電力系統(tǒng)故障診斷研究

摘要：電能無時無刻不對人們產(chǎn)生重要的影響，保障電力系統(tǒng)的正常、穩(wěn)定運行是電力企業(yè)重要的工作，也是當前學術(shù)和工程領(lǐng)域研究的重點。對此，系統(tǒng)總結(jié)和分析了電力系統(tǒng)故障診斷的常用方法和措施，具體分析了專家系統(tǒng)、遺傳算法、神經(jīng)網(wǎng)絡(luò)算法、模糊理論和兩種綜合的或改進的優(yōu)化算法。

關(guān)鍵詞：系統(tǒng)；故障診斷；算法

作者簡介：王芳（1974-），女，浙江諸暨人，浙江省紹興電力局，工程師。（浙江 紹興 312000）

中圖分類號：TM73 文獻標識碼：A 文章編號：1007-0079（2013）33-0239-02

一套完整的監(jiān)控（監(jiān)控和數(shù)據(jù)采集，SCADA）系統(tǒng)與警報訊號處理（報警處理）系統(tǒng)，將有助于提升調(diào)度人員處理事故的能力，能夠根據(jù)系統(tǒng)的情況明確指示引起異常之原因，提供必要的解決措施。近年來，人工智慧（人工智能）方法已被廣泛應(yīng)用于電力工程領(lǐng)域，國內(nèi)外對于故障區(qū)域估測（故障區(qū)段估計），變壓器故障診斷（變壓器故障診斷），警報處理（報警處理）及諧波偵測（諧波檢測）等領(lǐng)域所提方法，大致可歸納為下列幾種。

一、專家系統(tǒng)

專家系統(tǒng)的創(chuàng)始人費根鮑姆認為：專家系統(tǒng)是一套智能化軟件系統(tǒng)，利用理論及推理步驟來完成以前只有行業(yè)專家方能解決的復雜問題。專家系統(tǒng)建立的主要目標是利用具有特定領(lǐng)域問題解決能力的專家系統(tǒng)，為非專家解決現(xiàn)場復雜的問題提供支持和幫助。人工智能是專家系統(tǒng)中最活躍同時也是成果最豐富的一個研究領(lǐng)域。

專家系統(tǒng)在輸電和配電網(wǎng)絡(luò)故障診斷中的典型應(yīng)用是以生產(chǎn)規(guī)則為基礎(chǔ)的系統(tǒng)，即保護斷路器操作人員的行動邏輯和診斷經(jīng)驗排除這一可能性，形成故障診斷專家系統(tǒng)知識庫，進一步在信息知識基礎(chǔ)上根據(jù)報警進行故障排除的結(jié)論的推理。

實際應(yīng)用中，如美國電力公司依賴與得克薩斯州農(nóng)工大學共同開發(fā)的電源系統(tǒng)管理專家系統(tǒng)（雷萊恩專家系統(tǒng)）、數(shù)字故障錄波（DFR）這個專家系統(tǒng)，根據(jù)DFR數(shù)據(jù)故障診斷擾動。 DFR可以記錄在系統(tǒng)故障期間的系統(tǒng)參數(shù)，如雷電和操作沖擊電壓突然上升或驟降、供電中斷、過電壓、欠電壓、諧波和瞬態(tài)等引起的故障參數(shù)。

傳統(tǒng)的方法是失敗的DFR開始自動記錄并存儲相關(guān)數(shù)據(jù)，保護工作進行離線分析，以評估該系統(tǒng)的保護作用。雷萊恩專家系統(tǒng)可以免除上述過程，分析故障錄波數(shù)據(jù)和自動提取撰寫報告，然后通過傳真或E-mail發(fā)送到系統(tǒng)的時間表或相關(guān)人員。

雖然專家系統(tǒng)可以有效地模擬專家完成故障排除，但在實踐中仍存在一些不足之處，主要問題是知識獲取的瓶頸問題，知識是難以維持的，并不能有效解決眾多不明朗因素的故障診斷，這些問題極大地影響了故障診斷的準確性。[1]

二、模糊邏輯（模糊邏輯）

模糊集合觀念常用于處理因語言及智識上產(chǎn)生不明確性特質(zhì)的事物上，模糊集合論可視為明確集合論的延伸，彌補二值邏輯（非0即1）無法對不明確邊界事物描述的缺點，經(jīng)歸屬函數(shù)來表示集合元素對該集合的隸屬程度，然后由模糊規(guī)則庫推論其結(jié)果。此法必須先從問題描述來定義歸屬函數(shù)，亦需設(shè)計出嚴謹有效的推論規(guī)則。多應(yīng)用于警報訊號處理、變壓器故障診斷。

