基于多源非健全信息融合的配電網主動故障研判方法

汪文達，張偉

（1.深圳供電局有限公司，廣東 深圳 518000；2.積成電子股份有限公司，山東 濟南 250100）

2019年兩會報告中，國家電網公司提出了“三型兩網，世界一流”的戰略目標，建設運營好“堅強智能電網”和“泛在電力物聯網”是實現世界一流能源互聯網企業的重要保障[1-3]。同時，南方電網公司也提出了建設透明電網和數字南網的建設目標，指出基于廣域物聯網實現數字化轉型是實現數字南網的必由之路[4]。基于泛在電力物聯網可實現電力數據的全接入、設備狀態的全感知、業務處理的全在線。

提升故障研判準確性、減少故障停電時間、提高供電可靠性是衡量供電服務質量的重要指標[5-7]。但是，目前的故障研判多是基于單一數據源進行的研判[8-11]。在配電自動化建設發達的地區多采用饋線終端單元（feeder terminal unit，FTU）、站所終端單元（distribution terminal unit，DTU）等三遙終端采集的故障信號實現故障研判和饋線自動化，在配電自動化建設欠發達的地區多采用故障指示器等二遙終端采集的故障信號實現故障研判和定位，在配電自動化建設不發達的地區多采用變箱戶關系與智能電表上送的停電事件等信息進行故障研判和定位。但是，由于各種終端質量參差不齊、施工工藝及安裝環境不同，導致大量終端在配電網正常運行時誤報故障信號，而配電網故障運行時又漏報故障信號的情況時有發生。故此，大量非健全信息的引入，導致基于單一數據源的配電網故障研判方法準確性欠佳，在實際運行過程中，故障區域多需要調度員人工輔助修正和搶修人員現場巡線，增加了故障停電時間和相關人員工作量?；诙喾N數據源的綜合研判，可在一定程度上彌補單一數據源研判的不足。但是，由于多種數據源的采集周期不同、采集頻率不一、時間尺度多樣，導致多時間尺度下的故障研判結果的融合和比對較為困難[12-14]，研究較少見諸報端。故此，基于泛在電力物聯網技術，研究多源非健全信息融合下的故障研判方法，提升主動故障研判準確性，對提高供電可靠性具有重要現實意義。

本文首先建立了主動故障研判的模型，然后確立了主動故障研判結果融合的原則，最后提出了基于非健全信息的故障研判結果融合方法。

1 主動故障研判模型建立

目前的配電網建設中FTU，DTU等三遙終端多采用光纖通信方式，其采集信息準確，但造價昂貴，且需停電安裝，一般配置在供電可靠性較高的區域或主干線路的重要分段開關上；故障指示器等兩遙終端多采用無線通信方式，其造價較低，且可帶電安裝，但其信息采集準確度相較三遙終端低，一般配置在供電可靠性適中的區域或分支線路的源端開關后；電表集中器一般安裝在配電變壓器低壓側的JP柜中，當配電變壓器停電時，可以將停電事件上送到用電信息采集系統，在尚未配置饋線自動化終端區域，可由配電變壓器上送的停電事件輔助判定跳閘點。

故障發生時，由于各終端通信方式及結構各異，上送故障信息到配電自動化主站的時間也不同。一般情況下，配電自動化主站在故障發生8 s后將接收到所有FTU，DTU采集的故障信號，并啟動基于終端的故障研判；故障發生1 min后將接收到所有故障指示器采集的故障信號，并啟動基于故障指示器的故障研判；故障發生3 min后將接收到所有配電變壓器上送的停電事件，并啟動基于停電事件的故障研判。

基于終端的故障研判，其故障定位區間為最后一個上報過流信號的終端與其下游第一個未上報過流信號的終端之間。建立終端故障研判定位集合（terminal fault decision set，TFDS）描述故障區間內包含的所有開關、故障指示器及配電變壓器設備，具體為

式中：TSi為終端故障研判定位集合TFDS中第i個設備；n為集合中所含的設備總數；i為設備編號，i=1，2，…，n。

基于故障指示器的故障研判，其故障定位區間為最后一個過流翻牌的故障指示器與其下游第一個未翻牌的故障指示器之間。建立故障指示器故障研判定位集合（fault indicator fault decision set，FFDS）描述故障區間內包含的所有開關、故障指示器及配電變壓器設備，具體為

式中：FSj為故障指示器故障研判定位集合FFDS中第j個設備；m為集合中所含的設備總數；j為設備編號，j=1，2，…，m。

基于停電事件的故障研判，其故障定位區間為所有停電配電變壓器的上游公共開關所供電的區域。建立停電事件故障研判定位集合（power outage fault decision set，PFDS）描述故障區間內包含的所有開關、故障指示器及配電變壓器設備，具體為

