根据表，提取出的相应的故障诊断规则，建立基于知识规则推理的网模型如图。图区域故障诊断的网模型测试结果与比较区域的模型测试根据图所建立的网模型对区域进行故障诊断。给出组测试样本见表表中表示信号缺失。对于缺失的信息，其状态可能是也可能是。鉴于此，与该信息相对的输入库所均获得托肯。为了方便对照，在表中把断路器保护装置误动和断路器拒动的无故障状态在括号中标明。在表所列出的个样本中样本是断路器和开关均正常动作的情况样本表示属性约简的核属性信息丢失的情况样本表示非核属性信息丢失的情况样本表示粗糙集约简中核属性信息的情况样本表示保护装置动作信息的情况样本表示开关动作信息的情况。样本测试的结果如下样本变迁的输入库所内含托肯，被触发。输出库所得到托肯，诊断结果为线路故障。样本变迁的输入库所内含托肯，变迁的输入库所内含托肯，被触发。输出库所得到托肯，诊断结果为母线线路故障。样本变迁的输入库所内含托肯，被触发。输出库所得到托肯，诊断结果为变压器故障。样本变迁的输入库所内含托肯，变迁的输入库所内含托肯，被触发。输出库所得到托肯，诊断结果为变压器线路故障。样本变迁的输入库所内含托肯，被触发。输出库所得到托肯，诊断结果为母线故障。样本变迁的输入库所内含托肯，被触发，输出库所得到托肯，诊断结果为线路故障。经上述测试，虽然样本和样本的诊断结果扩大了故障范围，但仍能找出正确的故障点。测试结果表明该诊断方法在信息缺失和的情况下均能有效的识别区域中的故障。表区域样本测试序号预设故障诊断结果区域的模型测试根据图所建立的网模型对区域进行故障诊断测试。给出组测试样本见表。表中表示信号缺失。在表中，断路器保护装置误动和断路器拒动的无故障状态在括号中作出标示。在表所列出的个样本中样本是断路器和开关均正常动作的情况样本表示属性约简的核属性信息丢失的情况样本是发生开关拒动时的情况样本表示粗糙集约简中核属性信息的情况样本表示非核属性信息丢失的情况样本表示保护装置动作信息的情况样本表示开关动作信息的情况。样本测试结果如下样本输入库所内含托肯，变迁触发，输出库所得到托肯，诊断结果为线路故障。样本输入库所内含托肯，变迁触发，输出库所得到托肯，诊断结果为线路线路故障。样本输入库所内含托肯，则变迁触发，输出库所得到托肯，诊断结果为线路故障。样本输入库所内含托肯，则变迁触发，输出库所得到托肯，诊断结果为线路线路故障。样本输入库所内含托肯，则变迁触发，输出库所得到托肯，诊断结果为母线故障。样本输入库所内含托肯，则变迁触发，输出库所得到托肯，诊断结果为母线母线故障。样本输入库所内含托肯，则变迁触发，输出库所得到托肯，诊断结果为线路故障。经上述测试，样本和样本的诊断结果扩大了故障范围，但仍能找出正确的故障点。测试结果对照分析可知，该诊断方法在信息缺失和的情况下均能有效的识别区域中的故障。而且本方法对开关拒动的特殊情况也能进行识别。表区域样本测试样本预设故障诊断结果区域的模型测试根据图所建立的网模型对区域进行故障诊断测试。给出组测试样本见表。表中表示信号缺失。在表中，断路器保护装置误动和断路器拒动的无故障状态在括号中作出标示。在表所列出的个样本中样本是断路器和开关均正常动作的情况样本表示两个设备同时故障的情况样本是站内发生连续的两个开关拒动时的情况样本表示粗糙集约简中核属性信息丢失的情况样本表示非核属性信息丢失的情况样本表示保护装置动作信息的情况样本表示开关动作信息的情况。样本测试结果如下样本对照测试样本中保护和开关的动作情况，给输入库所提供托肯，变迁满足条件触发，输出库所得到托肯，诊断结果为线路故障。