模型診斷在配電線路故障診斷中的應用分析

張 虎

（湖北省大冶市供電公司，湖北 大冶 435100）

隨著我國經濟持續的快速發展，居民生活水平不斷提高，廣大用戶不僅要求供電的可靠性，而且要求較高的電能質量，然而，配電網容量及規模不斷擴大，這就增加了其發生故障的概率，由于配電網直接面向用戶，其故障會對用戶供電造成嚴重影響，擾亂社會正常的生產與生活，甚至對國家安全造成嚴重威脅，因此必須進行及時處理[1]。在繁冗的配電線路中有效而準確地判斷出故障發生區域并對故障元件進行有效隔離，縮短停電時間，減小停電風險是配電網故障診斷的核心問題[2]。為了實現快速監測及故障消除的基本功能，確保配電網的安全穩定運行，有必要對配電網故障診斷進行深入研究。本文分析了模型診斷在配電線路故障診斷中的應用。

1 模型診斷的基本思想及基本過程

1.1 模型診斷的基本思想

作為人工智能領域的一個重要分支，模型診斷的基本思想如圖 1所示，其核心觀點為[3]：利用行為知識的有效性和內部結構的邏輯判斷來診斷系統故障。首先根據系統的結構及元件之間的連接情況構建待診斷系統的功能，結構及行為模型，通常可以采用一階邏輯語句對這種模型進行描述。其次人們根據系統的模型描述及輸入情況，通過邏輯推理判斷出系統在正常情況下的預期行為，如果觀測到的實際行為與預期行為存在較大的差異，則說明該系統具有故障，最后利用一些模型診斷的邏輯推論確定引發故障的元件集合。

圖1 事故信號回路圖

1.2 模型診斷的基本過程

通常將模型診斷的過程分為四個階段[4]，即：系統建模→沖突識別→候選產生→診斷鑒別。

1）系統建模。該階段的主要任務是對待診斷系統建立一個適當的模型。一般使用一階邏輯語句對待建模的系統進行描述，確保所建系統的推理復雜度簡單，建模精度準確，能夠對用戶關心的全部問題進行診斷。

2）沖突識別。該階段以系統的觀測和描述為基礎，主要完成最小沖突集的構建工作。沖突識別的主要方法有推理引擎法、定理證明器法等。

3）候選產生。構建系統的最小沖突集后應通過最小碰集算法計算出系統的最小碰集，完成系統的最小候選診斷。

4）診斷鑒別。進行診斷鑒別的主要目的是區分候選過程產生的多個候選診斷，進而得到滿意的診斷結論。在該過程中通常引入元件的故障模型或元件的故障定性概率來對觀測值進行篩選，同時采用貝葉斯定理對候選診斷的故障概率進行計算，最終通過對故障概率的排序來求出最終的故障點。

2 最小沖突集的計算方法

沖突識別作為模型診斷中最為關鍵的一步，將產生所有的最小沖突集，直接關系著候選診斷的準確度。傳統的模型診斷方法是通過在線完成沖突識別與最小沖突集的搜索的[5]，每次進行在線診斷運行時都需要重新載入已完成識別的部分，識別效率較低，且在許多實際系統中由于系統狀態與結構的監測信息都是固定不變的，因此可以利用這一條件來分析系統所產生的解析冗余來完成最小沖突集的識別，這個過程可在線下完成。在進行在線診斷時只需在線下已完成識別的數據中搜索最小沖突集。這種沖突識別策略能減小最小沖突集搜索的空間，使沖突識別具有良好的實時性。

本文在這種搜索思想的基礎上，改進了沖突識別方法，將搜索最小沖突集的過程分為兩步，首先利用關系導向算法在離線的狀態下搜索所有最小候選沖突集，然后通過自底向上的算法進行在線診斷，在最小候選沖突集中識別出最小沖突集，即得到了系統所有的最小沖突集。

