電網(wǎng)故障診斷技術(shù)綜述

何文博，關(guān)煥新

(沈陽工程學(xué)院，遼寧　沈陽　110136)

電能作為一種特殊的清潔綠色能源被廣泛地應(yīng)用到國民生產(chǎn)中，隨著經(jīng)濟(jì)的不斷發(fā)展以及對(duì)電能的愈發(fā)依賴，電能的質(zhì)量、安全以及穩(wěn)定對(duì)社會(huì)發(fā)展發(fā)揮著十分重要的作用。社會(huì)經(jīng)濟(jì)、生活水平等諸方面的進(jìn)步都促使電力系統(tǒng)日趨復(fù)雜化，這就對(duì)電能的持續(xù)穩(wěn)定運(yùn)行提出了更高的要求。電網(wǎng)作為電能傳輸?shù)闹苯虞d體，由于其長期暴露在自然環(huán)境中，難免會(huì)出現(xiàn)故障。為快速監(jiān)測(cè)及解決故障，保證電力系統(tǒng)安全可靠運(yùn)行，需要一套智能的故障診斷系統(tǒng)，能夠使運(yùn)行人員快速準(zhǔn)確地判斷故障區(qū)域并鎖定故障元件，從而及時(shí)有效地恢復(fù)故障區(qū)域系統(tǒng)的正常運(yùn)行，增強(qiáng)供電的持續(xù)性和可靠性。

電網(wǎng)故障診斷通常是指調(diào)度中心進(jìn)行的系統(tǒng)級(jí)故障診斷，對(duì)保護(hù)器件發(fā)出的故障信號(hào)、斷路器的動(dòng)作信息進(jìn)行處理分析，根據(jù)電網(wǎng)保護(hù)邏輯和監(jiān)控人員的經(jīng)驗(yàn)推斷可能的故障位置和故障類型，為相關(guān)人員提供依據(jù)。自20世紀(jì)70年代面向系統(tǒng)層面的電網(wǎng)故障診斷開展研究以來[1]，對(duì)電網(wǎng)故障診斷相關(guān)的研究成為國內(nèi)外專家學(xué)者關(guān)注的焦點(diǎn)，人工智能技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展[2]使智能化的故障診斷方法成為該領(lǐng)域的研究熱點(diǎn)和重點(diǎn)。

1　故障診斷技術(shù)研究現(xiàn)狀

電力系統(tǒng)的故障診斷開始于20世紀(jì)40年代，主要用于快速定位故障元件。據(jù)統(tǒng)計(jì)，定位故障元件時(shí)間要占故障處理時(shí)間的1/3，縮短故障定位時(shí)間將顯著提高故障處理效率。

1960年，數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(SCADA)應(yīng)用在電網(wǎng)中，至此電網(wǎng)的故障診斷擁有了數(shù)據(jù)基礎(chǔ)。1969年，Dyliacco和Kraynak利用斷路器動(dòng)作信息和繼電器跳閘診斷故障，為故障分析和診斷奠定了基礎(chǔ)。20世紀(jì)80年代，計(jì)算機(jī)領(lǐng)域及人工智能的快速發(fā)展，推動(dòng)專家系統(tǒng)在電力部門的應(yīng)用。1983年Sakaguchi和Matsumoto最先使用專家系統(tǒng)解決電力系統(tǒng)故障。1986年，C Fukui和J Kawakam采用prolog語言設(shè)計(jì)了電網(wǎng)故障診斷專家系統(tǒng)，構(gòu)建了電氣設(shè)備、斷路器及繼電保護(hù)的三者關(guān)系，使用SCADA采集的故障信息進(jìn)行診斷，可以定位故障設(shè)備和分析保護(hù)器及斷路器誤動(dòng)作行為。在這之后，專家系統(tǒng)逐漸成為電網(wǎng)故障診斷最常用的處理方法。1990年后，對(duì)于電網(wǎng)故障診斷的研究成果開始記載于我國文獻(xiàn)中；遺傳算法與神經(jīng)網(wǎng)絡(luò)也慢慢地被人們用在故障診斷中，應(yīng)用遺傳算法可以提高定位效率，神經(jīng)網(wǎng)絡(luò)可以解決故障中的不確定問題。20世紀(jì)90年代后，廣域測(cè)量系統(tǒng)開始應(yīng)用在電力系統(tǒng)故障診斷中，它可以將準(zhǔn)確坐標(biāo)以實(shí)時(shí)斷面數(shù)據(jù)形式傳送到電網(wǎng)故障診斷系統(tǒng)。表1為電網(wǎng)故障診斷數(shù)據(jù)特性。

