基于電網故障診斷方法技術分析

譚麗君 鄧鍵鏘

（廣東電網有限責任公司江門供電局，廣東 江門 529000）

電網作為世界上最復雜的系統之一，是保障人民生活和促進國民經濟發展的重要內容。電網故障診斷作為電網的核心環節，各級規劃部門處于監測系統運行和調度控制的前沿，確保日常應急控制工作的及時性、針對性和有效性，始終是能源系統安全防護體系的重中之重。然而，由于社會和電力消費者對電力供應的成本效益、質量、連續性和可靠性的要求越來越高，能源系統向著“高效發電”、“跨領域輸電”和“智能配電”的方向發展。因而在該背景下，大型性能優化配置、大規模新能源接入、自然災害頻發等復雜運行條件對電網的規劃和運行提出了客觀的挑戰。

1 電網故障診斷方法技術相關背景

1.1 電網故障帶來的危害

西歐大停電時間：歐洲當地時間2006 年11 月4 日22：10（北京時間2006 年11 月5 日5：10），歐洲電網發生了大面積的停電事故，歐洲UCTE 電網劃分為3 個事故區域，各區電力供應嚴重失衡，出現一個接一個高峰供電不足或者峰谷用電產能過剩的問題，事故波及法國和德國人口最稠密的地區，以及比利時、意大利、西班牙和奧地利的幾個主要城市，雖然大部分地區在0.5h 內恢復供電，但是最嚴重地區的停電時間達到了1.5h。事故總損壞負荷高達1672GW，影響約1500 萬用戶。

1.2 電網診斷方法研究的意義

多年來，能源系統的自動化和穩定性控制技術取得了長足的進步，但在系統故障發生后，調度員在事故應急響應中的在線決策始終不可替代，運營商必須及時有效地開展應急處置工作，最大限度地提高系統的安全性，避免大面積停電。特別是故障診斷作為應急處置最關鍵的輔助技術，在提高應急處置的速度、準確性和在線適應性方面發揮著重要作用。然而，鑒于監測系統運行信息量大，故障情景復雜，運營商在短時間內準確分析故障現場及其安全水平，制定有針對性的應急處置策略，這是運營商需要面對的一個重要問題。在這方面，有必要對各類業務監測信息進行針對性分析和處理，對目標應急處置支持系統及其故障診斷關鍵技術進行調查，整合操作員在應急處置過程中亟需的關鍵信息，支持緊急情況下的處置決策，提高應急處置的針對性和有效性，改進應急處置。

2 現有的診斷方法存在的不足

2.1 輸電網故障診斷的參數變量復雜

為提高電網傳輸系統故障診斷和分析模型的準確性和容錯性，現有完全分析模型必須分別引入優化變量，以保護斷路器的阻斷/錯位，以及報警信息的錯誤，使分析模型的優化變量尺寸是傳統分析模型的數倍。因此，有必要改進模型完整分析的建模方法，及時排除故障。

2.2 拓撲信息在輸電網故障診斷中的應用不足

現有的傳輸網絡故障診斷方法，基于Petri 網絡的圖形建模，沒有充分利用拓撲信息，難以通過單獨分析其與每個組件報警信息的相關性來適應網絡拓撲的變化，診斷故障。此外，該模型一般采用離線內存、在線應用的診斷類型，需要存儲所有組件的診斷模型，硬件內存要求較高，且采用橫向模式，診斷速度慢。因此，有必要考慮將系統的拓撲信息引入傳輸網格故障診斷模型，提高故障診斷模型的在線建模能力，適應網絡拓撲和鏈條故障的變化。

2.3 告警時序信息在輸電網故障診斷中的應用不充分

目前，智能變電站的國企設備可以為斷路器和斷路器動作信息添加統一的基準時間尺度，但對于報警定時信息的應用，現有基于Petri 網絡圖形建模的研究必須在正反定時檢查預警信息，以評估報警信息的可靠性，缺乏簡單高效的正時原因算法，時間系列檢查過程是煩瑣耗時的。此外，現有的時間系列模糊Petri 網絡僅通過時間推理來糾正報警信息的信任度，信息使用有限，且計時檢查過程與Petri 網絡論證過程是分開的，計算量較大。因此，在研究高效的定時推理方法的同時，必須充分利用時間系列推理的結果，提高誤差組件定位的準確性。