三、遺傳算法的基因演算法（GA）

基因遺傳演算法是一種模擬人類基因演化的模型，在這種模型中，問題的解答被巧妙地安排成一串數(shù)值，模擬基因中的一串染色體，大量的基因經(jīng)過演化、突變與交配等運算不停地產(chǎn)生新的基因，且淘汰不良的基因，最后演化出問題的最佳解答。多應(yīng)用于電力系統(tǒng)故障診斷、主動式濾波器規(guī)劃。[2]

四、禁區(qū)搜尋法（禁忌搜索TS）

禁區(qū)搜尋法為求得整體最佳解，主要特色系利用禁區(qū)來控制求解過程。多應(yīng)用于警報訊號處理。

五、決策樹搜尋法（決策樹搜索）

將欲達成的策略以決策樹型式表示，再應(yīng)用搜尋技巧尋找適當?shù)牟呗浴６鄳?yīng)用于故障診斷。

六、因果網(wǎng)路（因果網(wǎng)絡(luò)，CEN）

因果網(wǎng)路具有平行處理的推論能力，主要特色系使用并行處理的推論機制，可得到快速的推論結(jié)果。多應(yīng)用于故障診斷。

七、神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)具備高度神經(jīng)計算能力和極強的自適應(yīng)性、魯棒性和容錯性。用神經(jīng)網(wǎng)絡(luò)處理問題只需要進行簡單的非線性函數(shù)的數(shù)次復合，不需要建立任何物理模型和人工干預，具有自組織、自學習能力，能映射高度非線性的輸入輸出關(guān)系，重新觀察現(xiàn)象之后判斷輸出。神經(jīng)網(wǎng)絡(luò)法在故障診斷中得到高度重視和廣泛應(yīng)用，它在處理不確定性問題時具有獨特的優(yōu)勢。人工神經(jīng)網(wǎng)絡(luò)廣泛用于選線、故障判斷、暫態(tài)保護等，速度快、準確度高，并且不受制于系統(tǒng)的運行模式、互感器飽和、故障類型等因素。用來進行保護無線通訊，可以對故障高頻信號進行提取，具有很好的仿真效果；還在雷電信號、開關(guān)信號和故障行波的識別中有著廣泛的應(yīng)用。

神經(jīng)網(wǎng)絡(luò)方法雖然有利于克服專家系統(tǒng)獲取信息的瓶頸、維護信息庫困難等眾多問題，但其在處理啟發(fā)性知識方面有著局限性。且因為ANN技術(shù)本身的缺陷，其學習速度不快，需要長時間的訓練，解釋能力弱，進而對神經(jīng)網(wǎng)絡(luò)實用化產(chǎn)生了影響。并且怎樣設(shè)計與大型輸電網(wǎng)絡(luò)相適應(yīng)的ANN故障診斷系統(tǒng)，還是一個需要持續(xù)研究的課題。

類神經(jīng)網(wǎng)絡(luò)的性質(zhì)具有大量平行處理能力、學習及記憶功能，應(yīng)用的領(lǐng)域相當廣泛，可藉由不同的網(wǎng)絡(luò)結(jié)構(gòu)及學習演算法相結(jié)合，以適用于解決特殊的問題、如文字辨識，語音辨識、影像壓縮、預測及診斷等。應(yīng)用前必須慎選適用的領(lǐng)域。多應(yīng)用于故障診斷、警報訊號處理、變壓器故障診斷、諧波偵測。[3]

八、基于柔性SCADA的電網(wǎng)復雜故障診斷方法

電網(wǎng)故障分為簡單和復雜的故障，而絕大多數(shù)是簡單故障。對于簡單的故障診斷方法，只使用第一層的推理，從而避免了使用保護、防護等級和其他二級報警信息的類型，降低了模型的復雜性，提高推理的速度，有利于故障在線診斷應(yīng)用。對于復雜的故障，使用Petri網(wǎng)推理模型，并引入WAMS數(shù)據(jù)核實診斷結(jié)果，以提高診斷結(jié)果的準確性。給出網(wǎng)格基礎(chǔ)上靈活的SCADA復雜故障診斷系統(tǒng)的設(shè)計：

（1）利用靈活的SCADA報警信息，實現(xiàn)了分層分級傳輸和利用，以避免電網(wǎng)故障的交互功能、報警信息丟失導致?lián)砣收吓懦e誤。推理采用分層結(jié)構(gòu)，第一層采用專家系統(tǒng)推理，第二層使用Petri網(wǎng)模型的推理。