表1　電網(wǎng)故障診斷數(shù)據(jù)特性

復(fù)合型故障數(shù)據(jù)源的應(yīng)用推動(dòng)了信息融合技術(shù)在電網(wǎng)故障診斷中的研究，融合不同時(shí)間間隔的數(shù)據(jù)可以更為詳細(xì)地描述故障過程，提高識(shí)別準(zhǔn)確性。后來，Petri網(wǎng)方法、貝葉斯網(wǎng)絡(luò)法等方法相繼被應(yīng)用到電網(wǎng)故障診斷中。表2為電網(wǎng)故障診斷方法的發(fā)展過程。

表2　電網(wǎng)故障診斷發(fā)展過程

2　故障診斷常用方法

2.1　專家系統(tǒng)

專家系統(tǒng)發(fā)展最早，是一種較成熟的人工智能診斷技術(shù)，為包括大量專業(yè)知識(shí)和經(jīng)驗(yàn)的系統(tǒng)，可以通過相關(guān)領(lǐng)域?qū)＜叶嗄甑慕?jīng)驗(yàn)和知識(shí)進(jìn)行推斷，按照人類專家的思維邏輯做出推理決策，從而處理操作人員無法解決的疑難問題。

專家系統(tǒng)對(duì)于確定性信息的故障具有較好的診斷效果，基于不同的故障診斷的知識(shí)與推理策略可以分成3類。

a. 基于產(chǎn)生式規(guī)則的系統(tǒng)[3-5]。它通過規(guī)則把保護(hù)器與斷路器的動(dòng)作邏輯以及操作人員的經(jīng)驗(yàn)表示出來，形成知識(shí)庫，利用數(shù)據(jù)驅(qū)動(dòng)做正向推理，最終得到診斷結(jié)果。

b. 基于模型的系統(tǒng)[6]。診斷過程有假設(shè)和檢驗(yàn)兩個(gè)步驟，通過模型模擬電力系統(tǒng)故障，依據(jù)報(bào)警信息假設(shè)故障元件，在模型基礎(chǔ)上進(jìn)行模擬，將模擬結(jié)果與實(shí)際報(bào)警信息比對(duì)，最后確定假設(shè)是否成立。

c. 基于正、反向推理的系統(tǒng)[7]。結(jié)合正反向推理方法，正向推理過程同b，反向推理可以有效縮小故障范圍，采用混合推理，可以提高診斷的適應(yīng)性與自學(xué)能力。

專家系統(tǒng)由于自身特性，存在著一定缺陷：無法獲取完善的知識(shí)庫；對(duì)于大系統(tǒng)，診斷時(shí)間較長；電網(wǎng)拓?fù)浣Y(jié)構(gòu)發(fā)生變化后，專家系統(tǒng)對(duì)應(yīng)的知識(shí)庫需要修改；容錯(cuò)能力較差。

2.2　人工神經(jīng)網(wǎng)路

人工神經(jīng)網(wǎng)絡(luò)是模仿人類大腦神經(jīng)系統(tǒng)進(jìn)行數(shù)據(jù)處理的一種技術(shù)，與專家系統(tǒng)并列為人工智能技術(shù)的分支。神經(jīng)網(wǎng)絡(luò)通過歷史數(shù)據(jù)實(shí)行樣本訓(xùn)練，能夠綜合現(xiàn)有數(shù)據(jù)，可以處理現(xiàn)有數(shù)學(xué)模型或規(guī)則難以解決的問題。神經(jīng)網(wǎng)絡(luò)故障診斷模型主要基于徑向基函數(shù)和BP(back propagation)算法，其具有以下優(yōu)點(diǎn)。

