配電自動化故障智能識別與定位系統設計

楊川 徐勇 趙亮 周鵬 孫濤

摘 要：對于獲取的海量配電網運行數據，快速從中提取關鍵信息并實現配電網運行缺陷和故障的智能分析、診斷定位是電力系統自動化的重要保障。本文利用采集的配電自動化運行實時信息，通過召測、故障特征信息分析、網絡拓撲智能分析、專家知識庫決策等技術，完成配電自動化故障定位及故障類型判斷，分析故障點配電自動化屬性，經過專家知識庫決策，給出可能的故障原因，縮短故障處理時間，提高供電可靠性。

關鍵詞：配電自動化 故障智能分析 故障定位 實時信息

中圖分類號：TM933 文獻標識碼：A 文章編號：1672-3791（2018）03（a）-0000-00

隨著配電網數據量的增大，配電網的結構越來越復雜，對供電可靠性的要求越來越高，配電網中故障如果不能及時處理，嚴重的故障會導致整個電力網絡癱瘓。如何快速從收集到的海量信息中提取出關鍵信息，并利用這些提取出來的海量信息實現配電網運行缺陷和故障的智能分析和定位是配電網運行亟待解決的難題。因此，當配電網發生故障時能快速的給出故障原因，迅速找到故障源，縮短故障處理的時間，對電力系統發展來說至關重要[1-3]。

近年來，配電網故障診斷智能分析引起了國內外眾多學者的關注。國內外比較典型的配電網故障診斷方法有故障電流法、專家系統法、人工神經網絡法、基于模糊理論的方法、基于優化技術的方法以及基于數據挖掘的方法等。潘沛峰等提出基于IDT智能配電終端和馬氏距離算法的新故障定位方法[1]，該方法能夠對故障進行實時定位，滿足智能配電網在線狀態監測和故障準確定位需求。曹榮等針對電力系統故障診斷中的智能化方法中的常用方法進行了介紹和探討[2]，并分析了這些方法在配電網故障診斷中的應用，從使用的角度分析了配電網故障診斷方法在實際應用中的意義。張虎等人提出了模型診斷在配電線路故障診斷中的應用分析[3]，闡述了模型診斷的基本思想和基本過程，并提出了改進沖突識別的方法和基于模型診斷的配電線路故障診斷方案，實例證明該方案能有效的實現配電線路的故障診斷。關龍提出了一個完整的基于模型的配電網診斷方案[4]，采用優化的離散二進制粒子群算法，診斷識別過程中以貝葉斯后驗概率形式量化了候選診斷的衡量標準，從而降低了診斷過程中的不確定度，取得了良好的效果。羅毅等人針對配電網發生故障后故障診斷報警信息存在不確定性和導致難以準確診斷結果的問題，提出一種基于粗糙集與決策樹的配電網故障診斷算法[5]，該方法提高了配電網故障診斷的精度不和魯棒性，并通過實例驗證了該方法的有效性。張珊珊等人將粗糙集和人工神經網絡兩者相結合[6]，對配電網故障進行診斷，首先對故障的原始數據運用粗糙集屬性約減算法進行約簡，再利用人工神經網絡對最簡規則集進行學習訓練，最后通過一個仿真模型驗證了此研究，優化了配電網故障診斷方法。黃智等針對配電網在線故障識別問題，探討了關于配電自動化在線故障診斷識別與診斷的有效方法[7]。黃悅華等人探討了智能配電網故障診斷系統的應用[8]，通過該系統能夠對故障快速定位，便于之后的檢修以及事故發生之后供電的快速恢復，避免了因為停電故障帶來更大的經濟損失。

現有的技術方法無法對配網中的故障進行智能診斷和定位，因此為了提高配網的供電安全性和可靠性，有必要對配網故障智能分析技術加強研究。

本文剩余部分組織如下：第2部分介紹故障特征信息分析系統體系架構；第3部分介紹配網智能決策系統設計，最后對全文進行總結。

1 故障特征信息分析系統體系架構

配網故障智能識別與診斷定位需要具有精細化的管控能力、在線管控、管控貫通等幾個方面，從而保證配網故障分析可控、在控，強化故障智能分析能力。通過配網故障特征分析體系，快速實現故障點的定位和故障原因的判定，從而實現搶修的智能化和資源調度的智能化，提高供電服務的可靠性。下面給出本文提出的基于大數據平臺的故障特征信息分析系統體系架構如圖1所示。

