基于贝叶斯网络和D_S证据理论的分布式电网故障诊断

2024年2月15日发(作者：猪肚鸡怎么做)

第３５卷　第１０期２０１１年５月２５日基于贝叶斯网络和ＤＳ证据理论的分布式电网故障诊断－何小飞，童晓阳，孙明蔚（）西南交通大学电气工程学院，四川省成都市６１００３１摘要：提出了基于贝叶斯网络和ＤＳ证据理论的分布式电网故障诊断模型。首先采取实时接线分－析方法确定故障区域以缩小诊断范围，然后分别运用蝶形和叶形分割法分割电网，再引入重合度概采用重合度、重合度与子网故障系数的几何平均值进行Ｄ念，Ｓ证据融合。将２种电网分割法、－再与集中式一起对多个算例进行对比仿真实验。２种ＤＳ证据融合法组合成４种分布式诊断模式，－仿真实验结果表明采用蝶形分割法和几何平均值法的分布式诊断模型较为准确和合理。关键词：电网；分布式故障诊断；贝叶斯网络；ＤＳ证据理论；级联跳闸－０　引言随着电网规模的扩大和互联程度的提高，当电网发生故障，尤其是复杂故障（级联跳闸）时，大量信息涌入调度中心，对诊断的时效性和准确性要求均１］。有所提高［基于概率推理的贝叶斯网络用于电网故障诊断，能较好地弥补传统诊断技术在不确定性和容错］２４－。文献［］处理方面的不足［提出运用专家系统１２－由Ｎ实现电网故障诊断。文献［３４］ｏｉｓｒ和－－ＯｙＮｏｉｓｎｄ节点组成贝叶斯网络，分别建立线路、－Ａｙ变压器和母线等通用故障诊断模型，但模型较简单，不适用于结构复杂的电网。文献［根据电网拓５６］－建立单个电网元件完整扑结构和保护的动作原理，］的贝叶斯诊断网络。文献［为了缩小诊断范围，先６进行故障区域识别，只对故障区域中元件进行诊断。已有文献多由各变电站收集保护和断路器动作信上传到调度中心作集中诊断，属于“分布信息，集息，模式。本文提出一种分布式电网故障诊断中诊断”方法。路器作为重叠部分对电网进行分割，分割后，每个子网由一组母线及其第２层元件共同组成。叶形分割法以母线元件故障时，保护及断路器均正常动作的故障样本所涉及的保护和断路器作为重叠部分对电网进行分割。分割后每个子网由非母线元件（线路和变压器）及其第２层元件共同组成。２　分布式电网故障诊断的方法２．１　分布式电网故障诊断的思路本文以蝶形或叶形分割法对电网进行分割，为每个电网元件建立各电网子网中的贝叶斯子网。当先运用实时接线分析法识别确定故障故障发生后，区域，然后对各子网与故障区域进行分析，对其中重叠部分元件分别在各子网中作并行诊断，再对贝叶斯子网进行诊断，根据电网子网与故障区域的关联程度，分别采用重合度法、重合度与子网故障系数的几何平均值２种Ｄ诊断出故Ｓ证据方法集中融合，－障元件，运用正向推理获得误动、拒动的保护与断路器。