電網故障多源信息智能融合診斷方法

游昊，石恒初，楊遠航，孔德志，陳璟

（云南電力調度控制中心，云南 昆明 650011）

0 前言

隨著社會經濟的快速發展，社會對電力供應的依賴程度增強，對穩定、可靠的供電服務質量的要求越來越高，電網管理的智能化水平和電網故障的快速處理被越來越多的關注[1]。

繼電保護領域的保信、錄波和行波三個主站為調度機構提供決策支持，是保障電網穩定供電的重要手段之一。三個主站系統分別在故障診斷、故障分析和測距定位方面各擅勝場，但存在保信主站調取信息不及時、錄波主站測距不理想、行波主站自動化程度低等弊端。利用單一主站進行故障分析，信息不全面，依賴人工驗證，影響故障判定的準確性。本文對三個主站系統進行優劣勢互補，通過主站信息融合，提高電網故障分析結果的準確性。

三個主站的故障信息融合最大技術難點在于主站故障信息的同步獲取和信息的融合診斷方法。國內外針對電網故障提出了多種智能診斷方法，如專家系統、人工神經網絡、貝葉斯網絡、模糊推理、因果網絡及petri網[2-6]等，利用智能融合診斷技術來判定故障的方法有人工神經網絡信息融合、基于貝葉斯網絡的信息融合、基于模糊推理的信息融合、基于專家系統的信息融合、基于小波變換的多尺度信息融合、加權系數信息融合[7-9]等。文獻[10]提出對故障快速反應和可靠決策主要依賴于錄波主站，并未參考保信和行波主站的故障數據，故障分析結果可靠性風險高，依賴人工驗證；文獻[11-12]利用小波技術、覆蓋集理論，提出改進優化模型，對故障開關量和電氣量信息進行特征提取，對小波奇異度、故障度和能量度三者計算可信度來診斷故障，但保護故障數據量大，整理速度慢，數據上送可靠性差，錄波和保信電氣量信息在時間約束下的融合效果并不理想，且行波故障測距準的優點未有效利用，故障測距還需要人工干預。面對電網規模擴大、設備數量增多、擾動數據驟增的壓力，局限于廠站側故障數據融合，需要花費大量的時間從海量數據中提取故障特征，工作繁瑣且低效。為解決以上問題，迫切需要：

1）任務的動態調整，保證廠站側上傳至主站的數據或主動激勵獲取到的數據在限定時間內處理完成，保證融合前故障信息的可靠性；

2）利用多源信息智能融合診斷技術，結合三個主站的故障分析結果綜合判定故障，提升故障分析的準確性。

本文提出基于D-S證據理論的綜合錄波、保信和行波主站故障信息的多源信息智能融合診斷方法。通過縱向連通加強裝置與鏈路的狀態監視，提高故障數據上送的可靠性和處理的及時性；橫向連通將故障反應速度快的錄波主站、故障判定準的保信主站和測距精確度好的行波主站之間進行故障信息共享，實現同源故障信息融合。利用D-S多源信息智能融合診斷方法，對錄波、保護和行波故障數據在主站側完成數據分析、信息分類、同源故障融合等一系列動作，調度機構根據融合后的故障報告可直接決策和處理故障，不依賴人工干預，對保障電網穩定運行具有重要的作用。

1 系統設計

1.1 總體架構

本文所提的電網故障多源信息智能融合診斷系統，是為滿足當前形勢下電網故障精細化、智能化管理的要求，按電壓等級劃分調度管轄范圍，形成縱向貫通、橫向互連的電網故障信息實時動態交互場景，實現各調度系統三大主站獨立運行且彼此之間互相聯系，詳如圖1所示。

圖1 總體架構

1.2 功能架構

該系統重點考慮數據狀態監控和信息融合診斷兩個核心部分，旨在確保廠站側設備監控到的擾動或故障數據可以正確完整傳輸到主站系統，在經過數據計算、故障分析、信息分類、同源故障融合后生成故障分析報告，確保最終發布的故障信息完整且準確。故障信息智能融合診斷系統主要包含數據狀態監控、信息融合診斷兩個部分，如圖2所示。

圖2 信息融合診斷系統框架

1）數據狀態監控：該功能由數據轉換模塊、通道映射模塊、控制模塊三個部分組成。

數據轉換模塊：采用開放式的功能模塊，格式轉換接口依據各廠家數據自定義格式進行整合，將各采集設備輸出的原始數據轉換成標準格式。這種處理方法可降低廠家自定義格式不統一的弊端，當有新的設備接入組網時，將該設備的轉換接口庫加入其中實現擴展。

通道映射模塊：監控數據接口正常穩定性，查看數據傳輸鏈路的實時狀態，避免傳輸數據量大造成的網絡擁堵問題。該功能主要是將廠站側標準格式數據及時傳輸給對應主站，確保主站接收到的故障數據完整正確。