样本对照测试样本中保护和开关的动作情况，给输入库所提供托肯，变迁满足条件触发，输出库所得到托肯，诊断结果为线路电容器组故障。样本对照测试样本中保护和开关的动作情况，给输入库所提供托肯，变迁满足条件触发，输出库所得到托肯，诊断结果为电容器组故障。样本对照测试样本中保护和开关的动作情况，给输入库所提供托肯，变迁满足条件触发，输出库所得到托肯，诊断结果为线路故障。样本对照测试样本中保护和开关的动作情况，给输入库所提供托肯，变迁满足条件触发，输出库所得到托肯，诊断结果为电容器组。样本对照测试样本中保护和开关的动作情况，给输入库所提供托肯，变迁满足条件触发，输出库所得到托肯，诊断结果为电容器组电容器组故障。样本对照测试样本中保护和开关的动作情况，给输入库所提供托肯，变迁满足条件触发，输出库所得到托肯，诊断结果为电容器组故障。经上述测试，样本的诊断结果扩大了故障范围，但仍能找出正确的故障点。测试结果对照分析可知，该诊断方法在信息缺失和系统发生多处故障以及多个开关拒动的情况下均能有效的识别区域中的故障。表区域样本测试样本预设故障故障元件方法比较将本文提出的方法方法与文献提出的方法方法进行比较，本文方法具有如下优势实用性和灵活性如果变电站的接线结构或保护配置改变时，方法需要重新对整个变电站构建决策表，进行主元提取和粗糙集约简。方法由于各诊断区域间相互独立，可针对发生变化的区域重新构建诊断网络，而其他区域的诊断网络不受影响。实用性和灵活性更好。诊断规则提取的计算量方法首先采用主元提取的方法对原始决策表进行提取，并对主元提取后的决策表进行离散化，然后采用粗糙集对其进行约简，最后采用构建决策树进行推理，故障诊断模型的建立需要四个处理过程。同时，由于其采用的离散化方法相对简单，所以容易忽略目标的类别信息，使得信息丢失。如果要获得较好离散化效果，则离散化计算过程就更为复杂。因此整个模型的建立计算量是相当大的。方法直接对原始决策表运用粗糙集进行属性和属性值的约简，然后直接用网对约简后的规则进行描述，建立模型。整个过程中只有搜索比较删除冗余属性值的计算比较复杂，但是由于对变电站进行了区域划分，每个区域内的决策表数据量较小，因而搜索量较小。诊断的速度方法首先需对故障数据进行主元提取，然后将提取后的故障进行离散化，然后将报警信号依次与诊断规则进行匹配，得到诊断结果而方法利用网的并行推理，根据报警信号直接可确定初始库所中的托肯，相应的满足条件的变迁触发，当终态库所中获得托肯，诊断完成。同时，方法用矩阵运算方法描述动态过程，不需要在规则库中搜索匹配的规则，诊断速度上明显具有优势。本章小结本章将粗糙集与网理论相结合，考虑变电站的扩建改造，提出基于粗糙集和网的分区域变电站故障诊断方法。在详细介绍了该方法的基本思想和步骤之后，以江西吉安供电公司万安变电站为例验证该方法。首先对其进行区域划分，建立各区域的故障诊断初始决策表，对决策表进行属性和属性值约简后，约简后的数据样本大大减少，从而得出最简的诊断规则。在根据诊断规则建立各区域的网故障模型后，利用测试样本对诊断方法进行检验，结果表明该方法能够有效识别区域内的故障。同时将本文方法与文献中的方法进行比较，得出本文提出的算法具有以下三点优势实用性和灵活性好诊断规则提取过程的计算量小诊断速度快。因此采用本文方法进行故障诊断，可大大减少故障处理时间，提高供电可靠性，对实现高效的在线变电站故障诊断具有重要的意义。结论作为输配电重要环节之的变电站