電網自愈控制中故障實時監測及診斷研究

陳鐵軍 寧美鳳

(鄭州大學電氣工程學院，河南 鄭州 450001)

0 引言

自愈性是智能電網［1］的重要特征之一，也是智能電網的核心功能。目前，國內外學者都在積極研究具有自愈能力的智能電網結構［2-5］。相關研究討論了配電網快速仿真與模擬、高級配電自動化、智能微網、廣域測量、需求側管理等新技術在未來自愈電網網絡監測、保護、控制等領域中的應用。但是這些技術具有一定的局限性，電網的自愈控制還有待進一步研究。

多智能體(multi-agent system，MAS)技術特別適用于根據時間、空間或功能進行分解的場合，它已在電力系統的多個層面得到應用［6-8］。本文運用MAS技術，提出了一種分層自愈控制結構，并實現了自愈控制中故障在線實時監測及診斷子系統的設計。通過對電網的實時監測來判斷電網運行狀態，并對電網中的電氣量和開關量進行數據融合;通過故障匹配和Petri網技術提取故障特征，同時在D-S證據理論融合的基礎上，得出診斷決策。該決策較好地解決了海量信息的不確定性和診斷過程中的知識組合爆炸等問題。

1 基于MAS電網自愈控制體系結構

1.1 自愈控制系統中的MAS

多智能體技術源于分布式人工智能。多個松散耦合的Agent組成代理網絡。這些智能體通過交互，解決超出單個智能體能力或知識的問題。Agent通常具有自治性、社會性和自發性。單個Agent主要用于模擬人的智能行為，在復雜系統中相當于一個具有獨立功能和任務的子系統，它將推理和知識表示相結合。多Agent系統相當于為了完成復雜的分布式任務而組成的一個人類社會團體，多個Agent之間通過通信、協調或協作形成多Agent系統。從某種意義上講，多Agent系統類似于參考文獻［9］提出的鏈系統，所以可以把鏈系統中在線擴大的思想運用到多Agent系統中［9］。通過逐步增加具有獨立功能的 Agent，使多Agent系統不斷擴大，從而將設計工作分解到局部，最終獲得全局的希望特征。

由于電網的復雜性和運行狀態的多變性，以及各種保護配合的復雜性、電網拓撲的可變性，使電網自愈控制系統的設計成為一個復雜的綜合性問題。如鏈系統，可以把自愈控制系統分解成一個個具有獨立功能的智能體，通過對單個Agent的設計以及它們之間的通信、協調或協作，逐步擴大多Agent系統，以實現電網自愈控制。MAS能夠很好地解決電網自愈控制系統的分布自治性和廣域協調問題，它是實現電網自愈控制的重要技術。

1.2 基于MAS的自愈控制體系結構

通過對Agent智能、交互、協作等屬性的分析，提出了一種分級、分層的多智能體系統。系統結構框圖如圖1所示。

圖1 電網分層自愈控制系統結構Fig.1 Structure of hierarchical self-healing control system

分層自愈控制系統是一個分散、耦合的智能Agent網絡。其通過對各個分布式、自治、具有獨立功能的智能體的設計以及它們之間的交互作用來實現大范圍控制，并協同實現全局目標。這樣就可以做到具體問題具體對待，逐漸增強智能電網的自愈控制功能。該方案將整個電網自愈控制系統分成三層，即系統層、過程層和應用層，使電網自愈控制性能逐層完善。各層具體介紹如下。

①系統層由電網運行環境和智能設備等組成，它是電網的物理層。該層的智能化程度越高，支持電網實現自愈的能力越強。系統層的主要功能是感知電網的各種狀態信息，接收來自上層傳達的控制信號，執行控制命令。

②過程層處于該系統的中間層，它由采集測量Agent、故障診斷 Agent、保護控制 Agent和控制執行Agent組成。它可以通過采集測量Agent實時獲取電網的各種信息，提取并處理其中重要的狀態信息，對電網的運行狀態進行監視。當局部電網發生異常或故障時，對電網進行診斷，并及時做出局部快速保護動作，防止電網故障產生連鎖反應;同時它可以與應用層進行通信，收集、發送來自上層控制方案Agent的控制信息，并向系統層發出控制執行命令。

③應用層相當于整個系統的全局控制中心。當過程層的局部控制不理想時，可以由應用層對電網進行分析，并給出理想的控制方案。該層包括事件辨識Agent、脆弱性評估 Agent、決策支持 Agent、模型更新Agent和控制方案Agent。事件辨識Agent通過分析來自過程層獲得的數據，對電網存在的安全隱患和即將發生的事件進行實時預測，從而判斷電網運行狀態，以此對電網脆弱性進行評估。模型更新Agent是系統的知識庫，它保存有以往電網運行狀態信息。事件辨識Agent可以將自身的判斷結果與知識庫中已有的信息進行搜索比較，隨時更新模型，從而為電網提供決策支持，以便形成最佳的電網自愈控制方案。

