電力系統(tǒng)故障診斷研究

摘要：電能無(wú)時(shí)無(wú)刻不對(duì)人們產(chǎn)生重要的影響，保障電力系統(tǒng)的正常、穩(wěn)定運(yùn)行是電力企業(yè)重要的工作，也是當(dāng)前學(xué)術(shù)和工程領(lǐng)域研究的重點(diǎn)。對(duì)此，系統(tǒng)總結(jié)和分析了電力系統(tǒng)故障診斷的常用方法和措施，具體分析了專家系統(tǒng)、遺傳算法、神經(jīng)網(wǎng)絡(luò)算法、模糊理論和兩種綜合的或改進(jìn)的優(yōu)化算法。

關(guān)鍵詞：系統(tǒng)；故障診斷；算法

作者簡(jiǎn)介：王芳（1974-），女，浙江諸暨人，浙江省紹興電力局，工程師。（浙江 紹興 312000）

中圖分類號(hào)：TM73 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-0079（2013）33-0239-02

一套完整的監(jiān)控（監(jiān)控和數(shù)據(jù)采集，SCADA）系統(tǒng)與警報(bào)訊號(hào)處理（報(bào)警處理）系統(tǒng)，將有助于提升調(diào)度人員處理事故的能力，能夠根據(jù)系統(tǒng)的情況明確指示引起異常之原因，提供必要的解決措施。近年來(lái)，人工智慧（人工智能）方法已被廣泛應(yīng)用于電力工程領(lǐng)域，國(guó)內(nèi)外對(duì)于故障區(qū)域估測(cè)（故障區(qū)段估計(jì)），變壓器故障診斷（變壓器故障診斷），警報(bào)處理（報(bào)警處理）及諧波偵測(cè)（諧波檢測(cè)）等領(lǐng)域所提方法，大致可歸納為下列幾種。

一、專家系統(tǒng)

專家系統(tǒng)的創(chuàng)始人費(fèi)根鮑姆認(rèn)為：專家系統(tǒng)是一套智能化軟件系統(tǒng)，利用理論及推理步驟來(lái)完成以前只有行業(yè)專家方能解決的復(fù)雜問題。專家系統(tǒng)建立的主要目標(biāo)是利用具有特定領(lǐng)域問題解決能力的專家系統(tǒng)，為非專家解決現(xiàn)場(chǎng)復(fù)雜的問題提供支持和幫助。人工智能是專家系統(tǒng)中最活躍同時(shí)也是成果最豐富的一個(gè)研究領(lǐng)域。

專家系統(tǒng)在輸電和配電網(wǎng)絡(luò)故障診斷中的典型應(yīng)用是以生產(chǎn)規(guī)則為基礎(chǔ)的系統(tǒng)，即保護(hù)斷路器操作人員的行動(dòng)邏輯和診斷經(jīng)驗(yàn)排除這一可能性，形成故障診斷專家系統(tǒng)知識(shí)庫(kù)，進(jìn)一步在信息知識(shí)基礎(chǔ)上根據(jù)報(bào)警進(jìn)行故障排除的結(jié)論的推理。

實(shí)際應(yīng)用中，如美國(guó)電力公司依賴與得克薩斯州農(nóng)工大學(xué)共同開發(fā)的電源系統(tǒng)管理專家系統(tǒng)（雷萊恩專家系統(tǒng)）、數(shù)字故障錄波（DFR）這個(gè)專家系統(tǒng)，根據(jù)DFR數(shù)據(jù)故障診斷擾動(dòng)。 DFR可以記錄在系統(tǒng)故障期間的系統(tǒng)參數(shù)，如雷電和操作沖擊電壓突然上升或驟降、供電中斷、過電壓、欠電壓、諧波和瞬態(tài)等引起的故障參數(shù)。

傳統(tǒng)的方法是失敗的DFR開始自動(dòng)記錄并存儲(chǔ)相關(guān)數(shù)據(jù)，保護(hù)工作進(jìn)行離線分析，以評(píng)估該系統(tǒng)的保護(hù)作用。雷萊恩專家系統(tǒng)可以免除上述過程，分析故障錄波數(shù)據(jù)和自動(dòng)提取撰寫報(bào)告，然后通過傳真或E-mail發(fā)送到系統(tǒng)的時(shí)間表或相關(guān)人員。

