是一种获取元件的图像, 利用识别算法对图像进行处理, 识别元件的质量、 位置、 角度、 判断所拾取的元件是否合格, 以便调整其贴装位置和角度的技术。应用于综合污秽监测信息、雷电监测信息、气象预警信息等领域。在元件识别故障中，通过建立外部要素矩阵，进行模糊聚类和关联度计算，最后得到引起故障的可能外部因素集，以帮助系统运行人员快速定位和排除故障，尽快恢复系统正常运行。

阈值分割效果比较优越的确定方法大都是根据图像的灰度直方图选择，因为该方图反映了图像的灰度分布特征，容易借助背景和目标的双峰特征选择最优阈值。根据阈值的不同作用范围，可分为全局和局部两种，前者只在图像质量较好时有效，后者则适应于较复杂的图像。

全局阈值法是指整个图像采用单一阈值（全局阈值）进行图像二值化。目前已有多种全局阈值确定方法，如平均灰度值、模态法、迭代法、最大相关法、最大熵法等，其优点为应用范围比较广，算法较简单；对于对比度较高、照度均匀、无阴影的图像，能达到很好的分割效果。缺点是抗噪能力不强；对目标和背景的灰度有梯度变化的图像效果较差或失效。

局部阈值法是用与坐标相关的一组阈值来对图像各部分分别进行分割（即阈值是坐标的函数）。，讨论了11 种局部阈值化方法及它们在二值化图像时的性能。综合分析其优点为抗噪能力强：对一些用全局阈值法不易分割的图像有较好的效果。缺点是算法的时空复杂度增加，影响了图像处理的速度；容易受到背景灰度不均匀性的影响；如果邻域窗口内的点全是目标或背景点，或窗口内存在个别的突发噪声点，则分割就会有明显的错误。

在本文所研究的表面贴装元器件视觉检测中，视觉系统采集到的像中元件（目标）和吸盘（背景）对比度较高，且元件无阴影，较适于采用全局阈值法进行阈值分割。由对图像模型的描述知，对双峰直方图选取两峰之间的谷所对应的灰度值作为阈值就可将目标和背景分开（多峰直方图时也是类似）。 是明显的多峰直方图，除三个主要的波峰外， 后半段阶梯形各拐角处的灰度值也是其左右邻域的波峰。因此若选取了整个直方图的谷就确定了分割图像的阈值。然而在传统求谷算法中，对多于两个波峰的情况，阈值一般选择主要的两个波峰的平均值。若取主要的两个波峰（T1=55，T2=255 ），得到的阈值T=(T1+T2）/2=155。而在实际元器件图像处理中，经过调试满足要求的阈值为 130，与计算数值有很大的误差。因此，需要结合表面贴装元器件的图像特点，分析适用于本文研究对象的阈值确定方法。由 直方图可以看出，两个波峰之间的间距比较大，中间有很多的跌宕起伏，说明该图像对比度比较低，仅用两个主要波峰的平均值去处理将忽略大部分次波峰的灰度变化，从而使得阈值选择算法的结果误差很大。因此，本文结合表面贴装元器件的实际图像特点，提出基于均谷加权的阈值分割算法，将灰度直方图不同像素的灰度变化引入到阈值确定算法中，以提高阈值分割的精度。

表面贴装元器件的视觉检测和定位是影响贴片机整体性能的关键因素, 其主要任务包括获取元件的图像, 利用识别算法对图像进行处理, 识别元件的质量、 位置、 角度、 判断所拾取的元件是否合格, 以便调整其贴装位置和角度。

在目前现场应用中, 表面贴装元器件边缘提取采用的是边界跟踪的方法, 即从一个梯度幅值图像(边界锐化图像)着手进行处理, 依据一定的算法和准则, 搜索到所有边界上灰度值最大的点为边缘点, 具体算法过程。但这种算法也存在问题:

(1)边缘提取点的精确度影响到其后的最小二乘法运算, 任何一个参与运算点位置变化都会改变最小二乘法的结果, 所以当参与运算的边界点能够符合实际的边界轨迹时, 最小二乘法能得到和边界接近的直线方程, 但若不符合边界轨迹, 就会产生较大的干扰。

(2)数字图像的基本组成单位是像素, 进行的边界锐化算法精度为1个像素, 但实际中像素值的变化是一个渐变的过程, 其差分最大值可能不会出现在单位像素的位置, 而是出现在两个像素之间, 这时单位像素的精度就满足不了需要,需引入亚像素的概念。

