基于網絡的電網故障診斷探討

李小東

摘 要：作為國家發展的重要支撐，若電網系統出現斷電事故或是故障，對群眾生活有很大的影響。另外，還將對企業甚至是國民經濟帶來沉重的損失。正因為此，一個精準的電網故障診斷系統有助于及時地發現和分析故障設備，找出故障原因和有效排除。本文運用貝葉斯網絡診斷方法，構建以MAS為支撐的電網故障診斷體系，判斷電網故障診斷中該方法的應用方法與策略，旨在提高電網診斷總體的效率。

關鍵詞：Agent網絡;電網故障;診斷

電力系統中，電網是非常關鍵的一個部分，重點負責輸送、配電和轉變電壓的系統。近些年，居民用電需求逐步地增長，電網運行及其結構更為復雜，故障率成倍提高。該情況下，建立一個精準的電網故障診斷系統，關系到電力系統能否正常地運轉。伴隨電網規模的不斷擴大，分層分布式的系統架構以及多智能體系統在陸續地研究中，重點是利用分層分區來對任務進行分解，減小調度端面臨的解題壓力，使大電網中的復雜故障得到順利地化解。

一、電網故障診斷的研究現狀

（1）專家系統。以計算機技術為支撐，運用專家積累的經驗構建起專家知識庫。結合知識庫，對專家獨特的推理過程進行模擬。電網故障診斷中，專家系統相對較早、成熟度高。診斷結果，和故障原因之間密切相關，體現出了故障特征，接近于人類的診斷思維。

（2）人工神經網絡。通過對人類神經系統進行模擬，處理信息的一種人工智能技術。它將電網保護以及開關信息量當作是人工神經網絡中重要的輸入端，將故障狀態納入輸出端，建立樣本訓練模型。對神經網絡而言，只有兩種診斷方法。一是輸入，二是輸出，無需過多的專業知識。正因為此，它的容錯能力明顯要比專家系統更具優勢，并保留神經網絡獨特的優勢和學習能力，有較強的自適應性。

（3）貝葉斯網絡。貝葉斯網絡（Bayesian Network），將概率論知識、圖形理論之間進行結合，有扎實的理論基礎。貝葉斯網絡，是基于貝葉斯公式確立和發展的數學模型。按照設備的關聯性及其不確定性，可以完成概率推理。步驟：在不同狀態上建立起相關概率，結合故障特征找到故障率最高的設備。

（4）模糊推理。基于模糊集理論，按照普遍的故障源、原因構建起知識數據庫。結合模糊數學模型和使用者的經驗，按模糊隸屬度對對象的精確性進行描述，從數據庫中尋找類比概率相對最高的故障原因或是元器件，容錯能力相對較好。模糊理淪，實際上是將傳統的集合理論進行模糊化，引入語言變量以及模糊邏輯，是一項成熟的推理體系。通常，模糊系統的內部結構類似于前述的專家系統，包括模糊知識庫、推理機以及人機界面這幾個不同的部分。換句話說，模糊系統也可以看作是模糊理論、專家系統結構二者的結合。

二、基于多Agent系統的動態網絡電網故障診斷

拓撲結構識別故障診斷模型涵蓋3個不同的部分：監視器Agent、Aco以及ID Agent。系統模型，見下圖。

（1）實時獲取電網診斷狀態數據。電網系統若碰到故障或是異常情況，狀態數據必定有所轉變。人工智能agent，可以在最短時間內將診斷對象的全部數據進行搜集，找到異常信息。如設備運行中，精準捕捉到繼電保護以及斷路器信息。同時，將該類設備相關的故障信息逐步傳遞至整個診斷系統，利于診斷與客觀分析。

（2）局部結線分析agent。電網故障中，該系統的作用在于可以收集到斷路器的相關信息。運行時，利用接線分析法來辨識鼓聲故障前、后系統的不同狀態。根據兩種狀態彼此的差異，尋找故障的根源，同時將這些故障原因及時地向上級系統進行反饋。

（3）診斷模型生成agent。電網故障中，診斷模型生成系統同樣也是非常關鍵的部分，多根據計算機模型來預測電網中出現的故障原因。診斷系統，能夠從用戶接口位置的agent成功地對線路、母線以及變壓器上的數據、信息進行接收。運用事先設定的學習方法以及算法，進行模型診斷，建立起相應模型，利于故障診斷。該種基于計算機的智能化診斷，顯著地提升了診斷效率。

（4）元件診斷貝葉斯網絡生成agent。該診斷方法，是按照元件故障診斷模型、元件—保護—斷路器三者的相關性，運用元件貝葉斯生產方法來對不同元件分別建立起診斷貝葉斯網絡。生成工作結束后，將這些數據逐一地保存到數據庫中。故障出現后，若數據庫中找不到元件對應的診斷貝葉斯網絡，可考慮喚醒相關agent便于生成。

（5）故障診斷agent組。電網診斷中，故障診斷agent是基礎和重點。它集合了若干不同的診斷樞紐，包括診斷控制agent、母線、線路以及變壓器等若干不同的零部件。從工作內容上看，各個部件有明顯的區別。如診斷agent，其功能在于提供專業的信息管理服務。電網設備運行階段中，它負責和其他系統之間保持溝通。根據各個系統的功能，劃分相應的工作人員，以便對設備實施監控、協調。故障診斷agent組成為系統的核心，說到底是由于它參照了貝葉斯網絡診斷方法，根據元件故障、斷路器跳閘以及保護動作三者的邏輯關系，構建起一套完整的診斷模式。它是一種分布式診斷，可以對電網系統中不同的運行狀態加以監控，找出現場故障，同時進行診斷。電力設備運行階段中，診斷效率相對較高。可以較好地控制運行中出現的突發性問題，對電力供應較為有利，同時也適應了各地用戶的用電需求。

（6）用戶接口agent。診斷工作中，該系統能夠在診斷者、設備雙方建立起人機交互界面，及時展現診斷結果與其他信息。另外，診斷者利用該系統可以將診斷知識以及接線狀態及時地輸入agent中，創建內容，適應用戶的指令需求，找出故障背后的根源，采取合理的解決對策。

三、結語

總體來看，電網系統運行中難免會碰到不同類型的故障。不同的故障，其解決方法也會有很大的區別。本文提倡的解決方法僅僅為其中之一，伴隨技術的創新與進步，網絡解決方法也將日漸增多，這對電力系統和用電安全有很大的保障。

參考文獻：

[1]朱博，胡燕，趙永標.人工神經網絡在故障診斷中的應用[J].艦船電子工程，2015，25（1）：91-95.

[2]劉京津.基于多智能體系的故障診斷技術在智能電網中的應用[J].電子與封裝，2017，13（12）：43-48.