信息融合技術(shù)在智能變電站故障分析決策中的應(yīng)用

唐志軍，翟博龍，林國(guó)棟，晁武杰

（國(guó)網(wǎng)福建省電力有限公司電力科學(xué)研究院，福建福州 350007）

智能化變電站是智能電網(wǎng)的重要組成部分。與傳統(tǒng)的變電站相比，智能變電站可以進(jìn)行電網(wǎng)運(yùn)行數(shù)據(jù)、設(shè)備狀態(tài)、告警信息的采集與處理，為電網(wǎng)運(yùn)行控制提供豐富可靠的數(shù)據(jù)支撐[1]。在電力系統(tǒng)發(fā)生故障時(shí)，智能變電站不僅能收集到保護(hù)時(shí)間和錄波，還能收集到開關(guān)刀閘變位信息、SOE等一次信息，以及PMU動(dòng)態(tài)數(shù)據(jù)、錄波等。傳統(tǒng)故障信息子站，對(duì)保護(hù)的行為診斷方面無(wú)法進(jìn)行準(zhǔn)確的分析，對(duì)于故障的診斷，也完全取決于保護(hù)裝置上送的事件、告警等信息，在系統(tǒng)發(fā)生復(fù)雜故障、開關(guān)保護(hù)存在較多誤動(dòng)、拒動(dòng)以及無(wú)法獲取錄波分析或錄波文件配置信息不全等諸多不確定因素下，僅僅利用保護(hù)信息的方法獲取故障診斷的結(jié)論是非常困難的。而智能變電站采集了開關(guān)狀態(tài)、模擬量等一次信息，可以更加準(zhǔn)確地判斷故障的發(fā)生、故障屬性。在對(duì)故障進(jìn)行智能辨識(shí)后，根據(jù)一次信息中遙信、遙測(cè)的變化，判斷開關(guān)是否正確動(dòng)作，評(píng)價(jià)開關(guān)的可靠性；結(jié)合一次、二次信息，判斷保護(hù)是否正確動(dòng)作，對(duì)保護(hù)動(dòng)作特性進(jìn)行分析等評(píng)估工作[2]。

目前，智能變電站已經(jīng)實(shí)現(xiàn)了信息采集、測(cè)量、控制和檢測(cè)等基本功能。在故障診斷分析方面，由于存在故障診斷不具有系統(tǒng)性、信息輸出分散、無(wú)集中的故障診斷平臺(tái)等問(wèn)題，使得故障診斷能力有限[3]。針對(duì)上述問(wèn)題，研究人員設(shè)計(jì)了各種系統(tǒng)裝置，對(duì)故障信息、繼電保護(hù)信息進(jìn)行采集和分析，以實(shí)現(xiàn)監(jiān)測(cè)預(yù)報(bào)、故障定位等智能診斷功能，如基于位置的文本文件比較算法設(shè)計(jì)的SCD文件對(duì)比系統(tǒng)、基于專家評(píng)估系統(tǒng)的檢修策略生成系統(tǒng)[4]以及基于二維信息自動(dòng)定位的全方位過(guò)程層設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)等[5]。這些檢測(cè)系統(tǒng)均采用常規(guī)的故障分析方式，也具有一定的故障診斷能力，在一定程度上提高了故障判斷的效率，為智能變電站的可靠運(yùn)行提供一定的保障。

本文基于主成分分析法，將采集獲取的一次、二次信息及PMU動(dòng)態(tài)信息進(jìn)行處理，降低信息的冗余度，使得處理后的信息更能簡(jiǎn)潔且準(zhǔn)確地反映故障屬性，利用信息融合技術(shù)，有效地融合一次、二次信息及PMU動(dòng)態(tài)信息，準(zhǔn)確地判斷故障的發(fā)生，為現(xiàn)場(chǎng)工作人員提供一套合理的檢修方案，并針對(duì)不同人員的工作需求，提供不同結(jié)果的可視化展示，從而提高智能變電站檢修人員的工作效率，提升變電站數(shù)據(jù)智能化的運(yùn)行水平。