亚像素边缘检测技术最早由Hueckel 提出,在发展过程中形成了一些基本方法,

①几何方法,利用图像中某一目标的几何特征得到亚像素精度的测量数据, 一般是利用图像中一些规则形状的目标, 如圆、三角形、正方形等形状, 但这种算法精度较低, 对不规则形状的图像效果不好。

②矩估计方法, 由于矩是基于积分的运算, 被认为是对噪声不敏感的稳定特征, 已被应用于图像识别等领域。运用到亚像素中的有空间矩, ZOM正交矩等, 定位精度较好, 但算法复杂度较大, 计算时间较长。

③插值法, 是基于亚像素边缘检测的原理生成, 主要有线性插值、三次正交多项式插值(即多项式)、样条插值、双线性插值四类。对这几种算法进行了对比研究, 空间矩法和最小二乘法有很高的定位精度, 但其计算时间较长, 并且最小二乘法需要有一定的先验知识, 而且其抗噪能力较差;插值法计算时间相对较短;样条插值和双线性插值的抗噪能力和定位精度都较高, 但计算时间较长一点。样条插值可以用较少的点反映整个曲线的变化趋势, 所需的计算量相对双线性插值要小些, 并且它可以根据情况选择合适的阶数。图像噪音小, 可用高阶样条, 以便能得到很好的逼近性能, 使边缘定位更为准确;反之, 噪音大的, 可用低阶样条进行平滑。在样条插值中应用最多的是三次样条插值, 因为它既克服了低次样条在端点上有间断的一阶或二阶导数成为角点的情况, 又克服了高次样条计算量大和出现不一致收敛的现象。在现有的表面贴装元器件边缘提取的算法中,也有用到亚像素的概念, , 通过全局特性和局部小领域特性结合的方法, 得到亚像素的精度边缘, 能达到良好的定位精度, 但此方法只对具有直线边缘的表面贴装元器件有良好的效果。对集成块引脚的测量中用到了样条插值的算法, 但只是粗略的分析, 没有具体说明其算法思想。基于以上分析, 本文选择三次样条函数作为提取亚像素边缘点的方法, 并且详细阐述如何从像素级到亚像素级的递进边缘检

安全性、稳定性和经济性是电力系统运行的主要目标。然而，自然灾害、误操作、污秽、雷电以及其它恶劣气象因素常常会引发电力系统故障;其中，污秽、雷电以及其它恶劣气象因素引起的故障占绝大多数。我国地域辽阔，输电网络规模庞大，且东、西部气候差异很大; 每年春夏两季，沿海地区台风、暴雨不断，电力系统故障频发，原因包括自然因素、人为因素以及设备自身因素等。 实际运行经验表明，许多地区的电力系统都有过因天气状况恶劣导致输电线路、变电设备乃至变电站全停或部分停运的情况。由此可见，恶劣外部环境会大大增加电力设备发生故障的可能性，严重影响电力系统安全运行。

不同灾害天气条件下可能引发的电力系统故障形式可以有很大区别，同时所引发的故障对电力设备发生故障后，出于安全考虑，一般在设备停运后才去寻找故障原因，而这个故障排统重合闸率较低而雷害时重合闸率则较高。为分析不同灾害对电力系统故障的影响，首先对灾害形式进行分类。以江苏电力系统为例，其受到的自然灾害主要包括雷电、污秽、降雨、降雪、大风、霜冻、雾霾、高温、严寒等。对于雷电，可分开或综合考虑落雷密度和强度的影响; 而污秽对电力系统的影响主要是会导致污闪，其影响程度与污秽等级、空气湿度密切相关。

除过程往往需要花费几十分钟以上的时间。国内外在电力系统故障诊断方面已经做了很多研究工作 但问题尚未能很好解决。可靠且高效的故障原因分析可以帮助运行人员有针对性的寻找导致故障的线索 减少排除故障时间。现代电力系统调度中心一般配备了先进的计算机系统，也引入了现代化设备监视和控制电力系统运行状态以及实时监测设备外部环境状况 这为故障诊断及故障影响要素分析提供了技术支撑。电力监测技术的不断发展为电力系统故障影响要素分析提供了愈来愈丰富的信息来源。利用包含外部环境要素等附加信息的电力系统历史运行数据对故障类型进行分类和确定设备故障形式，之后采用粗糙集、逻辑回归及人工神经元网络等方法识别故障影响要素和分析故障原因。