这样对于重叠部分元件，可在一个（或多个）调度中心的多个子系统中对贝叶斯子网进行并行诊断，再进行Ｄ可实现某种程度上的分Ｓ证据融合，－布式诊断。２．２　分布式电网故障诊断的流程基于贝叶斯网络和ＤＳ证据理论的分布式电－网故障诊断流程如图１所示。）子网分割。通过某分割法将输电网划分成基１本负荷相等、连通性较好、冗余量较小的若干子网。）子网贝叶斯网络建模、诊断。针对重叠部分２公共元件，分别建立各子网中的贝叶斯网络模型。）３ＤＳ证据理论融合。将不同子网络中元件贝－叶斯网络的元件故障概率进行融合得到重叠部分元件的最终故障概率。１　电网分割方法简介目前的电网分割方法有无重叠分割法、重叠分７］，蝶形分割法、叶形分割法及图形分割法［每割法、种方法都具有各自的特点。本文采用蝶形和叶形这２种电网分割方法进行对比研究。蝶形分割法以非母线元件故障时，保护及断路器均正常动作的故障样本所涉及的保护和断；修回日期：。收稿日期：２０１００４０３２０１０１１１８－－－－国家电网公司科技项目“基于数据网的广域后备保护算法研；中央高校基本科研业务费专项资金资助项目究”（）。ＳＷＪＴＵ０９ＺＴ１０—４２—

）通过信息融合结果推断故障元件。将重叠与４非重叠部分元件的故障概率进行比较分析，获得故障元件，并判断误动、拒动的保护和断路器。

叶斯网络中各节点的先验概率进行赋值。ω。误动和拒动的保护和断路器判断２．３．５　故障元件、）故障元件确定。设经反向推理得到各元件故１设定０．因此若障概率为ａ８作为元件故障的阈值，ｉ，某元件ｉ的概率值满足下列条件：（）ａ．８１ｉ＞０否则为正常元件。　　则判定该元件为故障元件，）判断误动、拒动的保护和断路器。设ｐ为由２１断路器）动作得到实际动作概ＳＣＡＤＡ系统的保护（率。保护（断路器）实际未动作ｐ１＝０烄（）２烅（）保护断路器实际动作ｐ１＝１烆为各保护（断路器）通过正向推理得到的　　设ｐ２，动作概率。令Δ根据下述判定规则得到ｐ＝ｐｐ１－２保护（断路器）的诊断结果，得到误动、拒动的保护和断路器。保护（断路器）误动５Δｐ＞０．烄（）断路器）正常５≤Δ５保护（３ｐ≤０．烅－０．保护（断路器）拒动５Δｐ＜－０．烆３　一个典型电网的分布式诊断模型设计分别采用蝶形分割法和叶形分割法将图３所示分割后的电网模型分别如图５和的电网进行分割，附录Ａ图Ａ１所示。

·学术研究·　何小飞，等　基于贝叶斯网络和ＤＳ证据理论的分布式电网故障诊断－　　图５中采用蝶形分割法将电网分割为４个子网Ｍ１～Ｍ４。附录Ａ图Ａ１中采用叶形分割法将电网分割为８个子网Ｍ１～Ｍ８。以蝶形分割法分割后电网模型中的线路元件它作为子网Ｍ１与Ｌ２为例说明。当线路Ｌ２故障，应在子网Ｍ１和Ｍ２分别建立Ｍ２的重叠部分元件，贝叶斯网络模型，线路元件Ｌ２在子网Ｍ１和Ｍ２建图７所示。