1 基于主成分分析法的故障信息處理

與傳統(tǒng)的變電站相比，在電力系統(tǒng)發(fā)生故障時(shí)，智能變電站能收集到開關(guān)刀閘變位信息、SOE等一次信息，保護(hù)動(dòng)作事件、保護(hù)分散錄波、故障錄波器錄波等二次信息以及PMU動(dòng)態(tài)數(shù)據(jù)、PMU錄波等其他信息。這些信息均可作為判斷故障發(fā)生及其屬性的依據(jù)，每個(gè)信息可以作為判斷故障的指標(biāo)。從信息獲取的角度講，多獲取信息確實(shí)可以彌補(bǔ)重要信息的漏失，但當(dāng)信息較多時(shí)，將不可避免地存在某些相關(guān)性，這將會(huì)帶來(lái)信息重疊、甚至影響判斷結(jié)果的真實(shí)性和科學(xué)性等問(wèn)題。目前，主成分分析法可有效地解決這一問(wèn)題[6-8]。

1.1 主成分分析原理

主成分分析（principal component analysis，PCA）是統(tǒng)計(jì)學(xué)中一種常用的降維方法[9-10]。目前PCA廣泛應(yīng)用于變壓器故障診斷[11]、狀態(tài)估計(jì)[12]、負(fù)荷預(yù)測(cè)[13]等領(lǐng)域[14]。

PCA的基本思想是用較小的幾個(gè)不相關(guān)的新變量，替代原有的較多的相關(guān)聯(lián)的變量，并且新變量為原來(lái)變量的線性組合。所選取的新變量被稱為主成分，其將盡可能保留原有變量所包含的信息。原理圖如圖1所示。它是將二維數(shù)據(jù)空間的問(wèn)題轉(zhuǎn)化為一維空間進(jìn)行處理，該思想同樣適用于多維問(wèn)題[15]。

圖1 主成分分析原理圖Fig.1 The principle diagram of the principal component analysis

主成分分分析法的計(jì)算步驟如下：

1）首先根據(jù)研究問(wèn)題的實(shí)際情況選取初始的分析變量，這些變量應(yīng)具有較強(qiáng)的相關(guān)性，通常采用KMO（kaiser-meyer-olkin）、batrlett球形等因子相關(guān)性分析方法進(jìn)行變量的選擇。并對(duì)其進(jìn)行標(biāo)準(zhǔn)化處理。

2）計(jì)算協(xié)方差矩陣C。假設(shè)X=（x1,x2,…,xm）T是m×n的原始特征空間矩陣，其中m是數(shù)據(jù)的樣本數(shù)，n是特征參數(shù)的個(gè)數(shù)，式（1）為協(xié)方差矩陣的計(jì)算公式。

3）根據(jù)協(xié)方差矩陣C，計(jì)算其特征值λj(j=1,2,…,m)及特征向量Um×m。將各特征值按大小排序λ1＞λ2＞…＞λm，并按照該順序?qū)μ卣飨蛄烤仃囍械母髁羞M(jìn)行重新排序，得到新的矩陣V；將原始特征空間矩陣X右乘V，得到m個(gè)新的特征參數(shù)Y。即Y=XV。

4）貢獻(xiàn)率是決定主成分選擇的關(guān)鍵因素，通過(guò)計(jì)算特征值，可確定新變量在Y中的貢獻(xiàn)率，且特征值越大，貢獻(xiàn)率越大。本文采用累積貢獻(xiàn)率進(jìn)行評(píng)價(jià)，公式如下式（2）所示。通常累計(jì)貢獻(xiàn)率達(dá)到85%以上時(shí)，認(rèn)為前r個(gè)元素可以代替原來(lái)的n個(gè)特征參數(shù)，即r個(gè)元素為主成分。從而起到降維的目的。

1.2 基于PCA的故障信息處理

本文中用于辨識(shí)故障的原始數(shù)據(jù)包括開關(guān)刀閘變位信息、SOE等一次信息，保護(hù)動(dòng)作事件、保護(hù)分散錄波、故障錄波器錄波等二次信息以及PMU動(dòng)態(tài)數(shù)據(jù)、PMU錄波等其他信息，如圖2所示。

首先需要分別對(duì)一次、二次以及電氣量動(dòng)態(tài)信息這3類原始數(shù)據(jù)進(jìn)行預(yù)處理。由于這些故障信息的類型不盡相同，對(duì)于定量的數(shù)據(jù)，需要將其進(jìn)行標(biāo)準(zhǔn)化處理，而對(duì)于定性的信息應(yīng)采用模糊隸屬度處理后將其轉(zhuǎn)換為定量的數(shù)據(jù)，再進(jìn)行標(biāo)準(zhǔn)化處理，以便后續(xù)操作。

