本發(fā)明涉及自動化控制系統(tǒng)技術(shù)領(lǐng)域，尤其涉及一種離散事件系統(tǒng)的復(fù)合故障因果鏈解耦方法。

背景技術(shù)：
隨著工業(yè)技術(shù)的發(fā)展，各類大型工業(yè)系統(tǒng)的規(guī)模日漸龐大，內(nèi)部組件間的關(guān)聯(lián)也日趨復(fù)雜。系統(tǒng)局部或整體失效時，常常伴有兩個或多個故障同時發(fā)生，此類故障現(xiàn)象被稱為復(fù)合故障。短時間內(nèi)發(fā)生的多個故障由于其附帶的故障信息數(shù)量龐大且相互交疊，某些信息甚至互相抵消，使故障的診斷變得十分困難。另一方面，系統(tǒng)內(nèi)部龐雜的關(guān)系令故障源到故障表征的各種現(xiàn)象之間的因果關(guān)系非常復(fù)雜，復(fù)合故障的發(fā)生常常使多個相互關(guān)聯(lián)的因果鏈交織在一起，診斷過程中通常需要對其進行解耦以便進一步辨識故障源和故障的蔓延過程。目前，針對各類復(fù)合故障的解耦和辨識技術(shù)主要分為兩大類：一是以頻譜分析、經(jīng)典小波、主分量分析、分形技術(shù)等信號處理方法進行故障的降噪、濾波和特征提取，再利用支持向量機、距離評價、自組織映射等人工智能方法進行分類；另一類則采用信息理論、人工神經(jīng)網(wǎng)絡(luò)、粗糙集、模糊集、貝葉斯網(wǎng)絡(luò)、Petri網(wǎng)等理論和模型進行故障模式的識別。前者主要面向復(fù)雜系統(tǒng)內(nèi)的連續(xù)變量進行診斷分析，后者則通常針對系統(tǒng)中的離散事件，分析其因果映射關(guān)系及關(guān)系的耦合強度。

技術(shù)實現(xiàn)要素：
本發(fā)明的目的是一種離散事件系統(tǒng)的復(fù)合故障因果鏈解耦方法。為了解決現(xiàn)有技術(shù)問題，本發(fā)明實施例公開了一種離散事件系統(tǒng)的復(fù)合故障因果鏈解耦方法，包括以下步驟：根據(jù)故障的觀測事件集和關(guān)系采用擴展時間Petri網(wǎng)（(ExtendedTimePetriNet,ETPN)）對離散事件系統(tǒng)進行建模；根據(jù)擴展時間Petri網(wǎng)的求逆算法，得到時間-概率Petri網(wǎng)(Time-ProbabilityPetriNet,TPPN)模型；采用時間-概率Petri網(wǎng)模型對離散事件系統(tǒng)進行推理分析；根據(jù)因果鏈的時間-概率解耦算法和單純故障因果鏈的析出算法對時間-概率Petri網(wǎng)模型的推理結(jié)果進行解耦和因果鏈的析出。進一步，作為優(yōu)選，所述時間-概率Petri網(wǎng)模型具體為：∑TPPN′s＝(S,T,F;τ,θ,ρ,β,M0)，其具體參數(shù)定義如下：(1)(S,T,F)是一個原型Petri網(wǎng)，滿足且表示s的所有直接和間接后繼節(jié)點的集合，t·表示t的后置庫所集，同理·t表示t的前置庫所集；(2)τ:T→R0×(R0∪{∞})，τ(ti)為變遷ti關(guān)聯(lián)的時間區(qū)間；(3)θ:T→{0,1}，θ(ti)為變遷ti的點火許可函數(shù)；(4)ρ:S→[0,1]，ρ(si)為si所代表的狀態(tài)的先驗概率；(5)β:T→[0,1]j，β(ti)為ti·在·ti條件下的概率分布向量，·ti為ti的前置庫所集，ti·為ti的后置庫所集{s1,s2,...sj}，β(ti)＝[b(s1),b(s2),...,b(sj)]，b(si)＝p(si|·ti),i＝1,2,...,j；b(si)為si在·ti條件下的概率分布；(6)M0為∑TPPN′s的初始標識，用狀態(tài)標識Mi對TPPN的動態(tài)行為進行描述，TPPN的每一個狀態(tài)對應(yīng)于庫所的一個標識向量，采用集合{(s,π(s))}表示Mi，所有系統(tǒng)狀態(tài)的集合記為M，若Mj通過變遷t的發(fā)生直接可達Mk，記為Mj[t＞Mk。