综合考虑了检修设备和正常运行设备所在区域的气象条件对检修的影响，提出了计及可靠性和气象因素的配电系统短期维修决策方法。]开展了计及天气预测的电力系统运行可靠性短期评估，建立了基于支持向量机的天气预测模型。考虑了不同气象等级和气象因素对输电线路故障率的影响，提出了一种基于灰色模糊理论的、计及多种气象因素的输电线路运行风险评估方法。前已述及，气象等要素是导致电力系统故障的主要原因之一，但如何在故障诊断中适当计及这些要素的影响是一个有待深入研究的问题。本文对此问题进行探讨，发展利用气象等影响要素的电力系统故障元件识别与故障原因分析方法，在现有的故障诊断模型 的基础上进一步利用故障时刻外部要素情况对故障影响要素作了分析。在系统发生故障后，根据故障前后的电力系统网络拓扑结构可以确定停电区域，停电区域中所包括的元件就是可疑故障元件。在此基础上，以继电保护和断路器状态为故障诊断信息源，构建故障诊断模型，进而识别故障元件。之后，综合污秽监测信息、雷电监测信息、气象预警信息以及其它外部环境监测设备信息和故障元件识别结果，对故障元件进行故障影响要素分析。具体地，通过建立外部要素矩阵，进行模糊聚类和关联度计算，最后得到引起故障的可能外部因素集，以帮助系统运行人员快速定位和排除故障，尽快恢复系统正常运行。

故障元件识别与故障原因分析属于能量管理系统(EMS)中的高级应用功能，所需数据主要来源于调度自动化系统(SCADA / EMS )、继电保护及故障录波系统、污秽监测系统、雷电监测系统和气象预警系统等电力信息数据采集系统。在电力系统发生故障后，首先启动故障诊断模块，通过通讯接口从SCADA 系统、保护信息系统以及广域测量系统(WAMS)单向获取实时数据并将其存放在故障诊断系统的实时数据库之中，根据实时采集的数据进行故障元件诊断，之后将元件诊断结果发送给故障影响要素分析模块。故障影响要素分析模块接收并解析故障诊断模块传送过来的故障元件诊断结果，并采集实时污秽监测、雷电、气象以及其它外部信息/ 数据等，分析故障原因，并生成故障影响要素分析报告供系统运行人员查阅和分析

电力系统故障诊断模块主要包括下述三个步骤

(1)停电区域识别。根据故障前后的电力系统网络拓扑结构分析不难识别出故障后的停电区域。停电区域中所包括的元件就是可疑故障元件。

(2)故障元件诊断。根据故障区域内每个可疑故障元件与相应保护、断路器动作之间的逻辑关系，构建每个元件的加权模糊Petri 网络，通过矩阵运算诊断出故障元件。

(3)保护设备动作评价。根据诊断出的故障元件进行反向推理分析，可以对保护和断路器的动作情况进行评价，以判断其误动和拒动情况。

考虑到江苏电力系统的实际状况，时序和电气量部分，构建了简化的加权模糊Petri 网络故障诊断模型用于诊断故障元件。Petri 网络是由库所、变迁以及有向弧组成的用以描述并行事件的有向网络，其动态性质通过变迁的激活和托肯的转移实现。在满足规定条件时，变迁激活，托肯按照有向弧的方向从该变迁的输入库所转移至输出库所中。定义加权模糊Petri 网为一个九元组:= {P，T，I，O，Acc，U，Thre，W，M} ( 1)式中:P = {p1，p2，… ，pn}为库所集，n 为库所数;T= {t1，t2，… ，th}为变迁集，用于表征推理规则，h 为变迁数;I :P→T 为反映库所到变迁的映射，I =[δij]为n × h 矩阵，当pi是tj的输入(即存3pi到tj的有向弧)时δij= 1，否则δij= 0;O:T→ P 反映变迁到库所的映射，O = [γij]为h × n 矩阵，当pj是ti的输出(存在ti到pj的有向弧)时γij= 1，否则γij= 0;Acc= [aij]为n × n 矩阵，表征一般库所到达目的库所的通路，当pi的库所通路经过pj时aij= 1，否则aij= 0;U = [μ1，μ2，… ，μh]为变迁的置信度向量，若对于任意j 有μj= 1，模型即为不含模糊变量的简单Petri 网;Thre= [λ1，λ2，…，λh]为变迁的点火阈值向量;W=diag(w1，w1，… ，wn)为输入弧的权值矩阵，用于反映前提条件对规则的影响程度，其取值与库所表征的事件类型相关;M = [α(p1)，α(p2)，…，α(pn)]为库所置信度向量，α(pi)表示库所pi的置信度。