其次，分別計(jì)算一次、二次以及電氣量動(dòng)態(tài)信息這3類預(yù)處理數(shù)據(jù)的協(xié)方差矩陣C1、C2、C3；通過(guò)計(jì)算協(xié)方差矩陣C1、C2、C3的特征值以及特征向量，確定3類信息各自的主成分；再計(jì)算累積貢獻(xiàn)率，分別選取起主要作用的r1、r2、r3個(gè)主成分。

最后將選取的r1、r2、r3個(gè)主成分，作為判斷故障的特征信息，同時(shí)也為下文的信息融合提供證據(jù)。

圖2 基于PCA的故障信息處理流程圖Fig.2 Fault information processing flow chart based on PCA

2 信息融合技術(shù)在智能變電站故障分析決策中的應(yīng)用

由于現(xiàn)場(chǎng)環(huán)境復(fù)雜性、故障類型多樣性以及不確定性等諸多問(wèn)題，僅采用一、二次信息進(jìn)行故障的判別是難以實(shí)現(xiàn)的，本文利用智能變電站獲取的大量信息，將信息融合的基本思想引入智能變電站的故障分析中，可以提高故障診斷的可靠性。

2.1 信息融合原理

信息融合是將來(lái)自某一目標(biāo)的多源信息進(jìn)行智能合成，產(chǎn)生比單一信息更高、更準(zhǔn)確的估計(jì)與判決，通過(guò)分析所獲取的信息的價(jià)值以及信息之間的相關(guān)性的方式，建立最有力的信息子空間[16]。信息融合具有數(shù)據(jù)層、特征層、決策層3個(gè)層次，可根據(jù)不同的應(yīng)用背景則相應(yīng)的融合層次和算法。本文主要采用D-S證據(jù)理論[17]在決策層進(jìn)行信息的融合。系統(tǒng)結(jié)構(gòu)如圖3所示。

圖3 基于信息融合技術(shù)的故障分析流程圖Fig.3 The failure analysis flow chart based on the information fusion technology

首先將采集到的一次、二次信息以及PMU動(dòng)態(tài)信息經(jīng)上文主成分分析處理后，分別得到r1、r2、r33類主成分。將r1和r2主成份組合，經(jīng)專家系統(tǒng)等人工智能診斷后，得到故障結(jié)果1；將r3主成分同樣經(jīng)過(guò)專家系統(tǒng)等人工智能診斷后，得到故障結(jié)果2；最后通過(guò)DS決策融合法則，將2類診斷結(jié)果進(jìn)行融合，形成最終的故障診斷結(jié)果（母線故障、主變壓器故障、線路故障等）。

2.2 信息融合的應(yīng)用

本文采用的D-S融合流程如下所示：

1）建立識(shí)別框架θ。對(duì)于一個(gè)辨識(shí)問(wèn)題，所有可能的輸出結(jié)果為該表示問(wèn)題的識(shí)別框架。本文的識(shí)別框架可以為A1（母線故障）A2（主變壓器故障）…An（線路故障）以及不確定性δ。則θ= { }A1，A2，A3,…,An,δ。

2）設(shè)置基本概率分配 BPA（base probability assignment）。對(duì)于識(shí)別框架θ，其基礎(chǔ)概率分配m是從2到區(qū)間[0，1]的一個(gè)映射（即m為：2θ→[0,1]），它滿足2個(gè)條件：其中m（?）為基本可信數(shù)，其反映的是對(duì)框架θ的信度大小，且信任函數(shù)Bel（?）與m（?）之間滿足：，其中Bel(A)表示為A所有子集的BPA之和，其反映的是B（B?A）對(duì)A的支持力度。識(shí)別框架上的BPA計(jì)算方法為

式中：mi(Aj)為第i個(gè)證據(jù)對(duì)于第j個(gè)對(duì)象的BPA；是第i個(gè)政局不確定性的BPA值；uij表示第i個(gè)證據(jù)對(duì)于輸出為j類故障的隸屬度；αi為第i個(gè)證據(jù)源的可靠性系數(shù)。本文中第1個(gè)證據(jù)源為一次、二次信息經(jīng)主成分分析及人工智能診斷后的結(jié)果，第2個(gè)證據(jù)源為PMU動(dòng)態(tài)信息經(jīng)主成分分析及人工智能診斷后的結(jié)果。

