采用量子遺傳算法的船舶電網故障診斷方法

王家林，夏立，吳正國，楊宣訪

（海軍工程大學電氣與信息工程學院，武漢 430033）

采用量子遺傳算法的船舶電網故障診斷方法

王家林，夏立，吳正國，楊宣訪

（海軍工程大學電氣與信息工程學院，武漢 430033）

為在船舶電網發生故障時能準確的確定故障元件，在深入分析船舶電力系統獨特的結構和保護配置特點的基礎上，考慮保護或斷路器拒動情況下計及主保護、后備保護之間狀態關系對目標函數的共同影響建立了適合船舶電力系統故障診斷的數學模型，利用量子遺傳算法具有比普通遺傳算法更好的種群多樣性、更快的收斂速度和全局尋優的能力的優點對故障診斷數學模型進行求解，并利用典型船舶電網故障算例對所提方法進行了驗證，算例結果說明了該故障診斷模型的合理性和診斷結果的準確性。

船舶電力系統；故障診斷；量子遺傳算法；目標函數

船舶電力系統為獨立電力系統，船舶所處環境惡劣，電力系統極易因戰斗損傷或操作不當在某一集中的地方產生多個故障而導致負載失電，由于船舶艙室空間十分狹小，電力系統一旦發生故障，不利于實地查找。特別是在離港航行中，一切故障的監測、排除要依靠船員完成[1]。雖然船員都有一定的故障維修能力，但是面對突發的復雜故障，特別是失電區域中包含故障元件和非故障元件、保護裝置或斷路器發生拒動或誤動而導致故障范圍擴大、故障信息上傳產生畸變等情況，往往由于缺乏專家的指導而無法確定故障元件，給船舶電力系統安全穩定運行帶來危害。而隨著船舶電力系統結構形式日趨復雜、電壓等級提高、設備趨向大容量化，以及船舶綜合電力系統對供電的要求越來越高，對船舶電力系統故障診斷的研究顯得越來越重要[2]。目前，陸地電力系統的故障診斷方法相對比較成熟，主要通過利用有關電力系統及其保護裝置和斷路器等的信息，采用專家系統、人工神經網絡、遺傳算法、Petri網絡、基于優化技術等方法識別故障元件位置（區域）、類型和誤動作的裝置[3，4]。這些方法都為船舶電力系統故障診斷方法研究提供了很好的思路。本文在深入分析船舶電力系統獨特的結構和保護配置特點的基礎上，建立考慮保護或斷路器拒動情況下計及主保護、后備保護之間狀態關系對目標函數的共同影響的適合船舶電力系統故障診斷的數學模型，船舶電力系統發生故障時，對電力系統進行拓撲分析識別故障區域，確定需要進行故障診斷的元件，并形成故障診斷目標函數，利用量子遺傳算法具有比普通遺傳算法更好的種群多樣性、更快的收斂速度和全局尋優的能力的特點對模型進行求解。仿真實例說明了該故障診斷模型的合理性和診斷結果的準確性。

1 船舶電力系統結構特點和保護配置

本文研究的典型的船舶電力系統[5]如圖1所示，發電機電源之間利用縱橫向跨接線或母線將主配電板連接起來形成回路，這樣既有從主配電板到分配電板到負載的縱向連接，又有各主配電板之間的橫向接線形成環型網絡，各電站通過主配電板以環形聯結，每個主配電板上都設有發電機之間的隔離開關，必要時所有發電機組均可單獨工作，實行分區供電，提高供電的靈活性。配電網絡采用輻射式結構，重要負載直接接在主配電板上，其他負載由區域配電板即負載中心供電，這種供電模式，提高了供電的可靠性和生命力，是船舶電力系統發展的一個重要方向。電站1及其輻射式配電網絡結構如圖2所示，其中G表示發電機，T表示變壓器，L表示線路，B表示母線，CB表示開關（CB8，CB25均為常開開關）。