一个简单的加权模糊Petri 网的结构，其可用于研究状态不确定性问题。加权模糊 Petri 网与简单Petri 网的最大区别在于前者考虑了输入弧的权值、库所的置信度、变迁的置信度、概率值的变迁过程等，提高了模型的容错性和适用性。加权模糊Petri 网的推理过程。若库所置信度α (p1)≥λt1且α (p2)≥λt1，变迁t1点火，库所p3的置信度为α(p3)= (α(p1)·w1+ α(p2)·w2)·μ1，其中w1+ w2= 1。若α(p3)≥λt2，α(p4)≥λt3，变迁t2和t3分别点火，因变迁t2和t3都只有1 个前置库所，故其输入弧的权值均为1，库所p5的置信度为α(p5)= max {α(p3)·μ3，α(p4)·μ4}。在加权模糊Petri 网的推理过程中，定义了5 个矩阵运算所需要的运算规则。假设A、B 和C 均为h × n 矩阵，而D 为h × q 矩阵，E 为q × h 矩阵，定义: (1)加法算子:C = A B，则cij= max (aij，bij) ; (2)比较算子?:C = A?B，，则当aij≥ bij时cij= 1，否则cij= 0; (3)直乘算子:C=A B，则cij= aijbij; (4)乘法算子:C = DE，则cij= max (dikekj)，1 ≤ k ≤ q; (5)矩阵q乘法·:C = D·E，则cij= ∑dikekj。k = 1加权模糊Petri 网经过迭代推理可达到稳态，即库所置信度矩阵M 的值不再随迭代进行而变化。假设第k 次迭代得到置信度矩阵M，则获取第k + 1 次置信度矩阵M(k = 0，1，2，3，…;给定初始状态M)则令k = k + 1，继续推理。

故障影响要素

我国地域辽阔、各地气候及地理状况差异巨大，这样在不同地区导致电力系统故障的主要因素也就有所不同。在识别出故障元件之后，需要快速找出故障原因，排除系统故障，尽快恢复系统正常运行。实际电力系统的运行经验表明，大部分电力设备或元件的故障率会因所处环境状况的不同而不同，且在恶劣环境下其故障率会急剧增大。以下为江苏省电力系统所遭受的主要恶劣环境及其特点。

(1)污秽

绝缘子表面污秽直接来源于大气，污秽程度直接受大气中各类型污染物含量的影响。随着空气中工业排放物的增多和自然扬尘现象的加剧，电力设备在运行过程中，其外绝缘表面积污越来越严重。在雾、露、雨、雪等湿度较高的天气环境下，设备外绝缘污层中的电解质溶于水层，此时外绝缘污层很容易发生污闪，严重时直接导致供电设备故障。实际运行经验表明，污闪一般发生在正常运行电压下，且事故重合闸成功率较低，容易引起大范围停电事故。据电力部门事故统计表明，在全国范围内，污闪是除雷电以外造成系统故障最多的原因，且其造成的损失是其它天气因素所无法比拟的。由于泄漏电流包含了绝缘子运行状态的足够信息且相对容易测量，电力部门现阶段主要通过测量泄漏电流来实现对电力设备外绝缘污秽程度的在线实时监测 。

(2)雷电

雷害事故是造成高压输电线路跳闸停电的主要原因之一，不过雷击故障的重合闸成功率相对较高。极大的雷电过电压具有电磁效应、机械效应和热效应，会导致电力设备损坏、使输电线路发生故障、断路器跳闸，影响正常送电。同时，雷电干扰磁场也会沿着各种电缆窜入设备，使电力设备承受很高的过电压，以致破坏设备绝缘，造成危害。雷击故障的分布与地闪密度( 每年每平方公里发生的地闪次数) 的分布有较强的关联性，雷击故障应结合当地具体地形地貌特征、输电线路绝缘水平、防雷配置等环境因素综合分析。在上世纪70 年代，美国率先研制出了比较精确的雷电定位系统即LLS (lightning location system)系统 极大地促进了对雷击故障的研究 其主要由雷电探测系统、雷电定位系统中心站、通信网络和用户工作站四部分组成。