進一步，作為優(yōu)選，所述的具體參數(shù)定義（2）中的變遷ti關(guān)聯(lián)的時間區(qū)間的含義為：設(shè)時間區(qū)間tmi＝[a,b]，tmj＝[c,d]，定義兩區(qū)間的加法運算為tmi+tmj＝[a+c,b+d]減法運算為tmi-tmj＝[a-c,b-d]定義區(qū)間關(guān)系判定函數(shù)γ(tmi,tmj)＝-1可解釋為發(fā)生于tmi的事件絕對“早于”發(fā)生于tmj的事件；γ(tmi,tmj)＝1可解釋為發(fā)生于tmi的事件絕對“晚于”發(fā)生于tmj的事件；γ(tmi,tmj)＝0可解釋為發(fā)生于tmi的事件與發(fā)生于tmj的事件在時間軸上有交集，其交集記為tmi⊕tmj；設(shè)U＝{tm1,tm2,...tmn}為時間區(qū)間的有限集，以tmL(U)＝[alatest,blatest]表示U中的最遲時間區(qū)間，其中alatest≥ai，ai為U中任意元素的時間區(qū)間左端點，若ai為忽略ai。進一步，作為優(yōu)選，所述擴展時間Petri網(wǎng)的求逆算法，其具體定義如下：ETPN’s（使用ETPN′s表示擴展時間Petri網(wǎng)系統(tǒng)，即動態(tài)的ETPN）為一個四元組∑ETPN′s＝(SΞ,TΞ,FΞ;I,τΞ,MΞ0)，其中：(1)(SΞ,TΞ,FΞ)是一個原型Petri網(wǎng)，SΞ中的某個令牌λΞ以時標tmΞ∈R0×R0表示；(2)為抑止弧的集合；(3)τΞ:TΞ→R0×(R0∪{∞})，τΞ(ti)為變遷ti關(guān)聯(lián)的時間延遲區(qū)間；(4)MΞ0為∑ETPN′s的初始標識。進一步，作為優(yōu)選，所述擴展時間Petri網(wǎng)（ETPN）的求逆算法，將某個∑ETPN′s轉(zhuǎn)換為∑TPPN′s的求逆操作記為Γ，Γ(∑ETPN′s)＝∑TPPN′s，構(gòu)造的步驟為：步驟1SΞ→S,TΞ→T，在∑TPPN′s中保留∑ETPN′s中的所有庫所和變遷；步驟2在∑TPPN′s中將∑ETPN′s原有的弧均置為反向，抑止弧除外；步驟3I→φ，在∑TPPN′s中刪除所有抑止?。徊襟E4將∑ETPN′s中所有時間延遲區(qū)間根據(jù)簡單時間約束問題的最小網(wǎng)絡(luò)矩陣（MinimumNetworkMatrix，MNM）方法轉(zhuǎn)換為∑TPPN′s的時間區(qū)間τ；步驟5將所有∑ETPN′s中的令牌λΞ:tmΞ以REAL方法映射為∑TPPN′s中的實令牌λ:(1,tmΞ,{})；步驟6對每個沒有令牌的源庫所（無輸入弧的庫所）進行檢測，若該源庫所后置變遷的后置庫所中存在令牌，則在該源庫所中置入一個初始的虛令牌步驟7根據(jù)實際問題中的參數(shù)為∑TPPN′s設(shè)置ρ和β，并將所有θ置為0；步驟8結(jié)束并輸出∑TPPN′s。