架空輸電線路跳閘故障智能診斷的研究

孫鑫 楊超

摘 要：架空輸電線路一旦出現跳閘故障，勢必對電力系統的正常運行構成直接威脅。為減少故障發生及在故障發生后迅速恢復系統運行，對輸電線路及其一、二次設備的故障進行智能診斷與分析方面的研究是非常必要的。這對保障電力系統的安全運行具有深遠意義，因此成為國內外展開廣泛研究的課題。文章對架空輸電線路跳閘故障智能診斷系統及其在國內外的發展狀況進行了探討與研究。

關鍵詞：架空輸電線路；跳閘故障；智能診斷

隨著社會經濟的高速發展與電力系統的規模擴大，出于能源利用的經濟便利考慮，超高壓遠距離輸電已必然成為電力系統的發展趨勢。而輸電線路作為輸電系統的樞紐干線，一旦發生故障勢必將對電力系統的正常運行構成直接威脅并造成巨額經濟損失。因此正確及時地智能診斷與分析輸電線路跳閘故障，不但可以盡快分析并處理現場事故，還有利于提高電力系統的運行安全性與電網可靠性。

1 架空輸電線路跳閘故障智能診斷的研究現狀

1.1 故障類型識別

引起架空輸電線路跳閘故障的原因是多方面的，比如雷擊閃絡、外力破壞、鳥害閃絡、線路風偏、污閃絡及覆冰閃絡等等。識別故障類型是進行智能診斷的第一步，也是非常重要的一步，對于后續故障分析與處理具有重要的意義。由于傳統方法通過對門檻值進行設定并依據特定邏輯關系實現故障類型識別，但在故障發生后電流、電壓等重要信息都隨著電力系統的運行方式與故障的發生位置、阻抗、時刻等發生變化，所以傳統方法對這種變化可能會有所不適應。為了應對這種局面，國外利用模糊集方法、神經網絡方法等對新式故障識別方法進行研究，以便克服外在影響，保證故障識別的可靠性。

1.2 故障測距

1.2.1 阻抗測距。假定輸電線均勻，根據不同故障類型計算出回路的阻抗、電抗，由于其測量值與故障點距離成正比，通過除以單位阻抗、電抗值即可測出。但其精度較差，且不能消除過渡阻抗、負荷電流及對側運行阻抗等因素的干擾。

1.2.2 行波測距。依托行波傳輸理論來進行測距，跳閘后故障點會出現暫態行波，利用波頭抵達兩測量端的時間差即可完成定位。該方法具有較高的精度與可靠性，但存在硬件成本高、反射波識別困難等問題。

1.2.3 故障分析法。在確定電力系統的運行方式及參數時，故障線路兩端的電流、電壓均與故障距離購成函數關系，通過分析計算即可確定故障距離。該方法投資較小、精度較高，但僅限于各種參數已知的線路。

1.3 故障診斷

目前在診斷輸電線路跳閘故障方面，已經應用了包括專家系統、人工神經網絡、隨機優化技術等在內的多種人工智能技術，并已取得了若干成果。早期，故障診斷多采用專家系統技術進行，即將專家經驗以某種形式表達出來并存儲于知識庫，在故障發生時調用出來進行針對故障的邏輯判別，并將診斷的推理過程及結果向客戶解釋。該方法簡單易用，但容錯性比較差且獲取知識較困難。另一種方法是隨機優化方法，該方法將故障診斷基于工程實踐來表述稱關于整數優化的問題，再進行全局優化尋找問題最優解。鑒于人工神經網絡具備很強的聯想能力、泛化能力與自學習能力，該方法具有較強的容錯性和并行計算優勢，逐漸引起業界廣泛重視。

2 輸電線路跳閘故障智能診斷的發展方向

2.1 人工神經網絡在輸電線路跳閘故障智能診斷中的應用

人工神經網絡是一個大規模連續時間動力系統，具有高度的非線性特征，強調分布式存儲與并行協同處理信息。盡管單個神經元結構非常簡單，功能也非常有限，由大量神經元組合而成的網絡系統卻可以實現極其豐富的行為。與數字計算機比起來，人工神經網絡在集體運算與自適應學習方面具有很強的能力，并具有很強的容錯性和魯棒特性。不但善于綜合、聯想與推廣，還具有像一般的非線性動力系統那樣的吸引性、高維性、不可逆性、非平衡性、廣泛連接性、自適應性與不可預測性。