(3)其它环境要素

一般情况下，降雨会导致电力设备的故障率大大增加，但强降雨一般不会直接导致输电线路停运。而伴随着降雨的大风、雷电等气象灾害往往是降雨期间设备故障率增加的主要因素。与此同时，强降雨会在短时间内引发坡面径流并冲刷坡面，严重时引起山体滑坡等灾害，使输电线塔串倒，造成重大损失。台风灾害是影响沿海地区的主要气象灾害之一，其带来的大风、强降水破坏建筑物、引起洪涝、山体滑坡和泥石流等灾害。台风是造成输电线路运行故障的重要原因之一，极大的风速可超过线路原本设计的抗风能力，致使线路横向撞击，导致线路相间短路等故障。在雾、毛毛雨、融冰等环境状况下，污层中的电解质会溶于水中而使绝缘子导电性能增加，使绝缘子的电气强度大打折扣，造成绝缘子发生污闪事故。高温天气使环境温度升高，输电线路与周围环境的温度差减小，散热速度下降，线路温度升高，易导致过负荷运行和线路接地故障等。

故障影响要素分析流程

故障影响要素分析主要针对故障诊断得到的故障元件，采集实时污秽、雷电、气象以及历史外部信息数据等，结合历史运行数据，建立外部要素矩阵 并进行模糊聚类和关联度计算(得到导致故障发生的可能的外部因素集，从而辅助运行人员快速定位和排除故障。

（1）要素分析信息采集电力系统发生故障后，将故障影响要素分析模块初始化，并使其接受来自故障诊断模块的分析处理结果，包括所诊断出的故障元件、保护和断路器动作情况、故障测距结果等。同时，故障影响要素分析模块需采集故障元件所在区域在故障发生时段的污秽监测、雷电监测和气象预警等外部要素信息，以进行下一步的故障影响要素分析。

(2)建立外部要素矩阵

外部要素环境包括污秽、雷电、降雨、大风、降雪、高温等，采集故障发生时段电力设备所处的多个外部要素环境，并结合历史运行状况下电力设备所在区域的外部要素环境，建立电力设备多时刻外部要素矩阵。之后，对此矩阵用最小—最大数据标准化方法进行归一化处理，使所有外部要素指标归化到同一个数量级，以便进行综合测评分析。

(3)建立外部要素相似关系矩阵

电力设备在相似的外部环境下的故障率是相似的。建立外部要素相似关系矩阵是为了将相似的外部要素序列归为一列，以便研究其共同规律。可以采用相似系数法、距离法和主观法形成该矩阵。这里采用距离法中的绝对值减速法，并根据模糊聚类理论将此矩阵通过传递闭包法 ( 在很多应用领域，模糊关系具有自反性和对称性，但不满足传递性，即仅是相似关系。此时可对模糊相似关系 R进行改造，寻找一个包含 R的传递闭包，将其转化为模糊等价关系，进而进行模式分类。这种方法称为传递闭包法) 转换成外部要素相似关系模糊等价矩阵。

(4)聚类处理

将故障时段电力设备所处的外部要素环境以及其在历史运行中所处区域的外部要素环境分类有利于对其做进一步分析。可采用λ 截集法处理外部要素相似关系模糊等价矩阵，进行模糊聚类，将电力设备具有相似外部环境的外部要素序列归结为同一类。聚类水平λ 的大小直接影响分类结果，在λ 由1逐步减小到0的过程中，由外部要素相似关系模糊等价矩阵确定的分类内所含元素逐渐增加，分类数逐渐减少，最后归并为一类。

(5)关联度计算

关联度分析根据外部要素序列之间的相似程度来判断元件故障时刻的外部要素序列和相应的历史外部要素序列之间的相似程度。外部要素序列越接近，关联程度越大。每个外部要素序列包含多项指标，首先计算故障时刻外部要素序列和历史运行情形下外部要素比较序列中每项外部要素的关联系数，再通过加权获得最终关联度。

(6)故障原因分析

在完成上述模糊聚类和关联度计算后，基于加权的思路就可以求出不同外部要素造成本次故障的可能性; 据此对不同外部要素进行排序，把引发本次故障可能性最大的几种外部要素提供给系统运行人员，辅助其快速分析和排除故障。故障元件识别与故障原因分析系统的实现故障元件识别与故障原因分析系统架构，其功能主要通过七个步骤来实现。

1.程序初始化将系统的各个控制参数和通讯接口程序进行初始化处理，包括读取系统的所有状态量并更新静态数据库中的信息，通过通讯接口并以IP 加密认证的形式从电网拓扑数据库、SCADA 系统、保护信息系统、WAMS 系统和外部环境监测系统等单向获取电力系统内部设备状态信息及外部环境的实时监测信息，并存放在故障诊断及故障影响要素分析系统的实时数据库中。此后，根据实时信息通讯协议读取包括保护动作、断路器跳闸等状态变位信息。