立的贝叶斯子网络分别如图６、序号１　２　３　４　５　６　７　８　９　１０　１１　发生时间１８：００：０２：５０８１８：００：０２：５５４１８：００：０２：９１８１８：００：０３：０９６１８：００：０３：２１０１８：００：０３：６１５１８：００：０３：６２３１８：００：０３：６３０１８：００：０３：６７３１８：００：０３：６８０１８：００：０３：６８５故障遥信内容Ｌ２左侧光纤差动保护启动ＣＢ８跳闸Ｌ２右侧距离Ⅱ段保护启动ＣＢ１３跳闸Ｌ５左侧距离Ⅱ段保护启动Ｔ３Ｒｓ启动３远后备保护Ｔ４Ｒｓ启动Ｔ４远后备保护ＴＬ５右侧距离Ⅲ段保护启动ＣＢ１７跳闸ＣＢ１６跳闸ＣＢ３２跳闸表２　算例１的元件故障概率Ｔａｂ．２　Ｐｒｏｂａｂｉｌｉｔｏｆｆａｕｌｔｃｏｍｏｎｅｎｔｓｉｎｅｘａｍｌｅ１　　　　　ｙｐｐ　元件Ｌ２Ｌ５Ｔ３Ｔ４Ｂ３Ｂ４故障概率方法１０．８１　０．２７　０．１５　０．１９　０．２８　０．３２　方法２０．８１　０．２５　０．１４　０．２１　０．３４　０．３５　方法３０．８４　０．１５　０．１５　０．１９　０．２８　０．３２　方法４０．８２　０．２２　０．１６　０．２０　０．３２　０．３４　方法５０．８３０．２３０．１５０．１９０．３１０．３１由表２可知，其余元件Ｌ．８，２的故障概率大于０故障概率均小于０．故推断出Ｌ５，２是故障元件。将故障元件概率代入各模式的贝叶斯网络，通过正向推理得到各保护（断路器）的动作概率，如表３所示。表３　算例１正向推理诊断得到的保护（断路器）动作概率）ｒｏｂａｂｉｌｉｔｒｏｔｅｃｔｉｏｎｓ（Ｔａｂ．３　Ｆｏｒｗａｒｄｒｅａｓｏｎｉｎｏｎａｃｔｉｏｎｏｆｔｈｅｂｒｅａｋｅｒｓｉｎｅｘａｍｌｅ１　　　　　　　ｇｐｙｐｐ　　保护（断路器）Ｌ２Ｒｍ　Ｌ５Ｌｐ　ｐ１０　１　ｐ２方法１０．５８　０．４２　方法２０．５２　０．４１　方法３０．５８　０．４５　方法４０．５５　０．４６　方法５０．５２０．４７　方法１－０．５８０．５８　方法２－０．５２０．５９　Δｐ方法３－０．５８０．５５　方法４－０．５５０．５４　－０．５６方法５－０．５２０．５３－０．５８ＣＢ１２００．６１０．６２０．５９０．５６０．５８－０．６１－０．６２－０．５９　　　　　　注：只列出推断出误动、拒动的保护与断路器的概率，其余正常的保护和断路器的概率略。表７同理。元件ＬＣＡＤＡ系统接收的故障信息可知，　　从Ｓ２发生故障，其左侧主保护动作，中间伴随Ｌ５Ｌｐ误动，Ｌ２Ｒｍ、ＣＢ１２拒动。通过本模型的诊断发现保护Ｌ该故障情形为单５ＬＬ２Ｒｍ、ＣＢ１２拒动，ｐ误动，—４５—