進一步，作為優(yōu)選，所述因果鏈的時間-概率解耦算法包括以下步驟：步驟1根據(jù)觀測事件集VE和因果關(guān)系集RU提出故障假說，將所有可能的故障源包含在待檢測的源事件集合SED內(nèi)，并根據(jù)VE、RU、RL構(gòu)造ETPN，觀測事件集VE中的元素映射為令牌，RL映射為變遷上的時延；步驟2對ETPN求逆Γ(∑ETPN′s)，從而構(gòu)造TPPN，RS映射為庫所的ρ函數(shù)和變遷的β函數(shù)；步驟3按權(quán)利要求2定義(6)中的運行規(guī)則進行推理，當所有令牌的值不再發(fā)生變化，停止計算；步驟4獲取匯入庫所的令牌集并剔除其中tm分量為的令牌，若剩余令牌數(shù)量為1且為非沖突令牌，直接對其{ev}分量按貝葉斯概率公式計算后驗概率；若剩余令牌數(shù)量大于1，任取兩令牌計算其時間一致性，若相容則對每個令牌的{ev}分量按貝葉斯概率公式計算后驗概率并求算術(shù)平均；基于委員會策略，若計算結(jié)果大于0.5，則認為該庫所代表的事件發(fā)生并標記“確認”；步驟5對標記“確認”的事件結(jié)合TPPN進行分析，搜索帶有虛令牌且不含實令牌的非匯入庫所，獨立存在的虛令牌指示了事件缺失、非正常事件等干擾因素，將其分別標記為“缺失”；沖突的令牌蘊含時標錯誤或虛事件等系統(tǒng)非正常狀態(tài)的信息，結(jié)合其時序的上下文關(guān)系將其分別標為“時誤”或“虛警”；步驟6結(jié)束并輸出標記為“確認”、“缺失”、“時誤”和“虛警”的事件；為了避免不必要的計算量，變遷的β函數(shù)值在推理過程中不計算；推理完成后，只計算匯入庫所中令牌所攜帶事件序列{ev}的后驗概率，并回溯計算令牌流經(jīng)的變遷集的β函數(shù)值。進一步，作為優(yōu)選，所述單純故障因果鏈的析出算法，具體包括以下步驟：步驟1設(shè)定四個空集SU、ST、FR和SC；步驟2在擴展時間Petri網(wǎng)中選擇已判定發(fā)生的故障源事件集所關(guān)聯(lián)的庫所，置入集合SU；步驟3從SU中任意選擇一個si放入集合ST，將其標記為“未處理”，并從SU中將該元素刪除；若此時SU已為空集，跳轉(zhuǎn)到步驟8；步驟4遍歷ST，對每個未標記為“未處理”的元素st，求取其在ETPN中的后置集st·及st與其后置集間的流關(guān)系集Fst；若此時已沒有“未處理”元素，跳轉(zhuǎn)到步驟6；步驟5將st·放入集合ST，F(xiàn)st放入集合FR，并將st標記為“已處理”，跳轉(zhuǎn)到步驟4；步驟6根據(jù)ST和FR構(gòu)建單純故障因果鏈sc并放入SC集合；步驟7清空ST和FR，跳轉(zhuǎn)到步驟3；步驟8結(jié)束并輸出SC。本發(fā)明能夠快速、準確解耦離散事件系統(tǒng)的復(fù)合故障因果鏈。附圖說明當結(jié)合附圖考慮時，通過參照下面的詳細描述，能夠更完整更好地理解本發(fā)明以及容易得知其中許多伴隨的優(yōu)點，但此處所說明的附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本發(fā)明的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當限定，其中：圖1為本發(fā)明實施例離散事件系統(tǒng)的復(fù)合故障因果鏈解耦方法流程圖。圖2為本發(fā)明實施例故障區(qū)域元件及其保護裝置布局示意圖。圖3為本發(fā)明方法的ETPN模型示意圖。圖4為本發(fā)明方法的TPPN模型示意圖。圖5為本發(fā)明方法的最終狀態(tài)示意圖。圖6為本發(fā)明方法的ETPN模型解耦示意圖。具體實施方式參照圖1-6對本發(fā)明的實施例進行說明。為使上述目的、特征和優(yōu)點能夠更加明顯易懂，下面結(jié)合附圖和具體實施方式對本發(fā)明作進一步詳細的說明。