雖然專家系統(tǒng)可以有效地模擬專家完成故障排除，但在實(shí)踐中仍存在一些不足之處，主要問題是知識(shí)獲取的瓶頸問題，知識(shí)是難以維持的，并不能有效解決眾多不明朗因素的故障診斷，這些問題極大地影響了故障診斷的準(zhǔn)確性。[1]

二、模糊邏輯（模糊邏輯）

模糊集合觀念常用于處理因語(yǔ)言及智識(shí)上產(chǎn)生不明確性特質(zhì)的事物上，模糊集合論可視為明確集合論的延伸，彌補(bǔ)二值邏輯（非0即1）無(wú)法對(duì)不明確邊界事物描述的缺點(diǎn)，經(jīng)歸屬函數(shù)來(lái)表示集合元素對(duì)該集合的隸屬程度，然后由模糊規(guī)則庫(kù)推論其結(jié)果。此法必須先從問題描述來(lái)定義歸屬函數(shù)，亦需設(shè)計(jì)出嚴(yán)謹(jǐn)有效的推論規(guī)則。多應(yīng)用于警報(bào)訊號(hào)處理、變壓器故障診斷。

三、遺傳算法的基因演算法（GA）

基因遺傳演算法是一種模擬人類基因演化的模型，在這種模型中，問題的解答被巧妙地安排成一串?dāng)?shù)值，模擬基因中的一串染色體，大量的基因經(jīng)過演化、突變與交配等運(yùn)算不停地產(chǎn)生新的基因，且淘汰不良的基因，最后演化出問題的最佳解答。多應(yīng)用于電力系統(tǒng)故障診斷、主動(dòng)式濾波器規(guī)劃。[2]

四、禁區(qū)搜尋法（禁忌搜索TS）

禁區(qū)搜尋法為求得整體最佳解，主要特色系利用禁區(qū)來(lái)控制求解過程。多應(yīng)用于警報(bào)訊號(hào)處理。

五、決策樹搜尋法（決策樹搜索）

將欲達(dá)成的策略以決策樹型式表示，再應(yīng)用搜尋技巧尋找適當(dāng)?shù)牟呗?。多?yīng)用于故障診斷。

六、因果網(wǎng)路（因果網(wǎng)絡(luò)，CEN）

因果網(wǎng)路具有平行處理的推論能力，主要特色系使用并行處理的推論機(jī)制，可得到快速的推論結(jié)果。多應(yīng)用于故障診斷。

七、神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)具備高度神經(jīng)計(jì)算能力和極強(qiáng)的自適應(yīng)性、魯棒性和容錯(cuò)性。用神經(jīng)網(wǎng)絡(luò)處理問題只需要進(jìn)行簡(jiǎn)單的非線性函數(shù)的數(shù)次復(fù)合，不需要建立任何物理模型和人工干預(yù)，具有自組織、自學(xué)習(xí)能力，能映射高度非線性的輸入輸出關(guān)系，重新觀察現(xiàn)象之后判斷輸出。神經(jīng)網(wǎng)絡(luò)法在故障診斷中得到高度重視和廣泛應(yīng)用，它在處理不確定性問題時(shí)具有獨(dú)特的優(yōu)勢(shì)。人工神經(jīng)網(wǎng)絡(luò)廣泛用于選線、故障判斷、暫態(tài)保護(hù)等，速度快、準(zhǔn)確度高，并且不受制于系統(tǒng)的運(yùn)行模式、互感器飽和、故障類型等因素。用來(lái)進(jìn)行保護(hù)無(wú)線通訊，可以對(duì)故障高頻信號(hào)進(jìn)行提取，具有很好的仿真效果；還在雷電信號(hào)、開關(guān)信號(hào)和故障行波的識(shí)別中有著廣泛的應(yīng)用。