（）２０１１，３５１０一故障。诊断结果正确，如表４所示。表４　算例１的故障诊断结果Ｔａｂ．４　Ｆａｕｌｔｄｉａｎｏｓｉｓｒｅｓｕｌｔｓｏｆｅｘａｍｌｅ１　　　　　ｇｐ故障元件Ｌ２误动的保护及断路器Ｌ５Ｌｐ　拒动的保护及断路器Ｌ２Ｒｍ，ＣＢ１２表６　元件故障概率Ｔａｂ．６　Ｐｒｏｂａｂｉｌｉｔｏｆｆａｕｌｔｃｏｍｏｎｅｎｔｓｉｎｅｘａｍｌｅ２　　　　　ｙｐｐ　元件Ｌ１Ｌ３Ｔ１Ｔ２Ｂ１Ｂ２故障概率方法１０．１６　０．４２　０．８４　０．６０　０．８４　０．０９　方法２０．１３　０．４３　０．８３　０．６１　０．８８　０．０７　方法３０．１７　０．４４　０．８５　０．６３　０．９１　０．０４　方法４０．１８　０．４８　０．８４　０．６５　０．８９　０．０７　方法５０．２１０．４９０．８２０．６６０．８９０．０７算例２采用来自Ｓ如ＣＡＤＡ系统的故障信息，并伴随断路器的误动与表５所示。发生双重故障，拒动。得到所有元件故障概率如表６所示。表５　算例２的故障信息Ｔａｂ．５　Ｆａｕｌｔｉｎｆｏｒｍａｔｉｏｎｏｆｅｘａｍｌｅ２　　　　ｐ序号１　２　３　４　５　６　７　８　９　１０　１１　１２　１３　发生时间１３：００：０２：５０８１３：００：０２：９００１３：００：０２：９５２１３：００：０２：９５８１３：００：０３：１１２１３：００：０３：１１８１３：００：０３：２００１３：００：０３：２４５１３：００：０３：２４７１３：００：０４：３２０１３：００：０４：３７５１３：００：０４：３９０１３：００：０４：４３２故障遥信内容Ｔ１主变差动失灵启动Ｔ１近后备保护启动ＣＢ２跳闸ＣＢ４跳闸ＣＢ６跳闸Ｔ２过负荷保护启动Ｂ１母线差动启动ＣＢ７跳闸ＣＢ９跳闸２Ｌｓ启动Ｔ２后备保护ＴＣＢ３跳闸Ｌ１右侧距离Ⅲ段保护启动ＣＢ１１跳闸由表６可知，故Ｔ．８，１和Ｂ１的故障概率大于０推断出Ｔ１和Ｂ１是故障元件。将元件故障概率代入各元件贝叶斯网络中通过正向推理，得到各保护（断路器）的动作概率，如表７所示。将表７中的Δ的判定规则，得到９）ｐ代入式（最终诊断结果，如表８所示。从ＳＣＡＤＡ系统的故障信息可知，故障元件是Ｂ几乎同时动作，１和Ｔ１，、中间伴随着Ｔ１ｍ、ＣＢ５拒动，Ｌ１ＲｓＣＢ１１误动等。、通过诊断推断出Ｌ１ＲｓＣＢ１１误动及Ｔ１ｍ、ＣＢ５拒动，为多重故障。可见诊断结果正确，容错性更强。表７　正向推理诊断得到的保护（断路器）动作概率）Ｔａｂ．７　Ｆｏｒｗａｒｄｒｅａｓｏｎｉｎｏｎａｃｔｉｏｎｏｆｔｈｅｂｒｅａｋｅｒｓｉｎｅｘａｍｌｅ２ｒｏｂａｂｉｌｉｔｒｏｔｅｃｔｉｏｎｓ（　　　　　　　ｇｐｐｙｐ　　保护（断路器）Ｌ１Ｒｓ　ＣＢ５　Ｔ１ｍＣＢ１１　ｐ１１　０　０　１　ｐ２方法１０．３８　０．５６　０．６４　０．３６　方法２０．４８　０．５４　０．５５　０．３２　方法３０．３２　０．５１　０．５９　０．３４　方法４０．３６　０．５３　０．５２　０．