2.4 針對多電源并列運行主動配電網的故障診斷性能不足

利用分散供電、儲能等設備，將傳統的輻射配電網轉變為并排運行有源配電網的多電網，其趨勢具有雙向循環的特點。現有研究主要通過改進優化算法中的開關功能來研究報告功能，但有必要分別考慮每個開關的狀態功能，建模過程復雜，特別是現有模型沒有考慮多重誤差疊加對開關函數建模的影響，且多個復雜誤差的定位性能有限。因此，針對多部分主動分布網絡的特點，迫切需要改進故障診斷方法。

3 輸電網故障診斷技術

3.1 專家系統

專家系統的架構模式如圖1 所示，專家系統是最早應用于電網診斷領域內的智能技術。專家系統的建立依據是將行業內的診斷專家的從業經驗和計算機數據庫進行簡單融合，建立了不同的診斷模型，電網內的各個傳感器將收集的數據上傳至計算機系統，計算機調用系統數據庫內的數據模型，經過比對得出相應的診斷結果。專家系統通過建立規則庫來模擬人類專家解決故障診斷問題的過程。經過多年的發展，電網故障領域的專家系統已經非常成熟，在解決某些信息的故障診斷方面具有很強的論證和解釋能力。

圖1 專家系統結構圖

目前對專家系統的改進主要是通過與其他智能技術相結合來完成的。一開始，將專家系統與大數據挖掘相結合，通過挖掘更多能夠診斷簡單錯誤和復雜級聯錯誤的測控信息，增加了專家數據庫的豐富性；后來隨著計算能力的進一步發展，與人工神經網絡融合，將故障告警信息通過人工神經網絡進行預處理，從而解決信息不確定性對專家系統診斷容錯性的影響；最后，將專家系統與信息論相結合，將其論證方法按規則匹配，轉化為數值計算，成功應用于電網診斷。

但是隨著電網的發展，專家系統的缺點越來越明顯：專家系統的診斷是基于規則庫的邏輯比較，學習能力差，專家系統的維護非常煩瑣，很難獲得準確的錯誤診斷。事實證明，基于專家系統的輸電網絡故障診斷研究開展較早、較為成熟，在實際電網運行中也得到了一定的應用。然而，由于專家系統是在專家知識和經驗的基礎上創建的，并且針對不同的能源系統具有不同的特性，因此很難建立一個通用的、完整的知識庫。此外，對于繼電保護和斷路器本身可靠性不足導致的拒動/誤操作、通信異常導致的報警信息丟失、失真等復雜情況，也難以提供正確的診斷結果。正是由于這個原因，使用專家系統對輸電網絡進行故障排除受到了限制，難以普及。

3.2 人工神經網絡

人工神經卷積網絡原理如圖2 所示，卷積神經網絡主要由這幾類層構成：輸入層、卷積層，ReLU 層、池化（Pooling）層和全連接層組成。 人工神經網絡卷積原理過于復雜，在此不做詳細介紹，只說明如何通過人工神經網絡得出診斷結果。如圖2 所示，當系統輸入一個模糊的數據，第一步通過卷積得到卷積核，提取出相應權重的數據組C1，第二步將數據進行非線性處理得到S2數據組，因為現實情況中的事件大多為非線性的，第三步進行池化處理，降低數據維度，但是最大程度保留數據特征，第四步將數據再次卷積得出多個卷積核，最后通過softmax 激勵函數作為輸出層（全連接），得出最終的診斷結果[2]。

圖2 人工神經網絡系統原理圖

最初以保護措施信息和斷路器位移信息作為輸入信號，輸出故障診斷結果，通過網絡學習得到診斷結果。后來經過科學家對神經網絡的改進，提出了神經小波網絡的概念，對網絡結構進行了改進，將積分和RBF 結合起來，劃分了大尺度晶格結構，使用了3D 矩陣自動應用模型技術，如果晶格結構發生變化，這種方法可以很好地適應。

與創建人工推理規則的專家系統相比，人工神經網絡可以通過模式訓練自動調整網絡參數，并具有自我學習的能力，從而在推理邏輯和容錯方面具有更大的優勢。 但是這種方法必須在大量模式數據模型的基礎上訓練，對于實際的電力系統很難得到如此完整的故障模式數據，而且這種方法只關注輸入而與輸出并沒有明確反映推理的互聯性，因此無法解釋推理的結果。由于這些原因，這種方法在實際技術應用中存在瓶頸。