式中：PSk為停電事件故障研判定位集合PFDS中第k個設備；h為集合中所含的設備總數；k為設備編號，k=1，2，…，h。

架空配電饋線如圖1所示，Bus1為變電站10 kV母線，S1為變電站出線斷路器，S2～S10為饋線分段開關，S2配置FTU，S7配置速斷保護功能；F1～F4為故障指示器，T1～T7為配電變壓器；Fault1為故障點。

圖1 典型架空配電網絡圖Fig.1 Typical overhead distribution network

當故障發生時，配置FTU的分段開關S2上報過流信號，出線斷路器S1上報過流信號，基于終端信號研判故障發生在開關S2下游區域，如圖1中Area1所示；配置速斷保護的開關S7跳閘，故障指示器F3過流翻牌，F4未過流翻牌，基于故障指示器信號研判故障發生在F3與F4之間區域，如圖1中Area2所示；開關S7跳閘后，配電變壓器T5，T6，T7上報停電事件，基于停電事件研判故障發生在三個配電變壓器的上游公共開關S7的下游區域，如圖1中Area3所示。各故障研判定位集合如表1所示。

表1 故障研判定位集合表Tab.1 Fault diagnosis and decision set table

2 基于多源非健全信息的故障研判融合方法

2.1 主動故障研判結果的融合

不同故障研判定位區間之間存在3種相互關系：相含、相交和相離。

所謂相含是指兩種故障研判定位集合之間存在包含關系，一個故障定位區間在另一個故障定位區間之中。如圖1中Area1與Area2所示，集合TFDS包含集合FFDS。

所謂相交是指兩種故障研判定位集合之間存在交集，一個故障定位區間與另一個故障定位區間存在公共區域。如圖1中Area2與Area3所示，集合FFDS與集合PFDS相交。

所謂相離是指兩種故障研判定位集合之間不存在交集，一個故障定位區間與另一個故障定位區間無任何公共區域。如圖1中Area2與Area4所示。

同一個故障，由于采集裝置及研判方法的不同，導致故障定位區間的各異。本著審慎及盡可能縮小故障定位區間的思想，建立主動故障研判結果的融合原則為：

原則1：若兩種故障研判定位集合為相含關系，則以被包含集合為融合后的定位集合；

原則2：若兩種故障研判定位集合為相交關系，則以公共集合為融合后的定位集合；

原則3：若兩種故障研判定位集合為相離關系，則以兩集合的并集為融合后的定位集合。

具體描述為

式中：A，B為兩種故障研判定位集合；C（A，B）為融合后的定位集合；“⊕”為兩種集合的融合運算。

2.2 主動故障研判結果的融合

在實際運行過程中，由于設備的質量及運行環境的不同，導致終端經常誤報或漏報故障信號。大量非健全信息的引入致使故障研判結果跟實際情況存在偏差。文獻[6]提出了一種基于主觀貝葉斯理論計算各區間故障發生概率的方法，在一定程度上解決了單數據源非健全信息下的故障判定問題，但對多種數據源的非健全信息故障判定尚未涉及。

由于配電終端、故障指示器、停電事件上送主站的時間不同，一般故障后8 s啟動基于終端的故障研判，故障后1 min啟動基于故障指示器的故障研判，故障后3 min啟動基于停電事件的故障研判。故此，故障后1 min可以首先對基于終端和故障指示器的研判結果進行第1次融合；融合后的結果在故障后3 min再與基于停電事件的故障研判結果進行第2次融合，最終獲得基于非健全信息的故障研判融合結果。

設概率最大的兩個終端故障研判定位集合為TFDS1，TFDS2；概率最大的兩個故障指示器故障研判定位集合為FFDS1，FFDS2，則這4個集合之間存在TFDS1⊕FFDS1，TFDS1⊕FFDS2，TFDS2⊕FFDS1，TFDS2⊕FFDS24種融合結果。定義融合信息熵（fusion information entropy，FIE）描述兩個故障研判定位集合融合后的故障概率，具體為

式中：P（A），P（B）分別為集合A，B的故障概率。

融合信息熵越大，表示兩種集合融合后的故障概率越大。

將4種情況下融合信息熵由大到小的順序生成第1次融合信息熵數列（first fusion information entropy sequence，FFES），具體為