控制模塊：隨著數據傳輸任務的增加和減少來確定傳輸鏈路微線程的利用和釋放，自動調節微線程鏈路占用情況，進行資源的合理利用。

2）信息融合診斷：該功能由通信模塊、分析整理模塊、融合模塊、推送模塊和統計模塊五個部分組成。

通信模塊：利用通信模塊，確保廠站和主站之間數據傳輸以及三個主站之間的信息共享，當所需要的數據未及時上傳，啟動數據自動召喚，當數據主動召喚失敗時，啟動主動激勵進行干預召喚數據，確保最終三站故障信息的可靠性。

分析整理模塊：錄波主站對上傳的故障波形進行模擬量和形態量分析后整理形成錄波故障報告，保信主站對保護動作信息以及采集到的故障波形進行整理形成保信故障報告，行波主站對行波波形以及測距結果進行整理形成行波測距報告。

融合模塊：三個主站故障報告里的同一類型信息按規則統一描述后進行分類，對三個主站分類后的特征量進行比對，確認為同源故障進行融合。

推送模塊：根據故障發生時間和影響范圍，確定故障處理的緊急程度，啟動故障信息發布，使調度機構可以根據智能化故障信息推送結果進行故障策略制定和任務下發。

統計模塊：統計日報、周報、月報、年報對應的所有故障信息報告，便于統籌管理故障信息的實時跟蹤、處理、閉環。

2 軟件設計

軟件主要包含信息集成層、信息支撐層、底層分析層和應用層，如圖3所示。通過外圍通信接口和耦合元件進行錄波、保信和行波主站信息的共享，并通過設計靈活的數據接入、標準化作業，適應外部數據系統規范。對不同廠家、不同模型和不同格式的數據做統一處理，在同類故障信息描述統一的基礎上進行故障信息分類，完成底層數據分析和故障信息融合。上層應用重點開發主站信息管理應用，支撐多種相關電網數據業務，具有良好的服務性、開放性和擴展性。

1）信息集成層：當電網產生大擾動或故障發生時，廠站側設備采集數據并生成文件上傳至對應主站，主站完成故障數據分析生成故障報告。數據交換總線通過短周期性輪詢各分布式主站本地存儲的故障列表，一旦檢測到有新的文件生成集中到信息集成層。由于保護和行波數據量大，數據整理上傳有延遲現象，若未同時收取到這兩個主站故障報告，采取主動激勵的方式調取與錄波分析出的故障時間序列相似的保護和行波數據文件，通過數據交換總線，對故障信息進行集成。

2）信息支撐層：主要作用是將信息集成層集成的數據進行規范化處理，篩選故障特征，相同類型特征統一描述完成特征量分類工作，避免不規范的描述在計算機查詢過程中無法識別的問題，這是故障信息融合的基礎。該層對底層分析層進行數據及時響應和數據支撐。特征量按照類型分有證據類、評價類和決策類，詳如圖4所示。

圖4 故障信息流

?

3）底層分析層：對信息支撐層提供的故障數據進行底層運算，其中證據類包含原始錄波波形圖、行波波形圖和保護波形圖，對來源不同，采樣點各異的錄波和保護波形進行采樣率歸一化處理，利用時間序列相似性原則對故障時間相近的波形進行形狀和特征點的精細比對，確認是否為同一故障波形；評價類包含保護動作啟動、復歸、跳閘、總動作次數、送動次數、拒動次數、正確動作次數等信息，有保護動作實施的擾動數據排除誤動基本上就可以確認為故障，可以對錄波分析結果從保護動作角度進行再確認，避免錄波主站對擾動數據的誤判；決策類包含故障線路、重合閘、測距等信息，在決策類信息一致情況下可直接融合后發送報告，不一致的情況下結合前兩類特征量對故障進行定性診斷后確認是否為同源故障。由于數據及時響應是故障分析的基礎，為了提高故障數據的完整性和分析的準確性，加入主動激勵召喚和任務動態調整兩個部分。對上傳的故障數據進行計算任務的優先級排序，以確保主站對故障分析的及時性和故障信息的可靠性。

4）應用層：聚焦于主站信息管理，如同廠站設備，信息集成的各主站服務器分布于異地，開發主站管理軟件，可以將分布式的錄波、保信和行波三大主站進行集中管理，有利于主站故障信息的共享。主站管理覆蓋了信息融合分析、故障信息發布、故障影響分析、故障風險預警、故障策略制定、任務下發和故障指揮等一系列環節，可有效輔助調度機構進行快速決策和故障處理跟蹤。