３５　方法５０．３９　０．５２０．５３０．３９　方法１０．６２　－０．５６－０．６４０．６４　方法２０．５２　－０．５４－０．５５０．６８　Δｐ方法３０．６８　－０．５１－０．５９０．６６　方法４０．６４　－０．５３－０．５２０．６５　方法５０．６１－０．５２－０．５３０．６１表８　算例２的故障诊断结果表Ｔａｂ．８　Ｆａｕｌｔｄｉａｎｏｓｉｓｒｅｓｕｌｔｓｏｆｅｘａｍｌｅ２　　　　　ｇｐ故障元件ＢＴ１，１误动的保护及断路器，Ｌ１ＲｓＣＢ１１拒动的保护及断路器Ｔ１ｍ，ＣＢ５割法的重叠元件为母线。以蝶形分割法进行分布式建模和诊断的重叠元件数比叶形分割法的多。）从Ｄ几何平均值法诊断３Ｓ证据融合角度看，－结果比重合度法更合理。原因是重合度法只从元件层面考虑将故障区域与各子网的关联程度作为融合依据。而几何平均值法除此以外，还考虑了子网的保护与断路器在ＳＣＡＤＡ系统中的动作信息。仿真实验表明，本文提出的集中式和４种分布式电网故障诊断模式中，采用蝶形分割法和几何平均值法的分布式故障诊断模型更为准确与合理。／／附录见本刊网络版（ｈｔｔａｅｓ．ｓｅｒｉ．ｓｃｃ．ｐ：ｐｇｐｇ／／／）。ｃｏｍ．ｃｎａｅｓｃｈｉｎｄｅｘ．ａｓｘｐｐ５　结语本文提出一种基于贝叶斯网络和ＤＳ证据理－论的分布式电网故障诊断方法，具有以下特点。）分布式故障诊断模型在准确性、容错性上优１于集中式。实际应用时可在不同区域诊断中心或一再将各个调度中心的各子网诊断设备上同时诊断，区域的各子网诊断结果集中融合，从而实现“分布诊断，集中融合”的分布式故障诊断。）从电网分割角度看，蝶形分割法比叶形分割２法的诊断结果更精确，区分度更高，原因是蝶形分割而叶形分法中各子网的重叠元件为线路和变压器，—４６—参考文献［］朱永利，］张文勤，高曙，等．电力系统故障判断专家系统［华北１Ｊ．（）：电力学院学报，１９９２，１９１１６．－

·学术研究·　何小飞，等　基于贝叶斯网络和ＤＳ证据理论的分布式电网故障诊断－，，ＺＨＵ　ＹｏｎｌｉＺＨＡＮＧ　Ｗｅｎｉｎ，ＧＡＯＳｈｕｅｔａｌ．Ｐｏｗｅｒｓｓｔｅｍ　　　ｇｑｙｆａｕｌｔｄｉａｎｏｓｉｓｅｘｅｒｔｓｓｔｅｍ［Ｊ］．ＪｏｕｒｎａｌｏｆＮｏｒｔｈＣｈｉｎａ　　　　　　ｇｐｙ，（）：ｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒ１９９２，１９１１６．Ｉｎｓｔｉｔｕｔｅ　　　－［］赵冬梅，张东英，徐开理，等．分层分布式电网故障诊断专家系统２］（）：设计［现代电力，Ｊ．２００４，８３４１４６．－，，ＸＵ　，ＤｏｎｍｅｉＺＨＡＮＧＤｏｎｉｎＫａｉｌｉｅｔａｌ．