上文主要分析了電網自愈控制系統的主要組成。該系統可以根據智能電網的發展階段及其需要進行在線擴大。它既可通過應用層實現集中控制，又可以通過過程層實現局部控制。

2 故障在線實時監測及診斷

故障在線實時監測及診斷系統是電網自愈控制系統的一個子系統，是電網自愈控制系統實現電網自愈的基礎。以故障在線實時監測及診斷的設計作為自愈控制系統子系統的設計實例，通過分階段設計各個子系統來實現電網自愈控制。

2.1 電網故障診斷

國內外學者從不同的角度提出了一系列故障診斷的方法。這些方法主要有專家系統［6］、人工神經網絡法［10］、基于優化的方法以及基于模糊集［11］、粗糙集［12］、Petri網［13］等由數據和模型驅動的方法。文獻［14］對上述幾種主要方法的優缺點進行了詳細的介紹，并指出了故障診斷中存在的難點問題。通過分析可知，依靠單一信息往往不能滿足診斷的性能要求。多源信息的異構特征和診斷過程的不確定性，使綜合利用多源信息非常困難［14］。

充分綜合多源、異構的故障信息，在信息不完整的情況下，融合多種智能技術進行故障診斷是提高故障診斷性能的根本途徑。

2.2 故障在線實時監測及診斷系統

故障診斷是根據故障特征對已經發生的故障進行定位，并對故障發展程度進行判斷，其內容還可以進一步拓展到故障監測。故障監測是通過對設備、網絡和系統的狀態進行實時掃描，根據特征量的變化，判斷相應設備、網絡和系統的健康程度，這對電網故障起到提前預測的作用。結合MAS技術與信息融合思想［15］，提出了一種基于MAS信息融合的電網故障在線監測及診斷子系統，其結構如圖2所示。

圖2 故障在線監測及診斷系統結構Fig.2 Structure of online fault monitoring and diagnostic system

故障在線監測及診斷系統由故障監測與故障診斷兩部分組成。故障監測主要用于實時采集電網電氣量信息、監測電網狀態、判斷電網是否出現擾動。如果電網存在異常，就與檢測到的開關量信息進行數據融合，為故障診斷提供故障信息。故障診斷是從故障信息中提取故障特征，對故障特征進行分析融合，形成診斷決策，并及時消除電網故障，從而實現電網自愈控制。

3 故障在線監測及診斷的具體實現

3.1 故障監測部分的具體實現

電網故障時，電氣量的變化優先于保護、斷路器等的動作，且電氣量數據可靠性、完備性和容錯性較好。因此，通過實時采集電網電氣量進行運行狀態分析，可以實現對電網故障的預測。故障監測部分由電氣量采集Agent、開關量采集Agent、狀態監測Agent和數據融合Agent等部分組成。

①電氣量采集Agent與電網中廣域向量測量系統(wide area measurement system，WAMS)、數據采集與監控 系 統 (supervisory controland data acquisition，SCADA)及故障保護信息管理系統(protection information management system，RPMS)進行通信。利用向量同步單元(phasor synchronous unit，PSU)不但可以實現對電壓、電流、功率、RPMS中故障錄波器錄波信息等實時數據的采集，而且還能對SCADA系統中電壓、有功功率、無功功率等進行測量，并能夠將獲得的電網電氣量數據發送給狀態監測Agent。

②開關量采集Agent與SCADA及RPMS進行通信，用來采集線路中斷路器狀態、隔離開關狀態等開關量信息。當電網發生故障時，開關量采集Agent將這些信息傳輸給數據融合Agent。

③狀態監測Agent是一種認知型Agent，它對電網分析質量好壞的關鍵在于其數據庫中知識的質量與數量。數據庫中的數據由正常運行時或可用狀態下的試驗數據和故障時的試驗數據組成。數據庫可以根據具體情況進行修改。狀態監測Agent將在線實時采集數據與自身數據庫中的數據進行對比分析，并對電網運行情況進行初步判斷。

從狀態監測Agent中獲得電網是否異常的狀態信息。如存在異常，數據融合Agent進行工作，即獲取電氣量及開關量數據，進行數據融合。數據融合Agent采用加權平均算法［15］或遞推估計的融合算法進行數據處理。如對不同數據源提供的某一時刻的有效電壓電流數據，僅采用單一數據源數據有失準確性，這時可采用加權平均方法對數據融合進行校正。通過對這些不同格式的數據進行融合，可獲取進行故障診斷的特征，即保護開關狀態、保護開關動作時序信息以及用于故障分析的節點電壓、相角和潮流特征等。

3.2 故障診斷部分的具體實現

3.2.1 故障特征提取Agent

對于基于故障后的電氣信息量，故障特征提取Agent采用故障模式匹配［14-15］的方式，將實時的潮流分布與各種預想故障的潮流分布進行相似性比較，以獲取元件n發生故障的信任度。故障匹配問題是一個典型的模式識別的問題，定義模式的相似性測度為:

式中:lm為實際分類樣本與模式故障集中元件m的相似程度;dm為樣本與元件m發生故障時的差異程度;θmi為元件m故障時節點i處的相角;θi為實時潮流計算節點i處的相角;N為節點個數。