3）證據(jù)合成。合成規(guī)則是D-S證據(jù)理論的核心，也稱作證據(jù)融合公式，其計(jì)算方法為

式中：Aj=B∩C；B、C是θ的一個(gè)子集；⊕表示異或運(yùn)算。通過(guò)上式合成2類信息源的共同辨識(shí)結(jié)果。

4）決策。通過(guò)2類決策信息的融合所得的BPA，為對(duì)識(shí)別框架內(nèi)識(shí)別對(duì)象的概率輸出，因此要滿足以下3個(gè)規(guī)則：

BPA須大于不確定性θ；

3 故障診斷結(jié)果可視化展示

基于上文中主成分分析以及信息融合等故障信息處理，可以獲取準(zhǔn)確的故障類型及位置，最終輸出本次動(dòng)作簡(jiǎn)報(bào)。智能變電站的智能化不僅體現(xiàn)在故障識(shí)別的精準(zhǔn)度高，還應(yīng)該體現(xiàn)在與人的信息交流方面，因此診斷結(jié)果可視化顯得格外重要。在系統(tǒng)設(shè)計(jì)中，應(yīng)該根據(jù)不同工作人員的需求，進(jìn)行不同的診斷結(jié)果可視化展示。對(duì)于變電站的值班人員，應(yīng)提供本次故障簡(jiǎn)報(bào)，有利于工作人員準(zhǔn)確快速地進(jìn)行故障的定位，并采取相應(yīng)的決策。對(duì)于事故分析人員、繼保運(yùn)行人員，在提供故障簡(jiǎn)報(bào)的基礎(chǔ)上，還應(yīng)提供一次、二次以及PMU動(dòng)態(tài)數(shù)據(jù)等全面的信息，以便對(duì)故障進(jìn)行后續(xù)的分析和處理，減少故障的再次發(fā)生。因此故障結(jié)果的可視化展示同樣可以提高運(yùn)行檢修工作人員的工作效率，見圖4所示。

圖4 故障結(jié)果可視化展示Fig.4 Visual display of fault results

4 結(jié)論

1）基于主成分分析法，將采集獲取的一次、二次信息及PMU動(dòng)態(tài)信息進(jìn)行處理，降低信息的冗余度，使得處理后的信息更能簡(jiǎn)潔且準(zhǔn)確地反映故障屬性。

2）利用信息融合技術(shù)，將一次、二次信息的故障診斷結(jié)果與PMU動(dòng)態(tài)信息的故障診斷結(jié)果，進(jìn)行信息融合，獲取更準(zhǔn)確可靠的信息，可以更準(zhǔn)確地判斷故障的發(fā)生。

3）針對(duì)不同工作人員的需求，提供不同的故障結(jié)果可視化展示，為現(xiàn)場(chǎng)工作人員提供一套合理的檢修方案，從而提高運(yùn)維檢修人員的工作效率以及運(yùn)行水平。

[1]馬凱，劉俊紅，侯艾君，等.智能變電站信息一體化平臺(tái)高級(jí)應(yīng)用[J].南方電網(wǎng)技術(shù)，2016，10（1）：42-48.

MA Kai，LIU Junhong，HOU Aijun，et al.Advanced application of integrative information platform for smart substations[J].Southern Power System Technology，2016，10（1）：43-48.

[2] 李斌.智能變電站技術(shù)及其應(yīng)用研究[D].北京：華北電力大學(xué)，2011.

[3] 張道銀，張小飛，趙汝英.智能變電站故障診斷技術(shù)研究[J].電力信息與通信技術(shù)，2013（7）：39-43. ZHANG Daoyin，ZHANG Xiaofei，ZHAO Ruying.Intelligent substation fault diagnosis technology research[J].Electric Power information and Commanication technology，2013（7）：39-43.

[4]熊華強(qiáng)，萬(wàn)勇，桂小智，等.智能變電站SCD文件可視化管理和分析決策系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電力自動(dòng)化設(shè)備，2015，35（5）：166-171. XIONG Huaqiang，WAN Yong，GUI Xiaozhi，et al.Design and implementation of visual management and analytical decision system for smart substation SCD files[J].Electric Power Automation Equipment，2015，35（5）：166-171.