ＤｅｓｉｎＺＨＡＯ　　　ｇｇｙｇｇｏｆｄｅｌａｍｉｎａｔｅｄａｎｄｄｉｓｔｒｉｂｕｔｅｄｆａｕｌｔｄｉａｎｏｓｉｓｅｘｅｒｔｓｓｔｅｍｆｏｒ　　　　　　　　ｇｐｙ］，（）：ｓｓｔｅｍ［Ｊ．ＭｏｄｅｒｎＥｌｅｃｔｒｉｃＰｏｗｅｒ２００４，８３４１４６．ｏｗｅｒ　　　－ｙｐ［］李强，］徐建政．基于主观贝叶斯方法的电力系统故障诊断［电３Ｊ．（）：力系统自动化，２００７，３１１５４６５０．－，ＬＩＱｉａｎＸＵＪｉａｎｚｈｅｎ．Ｐｏｗｅｒｓｓｔｅｍｆａｕｌｔｄｉａｎｏｓｉｓｂａｓｅｄｏｎ　　　　　　　ｇｇｙｇ［］ＢａｅｓｉａｎａｒｏａｃｈＪ．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒｓｕｂｅｃｔｉｖｅ　　　　　ｊｙｐｐ，（）：Ｓｓｔｅｍｓ２００７，３１１５４６５０．－ｙ［］霍利民，朱永利，贾兰英，等．基于贝叶斯网络的电网故障诊断方４］（）：自然科学版，法［Ｊ．华北电力大学学报：２００４，３１３３０３４．－，，ＨＵＯＬｉｍｉｎ，ＺＨＵ　ＹｏｎｌｉＪＩＡＬａｎｉｎｅｔａｌ．Ｐｏｗｅｒｓｓｔｅｍ　　　　ｇｙｇｙ［］ｄｉａｎｏｓｉｓｂａｓｅｄｏｎＢａｅｓｉａｎｎｅｔｗｏｒｋＪ．ＪｏｕｒｎａｌｏｆＮｏｒｔｈｆａｕｌｔ　　　　　　　ｇｙ：Ｎ，ＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＵｎｉｖｅｒｓｉｔａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ　　　　　ｙ（）：２００４，３１３３０３４．－［］吴欣，］郭创新．基于贝叶斯网络的电力系统故障诊断方法［５Ｊ．（）：电力系统及其自动化学报，２００５，１７４１１１５．－ＷＵ　Ｘｉｎ，ＧＵＯＣｈｕａｎｘｉｎ．Ｐｏｗｅｒｓｓｔｅｍｆａｕｌｔｄｉａｎｏｓｉｓ　　　　ｇｙｇａｒｏａｃｈｂａｓｅｄｏｎＢａｅｓｉａｎｎｅｔｗｏｒｋ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｓｏｆｔｈｅ　　　　　　ｐｐｙｇ（）：ＣＳＵ－ＥＰＳＡ，２００５，１７４１１１５．－［］何小飞，童晓阳，周曙．基于贝叶斯网络和故障区域识别的电网６］（）：故障诊断研究［电力系统保护与控制，Ｊ．２０１０，３８１３２９３４．－，，ＨＥＸｉａｏｆｅｉＴＯＮＧＸｉａｏａｎＺＨＯＵＳｈｕ．Ｐｏｗｅｒｓｓｔｅｍｆａｕｌｔ　　　　　ｙｇｙｂａｓｅｄｏｎＢａｅｓｉａｎｎｅｔｗｏｒｋａｎｄｆａｕｌｔｓｅｃｔｉｏｎｌｏｃａｔｉｏｎｄｉａｎｏｓｉｓ　　　　　　　　ｙｇ［，２：Ｊ］．ＰｏｗｅｒＳｓｔｅｍＰｒｏｔｅｃｔｉｏｎａｎｄＣｏｎｔｒｏｌ０１０，３８（１３）　　　　ｙ２９３４．－［］毕天姝，焦连伟，严正，等．