圖1 典型的船舶電力系統Fig.1Typical shipboard power system

目前在船舶電力系統中，保護分為瞬時脫扣、短延時脫扣和長延時脫扣，它們相互配合組成整個船舶電網的保護系統，這三種保護的功能與陸地電力系統主保護、近后備保護和遠后備保護實現的功能特點是一致的。為表述方便，將船舶電力系統保護統一按主保護，近后備保護和遠后備來進行說明和定義[6]。

圖2 電站1及其輻射式配電網絡Fig.2Power station 1 and its radiate power distribution system

船舶電力系統因船舶的特殊需要造成其保護和陸地電力系統相比具有顯著的不同，主要體現在如下4個方面：①線路和設備密集，供配電線路短，與陸地電力系統線路分為受端和送端保護不同，船舶電力系統線路故障時，保護控制兩端斷路器跳閘；②開關和保護裝置一體化設計，一般不設置斷路器失靈保護功能；③以主母線為中心可將電力系統劃分為幾個相對獨立的單側電源輻射狀結構的輸配電區域，元件故障時，由主保護或近后備保護動作，相關斷路器跳閘切除故障；若本元件保護未能切除故障，則由靠近電源側的關聯元件（上級關聯元件）保護作為遠后備保護動作，相關斷路器跳閘切除故障；而陸地電力系統是多源系統，將所有關聯元件保護作為遠后備保護；④電力系統網絡的最底層元件與負載設備直接相連，負載設備發生故障時由其自身的保護將設備隔離出電網，故網絡的最底層元件如圖2中：L3、L4、L5等元件只設有主保護和近后備保護，不設有遠后備保護。

2 船舶電力系統故障診斷模型

船舶電力系統發生故障后，最終都會由相關的保護和斷路器動作，形成失電區域。通過對故障前后的電力系統拓撲分析得到故障后的無源網絡，故障元件肯定在無源網絡中，這些無源區域就是故障失電區域，故障元件的識別就可以局限于故障失電區域中所包含的元件。

文獻[7]提出的故障診斷模型為

式中：rk，m和rk，m*分別表示某個設備主保護實際和期望狀態；rk，p和rk，p*分別表示近后備保護實際和期望狀態；rk，s和rk，s*分別表示遠后備保護實際和期望狀態；Ci和Ci*分別表示斷路器的實際和期望狀態。

文獻[8]指出了文獻[7]中的故障診斷模型存在多解的問題，并針對產生多解的原因，提出了計及主、后備保護之間狀態關系對目標函數的共同影響的改進電力系統故障診斷優化模型，為

對于元件的保護，保護動作時rk，m*、rk，p*為1，否則為0；對于斷路器，斷路器應跳閘時Ci*為1，否則為0。其中：主保護的期望狀態=元件狀態；近后備保護期望狀態=元件狀態×（1-保護狀態）；配置有遠后備保護的元件的遠后備保護期望狀態=1-[1-關聯元件1的狀態值×（1-關聯路徑上斷路器1的狀態值）×（1-關聯路徑上斷路器2狀態值）×…]；斷路器的期望狀態=max{（與該斷路器相關的保護的期望狀態函數值×該保護實際狀態值）}。

對于元件的保護，保護應動作時rk，m*、rk，p*為1，否則為0；對于斷路器，斷路器應跳閘時Ci*為1，否則為0。

3 采用量子遺傳算法的故障診斷模型的求解

量子遺傳算法融合了量子理論和經典遺傳算法的優點，具有比普通遺傳算法更好的種群多樣性、更快的收斂速度和全局尋優的能力，本文根據船舶電力系統故障診斷問題的特點，給出量子編碼方案，并采用量子遺傳算法來求解故障診斷問題[9-12]。

電力系統故障時，若失電區域的的元件數為n，在普通遺傳算法中基因采用二進制編碼：1表示元件故障；0表示元件無故障。因此故障診斷問題可由染色體表示為q=[1 0 1…1 1 0]，染色體的基因個數為n。在量子理論中，充當信息存儲單元的物理介質是一個雙態量子系統，稱為量子比特（qubit）。對應于二進制編碼，“0態”就表示一個染色體各個基因位上的值都對應為0，“1態”就表示一個染色體各個基因位上的值都對應為1；|φ〉=α| 1〉+β|1〉這種混合態就表示一個染色體各個基因位上的值是由0或1組成的，而|α|2、|β|2就分別表示對應基因位上取1或0的概率。由此，采用個體（染色體）的量子比特編碼來表示故障診斷問題。