目前，作為一門邊緣學科，人工神經網絡已經滲透進包括模式識別、信號處理、智能領域等在內的多個領域，在輸電線路跳閘故障智能診斷方面也具有極大的應用潛力，引起了業界的廣泛關注，并為解決不便于建立數學模型及非線性問題提供了新的思路。在第五次KSCC會議上，Dillon等人發表了關于利用自適應模式識別與自組織技術來短期預測負荷的論文，開啟了人工神經網絡在電力系統的應用研究。目前，人工神經網絡已經開始應用于輸電線路跳閘故障智能診斷與分析領域，比如BP網絡在故障類型識別方面的應用，Kohonen網絡在故障選相方面的應用。但總的來說，達到實用化與商業化的比例依然較小，還存在著進一步的研究空間。

2.2 模糊理論在輸電線路跳閘故障智能診斷中的應用

模糊規則突破了傳統意義上的分明集的界限，更加接近人的自然表述模式，更易于獲取專業知識與專家的經驗知識。再借助模糊邏輯推理與非模糊化步伐，模糊系統能夠近似表達任何連續函數，并根據數據信息來調整參數，表現出自適應的算法學習能力和全局逼近器特征。

因為模糊理論可用來魔術各種不確定因素并具備較強的非線性映射能力，模糊理論在電力系統尤其是輸電線路跳閘故障智能診斷方面開始具有廣泛的應用潛力。比如說，對相電流、電壓進行模糊控制或對故障發生后的正負零序電流作模糊化處理可用來故障選相，還可以利用模糊集可以對警報的不確定性信息進行處理，或者用于處理跳閘故障中電流電壓受到諸多影響而呈現的不確定性。

2.3 模糊理論與人工神經網絡在輸電線路跳閘故障智能診斷中的融合應用

模糊系統與人工神經網絡相比屬于兩個完全不同的系統，但二者也具有高度相近之處。比如說，均無需模型即可在系統中建立非線性輸入輸出關系，均采用并行處理結構。但二者的不同也是非常明顯的，人工神經網絡雖然也可以進行自適應學習，但采用的是黑箱型隱式學習模式，無法便于理解地表達出獲取的輸入輸出關系。與之相對，模糊系統的表達方法很容易被人理解，但自動生成與對隸屬度函數、模糊規則進行調整則非常棘手。

基于上述理念構建輸電線路故障智能診斷系統如圖1所示。

圖1 故障智能診斷系統結構圖

其中分為了三個單元即傳感器線圈檢測單元：包括工頻負荷電流，工頻故障電流，行波電流信號檢測等，該單元可穩定工作點，又能將反饋電阻引入的近似誤差控制在允許的范圍內；數據采集分析單元：對傳感器檢測的各種信號進行采集、分析和診斷。無線通信單元：上傳采集信號處理結果，接受下傳參數及控制命令。在無線通信單元的作用下可保證通信的可靠性，既方便又經濟而且免維護。

目前模糊系統與人工神經網絡相結合成為一個研究熱點。通過結合兩個系統的互補優勢，就能夠提高整個電力系統對跳閘故障智能診斷的學習與表達能力。根據二者的連接形式與使用功能，可借助松散型、并聯型、串聯型、網絡學習型、結構等價型等結合方式實現二者的相互融合，通過把模糊理論處理跳閘故障電流電壓信息的優勢與人工神經網絡并行處理及高容錯性的優勢結合起來，就可以在輸電線路跳閘故障智能診斷中發揮突出作用。

3 結束語

對架空輸電線路跳閘故障的智能診斷研究具有深遠價值，目前業界的研究主要集中在三個方向，并嘗試引入模糊系統與人工神經系統的優勢互補來強化智能診斷的價值與意義。

參考文獻

[1]裴慧坤，岳鑫桂.智能故障定位監測系統在高壓架空線路跳閘分析中的應用[J].中國高新企業，2012（27）.

[2]吳兆鑫，王向前，張國清.基于故障原因綜合辨識的輸電線路跳閘智能分析[J].機電信息，2013（27）.