用于分布式电网故障诊断的新型网络７］（）：分割法［电力系统自动化，Ｊ．２００１，２５１６１６２１．－，Ｊ，ＹＡＮ，ｅＢＩＴｉａｎｓｈｕＩＡＯｉａｎｗｅｉｈｅｎｔｌ．Ｇｒａｈ　　Ｌ　Ｚ　ａｇｐｍｅｔｈｏｄｆｏｒｄｉｓｔｒｉｂｕｔｅｄｆａｕｌｔｓｅｃｔｉｏｎｅｓｔｉｍａｔｉｏｎａｒｔｉｔｉｏｎｉｎ　　　　　ｐｇ　ｏｗｅｒｓｓｔｅｍｉｎｎｅｔｗｏｒｋｓ［Ｊ］．ＡｕｔｏｍａｔｉｏｎｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒ　　　　　　ｐｙ，（）：２００１，２５１６１６２１．Ｓｓｔｅｍｓ－ｙ［］周玉兰，王俊永，舒治淮，等．８２００２年全国电网继电保护与安全］（）：自动装置运行情况［电网技术，Ｊ．２００３，２７９５５６０．－，，ＺＨＯＵ　Ｙｕｌａｎ，ＷＡＮＧＪｕｎｏｎＳＨＵＺｈｉｈｕａｉｅｔａｌ．Ｓｔａｔｉｓｔｉｃｓ　　　ｙｇａｎａｌｓｉｓｏｆｏｅｒａｔｉｏｎｓｉｔｕａｔｉｏｎｏｆｒｅｌａｉｎｓａｎｄａｎｄｒｏｔｅｃｔｉｖｅ　　　　　　　　ｙｐｙｇｐ［］ａｕｔｏｍａｔｉｏｎｄｅｖｉｃｅｓｏｆｏｗｅｒｓｓｔｅｍｉｎＣｈｉｎａｉｎ２００２Ｊ．Ｐｏｗｅｒ　　　　　　　　ｐｙ，（）：Ｔｅｃｈｎｏｌｏ２００３，２７９５５６０．Ｓｓｔｅｍ　－ｇｙｙ［］吴玉鹏，］陈丽鹃，王鹏，等．９２００２年全国电力可靠性统计分析［Ｊ．（）：中国电力，２００２，３６５１７．－，ＣＨＥ，ＷＡＮＧ，ｅＹｕｅｎＮＬｉｕａｎＰｅｎｔａｌ．ＳｔａｔｉｓｔｉｃＷＵ　　　　ｐｇｊｇ［］，ａｎａｌｓｉｓｏｎＣｈｉｎａｅｌｅｃｔｒｉｃｒｅｌｉａｂｉｌｉｔｉｎ２００２Ｊ．ＥｌｅｃｔｒｉｃＰｏｗｅｒ　　　　　　ｙｙ　（）：２００２，３６５１７．－，何小飞（男，硕士研究生，主要研究方向：电网１９８６—）故障诊断。，童晓阳（男，通信作者，博士，副教授，主要研究１９７０—）、方向：广域后备保护、智能Ａ信息技术及其在电力系统ｅｎｔｇ：中的应用、变电站自动化。Ｅ－ｍａｉｌｘｔｏｎａｈｏｏ．ｃｎ＠ｙｙｇ，孙明蔚（男，硕士研究生，主要研究方向：电力１９８７—）系统继电保护。ＤｉｓｔｒｉｂｕｔｅｄＰｏｗｅｒＳｓｔｅｍＦａｕｌｔＤｉａｎｏｓｉｓＢａｓｅｄｏｎＢａｅｓｉａｎＮｅｔｗｏｒｋａｎｄ　　　　　　　　　ｙｇｙＤｅｍｓｔｅｒＳｈａｆｅｒＥｖｉｄｅｎｃｅＴｈｅｏｒ－　　ｐｙＨＥ　Ｘｉａｏｅｉ，ＴＯＮＧ　ＸｉａｏａｎＳＵＮ　Ｍｉｎｗｅｉｆｙｇ，ｇ，（）ＳｏｕｔｈｗｅｓｔＪｉａｏｔｏｎＵｎｉｖｅｒｓｉｔＣｈｅｎｄｕ６１００３１，Ｃｈｉｎａ　　ｇｙｇ　Ａｂｓｔｒａｃｔ：ＡｎｏｖｅｌｄｉｓｔｒｉｂｕｔｅｄｆａｕｌｔｄｉａｎｏｓｉｓｍｏｄｅｌｂａｓｅｄｏｎｔｈｅＢａｅｓｉａｎｎｅｔｗｏｒｋａｎｄＤｅｍｓｔｅｒＳｈａｆｅｒ（ＤＳ）ｅｖｉｄｅｎｃｅｔｈｅｏｒ　　　　　　　　　　　　－－　ｇｙｐｙ，ｉｓｒｏｏｓｅｄ．