论文部分内容阅读
摘 要：当配电网发生故障的时候快速隔离故障是最关键的，本文介绍了常用的以人工智能技术为基础的，人工神经网络诊断方法，专家系统诊断方法，模糊集理论诊断方法，petri网络诊断方法，优化技术诊断方法，粗糙集理论诊断方法，贝叶斯网络诊断方法等。采用复杂事件处理技术迅速从海量的数据中搜寻到有用的信息来解决配电网故障诊断中出现的问题将会成为发展趋势。
关键词：配电网故障诊断；复杂事件处理技术；发展趋势
0 引言
伴随着国民经济的迅猛发展和人民生活水平的不断提高，人们对电力供应的依赖程度加深，对电力的需求越来越大。配电网的建设越来越成熟，结构由原来辐射型，“手拉手”网络，到现在的“2-1”单环网 ，“3-1”单环网，N供一备（N≤4）等网络结构，配电网的结构越来越复杂，供电可靠性要求越来越高。然而由于人为操作失误、自然灾害等因素，电力系统经常会发生事故或异常，严重的故障会导致整个电力网络解列，引发大面积停电。2003年美加大停电造成了8人死亡的严重后果，给人民生活带来极大的损失[1]。当系统发生故障时，运维人员需要在短时间内准确地判断故障原因，尽快恢复供电，确保人身、电网、设备的安全，传统的配电网故障诊断方法主要依据电压，电流的变化来判断，我国电网正处于一种高速发展的阶段，传统的电网模式已经不能满足人们的需求，统一坚强的智能电网必将成为电网发展的方向。
1 配电网的故障类型
1.1 配电网故障时的异常与事故
配电网的故障主要包括变电站内设备和输电网络故障这两部分。变电站内设备故障主要是指变电站所有一次设备故障导致的配电网故障，当故障发生的时候容易查找故障源，作出判断，最快的时间解除故障。输电网络是由输电线路、母线以及保护监控装置组成，将电能从发电厂输送到各变电站，再由变电站送到用户。输电线路故障和母线故障在输电网络的异常与事故中经常出现，系统振荡给配电网的安全运行带来了严重的打击。
（1）输电线路的故障，可以是自然灾害原因造成的，例如，由雷电引起的绝缘子击穿或爆裂，大风引起的导线对树木放电或树枝断落后搭在输电线路上引起的短路等等。当线路发生故障时候，保护装置迅速动作断路器断开后，重合闸装置动作，断路器重合成功故障消失。此时，就能够恢复正常的供电。也有人为因素造成的，例如，由于盗窃引发的倒杆、倒塔等重大恶性事故，“庆典礼炮”和彩带、风筝、漂浮塑料在导线上悬挂的异物，基建或市政施工对配网造成破坏基面开挖伤及地下敷设电缆，施工机械超高超长碰触带电部位或破坏杆塔，在断路器被断开之后，重合闸装置动作，断路器重合不成功，故障点依然是存在的。在输电线路故障时，单相接地短路故障是最常见的约占80%以上，两相接地短路故障不会超过10%。
（2）母线故障是最严重的电力系统故障之一，会迫害系统的稳定性，可能造成更大范围的停电扩大范围。运维人员带负荷拉隔离开关，母线本身的短路，保护装置拒动、误动引起的越级跳闸等等都是母线发生故障的主要原因。
（3）电力系统振荡是由于系统和发电机并列运行时失去了同步，不能稳定运行，就形成了电力系统震荡。可能造成电网大面积停电，严重的使系统瓦解。根据发生振荡时电力系统是否稳定，可以分为同步振荡和非同步振荡，同步振荡指系统稳定在有限时间内衰减后达到新的平衡；非同步振荡指不稳定系统产生的振荡导致系统和发电机同步运行受到破坏。现在电网结构和发电机组越来越庞大，还出现了低频振荡和次周期振荡。
1.2 配电网故障时的处理过程