式中：FFE1～FFE4為4種情況下的融合信息熵，FFE1最大，FFE4最小。

為盡可能準確地確定故障區域，舍棄融合信息熵小的FFE3與FFE4，取概率大的FFE1與FFE2兩種情況根據式（4）進行融合。

設融合信息熵FFE1，FFE2對應的第1次融合后定位集合為C（e），C（f），則使用該集合與基于停電事件的故障研判結果進行第2次融合。設概率最大的兩個停電事件故障研判定位集合為PFDS1，PFDS2，則這 4 個集合之間存在C（e）⊕PFDS1，C（e）⊕PFDS2，C（f）⊕PFDS1，C（f）⊕PFDS24種融合結果。

將4種情況下融合信息熵由大到小的順序生成第2次融合信息熵數列（second fusion information entropy sequence，SFES），具體為

式中：SFE1～SFE4為4種情況下的融合信息熵，SFE1最大，SFE4最小。

為盡可能準確的確定故障區域，舍棄融合信息熵小的SFE3與SFE4，取概率大的SFE1與SFE2兩種情況根據式（4）進行融合。

設第2次融合后定位集合為C（x），C（y），則基于非健全信息融合后的故障區間最大可能區域為集合C（x）包含區域，其故障概率為SIE1；次最大可能區域為集合C（y）包含區域，其故障概率為SIE2。

多數據源的故障研判2次融合方法，可以通過集合的融合運算，避免單數據源下非健全信息對研判結果造成的偏差過大，有效縮小故障研判定位區間。

3 實例分析

圖2為兩條“手拉手”饋線組成的配電網絡，其中饋線Feeder1為架空線路，饋線Feeder2為架空與電纜混合線路。Bus1，Bus2為變電站10 kV母線；S1，S26為變電站出線斷路器；S2～S25，S27～S48為饋線分段開關；S2，S7，S9，S12，S17，S19，S28，S30，S42，S44配置 FTU；S34～S37配置DTU；S12，S42配置速斷保護功能；F1～F16為故障指示器；T1～T31為配電變壓器；Fault1為故障點；L1為聯絡開關。

圖2 典型“手拉手”配電網絡圖Fig.2 Typical hand in hand distribution network

故障發生后，開關S12速斷跳閘，但由于FTU故障，未能上報故障信號和開關狀態；故障指示器F6誤報過流翻牌信號；配電變壓器T8誤報停電事件，配電變壓器T12，T14，T16漏報停電事件?；趩螖祿吹姆墙∪畔⒐收隙ㄎ粎^間及概率如表2所示。

表2 故障研判定位信息表Tab.2 Fault diagnosis and positioning information table

由表2可知，由于開關S12漏報故障信息和狀態，導致開關S9～S12圍成的非故障區域故障概率較大；由于F6誤報過流信號，導致F6～F8圍成的非故障區域故障概率較大；由于T8誤報停電事件，導致開關S12發生跳閘的概率最大。

根據第2節所述方法，由式（4）～式（6）對集合TFDS1，TFDS2，FFDS1，FFDS2進行第 1 次融合，融合后的故障研判定位集合及信息熵如表3所示。

表3 第1次融合后的集合信息表Tab.3 Information table for the first fusion

取融合信息熵最大的FFE1與FFE2對應的TFDS1⊕FFDS1，TFDS1⊕FFDS2作為第 1次融合后的定位集C（e），C（f），并使用該集合與基于停電事件的故障研判結果進行第2次融合。融合后的故障研判定位集合及信息熵如表4所示。

表4 第2次融合后的集合信息表Tab.4 Information table for the second fusion

取融合信息熵最大的SFE1與SFE2對應的C（e）⊕PFDS1，C（e）⊕PFDS2作為第2次融合后的定位集C（x），C（y）。由表4可知，C（x）與C（y）相同，故此基于非健全信息融合后的最終故障區間為設備 F8，F9，S18～S21，T12，T13圍成的區域，該區域是故障Fault1可以研判的最小區域。

4 結論

本文建立了主動故障研判的模型，以終端故障研判定位集合、故障指示器故障研判定位集合及停電事件故障研判定位集合為例描述了3種不同研判方法的故障定位區間。為盡可能縮小故障定位區間，確立了主動故障研判結果融合的3個原則。基于該原則和融合信息熵，首先對終端故障研判定位集合與故障指示器故障研判定位集合進行了第1次融合；然后對停電事件故障研判定位集合與第1次融合后的集合進行了第2次融合，最終確定了基于非健全信息的故障研判融合結果。實例分析表明，該方法可以通過集合的融合運算，避免單數據源下非健全信息對研判結果造成的偏差過大問題，有效縮小故障研判定位區間，提升故障搶修的效率，提高供電可靠性。