4 仿真算例

為驗證本文所采用方法的正確性，在如圖2所示的測試系統中對兩個故障算例進行測試。該測試系統共有20個元件、33個斷路器和50個保護。

20個元件依次編號為S1～S20：B1，B2，…，B6；T1，T2，T3，T4；L1，L2，…，L10。33個斷路器依次編號為C1～C33：CB1，CB2，…，CB33。50個保護中，20個為主保護，20個為近后備保護，10個為遠后備保護。主保護依次編號為r1～r20：B1m，B2m，…，B6m；T1m，T2m，T3m，T4m；L1m，L2m，…，L10m；近后備保護依次編號為r21～r40：B1p，B2p，…，B6p；T1p，T2p，T3p，T4p；L1p，L2p，…，L10p；遠后備保護依次編號為r41～r50：B1s，B2s，…，B6s；T1s，T2s；L1s，L2s。其中m、p、s分別表示主保護、近后備保護和遠后備保護。

4.1 故障算例1

測試系統發生故障，報警信號為保護T1P、B1s、T2m、L5p動作，斷路器CB5、CB3、CB1、CB6、CB7、CB13跳閘。

通過電力系統網絡拓撲識別得到故障區域需要進行故障診斷的元件為：B1，B3，B4，T1，T2，L3，L4，L5，L6。對應的元件狀態向量為S=[s1，s2，…，s9]；斷路器實際狀態向量C=[c1，c2，…，c14]=[1，1，0，1，1，1，0，0，0，0，1，0，0，0]，分別對應斷路器CB1，CB3，CB4，CB5，CB6，CB7，CB9，CB10，CB11，CB12，CB13，CB14，CB15，CB16。保護的實際狀態向量R=[r1，r2，…，r23]= [0，0，1，0，0，0，0，0，0，0，1，0，1，0，0，0，0，0，0，0，1，0，0]分別對應B1m，B1p，B1s，B3m，B3p，B3s，B4m，B4p，B4s，T1m，T1p，T1s，T2m，T2p，T2s，L3m，L3p，L4m，L4p，L5m，L5p，L6m，L6p。

由本文第3節保護和斷路器期望狀態計算方法得到保護和斷路器的期望狀態如表1所示。

表1 保護和斷路器的期望狀態Tab.1Anticipant states of protections and breakers

由此，根據式（3）形成目標函數為

采用量子遺傳算法對目標函數進行求解，算法參數設置為：種群規模取10，染色體長度為9，轉角步長為0.001π，最大迭代次數為100。經過18次迭代后算法搜索到E（S）的最小值為6，求得使E（S）最小的元件狀態向量S=[s1，s2，…，s9]=[0，0， 0，1，1，0，0，1，0]，對應的故障元件為變壓器T1、T2，線路L5。

根據保護和斷路器的報警信號以及診斷結果，可以分析得知：變壓器T1故障，主保護拒動，由近后備保護動作，斷路器CB5跳閘，斷路器CB4拒動，由母線B1的遠后備保護動作，斷路器CB3、CB1、CB6跳閘；變壓器T2故障，主保護動作，斷路器CB6、CB7跳閘；線路L5故障，主保護拒動，由近后備保護動作，斷路器CB13、CB14跳閘，其中斷路器CB14跳閘信息漏報。這是一個存在主保護拒動、斷路器拒動和斷路器信息存在漏報的多元件故障，使用本文所述模型可以準確的診斷出故障元件。