神經(jīng)網(wǎng)絡(luò)方法雖然有利于克服專家系統(tǒng)獲取信息的瓶頸、維護(hù)信息庫(kù)困難等眾多問題，但其在處理啟發(fā)性知識(shí)方面有著局限性。且因?yàn)锳NN技術(shù)本身的缺陷，其學(xué)習(xí)速度不快，需要長(zhǎng)時(shí)間的訓(xùn)練，解釋能力弱，進(jìn)而對(duì)神經(jīng)網(wǎng)絡(luò)實(shí)用化產(chǎn)生了影響。并且怎樣設(shè)計(jì)與大型輸電網(wǎng)絡(luò)相適應(yīng)的ANN故障診斷系統(tǒng)，還是一個(gè)需要持續(xù)研究的課題。

類神經(jīng)網(wǎng)絡(luò)的性質(zhì)具有大量平行處理能力、學(xué)習(xí)及記憶功能，應(yīng)用的領(lǐng)域相當(dāng)廣泛，可藉由不同的網(wǎng)絡(luò)結(jié)構(gòu)及學(xué)習(xí)演算法相結(jié)合，以適用于解決特殊的問題、如文字辨識(shí)，語(yǔ)音辨識(shí)、影像壓縮、預(yù)測(cè)及診斷等。應(yīng)用前必須慎選適用的領(lǐng)域。多應(yīng)用于故障診斷、警報(bào)訊號(hào)處理、變壓器故障診斷、諧波偵測(cè)。[3]

八、基于柔性SCADA的電網(wǎng)復(fù)雜故障診斷方法

電網(wǎng)故障分為簡(jiǎn)單和復(fù)雜的故障，而絕大多數(shù)是簡(jiǎn)單故障。對(duì)于簡(jiǎn)單的故障診斷方法，只使用第一層的推理，從而避免了使用保護(hù)、防護(hù)等級(jí)和其他二級(jí)報(bào)警信息的類型，降低了模型的復(fù)雜性，提高推理的速度，有利于故障在線診斷應(yīng)用。對(duì)于復(fù)雜的故障，使用Petri網(wǎng)推理模型，并引入WAMS數(shù)據(jù)核實(shí)診斷結(jié)果，以提高診斷結(jié)果的準(zhǔn)確性。給出網(wǎng)格基礎(chǔ)上靈活的SCADA復(fù)雜故障診斷系統(tǒng)的設(shè)計(jì)：

（1）利用靈活的SCADA報(bào)警信息，實(shí)現(xiàn)了分層分級(jí)傳輸和利用，以避免電網(wǎng)故障的交互功能、報(bào)警信息丟失導(dǎo)致?lián)砣收吓懦e(cuò)誤。推理采用分層結(jié)構(gòu)，第一層采用專家系統(tǒng)推理，第二層使用Petri網(wǎng)模型的推理。

（2）對(duì)于報(bào)警信息不完全正確的現(xiàn)象，提出了應(yīng)用組件的配置時(shí)間Petri網(wǎng)保護(hù)的報(bào)警信息糾錯(cuò)處理的方法來(lái)提高容錯(cuò)。參考WAMS數(shù)據(jù)、報(bào)警信息和故障診斷糾錯(cuò)處理結(jié)果驗(yàn)證結(jié)果的方法，以提高故障診斷的可靠性。[4]

九、計(jì)及信息畸變影響的電網(wǎng)故障診斷分級(jí)優(yōu)化方法

目前的電力系統(tǒng)故障診斷領(lǐng)域一直在進(jìn)行更深入的研究。基于優(yōu)化算法的故障診斷方法，因?yàn)橥评砗?jiǎn)單而搜索快速，被廣泛應(yīng)用。

在優(yōu)化算法的基礎(chǔ)上，分析基于相似的故障診斷方法可以概括為覆蓋的診斷方法和診斷方法。當(dāng)保護(hù)或斷路器不正常運(yùn)行和警報(bào)信息是扭曲的，診斷的相似性可能被漏診、誤診。為了提高故障診斷的準(zhǔn)確性，其結(jié)合了兩種類型診斷方法的故障診斷建議分類優(yōu)化方法的特點(diǎn)。此方法診斷相似的保護(hù)信息和一個(gè)診斷結(jié)果，通過簡(jiǎn)單的操作分析不同類型的可疑故障組件的失效概率。對(duì)于現(xiàn)有的方法造成報(bào)警狀態(tài)計(jì)算密集型優(yōu)化問題的特征向量、狀態(tài)向量構(gòu)造自適應(yīng)功能的報(bào)警方法。建立各類變量模型中的簡(jiǎn)單方案，以進(jìn)一步推進(jìn)快速診斷故障區(qū)域的研究。