如圖1所示，一種離散事件系統(tǒng)的復(fù)合故障因果鏈解耦方法，包括以下步驟：S1、離散事件系統(tǒng)建模步驟：根據(jù)故障的觀測事件集和關(guān)系采用擴展時間Petri網(wǎng)（ETPN）對離散事件系統(tǒng)進行建模；S2、擴展時間Petri網(wǎng)的求逆步驟：根據(jù)擴展時間Petri網(wǎng)的求逆算法，得到時間-概率Petri網(wǎng)（TPPN）模型；S3、推理分析步驟：采用時間-概率Petri網(wǎng)模型對離散事件系統(tǒng)進行推理分析；S4、解耦和因果鏈的析出步驟：根據(jù)因果鏈的時間-概率解耦算法和單純故障因果鏈的析出算法對時間-概率Petri網(wǎng)模型的推理結(jié)果進行解耦和因果鏈的析出。實施例：如圖2所示監(jiān)控中心收到如下信息，B1m(52ms)、L1Ss(550ms)、L2Ss(542ms)動作，斷路器CB1(589ms)、CB3(600ms)、CB5(87ms)斷開。首先，根據(jù)觀測事件集{B1m,L1Ss,L2Ss,CB1,CB3,CB5}確定圖2中的可疑元件集{B1,L1,L2}。構(gòu)造ETPN模型，并將觀測到的事件均置為相應(yīng)庫所的令牌，如圖3所示。其中，前端帶圓圈的線段表示抑止?。粠焖云浯淼难b置命名相應(yīng)事件，B1表示母線B1故障，L1、L2含義與之類似；B1m表示B1主保護動作，L1Sm、L1Sp、L1Ss、L1Rm、L1Rp、L2Sm、L2Sp、L2Ss、L2Rm、L2Rp、含義與之類似；CB1表示斷路器CB1跳閘，CB2、CB3、CB4、CB5含義與之類似；變遷均代表其前置庫所的時延，其中t1,t7,t9,t17,t21表示主保護時延，時間區(qū)間均為[10,40]；表示近后備保護時延，時間區(qū)間均為[310,340]；t3,t4,t15,t25表示遠后備保護時延，時間區(qū)間均為[510,540]；t2,t5,t6,t8,t10,t12,t14,t16,t18,t22,t20,t24,t26表示斷路器跳開時延，時間區(qū)間均為[20,40]。對圖3所示的ETPN求逆，構(gòu)造TPPN。TPPN的初始狀態(tài)如圖4，虛令牌以空心圓表示，原有令牌均置為實令牌，以實心圓形表示。變遷的函數(shù)值由ETPN中變遷的時間區(qū)間以MNM方法計算得到，t1,t7,t9,t17,t21的τ函數(shù)值為[-40,-10]，t11,t13,t19,t23的τ函數(shù)值為[-340,-310]，t3,t4,t15,t25的τ函數(shù)值為[-540,-510]；t2,t5,t6,t8,t10,t12,t14,t16,t18,t22,t20,t24,t26的τ函數(shù)值為[-40,-20]。經(jīng)過推理，得到圖5算例所示的時間-概率Petri網(wǎng)的最終狀態(tài)。取B1中令牌的rm分量得到以下故障事件鏈：(1)B1m=1,CB2=0,CB4=0,CB5=1(2)L1Ss=1,CB1=1(3)L2Ss=1,CB3=1根據(jù)事件的因果關(guān)系和表1和表2的故障元件的先驗概率，分別計算B1的故障概率。由計算結(jié)果可以判斷，元件B1發(fā)生了故障。進一步分析可知，在B1引發(fā)B1m保護動作后，CB2、CB4發(fā)生了拒動，并引發(fā)了遠后備保護L1Ss和L2Ss的動作。通過解耦算法，得到圖6所示的解耦結(jié)果。表1元件故障概率表雖然以上描述了本發(fā)明的具體實施方式，但是本領(lǐng)域的技術(shù)人員應(yīng)當理解，這些具體實施方式僅是舉例說明，本領(lǐng)域的技術(shù)人員在不脫離本發(fā)明的原理和實質(zhì)的情況下，可以對上述方法和系統(tǒng)的細節(jié)進行各種省略、替換和改變。例如，合并上述方法步驟，從而按照實質(zhì)相同的方法執(zhí)行實質(zhì)相同的功能以實現(xiàn)實質(zhì)相同的結(jié)果則屬于本發(fā)明的范圍。因此，本發(fā)明的范圍僅由所附權(quán)利要求書限定。