当断路器跳闸后，重合闸动作，开关重合不成功时，配电网发生故障处理过程如下：1）首先判断系统是否确实发生了事故，根据断路器跳闸的情况，打开监控系统对照模拟盘变位的情况。主要看频率波动是否较大，对应线路的负荷是否为零以及母线电压是否为零。如果这些参数变化不明显不好判断，运维人员 可以迅速观察与其它变电站的联络线负荷是否突然增大，来判断电网是否发生故障。2）其次当电网确实发生了故障，运维人员必须通过监控打出的报警信息，查出停电区域和有关设备，进行初步判断。事故过程中，如果只有一个停电设备，则该设备就是出现故障设备。如果有多个设备都停电，需要进一步的分析。3）如果有多个设备都停电，就需要运维人员分析设备停电的可能原因，根据监控系统采集到的各种故障信息，来初步判断故障设备。4）当运维人员现场检查保护装置的动作信号，向调度作出汇报后，根据保护信息和故障录波信息，最终确认故障点的实际位置。这些处理故障时的方法己经不能适应日渐庞大不断发展的电网结构，并且遇到特殊情况的复杂故障时诊断会出现延时，错误以及信息丢失等现象，因此复杂事件的处理技术在对于配电网故障诊断的处理系统就应运而生了。
2 配电网故障诊断常用方法
目前国内外电力系统故障诊断方法都是以人工智能技术为基础的，主要有人工神经网络诊断方法，专家系统诊断方法，模糊集理论诊断方法， petri网络诊断方法，优化技术诊断方法，粗糙集理论诊断方法，贝叶斯网络诊断方法等。
2.1 人工神经网络诊断方法
基于人工神经网络[3]，是模仿动物神经网络行为的诊断方法，是一个进行分布式并行处理算法的数学模型，比专家系统学习能力强，容错能力强，鲁棒性好。在电力系统发生故障时，因为故障模式组合发生变化就会产生不同的故障信息，所以将故障诊断问题看成是模式识别问题，可以采用人工神经网络的方法进行处理。主要方法有基于BP算法的前向神经网络和基于径向基函数的神经网络等，该方法适用于故障类型与信号之间的逻辑表述困难和专家经验不丰富的情况。
人工神经网络诊断方法也存在很多问题：使用时需要学习大量的样本，算法收敛速度慢，学习完成后，如果系统结构发生变化还需要重新学习。
2.2 专家系统
基于专家系统[3]的诊断方法最早应用在电力系统故障诊断中，技术比较成熟。主要是把保护、断路器的动作逻辑以及运行人员提供的诊断经验和知识用计算机和人工智能技术显示，为了得出故障诊断结论，通过故障诊断专家知识库对报警信息进行分析推理。在知识库中可以增加、删除、修改一些规则，保证系统的实时性和有效性，同时可以反馈给人们符合人类语言习惯的结论，具有相应的解释能力。 该方法在实际应用中会存在很多缺陷，系统维护难，专家系统只能运用在中小型电力系统中，在遇到复杂的故障时，就会出现组合爆炸和推理速度慢的情况，容错能力较差，与模糊理论结合起来能够改善专家系统的容错能力。
2.3 模糊集理论的诊断方法
基于模糊集理论的诊断方法[3]，是模糊理论与专家系统的结合，模糊系统主要有三部分组成：模糊知识库，模糊推理机和人机界面。由于擅长模拟人类思维中近似推理过程，电力系统故障诊断时会出现大量的不确定性。与其他人工智能方法相结合，在一定程度上解决了其他算法容错性差的缺陷。规则库的维护复杂，不具备自主学习能力，不能有效的解决大量不完备和不确定信息方面。
2.4 petri网络的诊断方法
petri网络的诊断方法[3]，基于网状图形表示的组合模型，适合进行系统中离散事件的逻辑关系的研究和建模，系统中发生的各种动态活动用代数矩阵运算表示。事件的序列与实体一一对应，配电网络的故障可以看成是离散事件，由电压电流变化，保护动作情况等反应故障信息，切除故障是一系列的事件活动过程，因此电力系统故障可以动态描述出来，用petri网络来描述电力系统故障诊断模型。但是petri网络有缺点对不完备信息或者不确定问题处理困难，对大型电网建模困难。
2.5 优化技术的诊断方法
