)失靈保(bao)(bao)(bao)護(hu)(hu)(hu)(hu))、母線(xian)保(bao)(bao)(bao)護(hu)(hu)(hu)(hu)、距離保(bao)(bao)(bao)護(hu)(hu)(hu)(hu)和過流(liu)保(bao)(bao)(bao)護(hu)(hu)(hu)(hu)。

根據此配電網絡的歷史故障信息的收集以及理論推理，可把故障類型分成：①電源故障；②電力變壓器故障；③斷路器或者開關故障；④母線、線路故障；⑤配電區間故障。其中，電源故障分為電源1故障和電源2故障。當電源1故障時，母聯開關DLQ₀自動合上，電源開關DLQ₅斷開(kai)，電(dian)(dian)源(yuan)2帶區間(jian)1、區間(jian)2上的(de)(de)(de)所(suo)(suo)有(you)負荷。同理，當(dang)電(dian)(dian)源(yuan)2故(gu)障時，電(dian)(dian)源(yuan)1帶區間(jian)1、區間(jian)2上的(de)(de)(de)所(suo)(suo)有(you)負荷。當(dang)母(mu)線(xian)故(gu)障，并且母(mu)線(xian)保(bao)護(hu)(hu)正確動(dong)作(zuo)時，該母(mu)線(xian)上全部斷路(lu)器(qi)都將跳開(kai)；而(er)當(dang)母(mu)線(xian)發生故(gu)障，并且母(mu)線(xian)保(bao)護(hu)(hu)失靈(ling)時，變壓(ya)(ya)器(qi)的(de)(de)(de)零序保(bao)護(hu)(hu)作(zuo)為母(mu)線(xian)保(bao)護(hu)(hu)的(de)(de)(de)后備保(bao)護(hu)(hu)，跳開(kai)變壓(ya)(ya)器(qi)高、低壓(ya)(ya)側開(kai)關，以及變壓(ya)(ya)器(qi)所(suo)(suo)在母(mu)線(xian)上的(de)(de)(de)其他(ta)斷路(lu)器(qi)。

當(dang)變(bian)(bian)(bian)(bian)壓(ya)(ya)(ya)器(qi)發生故(gu)(gu)障(zhang)(zhang)時(shi)(shi)(shi)，若變(bian)(bian)(bian)(bian)壓(ya)(ya)(ya)器(qi)保(bao)(bao)(bao)(bao)護(hu)(hu)與兩側(ce)斷(duan)路(lu)(lu)器(qi)均可以正確動(dong)(dong)(dong)作，則(ze)變(bian)(bian)(bian)(bian)壓(ya)(ya)(ya)器(qi)兩側(ce)開(kai)(kai)關跳(tiao)(tiao)開(kai)(kai)。如果(guo)變(bian)(bian)(bian)(bian)壓(ya)(ya)(ya)器(qi)保(bao)(bao)(bao)(bao)護(hu)(hu)可以正確動(dong)(dong)(dong)作，但是斷(duan)路(lu)(lu)器(qi)失靈時(shi)(shi)(shi)，斷(duan)路(lu)(lu)器(qi)失靈保(bao)(bao)(bao)(bao)護(hu)(hu)動(dong)(dong)(dong)作跳(tiao)(tiao)開(kai)(kai)該(gai)母線上除變(bian)(bian)(bian)(bian)壓(ya)(ya)(ya)器(qi)高壓(ya)(ya)(ya)側(ce)斷(duan)路(lu)(lu)器(qi)以外的(de)所有斷(duan)路(lu)(lu)器(qi)。當(dang)線路(lu)(lu)發生故(gu)(gu)障(zhang)(zhang)時(shi)(shi)(shi)，如果(guo)距(ju)離保(bao)(bao)(bao)(bao)護(hu)(hu)正確動(dong)(dong)(dong)作，則(ze)跳(tiao)(tiao)開(kai)(kai)變(bian)(bian)(bian)(bian)壓(ya)(ya)(ya)器(qi)低(di)壓(ya)(ya)(ya)側(ce)斷(duan)路(lu)(lu)器(qi)；如果(guo)距(ju)離保(bao)(bao)(bao)(bao)護(hu)(hu)拒動(dong)(dong)(dong)，則(ze)變(bian)(bian)(bian)(bian)壓(ya)(ya)(ya)器(qi)的(de)相關保(bao)(bao)(bao)(bao)護(hu)(hu)將(jiang)變(bian)(bian)(bian)(bian)壓(ya)(ya)(ya)器(qi)高、低(di)壓(ya)(ya)(ya)側(ce)斷(duan)路(lu)(lu)器(qi)跳(tiao)(tiao)開(kai)(kai)。當(dang)負荷區間發生故(gu)(gu)障(zhang)(zhang)時(shi)(shi)(shi)，如果(guo)過(guo)(guo)流(liu)保(bao)(bao)(bao)(bao)護(hu)(hu)和相應(ying)(ying)的(de)開(kai)(kai)關都正常動(dong)(dong)(dong)作，則(ze)跳(tiao)(tiao)開(kai)(kai)相應(ying)(ying)區間的(de)開(kai)(kai)關；如果(guo)過(guo)(guo)流(liu)保(bao)(bao)(bao)(bao)護(hu)(hu)正確動(dong)(dong)(dong)作而開(kai)(kai)關拒動(dong)(dong)(dong)或(huo)者(zhe)過(guo)(guo)流(liu)保(bao)(bao)(bao)(bao)護(hu)(hu)拒動(dong)(dong)(dong)時(shi)(shi)(shi)，則(ze)相應(ying)(ying)段(duan)的(de)距(ju)離保(bao)(bao)(bao)(bao)護(hu)(hu)動(dong)(dong)(dong)作跳(tiao)(tiao)開(kai)(kai)變(bian)(bian)(bian)(bian)壓(ya)(ya)(ya)器(qi)低(di)壓(ya)(ya)(ya)側(ce)斷(duan)路(lu)(lu)器(qi)。