3 關鍵技術

因電網故障處理對時效性要求較高，為了既保證時效性還能提高主站信息融合的準確性，就需要思考如何利用現有資源，提升資源的利用率，保障自動上傳至主站的數據或采用主動激勵后召喚到的數據在限定時間內分析、整理完成。融合前故障信息的可靠性直接決定了融合后故障分析結果的準確性。

1）任務的動態調整：當三個主站中任一主站分析出故障后，需要其他兩個主站信息驗證，就需要將相似時間序列的故障數據提高優先級安排任務的分析、整理工作。在現有電力基礎設施投資的基礎上，通過主動激勵召喚和任務動態調整，合理利用資源來同步處理同源故障任務，保障三個主站故障信息的可靠性；

2）主站的信息融合：對于具有較高可信度的同源故障進行信息融合，確保最終發布的故障分析報告的準確性。融合后的故障分析報告，可輔助調度機構直接決策，制定全面的故障搶修方案，減少人力、物力、財力損失。

3.1 任務的動態調整

由于故障數據具有多點驟發和集中上傳的特性，為了分配局域網的通信和計算資源，需要對上傳到主站的任務進行優先級排序，設T={T1,T2,T3,...,Tn}為主站計算任務集合，每一個任務表示為Tm={Tid,Tlength,TDL,Tνalue}。其中，Tid表示故障編號；Tlength表示故障數據長度；TDL表示數據計算任務的截止時間；Tνalue表示數據價值。

AS屬于中醫學“脈痹”范疇，為正氣虧虛，五臟功能失調，痰瘀互結阻于脈道所致，熱毒內蘊是易損斑塊病機演變的重要環節。臨床治療當隨證治之，扶正補虛法、活血化瘀法和清熱解毒法常聯合使用，通過調節血脂、抗氧化、保護內皮功能、抗血小板聚集黏附、抗血栓及抗血管平滑肌增殖等機制，以發揮中醫藥多環節、多途徑、多靶點治療AS的優勢，全面干預AS的發生和發展。

利用以下三個參數來計算體現任務優先級指標：

1）故障數據的價值密度：

2）數據處理的緊迫性：

3）數據處理的優先級計算：

Tνd體現該任務處理數據符合故障數據特征的多少，Trest代表剩余執行時間，Pm表示任務Tm在剩余執行時間內的價值密度，Pm越大，任務處理優先級越高。在調度過程中，可以縮短TDL截止時間，加快對可疑故障任務的緊急分析。此分析的意義在于進行資源的合理分配，使得故障融合所需的錄波故障分析結果、保信保護動作信息以及行波測距結果在限定時間內分析、整理、計算完成，提高主站故障信息的可靠性[13-17]。

3.2 主站的信息融合

D-S證據理論是信息融合的重要方法。對于電網線路故障，特定故障發生會產生許多特征，每個特征下該故障存在一定的發生概率。該理論通過計算主站提供的故障特征的基本概率分配（BPA）函數，根據組合原則計算融合后的信度函數值來判定故障，置信水平更高。

根據圖5故障診斷流程，首先進行決策類信息和評價類信息的初步判斷，若決策類信息不一致，評價類信息存在保護動作，就需要調取主站證據類故障特征信息。利用D-S證據理論，首先計算保信和錄波證據類信息分配到各故障模式的信度函數m1(A1),m1(A2),...,m1(An)，m2(A1),m2(A2),...,m2(An)，再 計 算 主 站 信 息融合后分配到各故障模式上的信度函數值m(A1),m(A2),...,m(An)。本文采用引入目標類型的算法，定義保信或錄波主站證據j對目標模式Ai的信度函數為m1j(Ai)，公式如下：

圖5 D-S融合故障診斷流程

式（4）-（6）中，K為修正系數；N為證據數目；Nc為目標模式數目；R1j為保信主站證據j的可靠性系數；α1j為保信主站證據j的最大相關系數；β1j為保信主站證據j的相關分配值；W1j為保信主站證據j偵測的環境加權系數，值域為[0,1]；C1j(Ai)為保信主站證據j對目標模式Ai的相關系數。k為兩個證據的沖突因子，當k越接近1，證據之間的沖突程度越大，融合結果越不準確；當k越接近0，證據之間的沖突越小，融合結果越準確[18-21]。

4 應用案例

為驗證任務的動態調整對主站故障分析可靠性的影響，采用云南電網歷史數據庫中的故障信息作為數據來源，單線路故障(A1)、多線路故障(A2)、母線故障(A3)、試驗模擬(A4)共563個故障樣本原始數據匯入。設主站數據分析鏈路有6條，每個主站數據鏈路各兩條互為備用同時投入使用，Tνd、TDL范圍依次為[1,60]、[60,900]，單位分別為兆、秒。采用15分鐘倒計時的形式進行Trest計算，利用優先級算法進行P1、P2和P3排序，分別代表高（0.8≤P1≤1）、中（0.5≤P2＜0.8）、低（0＜P3＜0.5）優先級，統計563 個故障任務優先級分布如下圖6所示。