a. 信息獨(dú)立存儲(chǔ)，具有較好的容錯(cuò)能力。

b. 知識(shí)包含在連接權(quán)重中，自我組織以及自我學(xué)習(xí)能力強(qiáng)，也有一定的泛化能力。

c. 神經(jīng)元之間計(jì)算相對(duì)獨(dú)立，并行性高。

d. 記憶性好，魯棒性高。

應(yīng)用神經(jīng)網(wǎng)絡(luò)存在的主要問題有：需要大量典型的樣本訓(xùn)練且訓(xùn)練時(shí)間較長，對(duì)新的系統(tǒng)，要重新訓(xùn)練；只能給出0～1之間的數(shù)字結(jié)果，缺少對(duì)結(jié)果的解釋能力；無法提供信息幫助操作人員診斷誤動(dòng)作的元件；對(duì)于復(fù)雜輸電網(wǎng)絡(luò)，建模困難。

2.3　模糊集

模糊集是一種研究不完整數(shù)據(jù)、處理不確定性知識(shí)的數(shù)學(xué)工具[8]，它將經(jīng)典理論模糊化并引進(jìn)了語言變量和模糊推理。模糊集概念(fuzzy set theory,FST)由美國加州大學(xué)教授L.A.Zadeh提出，它打破了經(jīng)典理論用0和1表示的清晰概念，采用模糊隸屬度來表示不確定、不精確的事件。FST經(jīng)過多年來的發(fā)展，已成為有完備推理體系的人工智能技術(shù)之一。

模糊理論的發(fā)展及完善，讓其自身的優(yōu)點(diǎn)被凸顯出來，在某些故障中加入FST可以使得精確推理轉(zhuǎn)為近似推理，可以一定程度提高故障診斷的容錯(cuò)性，F(xiàn)ST與其他人工智能技術(shù)相互結(jié)合，用長避短。FST的明顯優(yōu)點(diǎn)是無需精確的數(shù)學(xué)模型，運(yùn)用隸屬函數(shù)與模糊規(guī)則，可以實(shí)現(xiàn)模糊診斷的智能化，但是，對(duì)于復(fù)雜系統(tǒng)，建立完整的規(guī)則與隸屬函數(shù)非常困難，耗時(shí)也很長。

最近幾年，粗糙集通過與其他智能技術(shù)結(jié)合使用可以一定程度改善其在大規(guī)模電網(wǎng)診斷中面臨的問題，在關(guān)鍵信息和知識(shí)簡(jiǎn)約方面也獲得了成效，但對(duì)于如多重關(guān)鍵信息缺失等不可觀因素疊加的情況，診斷效果還不理想。

2.4　貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是一種通過結(jié)合圖論與概率學(xué)理論來表示與推斷不確定性知識(shí)的模型，具有嚴(yán)格的概率理論基礎(chǔ)，其中網(wǎng)絡(luò)流圖用來表達(dá)知識(shí)，概率學(xué)理論表明不同知識(shí)之間的影響。

貝葉斯網(wǎng)絡(luò)可以直觀清晰地描述故障，可在告警信息不確定和不完備情況下較好地實(shí)現(xiàn)診斷決策[9]。隨著貝葉斯網(wǎng)絡(luò)在電網(wǎng)故障診斷中的應(yīng)用，其優(yōu)點(diǎn)逐漸凸顯，但是貝葉斯網(wǎng)絡(luò)在實(shí)際應(yīng)用中需要獲得有效的先驗(yàn)概率才能保證結(jié)果的準(zhǔn)確，所以貝葉斯網(wǎng)絡(luò)對(duì)單一故障診斷結(jié)果較好，復(fù)雜故障由于獲取先驗(yàn)概率有一定困難，貝葉斯網(wǎng)絡(luò)對(duì)復(fù)雜網(wǎng)絡(luò)故障診斷應(yīng)用較少。文獻(xiàn)[10]提出了一種先驗(yàn)概率的計(jì)算方法，可以準(zhǔn)確地表達(dá)元件故障與保護(hù)誤動(dòng)、拒動(dòng)之間的統(tǒng)計(jì)關(guān)系，可以處理復(fù)雜故障。文獻(xiàn)[11]將故障模式分類，搭建了相應(yīng)故障模式的變結(jié)構(gòu)貝葉斯診斷模型，并把保護(hù)器和斷路器動(dòng)作時(shí)間可信度加入到診斷推理，提高診斷的準(zhǔn)確性。文獻(xiàn)[12]結(jié)合動(dòng)態(tài)因果推理鏈與貝葉斯網(wǎng)絡(luò)，利用時(shí)序約束檢查漏報(bào)、誤報(bào)的報(bào)警，降低了故障信息不確定對(duì)診斷的影響。