十、復(fù)合方法

結(jié)合兩種不同的人工智慧方法，選取各個(gè)方法的優(yōu)點(diǎn)再將其結(jié)合，主要目的是增加其適用范圍及提高診斷準(zhǔn)確度，如結(jié)合CEN和模糊理論，以CEN判斷故障區(qū)域后再由模糊邏輯推論出故障類型，使得診斷工具的適用范圍擴(kuò)大。診斷流程采用人工神經(jīng)網(wǎng)絡(luò)與EPS同時(shí)平行運(yùn)作，在相互結(jié)合下?lián)碛休^高的診斷精確度；結(jié)合小波理論和ANN用于變壓器故障診斷經(jīng)濟(jì)調(diào)度及暫態(tài)干擾事件偵測(cè)。[5]

十一、總結(jié)和展望

本文對(duì)幾種廣泛應(yīng)用的電力故障診斷方法進(jìn)行了詳細(xì)的闡述，然而隨著電力的發(fā)展和環(huán)境的變化，新故障不斷出現(xiàn)，其給現(xiàn)有的診斷方法帶來(lái)了挑戰(zhàn)。因此，為了應(yīng)對(duì)不斷出現(xiàn)的故障，靈活綜合各種基本方法來(lái)進(jìn)行診斷成為電力系統(tǒng)故障診斷技術(shù)的發(fā)展趨勢(shì)。

為了維持電力供應(yīng)安全性及可靠性，自動(dòng)化故障偵測(cè)技術(shù)將有助于迅速推測(cè)出故障可能發(fā)生的位置，在供電品質(zhì)提升的需求下，變壓器的維護(hù)與檢修更為重要，對(duì)于運(yùn)轉(zhuǎn)中的變壓器若有一套監(jiān)視與診斷預(yù)警技術(shù)，將可發(fā)現(xiàn)變壓器內(nèi)部潛在的異常狀況，及早進(jìn)行修復(fù)以避免事故進(jìn)一步擴(kuò)大。電力品質(zhì)亦是當(dāng)前電力公司與工業(yè)界共同重視的課題，若有一套電力品質(zhì)干擾事件偵測(cè)系統(tǒng)，將可輔助電力品質(zhì)工程師形成有效的辨識(shí)及采取有效的改善策略。本文主要目的即建立一套輔助性偵測(cè)工具，包括故障區(qū)域偵測(cè)、警報(bào)訊號(hào)處理、變壓器故障診斷及電力品質(zhì)偵測(cè)，期望可在不用增加任何設(shè)備的情況下納入既有的監(jiān)控系統(tǒng)。

參考文獻(xiàn)：

[1]鄭文盛.故障診斷專家系統(tǒng)在船舶電力系統(tǒng)故障診斷中的應(yīng)用[J].中國(guó)水運(yùn)，2010，（4）：88-89.

[2]呂雪峰.基于遺傳算法的電力系統(tǒng)故障診斷[D].大慶：大慶石油學(xué)院，2006.

[3]邵曉非，寧媛，劉耀文，張慧瑩.電力系統(tǒng)故障診斷方法綜述與展望[J].工業(yè)控制計(jì)算機(jī)，2012，（12）：4-5，7.

[4]楊海晶.基于柔性SCADA的電網(wǎng)復(fù)雜故障診斷方法的研究[D].保定：華北電力大學(xué)，2009.

[5]紀(jì)伯公，王加.基于信息融合技術(shù)的電力系統(tǒng)故障診斷研究[A].中國(guó)高科技產(chǎn)業(yè)化研究會(huì)信號(hào)處理專家委員會(huì).第六屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C].中國(guó)高科技產(chǎn)業(yè)化研究會(huì)信號(hào)處理專家委員會(huì)，2012：4.