2.更新网络结构每当电力系统发生故障或进行检修的时候，带电子系统和停电子系统都会发生变化。此时需要再次更新电力系统保护、断路器等的动作信息，并对电力系统网络拓扑进行分析，得到最新的停电区域，并与故障或检修发生前的停电区域进行对比，新增的停电区域就是故障区域或检修区域。将最新的网络结构存储到电网拓扑结构数据库，供故障诊断和故障影响要素分析模块调用。

3.信息预处理及启动检测信息预处理主要指对警报信息的预处理。电力系统发生故障后，监测设备会上传大量警报信息到调度中心，包括故障诊断需要的各种保护和断路器动作信息、与诊断间接关联的各种装置异常或警报信息以及雷电、污秽和气象环境监测信息。此外，还会有影响故障诊断和故障影响要素分析的警报误报、漏报情况发生，且警报信息会被多次重复上传并其它无用信息混淆在一起，这会明显加重调度人员的工作量，这就要求对这些信息进行分类和筛选，以便快速、准确地实现故障诊断和故障影响要素分析。启动检测主要用于判断是否启动核心故障诊断和故障影响要素分析程序。若判断为停电检修，则系统并没有发生故障，就不需要启动核心故障诊断和故障影响要素分析程序，此时只需运行更新网络拓扑结构的程序，把变化后的网络拓扑结构存储到电网拓扑结构数据库中。

4.故障诊断核心程序故障诊断核心程序是基于加权模糊Petri 网的故障诊断方法开发的。诊断过程主要分为如下几个步骤: 搜索停电区域、建立元件的故障诊断模型并进行诊断、评估保护和断路器的动作行为。故障诊断结束后将诊断结果写入历史数据库中，以便事后分析和日后查询。

5.故障影响要素分析核心程序电力系统发生故障后，启动通讯接口程序。通过通讯接口从SCADA 系统、保护信息系统以及WAMS 系统单向获取实时数据并将其存放在故障诊断系统的实时数据库中。根据实时采集的数据进行故障元件诊断，之后将诊断结果发送给故障影响要素分析系统。故障影响要素分析系统接收并解析故障诊断模块传送过来的元件故障诊断结果，并采集实时污秽监测、雷电、气象以及历史外部信息数据等，建立故障影响要素分析模型，生成故障影响要素分析报告，用以辅助系统运行人员定位和排除故障。

6.生成故障诊断综合分析报告故障诊断综合分析报告主要用于反映故障发展过程以帮助系统运行人员快速了解故障情况、找到故障原因，为后续故障处理争取宝贵时间和提供决策支持，并进行事后分析。其主要步骤包括:读取故障诊断及故障影响要素分析结果。通过对文本文件的数据读取，将诊断分析结果按相应的数据结构保存，为后续生成故障诊断综合分析报告所需数据做准备。数据处理。包括计算事件的相对时间、生成输出数据、统计厂站和事件排序。程序操作。在数据处理环节后可获得要输出到故障诊断综合分析报告的数据，按统一的报告内容，在故障诊断综合分析报告中通过C#程序完成对故障设备诊断情况、保护与断路器动作情况、故障影响要素分析结果的描述。生成报告。故障诊断综合分析报告所需内容已通过上述步骤全部获得，最后保存故障诊断综合分析报告至相应位置供系统运行人员查询。

7.人机接口及与其它软件接口人机接口主要包括对故障诊断和故障影响要素分析结果进行图形界面显示以及维护人员对核心程序维护的通道。与其它软件的接口则包括与调度员培训模拟系统(DTS)等高级应用分析软件的接口。江苏电力系统已经高度现代化，具有多种监视和控制电力系统运行状态的先进设备并可以实时监测设备外部环境状况，这为故障元件识别和故障原因分析提供了丰富的信息及数据。已经建立了污秽监测系统、大气环境监测系统、气象监测系统和输电线路视频监控系统等在内的多种外部监测系统，并已接入SCADA 系统、保护信息系统以及WAMS 系统平台，可以对电力设备及其周边环境进行实时监控。在电力系统发生故障后，该系统可为故障诊断提供继电保护和断路器状态等信息，为故障影响要素分析提供污秽、雷电、气象等外部环境监测信息，可以有效保证故障元件识别和故障原因分析的顺利进行。