3.3 基于Petri 網的故障檢測

Petri 網的基本單元架構如圖3 所示。P1 和P2 表示簡單電路中的保護器，斷路器和元器件，T1 則是時間限制，箭頭表示斷定方向。Petri 適用于多個電網之間的離散數據處理，進行動態的建模分析，能夠通過圖表的形式直觀地表達各個故障之間的聯系和電網內部的拓撲關系，可以進行并行運算，減少故障診斷時間[1]。

圖3 Petri 網絡基本結構圖

原診斷系統采用分層建模方法，為每個故障傳播方向設置子網，提高電網拓撲變化時診斷算法的適應性。然后將SOE信息添加到PN 網絡中，通過時間限制分配斷路器和斷路器動作信息的初始概率分配，減少誤算的可能性。隨后，在PN 網絡的錯誤診斷中引入了啟動保護器信號、保護動作信號、斷路器操作、閘刀操作等多種信號，并提出了具有多種信息的分層PN 網絡診斷方法，在提高算法的準確性方面取得了良好的效果；將PN 網絡與神經網絡和模糊技術相結合，使Petri 神經網絡的概念得到實現，通過減少參數，提高了故障診斷的速度。目前，基于Petri 網絡圖形建模的傳輸網格故障診斷研究主要側重于改進Petri 網絡模型并考慮增加復雜的時間信息。在改進模型方面，還提出了對電網報警信息模糊的Petri 網絡描述的不確定性，有效提高了診斷方法的容錯性。隨著理論的進步，業內專家優化了模糊的Petri 網絡結構和推理過程，進一步提高了故障診斷的效率。可見，Petri 網絡在模擬同時發生和連續發生的事件方面具有很大的優勢，可以充分考慮電網故障過程中預警信息的不確定性。現有的Petri 網絡模型需要對所有電源故障組件進行單獨建模，并且主要采用離線建模、在線呼叫模式，不太適應網絡。此外，報警信息的定時屬性仍停留在通過時間串聯約束論證糾正報警信息置信水平的水平上，時間序列檢查過程與Petri 網絡推理過程分開進行，過程復雜，需要進一步研究以提高其診斷性能。

3.4 基于多因素層進式輸電網故障診斷算法的診斷方法

傳統的故障診斷方法以防護措施和斷路器切換信息為斷層診斷依據，故障信息來源單一，在故障環境差時難以避免誤判。從圖4 的描述中可以看出，在電網故障后，SCADA（數據采集與監視控制系統）、RPMS（生產實時監測信息系統）和WAMS（廣域測量系統）可以收集彼此多余的各種故障信息，有些直接與故障有關，有些間接反映是與故障相關設備的反常現象。當使用斷路器和斷路器動作信息進行故障排除時，如果能考慮各種信息，斷路器和斷路器動作信息可信度等級，其中斷路器/斷路器運動異常和運動信息丟失/失真等情況可以及時糾正動作信息的可信度，可以大幅度提高傳輸網絡錯誤診斷的準確性，系統數據特性對比如表1 所示。

圖4 多因素層進式輸電網故障診斷算法

表1 系統數據特性對比圖

另一方面，若WFPN 使用的故障診斷水平發生變化，考慮到每個故障擴散方向發生故障的概率，如果發生排斥、誤移、漏報，其他擴散方向都能有效填充，最后對所有誤差擴散方向的錯誤概率進行合成，輸出疑似錯誤成分故障概率，對的誤差容差模型能得到改善。同時，當電網龐大復雜時，缺乏現成復雜性模型導致診斷低效。從圖4 可以看出在第一層，診斷系統使用從SCADA 接收的斷路器轉置信息來確定故障范圍，同時結合WAMS 檢測到的電量對極限斷路器進行輔助測定，防止故障范圍故障確定引起的故障診斷錯誤。在第二層，斷路器和斷路器動作信息的可信度評估由美星國企定時信息和自測信息進行，改善斷路器和斷路器動作信息的可信度應用于斷層診斷；在第三層，拓撲學改進了現有的分層變化，提高了診斷方法的診斷效率，在整個系統中提高了故障診斷精度和速度。

4 總結

現今電網系統的迭代速度遠超從前，專家系統難以及時跟進當今復雜的電網系統的診斷要求，由于人工神經網絡單一或者Petri 網診斷側重點不同，因此會出現誤報的情況，單一的分析系統已經不能滿足更加復雜的故障診斷需求。只有各個分析系統有機結合才能適應當今電網系統的擴張速度和算力分析要求。