[5] 李妍，車勇，單強(qiáng)，等.智能變電站二次系統(tǒng)在線監(jiān)測(cè)評(píng)估的研究[J].電力系統(tǒng)保護(hù)與控制，2016，44（10）：66-70. LI Yan，CHE Yong，SHAN Qiang，et al.Research on secondary system on-line monitoring and evaluation in smart substation[J].Power System Protection and Control，2016，44（10）：66-70.

[6]高陽(yáng)，王剛，夏潔.一種新的基于人工神經(jīng)網(wǎng)絡(luò)的綜合集成算法[J].系統(tǒng)工程與電子技術(shù)，2004，26（12）：1821-1825. GAO Yang，WANG Gang，XIA Jie．New algorithm of metasynthesis based on artificialneuralnetwork[J]．Systems Engineering and Electronics，2004，26（12）：1821-1825.

[7]楊輝.主成份分析法聚類分析法在對(duì)足球比賽綜合評(píng)價(jià)中的應(yīng)用[J].湛江師范學(xué)院學(xué)報(bào)，2004，25（6）：57-61. YANG Hui．Comprehensive evaluation of a soccer game through factor and cluster analyses[J].Journal of Zhanjiang Teachers College，2004，25（6）：52-56.

[8]羅毅，周創(chuàng)立，劉向杰.多層次灰色關(guān)聯(lián)分析法在火電機(jī)組運(yùn)行評(píng)價(jià)中的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012，32（17）：97-103. LUO Yi，ZHOU Chuangli，LIU Xiangjie.Application of the multi-level grey relational analysis method in operation assessment of thermal power units[J].Proceedings of the CSEE，2012，32（17）：97-103.

[9] 劉寶英，楊仁剛.基于主成分分析的最小二乘支持向量機(jī)短期負(fù)荷預(yù)測(cè)模型［J］.電力自動(dòng)化設(shè)備，2008，28（11）：13-17. LIU Baoying，YANG Rengang.Short-term load forecasting modelbased on LS-SVM with PCA[J].Electric Power Automation Equipment，2008，28（11）：13-17.

[10]許力，竺鵬東，顧宏杰，等.基于變尺度PCA的電力設(shè)備載流故障早期預(yù)警[J].電力自動(dòng)化設(shè)備，2012，32（5）：147-151. XU Li，ZHU Pengdong，GU Hongjie，et al.Early warning of electric equipment current-carrying faults based on variablescaleprincipal component analysis［J］.Electric Power Automation Equipment，2012，32（5）：147-151.

[11]程其云，王有元，陳偉根.基于改進(jìn)主成分分析的短期負(fù)荷預(yù)測(cè)方法[J]．電網(wǎng)技術(shù)，2005，29（3）：64-67．CHENG Qiyun，WANG Youyuan，CHEN Weigen．Modified principal component analysis based short-term load forecasting[J]．Power System Technology，2005，29（3）：64-67.

[12]張承彪，羅運(yùn)柏，文習(xí)山.主成分分析在變壓器故障診斷中的應(yīng)用研究[J]．高電壓技術(shù)，2005（8）：9-11．ZHANG Chengbiao，LUO Yunbai，WEN Xishan．Study on fault diagnosis of transformer based on principal component analysis of dissolved gas[J]． High Voltage Engineering，2005（8）：9-11．

[13]余錦華，楊維權(quán).多元統(tǒng)計(jì)分析與應(yīng)用[M]．廣州：中山大學(xué)出版社，2005．

[14]聶宏展，聶聳，喬怡，等.基于主成分分析法的輸電網(wǎng)規(guī)劃方案綜合決策[J].電網(wǎng)技術(shù)，2010，34（6）：134-138. NIE Hongzhan，NIE Song，QIAO Yi，et al.Comprehensive decision-making of alternative transmission network planning based on principal component analysis[J].Power System Technology，2010，34（6）：134-138.

[15]Jolliffe I T.Principal Component Analysis[M].2nded.New York：Springer，2002.

[16]黃亮，唐炬，凌超，等.基于多特征信息融合技術(shù)的局部放電模式識(shí)別研究[J].高電壓技術(shù)，2015，41（3）：947-955. HUANG Liang，TANG Ju，LING Chao，et al.Pattern Recognition forpartial discharge based on multi-feature fusion technology[J].High Voltage Engineering，2015，41（3）：947-955.

[17]王潤(rùn)生.信息融合[M].北京：科學(xué)出版社，2007.