Ｆｉｒｓｔｌａｒｅａｌｔｉｍｅｗｉｒｉｎａｎａｌｓｉｓｍｅｔｈｏｄｉｓｕｓｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｆａｕｌｔｚｏｎｅｓｔｏｎａｒｒｏｗｔｈｅｄｉａｎｏｓｉｓｓｃｏｅ．　　－　　　　　　　　　　　　　　ｐｐｙｇｙｇｐ　，ｔｗｏｋｉｎｄｓｏｆｓｅｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｗｉｔｈｂｕｔｔｅｒｆｌａｎｄｌｅａｆａｒｅｒｅｓｅｃｔｉｖｅｌａｄｏｔｅｄｔｏｒｅａｓｏｎａｂｌｄｉｖｉｄｅｔｈｅＳｅｃｏｎｄｌｏｗｅｒ　　　　　　　　　　　　　ｇｙｐｙｐｙｙｐ　　　ｒｉｄ．Ｔｈｅｃｏｎｃｅｔｏｆｃｏｉｎｃｉｄｅｎｃｅｄｅｒｅｅｉｓｉｎｔｒｏｄｕｃｅｄ．Ｔｈｅｅｏｍｅｔｒｉｃｍｅａｎｏｆｃｏｉｎｃｉｄｅｎｃｅｄｅｒｅｅａｎｄｆａｕｌｔｃｏｅｆｆｉｃｉｅｎｔｏｆｓｕｂ　　　　　　　　　　　　　　　　－ｇｐｇｇｇ，ｒｉｄｉｓｃｏｎｓｔｒｕｃｔｅｄｆｏｒｔｈｅｆａｓｈｉｏｎｉｎｏｆＤＳｅｖｉｄｅｎｃｅｔｈｅｏｒ．Ｓｏｍｅｅｘａｍｌｅｓａｒｅｉｖｅｎｆｏｒｔｈｅｃｅｎｔｒａｌｉｚｅｄｄｉａｎｏｓｉｓｄｉｓｔｒｉｂｕｔｅｄ　　　　　　－　　　　　　　　　ｇｇｙｐｇｇ　ｄｉａｎｏｓｉｓｗｉｔｈｔｗｏｋｉｎｄｓｏｆａｒｔｉｔｉｏｎｉｎａｎｄｔｗｏｔｅｓｏｆＤＳｅｖｉｄｅｎｃｅｆａｓｈｉｏｎｉｎｍｅｔｈｏｄｓ．Ｔｈｅｅｘｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｉｌｌｕｓｔｒａｔｅ　　　　　　　　　－　　　　　ｇｐｇｙｐｇｐ　　ｔｈａｔｔｈｅｄｉｓｔｒｉｂｕｔｅｄｆａｕｌｔｄｉａｎｏｓｉｓｍｏｄｅｌｗｉｔｈｂｕｔｔｅｒｆｌｓｅｍｅｎｔａｔｉｏｎａｎｄｅｏｍｅｔｒｉｃｍｅａｎｍｅｔｈｏｄｉｓｍｏｒｅａｃｃｕｒａｔｅａｎｄ　　　　　　　　　　　　　　　ｇｙｇｇ　ｒｅａｓｏｎａｂｌｅ．ＴｈｉｓｗｏｒｋｉｓｓｕｏｒｔｅｄｂＳｔａｔｅＧｒｉｄＣｏｒｏｒａｔｉｏｎｏｆＣｈｉｎａａｎｄｔｈｅＦｕｎｄａｍｅｎｔａｌＲｅｓｅａｒｃｈＦｕｎｄｓｆｏｒｔｈｅＣｅｎｔｒａｌ　　　　　　　　　　　　　　　　ｐｐｙｐ　Ｎｏ．ＳＷＪＴＵ０９ＺＴ１０）．Ｕｎｉｖｅｒｓｉｔｉｅｓ（；；；；ｏｗｅｒｒｉｄＫｅｗｏｒｄｓ：ｄｉｓｔｒｉｂｕｔｅｄｆａｕｌｔｄｉａｎｏｓｉｓＢａｅｓｉａｎｎｅｔｗｏｒｋＤｅｍｓｔｅｒＳｈａｆｅｒｅｖｉｄｅｎｃｅｔｈｅｏｒｃａｓｃａｄｉｎｔｒｉ　　　　－　　ｐｇｇｙｐｙｇｐｙ　　—４７—