對lm作如下處理:

式中:P(2)m為元件m發生故障的信任度，其作為證據融合Agent的證據體。

當電網發生故障時，保護和斷路器發生動作。故障特征提取Agent采用Petri網與概率信息結合的診斷方法［13，15］，通過建立繼電保護動作的 Petri網模型，可以得出目標元件發生故障的概率表征Pi;通過對電氣量信任度進行相同處理，可以得到電網中的元件m對應的故障信任度P(2)m，作為證據融合Agent的證據體。

3.2.2 證據融合 Agent

考慮到D-S證據組合理論所具有的不確定推理融合特征，證據融合Agent采用D-S證據理論方法來綜合多個證據信息，從而得到一個合成的信度函數，作為故障診斷決策的依據。

根據D-S證據理論的定義，設U為證據融合的識別框架，且包含 P類故障狀態，若有函數 m:2U→［0，1］(其中2U為 U 的冪集)滿足條件:m(φ)=0且(Ak)=1，其中Ak表示第k類故障狀態，則稱m為識別框架U上的基本可信度分配。對于?Ak?U，m(Ak)稱為Ak的基本可信數。設 m1，m2，…，mn為識別框架U上的n類基本可信度分配，多概率分配函數正交和m=m1⊕m2⊕…⊕mn，則有:

3.2.3 診斷決策 Agent

診斷決策Agent根據證據融合Agent的融合結果，判定故障元件;根據各種故障類型作出相應的決策，快速恢復電網故障，實現電網自愈。

綜上所述，故障診斷流程如圖3所示。

圖3 故障診斷流程圖Fig.3 Flowchart of fault diagnostic

4 結束語

本文提出的電網自愈控制體系框架由系統層、過程層和應用層構成，通過不同功能Agent之間的相互合作，實現電網自愈。重點設計了電網故障在線實時監測與診斷子系統，分別闡述了故障監測與診斷中各智能體的實現問題。分別采用原始數據融合、基于故障模式匹配與Petri網的特征提取以及D-S證據融合等方法，對電網中的電氣量和開關量進行故障診斷，這對實現快速、準確的故障隔離具有重要意義。

在電網智能化的趨勢下，本文提出的故障實時監測及診斷各級系統具有廣闊的應用前景。對使用MAS實現電網自愈方法中的一些具體實踐問題，即基于MAS系統的軟硬件開發等，值得進行進一步的研究和探索。

［1］李興源，魏巍，王渝紅，等.堅強智能電網發展技術的研究［J］.電力系統保護與控制，2009，37(17):1-7.

［2］郭志忠.電網自愈控制方案［J］.電力系統自動化，2005，29(10):85-91.

［3］顧欣欣，姜寧，季侃，等.智能配電網自愈控制技術的實踐與展望［J］.電力建設，2009，30(7):4-6.

［4］Bradley R，Timothy D.System and method for a self-healing grid using demand side management techniques and energy storage［P］.U.S.A.，US 7389189B2，2008.

［5］陳星鶯，顧欣欣，余昆，等.城市電網自愈控制體系結構［J］.電力系統自動化，2009，33(24):38-42.

［6］趙偉，白曉民，丁劍，等.基于協同式專家系統及多智能體技術的電網故障診斷方法［J］.中國電機工程學報，2006，26(20):1-8.

［7］郭創新，單業才，曹一家，等.基于多智能體技術的電力企業開放信息集成體系結構研究［J］.中國電機工程學報，2005，25(4):64-70.

［8］朱永利，宋少群.基于廣域網和多智能體的自適應協調保護系統的研究［J］.中國電機工程學報，2006，26(16):15-20.

［9］陳鐵軍.鏈系統方法及其應用［M］.洛陽:河南科學技術出版社，1993

［10］畢天姝，倪以信，吳復立，等.基于新型神經網絡的電網故障診斷方法［J］.中國電機工程學報，2002，22(2):73-78.

［11］Lee H J，Park D Y，Ahn B S，et al.A fuzzy expert system for the integrated fault diagnosis［J］.IEEE Transaction on Power Delivery，2000，15(2):833-838.

［12］束洪春，孫向飛，司大軍，等.基于粗糙集理論的配電網故障診斷研究［J］.中國電機工程學報，2001，21(10):78-82.

［13］孫靜，秦世引，宋永華.一種基于Petri網和概率信息的電力系統故障診斷方法［J］.電力系統自動化，2003，27(13):10-14，23.

［14］游家訓.基于多源信息的電網故障診斷研究［D］.杭州:浙江大學，2008.

［15］劉毅，高振興，郭創新，等.一種考慮多層信息融合的電網故障診斷輔助決策方法［J］.電力系統保護與控制，2010，38(24):14-18.

［16］張陽，何正友，林圣.一種基于DS證據理論的電網故障診斷方法［J］.繼電器，2008，36(9):5-10.

［17］郭創新，彭明偉，劉毅.多數據源信息融合的電網故障診斷新方法［J］.中國電機工程學報，2009，29(31):1-7.