（2）對于報警信息不完全正確的現(xiàn)象，提出了應(yīng)用組件的配置時間Petri網(wǎng)保護的報警信息糾錯處理的方法來提高容錯。參考WAMS數(shù)據(jù)、報警信息和故障診斷糾錯處理結(jié)果驗證結(jié)果的方法，以提高故障診斷的可靠性。[4]

九、計及信息畸變影響的電網(wǎng)故障診斷分級優(yōu)化方法

目前的電力系統(tǒng)故障診斷領(lǐng)域一直在進行更深入的研究。基于優(yōu)化算法的故障診斷方法，因為推理簡單而搜索快速，被廣泛應(yīng)用。

在優(yōu)化算法的基礎(chǔ)上，分析基于相似的故障診斷方法可以概括為覆蓋的診斷方法和診斷方法。當保護或斷路器不正常運行和警報信息是扭曲的，診斷的相似性可能被漏診、誤診。為了提高故障診斷的準確性，其結(jié)合了兩種類型診斷方法的故障診斷建議分類優(yōu)化方法的特點。此方法診斷相似的保護信息和一個診斷結(jié)果，通過簡單的操作分析不同類型的可疑故障組件的失效概率。對于現(xiàn)有的方法造成報警狀態(tài)計算密集型優(yōu)化問題的特征向量、狀態(tài)向量構(gòu)造自適應(yīng)功能的報警方法。建立各類變量模型中的簡單方案，以進一步推進快速診斷故障區(qū)域的研究。

十、復合方法

結(jié)合兩種不同的人工智慧方法，選取各個方法的優(yōu)點再將其結(jié)合，主要目的是增加其適用范圍及提高診斷準確度，如結(jié)合CEN和模糊理論，以CEN判斷故障區(qū)域后再由模糊邏輯推論出故障類型，使得診斷工具的適用范圍擴大。診斷流程采用人工神經(jīng)網(wǎng)絡(luò)與EPS同時平行運作，在相互結(jié)合下?lián)碛休^高的診斷精確度；結(jié)合小波理論和ANN用于變壓器故障診斷經(jīng)濟調(diào)度及暫態(tài)干擾事件偵測。[5]

十一、總結(jié)和展望

本文對幾種廣泛應(yīng)用的電力故障診斷方法進行了詳細的闡述，然而隨著電力的發(fā)展和環(huán)境的變化，新故障不斷出現(xiàn)，其給現(xiàn)有的診斷方法帶來了挑戰(zhàn)。因此，為了應(yīng)對不斷出現(xiàn)的故障，靈活綜合各種基本方法來進行診斷成為電力系統(tǒng)故障診斷技術(shù)的發(fā)展趨勢。

為了維持電力供應(yīng)安全性及可靠性，自動化故障偵測技術(shù)將有助于迅速推測出故障可能發(fā)生的位置，在供電品質(zhì)提升的需求下，變壓器的維護與檢修更為重要，對于運轉(zhuǎn)中的變壓器若有一套監(jiān)視與診斷預警技術(shù)，將可發(fā)現(xiàn)變壓器內(nèi)部潛在的異常狀況，及早進行修復以避免事故進一步擴大。電力品質(zhì)亦是當前電力公司與工業(yè)界共同重視的課題，若有一套電力品質(zhì)干擾事件偵測系統(tǒng)，將可輔助電力品質(zhì)工程師形成有效的辨識及采取有效的改善策略。本文主要目的即建立一套輔助性偵測工具，包括故障區(qū)域偵測、警報訊號處理、變壓器故障診斷及電力品質(zhì)偵測，期望可在不用增加任何設(shè)備的情況下納入既有的監(jiān)控系統(tǒng)。

參考文獻：

[1]鄭文盛.故障診斷專家系統(tǒng)在船舶電力系統(tǒng)故障診斷中的應(yīng)用[J].中國水運，2010，（4）：88-89.

[2]呂雪峰.基于遺傳算法的電力系統(tǒng)故障診斷[D].大慶：大慶石油學院，2006.

[3]邵曉非，寧媛，劉耀文，張慧瑩.電力系統(tǒng)故障診斷方法綜述與展望[J].工業(yè)控制計算機，2012，（12）：4-5，7.

[4]楊海晶.基于柔性SCADA的電網(wǎng)復雜故障診斷方法的研究[D].保定：華北電力大學，2009.

[5]紀伯公，王加.基于信息融合技術(shù)的電力系統(tǒng)故障診斷研究[A].中國高科技產(chǎn)業(yè)化研究會信號處理專家委員會.第六屆全國信號和智能信息處理與應(yīng)用學術(shù)會議論文集[C].中國高科技產(chǎn)業(yè)化研究會信號處理專家委員會，2012：4.