基于优化技术的诊断方法是伴随着计算机技术和仿生智能计算技术发展起来的新技术，是将故障诊断转化为0、1整数规划问题，然后转化为优化方法来求解的。电网故障诊断的基本思路：首先要将故障的特点假设成事故集合的目标函数，然后运用各种优化算法（如遗传算法）根据适度值将目标函数进行更新，直至能搜索到适应度最大的目标函数，作为故障诊断结果。遗传算法[4]的原理步骤：确定实际问题参数集-参数编码随机产生初使化种群-计算个体适应度-选择、交叉、变异操作-产生新一代种群-判断数据是否收敛，如果收敛形成下一代种群结束，如果不收敛，重新进行遗传操作形成新一代种群。遗传算法具有很好的容错性，目前已经广泛应用在电力系统的方方面面，解决调度与规划问题，短期负荷预测，网络分解等等。
2.6 粗糙集理论的诊断方法
基于粗糙集理论的诊断方法[3]，能有效的处理不完整的数据和不确定的数据，对各种不完备信息的数据进行分析和推理，从中发现数据间的关系。已经有不少研究者将它运用到电力系统故障诊断当中，对于不完备警报信息下的故障情况，具有良好的容错性。该方法还有不足之处：由于从各种故障的样本集处获取诊断规则，因此当丢失或者出错的报警信号是关键信号时，就会使诊断结果出现严重偏差；当出现多重故障这种复杂情况下，决策表会变得异常庞大，影响诊断结果和速度。
2.7 贝叶斯网络的诊断方法
基于贝叶斯网络的诊断方法[5]，为了实现了在不确定性和不完备信息下电力系统故障诊断。当故障诊断时首先把决策性问题在不确定性和不完备信息下表述，其次需要建立分布式处理模型，量化信息的不确定性，但在同一时间，把该方法扩展到不完备信息下才能进行故障诊断。
由于电网的构造非常复杂，所以贝叶斯网络建模存在很大难度，在解决复杂问题存在困难。贝叶斯网络在实际应用中需要解决如下问题：1、如何对大型电网建模；2、如何获取先验概率参数；3、如何用贝叶斯网来表达这样的过程，当元件故障后，保护出口动作断路器跳闸，然后切断故障元件与保护之间的联系。
3 配电网故障诊断的发展趋势
当配电网遇到异常或事故时，各级保护自动装置动作，会产生海量的报警信息，这些装置动作信息不加选择地涌入监控报警系统，如果同时出现了多种故障并伴随有保护和断路器的拒动、误动时，警报信息在传输中也可能会发生丢失，问题就会变得异常复杂，运维人员很难在短时间内做出正确的判断。因此引入了复杂事件处理技术可以从复杂的，海量的事件中，通过建立事件关系规则库，利用事件的过滤、关联、聚合等技术，将简单事件抽象成高级事件，预测未来。主要可以实现迅速在大量的数据流中，搜索到有用的数据并进行过滤操作；把低一层概括出事件的有意义信息，提供给高一层的事件应用；能够查看不同子系统，不同事件之间的因果关系；自动检测有违背请求的不安全现象等功能。原始事件经过数据清洗，事件检测就变成了复杂事件
复杂事件处理技术的开发平台有StreamCruncher，Cora18， Apama和Esper四种。StreamCruncher不是一个开源的复杂事件处理引擎，不提供不间断服务，事件存储只能人为进行。Cora18由服务器和工作台两部分组成，具有事件的处理能力，还能提供过滤，匹配和聚合等操作。Apama监听快速变化的事件流，发现和分析重要的事件，对感兴趣的事件进行响应，不适合应用于实时事件应用驱动当中。Esper是一个开源引擎，已经比较成熟和稳定，采用自动机模型，具有较强的事件处理能力。
复杂事件处理引擎接收大量数据，根据预先设定好的数据模型将接收到的大量数据转化成系统能够处理的模式。经过过滤，聚合等操作转化成复杂事件并且通知上层应用此复杂事件。它通过提供复杂事件查询索引的建立、复杂事件的检测和时间窗口管理来达到速度快，能处理庞大数据的性能。如何对事件进行建模是最关键所在，复杂事件处理引擎体系结构包括如下这几个方面：