4.2 故障算例2

測試系統運行狀態在圖2的基礎上發生變化，斷路器CB7斷開，CB8閉合。

測試系統發生故障，故障報警信號：B4m，CB13，CB15，B3s，CB5，CB9，CB11，L7p，CB27，B5s，CB18，CB23，CB28。通過電力系統網絡拓撲識別得到故障區域需要進行故障診斷的元件為：B3，B4，B5，L3，L4，L5，L6，L7，L8，T4。對應的元件狀態向量為S=[s1，s2，…，s10]；斷路器實際狀態向量C=[c1，c2，…，c17]=[1，0，1，0，1，0，1，0，1，0，1，1，0，0，1，1，0]，分別對應斷路器CB5，CB8，CB9，CB10，CB11，CB12，CB13，CB14，CB15，CB16，CB18，CB23，CB24，CB26，CB27，CB28，CB29。保護的實際狀態向量R=[r1，r2，…，r23]=[0，0，1，1，0，0，0，0，1，0，0，0，0，0，0，0，0，0，1，0，0，0，0]分別對應B3m，B3p，B3s，B4m，B4p，B4s，B5m，B5p，B5s，L3m，L3p，L4m，L4p，L5m，L5p，L6m，L6p，L7m，L7p，L8m，L8p，T4m，T4p。

根據本文第3節保護和斷路器期望狀態計算方法，得到保護和斷路器的期望狀態，處理方法參照本文第4.1節，在此不再贅述。最后得到目標函數為

采用量子遺傳算法對目標函數進行求解，算法參數設置為：種群規模取10，染色體長度為10，轉角步長為0.001 π，最大迭代次數為100。經過12次迭代后算法搜索到E（S）的最小值為7，求得使得E（S）的最小的元件狀態向量S=[s1，s2，…，s10]= [0，1，0，0，0，0，0，1，0，0]，對應的故障元件為母線B4，變壓器L7。

根據保護和斷路器的報警信號以及診斷結果，可以分析得知：母線B4故障，主保護動作，斷路器CB13、CB15跳閘，斷路器CB8拒動，由母線B3的遠后備保護動作，斷路器CB5、CB9、CB11跳閘，故障切除；線路L7故障，主保護拒動，由近后備保護動作，斷路器CB27跳閘，斷路器CB26拒動，由母線B5遠后備保護動作，斷路器CB18、CB28跳閘，故障切除；斷路器CB23系誤動。這是一個存在主保護拒動、斷路器拒動和誤動的多元件故障，使用本文所述模型可以準確的診斷出故障元件。

對本文采用的故障診斷模型的2點分析：

（1）對于存在保護拒動、斷路器拒動和單個斷路器誤動或信息漏報的多元件故障，該故障診斷模型可以得到準確的診斷結果；

（2）斷路器告警信息在該故障診斷模型中表現為相關保護信息的狀態，若出現保護信息漏報或誤報，使用該故障診斷模型會出現漏診斷或誤診斷。

5 結語

本文在深入分析船舶電力系統獨特的結構和保護配置特點的基礎上，建立考慮保護或斷路器拒動情況下計及主保護、后備保護之間狀態關系對目標函數的共同影響的適合船舶電力系統故障診斷的數學模型，并采用了量子遺傳算法對模型進行了求解。故障算例說明在存在主保護拒動、斷路器拒動、誤動和斷路器信息存在漏報的多元件故障情況下，該模型能得到正確的唯一的診斷結果。但當故障保護動作信息缺失或誤報時，該模型會出現漏診和誤診的問題。考慮如何改進故障診斷模型以實現存在保護動作信息缺失或誤報情況下得到正確而完備的診斷結果需要進一步的研究。

[1]馬偉明（Ma Weiming）.艦船動力發展的方向——綜合電力系統（Integrated power system—trend of ship power development）[J].海軍工程大學學報（Journal of Naval University of Engineering），2002，14（6）：1-5，9.

[2]Jayabalan R，Fahimi B.Naval shipboard power system[C]// IEEE Vehicle Power and Propulsion Conference.Chicago，USA：2005.

[3]王家林，夏立，吳正國，等（Wang Jialin，Xia Li，Wu Zhengguo，et al）.電力系統故障診斷研究現狀與展望（State of arts of fault diagnosis of power systems）[J].電力系統保護與控制（Power System Protection and Control），2010，38（18）：210-216.