2.1 沖突集的相關定義

1）沖突集

元件集 C是系統(S D, O BS, C OMP)的一個沖突集(C S)，C必須滿足兩個條件

2）最小沖突集

設元件C是系統的(S D, O BS, C OMP)的一個沖突集(C S)，如果C的任一真子集都不是沖突集，則C是最小沖突集。最小沖突集具有如下特性：若集合A為最小沖突集，且集合B ? C OMPS，集合C ? C OMPS，則：

（1）若集合B?A，則集合B不是沖突集；

（2）若集合C?A，則集合C為非最小沖突集。

2.2 RGA搜索算法

該算法的主要思想是首先獲取系統所有的解析冗余方程，其次根據每個冗余方程中所隱含的信息獲取一個初始的計算環境，然后用二分法帥選出基本故障元件，根據基本故障元件的故障概率模型得到最小沖突集候選，依次遞歸使用二分法，直至所有的故障元件都包含在基本故障元件中，這樣就得到了系統的最小沖突集候選。

3 模型診斷在配電線路故障診斷中應用

本文根據所提出的改進沖突識別方法，給出了一個將模型診斷理論應用于配電線路故障診斷的應用方案如下：

3.1 診斷流程

1）首先根據實際的配電網系統建立元件及系統的故障模型，采用約束方程的形式來描述系統中內部元件的關系，定義每個元件初始的節點電壓和直流電流變量，通過網絡的拓撲結構列寫相應的KCL和KVL約束方程。

2）根據所設計的原理模型及觀測信息的分布情況，利用RGA算法并結合已知的解析冗余關系，對配電網系統中所有解析關系進行離線搜索，產生最小沖突集候選。

3）利用電流、電壓互感器對配電網的故障狀態信息進行測量，從最小沖突集候選中搜索出最小沖突集，以元件參數的形式將配電網故障信息代入到系統的冗余關系中，計算相對殘差，如果其大于系統所允許的最大相對殘差，則確定該最小沖突集候選為最小沖突集。這個過程是從元件數最小的沖突集候選開始，采用自底而上的搜索方法進行的。

4）根據元件的故障概率模型，采用編碼算法進行系統的一致性推理診斷分析。在故障診斷中可引入定性故障概率來進行對比及匹配，提高候選診斷的工作效率。

3.2 診斷實例分析

以圖2所示的某實際配電網作為模型診斷在配電線路故障診斷中應用的實例，該配電網包含15個節點和14條線路。根據元件的故障模型，作如下3點假設：①變壓器的故障概率為0；②母線為可修復系統，故障概率為0.1；③輸電線路為可修復系統，故障概率為0.4。

圖2 某10kV配電網簡化接線圖

根據上述已知條件，采用模型診斷方法對配電線路故障診斷結果如表1所示。

表1 配電線路故障診斷結果

將上述結果與該實際 10kV配電網故障線路統計資料對比后發現，所提出的方案能夠有效地反映配電線路的故障情況，具有一定的實際應用價值。

4 結論

將人工智能領域的理論和方法應用于配電線路故障診斷中能夠加快故障原因判斷和搜索，有助于及時恢復供電。實際案例分析表明，本文所提出的基于模型診斷的配電線路故障診斷方法簡單可行，提高了配電線路故障診斷效率，減小了故障診斷時間，具有一定的工程應用價值，適宜大規模推廣應用。

[1]劉健,倪建立,鄧永輝. 配電自動化系統[M].北京:中國水利電力出版社,2003.

[2]王穎,王增平,潘明九.一種基于故障錄波信息的調度端電網故障診斷系統[J]. 繼電器,2003,31(12):37-40.

[3]畢天妹,倪以信,楊奇遜.人工智能技術在輸電網絡故障診斷中的應用述評[J].電力系統自動化,2000,24(25):11-16.

[4]段振國,高曙,楊以涵. 一種電網故障智能診斷求解模型研究[J]. 中國電機工程學報,1997,17(6):399-402.

[5]陳維榮,錢清泉,王曉茹. 神經網絡在繼電保護及故障診斷中的應用[J].電力系統自動化,1997,21(5):5-9.