（1）输入适配器：把接收到的数据流，根据事先定义好的模式转变成有固定格式的事件序列。
（2）复杂事件检测：对接收到的事件序列进行过滤、结合、聚集、关联等操作，匹配成功新的事件系列并且执行输出操作。
（3）规则库组件：存储定义好的规则。
（4）规则定义组件：特定的用来订阅用户感兴趣的事件，定义完成后存入规则库。
（5）输出输配器：将输出的事件序列转化成能给用户发送的格式。
（6）数据库：存储发生过的事件。
该技术2001年首次被提出，已经广泛应用于医疗、监控、RFID等应用领域。复杂事件处理引擎是复杂事件处理技术当中最关键的核心部分，可以自动的从低层次事件获取高层次的事件来反馈给用户。
4 结论
目前国内外电力系统故障诊断方法都是以人工智能技术为基础的，主要有人工神经网络诊断方法，专家系统诊断方法，模糊集理论诊断方法，petri网络诊断方法，优化技术诊断方法，粗糙集理论诊断方法，贝叶斯网络诊断方法，这些方法既有优点也面临着问题。当配电网故障时需要迅速从海量的数据中搜寻到有用的信息，并且迅速做出正确的反应，因此采用复杂事件处理技术来解决配电网故障诊断中出现的问题最为合适。■
参考文献
[1] 周孝信，郑健超，沈国荣. 从美加东北部电网大面积停电事故中吸取教训[J]. 电网技术，2003年27期.
[2] 周曙. 基于贝叶斯网的电力系统故障诊断方法研究[D]. 成都：西南交通大学，2010年.
[3] 王家林，夏立，吴正国等. 电力系统故障诊断研究现状与展望[J]. 电力系统保护与控制，2010年18期.
[4] 韩尊占. 电力系统故障诊断方法研究[D]. 济南：山东大学，2009年.
[5] 吴欣，郭创新. 基于贝叶斯网络的电力系统故障诊断方法[J]. 电力系统自动化，2005年04期.
[6] Luckham，D.The power of events：an introduction to complex event processing in distributed enterprise systems.Springer，2002.
关键词：配电网故障诊断；复杂事件处理技术；发展趋势
0 引言
伴随着国民经济的迅猛发展和人民生活水平的不断提高，人们对电力供应的依赖程度加深，对电力的需求越来越大。配电网的建设越来越成熟，结构由原来辐射型，“手拉手”网络，到现在的“2-1”单环网 ，“3-1”单环网，N供一备（N≤4）等网络结构，配电网的结构越来越复杂，供电可靠性要求越来越高。然而由于人为操作失误、自然灾害等因素，电力系统经常会发生事故或异常，严重的故障会导致整个电力网络解列，引发大面积停电。2003年美加大停电造成了8人死亡的严重后果，给人民生活带来极大的损失[1]。当系统发生故障时，运维人员需要在短时间内准确地判断故障原因，尽快恢复供电，确保人身、电网、设备的安全，传统的配电网故障诊断方法主要依据电压，电流的变化来判断，我国电网正处于一种高速发展的阶段，传统的电网模式已经不能满足人们的需求，统一坚强的智能电网必将成为电网发展的方向。
1 配电网的故障类型
1.1 配电网故障时的异常与事故
配电网的故障主要包括变电站内设备和输电网络故障这两部分。变电站内设备故障主要是指变电站所有一次设备故障导致的配电网故障，当故障发生的时候容易查找故障源，作出判断，最快的时间解除故障。输电网络是由输电线路、母线以及保护监控装置组成，将电能从发电厂输送到各变电站，再由变电站送到用户。输电线路故障和母线故障在输电网络的异常与事故中经常出现，系统振荡给配电网的安全运行带来了严重的打击。