[4]廖志偉，孫雅明，葉青華（Liao Zhiwei，Sun Yaming，Ye Qinghua）.人工智能技術在電力系統故障診斷中應用（Artificial intelligent technologies for fault diagnosis in power system）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2003，15（6）：71-79.

[5]王琦，馬偉明，付立軍，等（Wang Qi，Ma Weiming，Fu Lijun，et al）.艦船綜合電力系統繼電保護策略（Relay protection schemes on shipboard integrated power system）[J].高電壓技術（High Voltage Engineering），2007，33（10）：157-161.

[6]康軍（Kang Jun）.艦船綜合電力系統潮流算法研究與狀態估計探討（Ome Issues on Load Flow Algorithm and State Estimation in Shipboard Integrated Power Systems）[D].武漢：海軍工程大學電氣與信息工程學院（Wuhan：College of Electronic and Information Engineering，Naval University of Engineering），2009.

[7]文福拴，韓禎祥，田磊，等（Wen Fushuan，Han Zhenxiang，Tian Lei，et al）.基于遺傳算法的電力系統故障診斷的解析模型與方法──第一部分：模型與方法（An analytic model and genetic algorithm based method for fault diagnosis in power systems Part 1：The model and method）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），1998，10（3）：1-7.

[8]翁漢琍，毛鵬，林湘寧（Weng Hanli，Mao Peng，Lin Xiangning）.一種改進的電網故障診斷優化模型（An improved model for optimizing power system fault diagnosis）[J].電力系統自動化（Automation of Electric Power Systems），2007，31（7）：66-70.

[9]王家林，夏立，吳正國，等（Wang Jialin，Xia Li，Wu Zhengguo，et al）.采用量子遺傳算法的電力系統PMU最優配置（Optimal PMU placement of the power system using quantum genetic algorithm）[J].高電壓技術（High Voltage Engineering），2010，36（11）：2838-2842.

[10]楊俊安，莊鎮泉（Yang Junan，Zhuang Zhenquan）.量子遺傳算法研究現狀（Actuality of research on quantum genetic algorithm）[J].計算機科學（Computer Science），2003，30（11）：13-15，43.

[11]楊淑媛，劉芳，焦李成（Yang Shuyuan，Liu Fang，Jiao Licheng）.一種基于量子染色體的遺傳算法（A novel genetic algorithm based on the quantum chromosome）[J].西安電子科技大學學報（Journal of Xidian University），2004，31（1）：76-81.

[12]熊焰，陳歡歡，苗付友，等（Xiong Yan，Chen Huanhuan，Miao Fuyou，et al）.一種解決組合優化問題的量子遺傳算法QGA（A quantum genetic algorithm to solve combinatorial optimization problem）[J].電子學報（Acta Electronica Sinica），2004，32（11）：1855-1858.

Fault Diagnosis Method of Shipboard Power System Using Quantum Genetic Algorithm

WANG Jia-lin，XIA Li，WU Zheng-guo，YANG Xuan-fang
（College of Electronic and Information Engineering，Naval University of Engineering，Wuhan 430033，China）

The characteristics of quantum genetic algorithm such as better population diversity，convergence and global optimal ability are better than those of the common genetic algorithms.Based on the analysis of the idiographic configuration of the shipboard power system and the characteristics of the collocation of the protection，the fault diagnosis model is presented considering the influence of each protection and the joint influence between the main and back-up protections.And the quantum genetic algorithm is used to resolve the model.The example verification indicates the rationality and veracity of the proposed method.

shipboard power system；fault diagnosis；quantum genetic algorithm；aim function

TM711；TP18

A

1003-8930（2013）03-0035-05

王家林（1984—），男，博士研究生，研究方向為電力系統自動化及其安全運行。Email：wang0600519@sina.com

2012-03-28；

2012-05-17

國家自然科學基金項目（51177168）；海軍工程大學博士研究生創新基金項目

夏立（1964—），男，教授，博士生導師，研究方向為智能工程技術、電力系統網絡及智能化監控管理技術。Email：xiali@126.com

吳正國（1943—），男，教授，博士生導師，研究方向為電能質量的分析與控制技術。Email：wuzhengguo@126.com