圖1 基于大數據平臺的配網故障特征信息分析體系架構

其中，分析決策是配網中故障智能診斷的核心，主要包括配網自動化系統考核指標分析、可靠性指標分析、搶修綜合指標分析等，主要實現配電自動化故障定位及故障類型判斷。

搶修指揮模塊主要包括搶修調度管理、現場搶修終端應用、搶修資源管理等，主要提供配網中可能的故障原因，縮短故障處理時間，提高供電可靠性。

2 配網故障智能決策系統設計

分析研究智能配電網的故障智能決策系統，能夠快速而準確的隔離故障區域，使電網降低故障通電概率，提升供電質量，保證用戶生產生活用電。配電網故障智能決策系統包括基于專家知識庫的配電網故障決策設計、基于網絡拓撲智能分析的配網故障診斷架構設計。

2.1 基于專家知識庫的配網故障決策設計

專家系統在故障診斷領域的應用非常廣泛，將故障檢測、診斷分析與專家知識庫相結合，使配電網的安全性與可靠性得到了保證。在計算機采集到配電網中的被診斷對象的信息后，運用專家經驗，在運用過程中向用戶索取必要的信息后，可快速地找到最終故障和最有可能的故障，再由用戶來證實。

在整個配網故障分析決策中，數據倉庫起著重要作用，其存放著配電網中的動態數據庫和靜態數據庫，知識庫中存放著配電網中的設備故障特征值、故障診斷算法、推理規則等，反映了系統的因果關系，用來進行故障推理，并通過故障智能決策模塊以及知識庫管理系統等實現配電自動化故障定位及故障類型判斷。

基于專家知識庫的配網故障決策設計包括歷史數據分析子系統、故障預測綜合分析子系統、配網故障搶修調度分析和配網故障定位分析系統。其中歷史數據分析子系統描述了配網種歷史故障信息，提供專家分析數據，為配網故障診斷預測提供依據。故障預測綜合分析子系統提供了配電網中故障區域，以便故障準確定位和故障的快速搶修。配網故障定位分析系統描述了配網中故障區域的準確定位。配網故障搶修調度分析描述的故障搶修的調度問題，目的是使故障修復的時間最短。

2.2 基于網絡拓撲智能分析的配網故障診斷架構

配電網絡結構復雜，由于故障時有發生，導致網路結構經常發生變化，網絡的拓撲分析作為配電網絡的分析基礎，亟需尋找一種好的網絡拓撲算法。下面給出基于網絡拓撲智能分析的故障診斷架構圖，如圖4所示。

圖2 配電網自動化網絡拓撲故障診斷圖

配電自動化通過控制配電終端（FTU、TTU），配電網自動化網絡拓撲故障診斷實現了配電網中故障隔離、網絡重構以及故障恢復，并通過故障識別工作站、檢修調度工作站、故障分析工作站，大大提高了供電可靠性和供電質量。

3 結語

隨著計算機技術、電子技術、無線通信技術的飛速發展，配電網的結構越來越復雜，當配電網發生故障的時候快速定位隔離故障是關鍵，本文通過故障特征信息分析、網絡拓撲智能分析、專家知識庫決策等技術，完成配電自動化故障定位及故障類型判斷，分析故障點配電自動化屬性，經過專家知識庫決策，給出可能的故障原因，縮短故障處理時間，提高供電可靠性。

參考文獻

[1] 潘沛峰，吳召華，項海波.馬氏距離算法在智能配電網故障定位中的應用[J].中國電業（技術版），2012，（10）：46-49.[2017-09-06].

[2] 曹榮，劉翠娜.淺談電力系統故障診斷中的智能化方法與應用[J].信息通信，2013，（09）：133-134.[2017-09-06].

[3] 張虎.模型診斷在配電線路故障診斷中的應用分析[J].電氣技術，2012，（08）：92-94.[2017-09-06].

[4] 關龍，劉志剛，徐建芳，王英.基于模型的配電網故障診斷關鍵問題研究[J].電力系統保護與控制，2012，40（20）：145-150.[2017-09-06].

[5] 王英英，羅毅，涂光瑜.基于粗糙集與決策樹的配電網故障診斷方法[J].高電壓技術，2008，（04）：794-798.[2017-09-06].

[6] 張珊珊，孫季鑫，張敏，王田，梁曉平.粗糙集與BP神經網絡對配電網故障的診斷[J].電子質量，2017，（05）：40-43.[2017-09-06].

[7] 黃智.配電線路在線故障識別與診斷方法研究[J].山東工業技術，2015，（23）：134.[2017-09-06].

[8] 黃悅華，阮澤武.智能配電網故障診斷及定位探析[J].通信電源技術，2016，33（01）：141-142.