（1）输电线路的故障，可以是自然灾害原因造成的，例如，由雷电引起的绝缘子击穿或爆裂，大风引起的导线对树木放电或树枝断落后搭在输电线路上引起的短路等等。当线路发生故障时候，保护装置迅速动作断路器断开后，重合闸装置动作，断路器重合成功故障消失。此时，就能够恢复正常的供电。也有人为因素造成的，例如，由于盗窃引发的倒杆、倒塔等重大恶性事故，“庆典礼炮”和彩带、风筝、漂浮塑料在导线上悬挂的异物，基建或市政施工对配网造成破坏基面开挖伤及地下敷设电缆，施工机械超高超长碰触带电部位或破坏杆塔，在断路器被断开之后，重合闸装置动作，断路器重合不成功，故障点依然是存在的。在输电线路故障时，单相接地短路故障是最常见的约占80%以上，两相接地短路故障不会超过10%。
（2）母线故障是最严重的电力系统故障之一，会迫害系统的稳定性，可能造成更大范围的停电扩大范围。运维人员带负荷拉隔离开关，母线本身的短路，保护装置拒动、误动引起的越级跳闸等等都是母线发生故障的主要原因。
（3）电力系统振荡是由于系统和发电机并列运行时失去了同步，不能稳定运行，就形成了电力系统震荡。可能造成电网大面积停电，严重的使系统瓦解。根据发生振荡时电力系统是否稳定，可以分为同步振荡和非同步振荡，同步振荡指系统稳定在有限时间内衰减后达到新的平衡；非同步振荡指不稳定系统产生的振荡导致系统和发电机同步运行受到破坏。现在电网结构和发电机组越来越庞大，还出现了低频振荡和次周期振荡。
1.2 配电网故障时的处理过程
当断路器跳闸后，重合闸动作，开关重合不成功时，配电网发生故障处理过程如下：1）首先判断系统是否确实发生了事故，根据断路器跳闸的情况，打开监控系统对照模拟盘变位的情况。主要看频率波动是否较大，对应线路的负荷是否为零以及母线电压是否为零。如果这些参数变化不明显不好判断，运维人员 可以迅速观察与其它变电站的联络线负荷是否突然增大，来判断电网是否发生故障。2）其次当电网确实发生了故障，运维人员必须通过监控打出的报警信息，查出停电区域和有关设备，进行初步判断。事故过程中，如果只有一个停电设备，则该设备就是出现故障设备。如果有多个设备都停电，需要进一步的分析。3）如果有多个设备都停电，就需要运维人员分析设备停电的可能原因，根据监控系统采集到的各种故障信息，来初步判断故障设备。4）当运维人员现场检查保护装置的动作信号，向调度作出汇报后，根据保护信息和故障录波信息，最终确认故障点的实际位置。这些处理故障时的方法己经不能适应日渐庞大不断发展的电网结构，并且遇到特殊情况的复杂故障时诊断会出现延时，错误以及信息丢失等现象，因此复杂事件的处理技术在对于配电网故障诊断的处理系统就应运而生了。
2 配电网故障诊断常用方法
目前国内外电力系统故障诊断方法都是以人工智能技术为基础的，主要有人工神经网络诊断方法，专家系统诊断方法，模糊集理论诊断方法， petri网络诊断方法，优化技术诊断方法，粗糙集理论诊断方法，贝叶斯网络诊断方法等。
2.1 人工神经网络诊断方法
基于人工神经网络[3]，是模仿动物神经网络行为的诊断方法，是一个进行分布式并行处理算法的数学模型，比专家系统学习能力强，容错能力强，鲁棒性好。在电力系统发生故障时，因为故障模式组合发生变化就会产生不同的故障信息，所以将故障诊断问题看成是模式识别问题，可以采用人工神经网络的方法进行处理。主要方法有基于BP算法的前向神经网络和基于径向基函数的神经网络等，该方法适用于故障类型与信号之间的逻辑表述困难和专家经验不丰富的情况。
人工神经网络诊断方法也存在很多问题：使用时需要学习大量的样本，算法收敛速度慢，学习完成后，如果系统结构发生变化还需要重新学习。
2.2 专家系统