圖6 任務優先級分布

由于保信和行波數據量大，獲取數據時效性較低，可通過主動激勵機制設5分鐘召喚與錄波已識別故障時間序列相似的故障數據，如果召喚成功，縮短TDL的時間調整優先級進行故障分析整理工作并生成故障報告；如果召喚失敗再進行兩次5分鐘召喚，直到15分鐘時間用盡為止；若三次均召喚不上來，即為數據召喚失敗，則無法進行后續的數據融合分析。以A1 131個單線路短路故障樣本為例，限定100分鐘，比對主動激勵召喚數據進行任務動態調整后的故障數據分析完成率與隨機排序的故障分析完成率，發現三大主站在任務優先級調整后的故障分析完成率提升19%，表明在相同時間內任務動態調整能較多的分析故障數據，反過來也說明三個主站同步分析單個故障時間時效性提高了。在擾動數據驟增的情況下，任務的動態調整對在限定時間內完成故障數據分析來說有絕對性優勢，能有效保障三個主站數據分析的時效性和可靠性。

圖7 任務動態調整和隨機排序分析完成率比較

當三個主站故障相關信息都有效獲取的基礎上，若發現三個主站提供的決策類和評價類故障信息不統一，利用D-S證據理論進行錄波和保信證據類信息融合，通過調整參數，最終取證據數量N=6，修正系數K=0.2，權系數W1=W2=0.5，故障元件Nc=8，以L1-L8共8條線路診斷發生單相接地短路故障為例，通過保信和錄波在各線路上的分配函數m1(A)和m2(B)，求取8條線路發生單相短路的融合信度函數m(θ)。制定“目標故障的信度函數至少為其它故障信度函數值的1.5倍”的判定規則，圖8中的L1線路融合后的信度函數值是其它值2個倍數左右，融合后的故障信度函數值提升到0.95352，不確定性概率0.00103小于閾值0.01，判定出的目標線路故障信度函數遠遠大于不確定性概率，綜合判定線路L1為單相短路故障。調取L1對應的Tid=51的鹽金線單線路短路故障分析報告進行驗證，D-S證據理論融合后的信度函數診斷結果與鹽金線錄波和保信故障報告情況相符，確認為同源故障。

圖8 D-S證據理論信息融合結果

在D-S證據理論融合故障信息能準確判定故障的基礎上，以錄波和保信故障測距結果作為范圍參考，搜尋該范圍內的初始波頭以及對應的行波測距結果，完成三站同源故障信息融合，即融合錄波主站故障分析結果、保護動作元件信息和行波的測距結果，生成最終的故障分析報告。從A1 131個單線路短路故障樣本中抽取故障報告100份，線路全長劃分為L≤50公里、50公里＜L≤100公 里 和100公里＜L≤150公里三個區間，匯總不同線路長度區間融合后的測距結果求取測距誤差平均值，并與單一主站測距結果進行對比，見下表1所示。

表1 故障測距準確度對比

綜合分析：

1）主動激勵機制和任務的動態調整可以較好地保障故障數據分析計算的及時性和可靠性。在主站交互數據計算量增加的情況下，任務優先級調整可以節省主站故障診斷時間；

2）利用D-S證據理論融合分析算法，單一主站證據不確定度會高于融合后的不確定度，通過信息融合，可得到較高的故障識別率和較低的不確定性，能夠準確地判定故障；

3）線路越長，故障測距偏差越大，行波主站高頻脈沖測距法區別于錄波和保信的阻抗測距法，在故障定位上是對其它主站測距結果的校驗。行波自動化程度低，測距依賴人工提供初始波頭信息，測距完好率低，而融合診斷在鎖定初始波頭和測距方面有明顯優勢；

4）融合三個主站故障分析結論，綜合錄波分析結論、保信的保護動作和行波的測距結果，不會出現漏判和誤判等問題，且故障測距準確度提升顯著，三個主站融合可以保證故障分析結果的完整性和準確性。

5 結束語

本文重點介紹了電網故障多源信息融合診斷方法，以縱橫連接、動態交互與信息融合為設計目標，在數據共享、動態調度、故障分析、信息融合等方面做精細化的設計。在系統底層分析層加入主動激勵召喚和任務的動態調整兩個功能，可將海量數據進行計算資源合理分配，提高任務的完成率；基于D-S證據理論融合算法，利用三站融合信度函數值判定故障，得到高可信度的同源故障識別結論；以錄波和保信提供的故障距離范圍鎖定初始波頭進行行波測距，融合處理后的測距精度和之前單一主站測距精度比對，發現該電網故障多源信息智能融合診斷方法故障定位更準確，發布故障信息更可靠，提高了繼電保護智能化水平，滿足當前對電網故障精細化管理需求。