通(tong)過上述分(fen)析可以得出結論，以配(pei)(pei)電(dian)網的(de)(de)斷路器或(huo)者開關的(de)(de)動(dong)作信號，以及配(pei)(pei)電(dian)網的(de)(de)相關保(bao)護(hu)作為對(dui)配(pei)(pei)電(dian)網分(fen)類(lei)的(de)(de)條件屬性(xing)，以故障(zhang)區間和故障(zhang)設備作為配(pei)(pei)電(dian)網故障(zhang)診斷的(de)(de)決(jue)(jue)策屬性(xing)，根據(ju)相關數據(ju)建立配(pei)(pei)電(dian)網故障(zhang)診斷的(de)(de)原始屬性(xing)決(jue)(jue)策表，原始屬性(xing)決(jue)(jue)策表如下(xia)表1所示(shi)。

表1

1)根據傳(chuan)統的可(ke)辨識矩陣的屬(shu)性約(yue)簡(jian)方法，對上面的故障診斷屬(shu)性決策表進行屬(shu)性約(yue)簡(jian)：最終得到如下四(si)個屬(shu)性約(yue)簡(jian)組合：

①DLQ₀，DLQ₁，DLQ₂，DLQ₃，DLQ₄，DLQ₅，TB₂，GLB₁，GLB₂

②DLQ₀，DLQ₁，DLQ₂，DLQ₃，DLQ₆，TB₁，GLB₁，GLB₂，JLB₂

③DLQ₀，DLQ₁，DLQ₂，DLQ₃，DLQ₅，DLQ₆，GLB₁，GLB₂，JLB₂

④DLQ₀，DLQ₁，DLQ₃，DLQ₄，DLQ₅，DLQ₆，GLB₁，GLB₂，JLB₁

2)使用(yong)本發(fa)明基于啟發(fa)式信息的(de)粗糙集電(dian)力系統故(gu)障診斷(duan)方法，解(jie)決本電(dian)力系統問題，應用(yong)MATLAB編程，最終得到的(de)約簡(jian)結果如下：

約簡結(jie)果r＝[1 1 1 1 0 0 1 0 0 1 0 1 1 0 1]

即DLQ₀，DLQ₁，DLQ₂，DLQ₃，DLQ₆，TB₁，GLB₁，GLB₂，JLB₂，該結果(guo)(guo)為應用傳統方(fang)法(fa)所得出(chu)的(de)結果(guo)(guo)中第②項。