基于专家系统[3]的诊断方法最早应用在电力系统故障诊断中，技术比较成熟。主要是把保护、断路器的动作逻辑以及运行人员提供的诊断经验和知识用计算机和人工智能技术显示，为了得出故障诊断结论，通过故障诊断专家知识库对报警信息进行分析推理。在知识库中可以增加、删除、修改一些规则，保证系统的实时性和有效性，同时可以反馈给人们符合人类语言习惯的结论，具有相应的解释能力。 该方法在实际应用中会存在很多缺陷，系统维护难，专家系统只能运用在中小型电力系统中，在遇到复杂的故障时，就会出现组合爆炸和推理速度慢的情况，容错能力较差，与模糊理论结合起来能够改善专家系统的容错能力。
2.3 模糊集理论的诊断方法
基于模糊集理论的诊断方法[3]，是模糊理论与专家系统的结合，模糊系统主要有三部分组成：模糊知识库，模糊推理机和人机界面。由于擅长模拟人类思维中近似推理过程，电力系统故障诊断时会出现大量的不确定性。与其他人工智能方法相结合，在一定程度上解决了其他算法容错性差的缺陷。规则库的维护复杂，不具备自主学习能力，不能有效的解决大量不完备和不确定信息方面。
2.4 petri网络的诊断方法
petri网络的诊断方法[3]，基于网状图形表示的组合模型，适合进行系统中离散事件的逻辑关系的研究和建模，系统中发生的各种动态活动用代数矩阵运算表示。事件的序列与实体一一对应，配电网络的故障可以看成是离散事件，由电压电流变化，保护动作情况等反应故障信息，切除故障是一系列的事件活动过程，因此电力系统故障可以动态描述出来，用petri网络来描述电力系统故障诊断模型。但是petri网络有缺点对不完备信息或者不确定问题处理困难，对大型电网建模困难。
2.5 优化技术的诊断方法
基于优化技术的诊断方法是伴随着计算机技术和仿生智能计算技术发展起来的新技术，是将故障诊断转化为0、1整数规划问题，然后转化为优化方法来求解的。电网故障诊断的基本思路：首先要将故障的特点假设成事故集合的目标函数，然后运用各种优化算法（如遗传算法）根据适度值将目标函数进行更新，直至能搜索到适应度最大的目标函数，作为故障诊断结果。遗传算法[4]的原理步骤：确定实际问题参数集-参数编码随机产生初使化种群-计算个体适应度-选择、交叉、变异操作-产生新一代种群-判断数据是否收敛，如果收敛形成下一代种群结束，如果不收敛，重新进行遗传操作形成新一代种群。遗传算法具有很好的容错性，目前已经广泛应用在电力系统的方方面面，解决调度与规划问题，短期负荷预测，网络分解等等。
2.6 粗糙集理论的诊断方法
基于粗糙集理论的诊断方法[3]，能有效的处理不完整的数据和不确定的数据，对各种不完备信息的数据进行分析和推理，从中发现数据间的关系。已经有不少研究者将它运用到电力系统故障诊断当中，对于不完备警报信息下的故障情况，具有良好的容错性。该方法还有不足之处：由于从各种故障的样本集处获取诊断规则，因此当丢失或者出错的报警信号是关键信号时，就会使诊断结果出现严重偏差；当出现多重故障这种复杂情况下，决策表会变得异常庞大，影响诊断结果和速度。
2.7 贝叶斯网络的诊断方法
基于贝叶斯网络的诊断方法[5]，为了实现了在不确定性和不完备信息下电力系统故障诊断。当故障诊断时首先把决策性问题在不确定性和不完备信息下表述，其次需要建立分布式处理模型，量化信息的不确定性，但在同一时间，把该方法扩展到不完备信息下才能进行故障诊断。
由于电网的构造非常复杂，所以贝叶斯网络建模存在很大难度，在解决复杂问题存在困难。贝叶斯网络在实际应用中需要解决如下问题：1、如何对大型电网建模；2、如何获取先验概率参数；3、如何用贝叶斯网来表达这样的过程，当元件故障后，保护出口动作断路器跳闸，然后切断故障元件与保护之间的联系。
3 配电网故障诊断的发展趋势