2.5　Petri網(wǎng)

Petri網(wǎng)是由德國科學(xué)家Carl Adam Petri在其博士論文提出的，后來逐漸成為電網(wǎng)故障診斷的方法，它是利用圖形和矩陣?yán)碚搶?duì)電力系統(tǒng)構(gòu)建的各元件關(guān)系構(gòu)建的有向圖模型，從而描述電網(wǎng)事件發(fā)生順序，進(jìn)而進(jìn)行故障分析。

Petri網(wǎng)診斷模型具有表達(dá)圖形化、推理過程簡(jiǎn)單快速等優(yōu)點(diǎn)[13]，但是對(duì)于一些故障Petri網(wǎng)解決效率還不是很高，如對(duì)于大電網(wǎng)，模型建立較復(fù)雜且運(yùn)算維數(shù)高；對(duì)于電網(wǎng)拓?fù)渥兓?，模型通用性差；信息不確定時(shí)容錯(cuò)性低。文獻(xiàn)[14]搭建了線路Petri網(wǎng)模型，可以較準(zhǔn)確地定位多種故障下的故障元件。文獻(xiàn)[15]利用謂詞進(jìn)行推斷，將電網(wǎng)診斷分解為各個(gè)方向，從而降低運(yùn)算維數(shù)。文獻(xiàn)[16]利用分層建模原理，建立了分層模糊Petri網(wǎng)診斷模型，改善了模型的適用性。

3　故障診斷主要問題及發(fā)展趨勢(shì)

3.1　主要問題

電網(wǎng)故障診斷目前所存在的主要問題：①在處理不確定和不完備信息時(shí)準(zhǔn)確率低，直到現(xiàn)在對(duì)于該問題仍沒有給出明確的解決方式[17]；②故障診斷的智能方法應(yīng)用上存在自身的局限和缺陷，實(shí)際應(yīng)用中，故障診斷大部分還只是基于一種診斷方法；③電網(wǎng)的運(yùn)行模式和結(jié)構(gòu)的變化對(duì)電網(wǎng)診斷結(jié)果有非常大的影響；④有關(guān)電網(wǎng)故障診斷實(shí)用化的研究還有所欠缺。

3.2　發(fā)展趨勢(shì)

a. 未來的發(fā)展趨勢(shì)是著重研究多種診斷方法融合。電網(wǎng)故障診斷多種方法各有優(yōu)缺點(diǎn)，但可以融合多種診斷方法，使優(yōu)勢(shì)互補(bǔ)，從而提高故障診斷的準(zhǔn)確率。

b. 開展多數(shù)據(jù)源信息融合技術(shù)的診斷。電網(wǎng)故障診斷大多使用開關(guān)量數(shù)據(jù)，相對(duì)而言，電氣量在精確性和容錯(cuò)性上有很大優(yōu)勢(shì)。融合多種數(shù)據(jù)源的開關(guān)量和電氣量信息，有利于診斷結(jié)果更準(zhǔn)確。

c. 開展在線電網(wǎng)故障診斷實(shí)用化研究。現(xiàn)如今，國內(nèi)外的學(xué)者專家對(duì)于電網(wǎng)故障的理論研究已取得了較為滿意的成果，但是對(duì)于實(shí)際應(yīng)用的適用性研究還不夠充足。如何從實(shí)用化的角度出發(fā)，將理論應(yīng)用到實(shí)際，仍然是一個(gè)重要的研究課題[18-19]。

4　結(jié)束語

本文綜述了目前主要的電網(wǎng)故障診斷的智能方法，闡明了各類方法的特點(diǎn)和不足，介紹了近幾年取得的改進(jìn)成果，最后提出了故障診斷的主要問題和未來的發(fā)展趨勢(shì)，為電網(wǎng)故障診斷技術(shù)的研究提供一定理論參考。