目標(biao)函數最優值targetValue＝-5.7543

約簡后條件屬性為

初始決時，決策(ce)屬性D對(dui)條件(jian)屬性C的(de)依賴度為gama＝1

決策屬性D對條件屬性C_reduct的依賴度為gama＝1

MATLAB計算的(de)圖(tu)(tu)表(biao)(biao)如(ru)圖(tu)(tu)3所示(shi)。圖(tu)(tu)3中(zhong)上部的(de)曲線圖(tu)(tu)表(biao)(biao)示(shi)適(shi)應(ying)度函數(shu)(shu)值(zhi)隨遺傳(chuan)代數(shu)(shu)的(de)變(bian)(bian)化(hua)(hua)趨(qu)勢，其中(zhong)上部曲線代表(biao)(biao)平均適(shi)應(ying)度函數(shu)(shu)，下(xia)部曲線代表(biao)(biao)最優適(shi)應(ying)度函數(shu)(shu)。圖(tu)(tu)3中(zhong)下(xia)部的(de)柱狀(zhuang)圖(tu)(tu)中(zhong)，Stall(G)表(biao)(biao)示(shi)連續數(shu)(shu)次沒(mei)有(you)進化(hua)(hua)出更好的(de)個體作為停止(zhi)條件，Generation表(biao)(biao)示(shi)適(shi)應(ying)度函數(shu)(shu)在連續若(ruo)干代沒(mei)有(you)發生變(bian)(bian)化(hua)(hua)的(de)時刻(ke)作為終止(zhi)條件。

兩種(zhong)方法的約簡結果(guo)分析：

可辨識矩陣(zhen)(zhen)方(fang)法和本發(fa)明(ming)方(fang)法中得(de)到的(de)(de)最(zui)終(zhong)約(yue)(yue)(yue)簡(jian)(jian)結果(guo)(guo)均(jun)有(you)9個條(tiao)件屬性，但(dan)是可辨識矩陣(zhen)(zhen)算(suan)法中得(de)到了4個約(yue)(yue)(yue)簡(jian)(jian)結果(guo)(guo)，而本發(fa)明(ming)方(fang)法得(de)到的(de)(de)約(yue)(yue)(yue)簡(jian)(jian)問題的(de)(de)最(zui)優(you)(you)解，即信(xin)息系統的(de)(de)最(zui)小約(yue)(yue)(yue)簡(jian)(jian)。本發(fa)明(ming)從(cong)一個初始群(qun)體出發(fa)，不斷重復(fu)執行選(xuan)擇、交叉(cha)、變異和修正操(cao)作的(de)(de)過程(cheng)，使(shi)群(qun)體進化(hua)越來越接(jie)近最(zui)優(you)(you)化(hua)的(de)(de)目標(biao)，采用的(de)(de)適應度(du)(du)函數可以控制染(ran)色體朝著最(zui)小約(yue)(yue)(yue)簡(jian)(jian)的(de)(de)方(fang)向進化(hua)，最(zui)終(zhong)得(de)到信(xin)息系統的(de)(de)最(zui)小約(yue)(yue)(yue)簡(jian)(jian)，并且適應度(du)(du)函數中引入(ru)屬性依(yi)賴(lai)度(du)(du)，使(shi)得(de)最(zui)終(zhong)得(de)到的(de)(de)約(yue)(yue)(yue)簡(jian)(jian)結果(guo)(guo)屬性依(yi)賴(lai)度(du)(du)可以無限的(de)(de)靠(kao)近1，即得(de)到的(de)(de)約(yue)(yue)(yue)簡(jian)(jian)結果(guo)(guo)為最(zui)優(you)(you)約(yue)(yue)(yue)簡(jian)(jian)結果(guo)(guo)。

兩種方法(fa)的時間復雜度(du)(du)和空間復雜度(du)(du)的比較：

可辨識矩陣算法的時間復雜度和空間復雜度均為O(m*n²)，如果研究的(de)對象個數較多(duo)的(de)話，將會占用大量(liang)的(de)計算機資源，計算效(xiao)率也(ye)受到影響(xiang)。本(ben)發明方法求解最小約簡的(de)時(shi)間復雜度(du)為(wei)O(m*n*logn)，空間復雜度(du)為(wei)O(n)，計算效(xiao)率和(he)資源利用率隨之提高。其中：m為(wei)屬(shu)性集的(de)個數，n為(wei)條件(jian)屬(shu)性的(de)個數。