当配电网遇到异常或事故时，各级保护自动装置动作，会产生海量的报警信息，这些装置动作信息不加选择地涌入监控报警系统，如果同时出现了多种故障并伴随有保护和断路器的拒动、误动时，警报信息在传输中也可能会发生丢失，问题就会变得异常复杂，运维人员很难在短时间内做出正确的判断。因此引入了复杂事件处理技术可以从复杂的，海量的事件中，通过建立事件关系规则库，利用事件的过滤、关联、聚合等技术，将简单事件抽象成高级事件，预测未来。主要可以实现迅速在大量的数据流中，搜索到有用的数据并进行过滤操作；把低一层概括出事件的有意义信息，提供给高一层的事件应用；能够查看不同子系统，不同事件之间的因果关系；自动检测有违背请求的不安全现象等功能。原始事件经过数据清洗，事件检测就变成了复杂事件
复杂事件处理技术的开发平台有StreamCruncher，Cora18， Apama和Esper四种。StreamCruncher不是一个开源的复杂事件处理引擎，不提供不间断服务，事件存储只能人为进行。Cora18由服务器和工作台两部分组成，具有事件的处理能力，还能提供过滤，匹配和聚合等操作。Apama监听快速变化的事件流，发现和分析重要的事件，对感兴趣的事件进行响应，不适合应用于实时事件应用驱动当中。Esper是一个开源引擎，已经比较成熟和稳定，采用自动机模型，具有较强的事件处理能力。
复杂事件处理引擎接收大量数据，根据预先设定好的数据模型将接收到的大量数据转化成系统能够处理的模式。经过过滤，聚合等操作转化成复杂事件并且通知上层应用此复杂事件。它通过提供复杂事件查询索引的建立、复杂事件的检测和时间窗口管理来达到速度快，能处理庞大数据的性能。如何对事件进行建模是最关键所在，复杂事件处理引擎体系结构包括如下这几个方面：
（1）输入适配器：把接收到的数据流，根据事先定义好的模式转变成有固定格式的事件序列。
（2）复杂事件检测：对接收到的事件序列进行过滤、结合、聚集、关联等操作，匹配成功新的事件系列并且执行输出操作。
（3）规则库组件：存储定义好的规则。
（4）规则定义组件：特定的用来订阅用户感兴趣的事件，定义完成后存入规则库。
（5）输出输配器：将输出的事件序列转化成能给用户发送的格式。
（6）数据库：存储发生过的事件。
该技术2001年首次被提出，已经广泛应用于医疗、监控、RFID等应用领域。复杂事件处理引擎是复杂事件处理技术当中最关键的核心部分，可以自动的从低层次事件获取高层次的事件来反馈给用户。
4 结论
目前国内外电力系统故障诊断方法都是以人工智能技术为基础的，主要有人工神经网络诊断方法，专家系统诊断方法，模糊集理论诊断方法，petri网络诊断方法，优化技术诊断方法，粗糙集理论诊断方法，贝叶斯网络诊断方法，这些方法既有优点也面临着问题。当配电网故障时需要迅速从海量的数据中搜寻到有用的信息，并且迅速做出正确的反应，因此采用复杂事件处理技术来解决配电网故障诊断中出现的问题最为合适。■
参考文献
[1] 周孝信，郑健超，沈国荣. 从美加东北部电网大面积停电事故中吸取教训[J]. 电网技术，2003年27期.
[2] 周曙. 基于贝叶斯网的电力系统故障诊断方法研究[D]. 成都：西南交通大学，2010年.
[3] 王家林，夏立，吴正国等. 电力系统故障诊断研究现状与展望[J]. 电力系统保护与控制，2010年18期.
[4] 韩尊占. 电力系统故障诊断方法研究[D]. 济南：山东大学，2009年.
[5] 吴欣，郭创新. 基于贝叶斯网络的电力系统故障诊断方法[J]. 电力系统自动化，2005年04期.
[6] Luckham，D.The power of events：an introduction to complex event processing in distributed enterprise systems.Springer，2002.