小電流單相接地故障選線的Fisher信息方式

蔡舒平，董雪，張保會

（1.江蘇大學電氣信息工程學院，鎮江212013；2.西安交通大學電氣工程學院，西安710049）

即窗口中元素的總個數等于各個狀態（箱）中元素個數之和。式中δ為小波系數D的標準差，按照Chebyshev的定理，上述裝箱的原則可以保證該窗口中89%的數據點裝入同一個箱子而不管其概率分布形式如何。

由此可得裝箱法的基本步驟是：①把時間序列數據劃分為一連串的時間窗口；②在每個時間窗口內按以上的方法把數據點打包成狀態；③在每個時間窗口內，構造一個基于觀察該系統狀態的可能性的概率密度函數；④對每個時間窗口使用式（6）從概率密度函數中計算Fisher信息。

小電流單相接地故障選線的Fisher信息方式

蔡舒平1，董雪1，張保會2

（1.江蘇大學電氣信息工程學院，鎮江212013；2.西安交通大學電氣工程學院，西安710049）

為了解決小電流接地系統單相接地故障選線困難的問題，提出了將小波分析理論與Fisher信息理論相結合的方法，應用于故障選線技術中。通過比較故障線路和非故障線路零序電流信號在各個小波系數下提取到的Fisher信息值的突變量來進行故障選線。基于PSCAD/EMTDC仿真平臺下的大量仿真結果表明：這種Fisher信息的計算方法不受系統中性點接地方式、電壓初相角、過渡電阻的影響，選線靈敏度高，能準確定位故障時刻，是一種故障選線的新方法。

Fisher信息；小電流接地系統；單相接地故障；故障選線

小電流接地系統發生單相接地故障時，故障信號中含有大量的暫態故障信息和穩態故障信息，基于此衍生出了兩大類別的故障選線方法：基于暫態分量的選線方法和基于穩態分量的選線方法。前者靈敏度較高而且不受消弧線圈的影響，不僅能判斷穩定接地，而且能判斷瞬時接地和間歇性接地。但是暫態分量衰減速度快，提取難度大，所以若只利用暫態分量來進行故障選線，在暫態分量很少的情況下選線結果不準確。穩態分量在帶故障運行過程中一直存在，具有容易提取的優點，但是選線結果不如利用暫態分量選線準確率高[1]。當發生單相接地故障時，故障信號一般很微弱、故障特征不明顯，這使得僅利用傳統的電流幅值大小與相位相反等信息的常規方法難以取得令人滿意的結果。更為關鍵的是在小電流接地故障發生后，帶故障運行的1～2 h內，故障信號不是一成不變的，有些時段信號反映了故障特征適于選線，有些時段信號受到干擾不利于選線[2-3]，這也使得近年來基于小波變換等現代信號處理技術的故障選線方法的實際應用效果還有待觀察。所以有關小電流接地系統發生單相接地故障的故障線路可靠識別問題一直沒有得到圓滿的解決。

從信息論的角度來看，小電流接地系統發生單相接地故障時其故障信號中包含了大量的故障信息，且故障線路信息遠遠要比非故障線路信息豐富。而隨著計算機技術和自動化技術等的高速發展，電力數據采集與監控系統SCADA（supervise control and data acquisition）、相量測量裝置PMU（phasor measurement unit）、故障信息系統FIS（fault information system）、暫態錄波裝置等智能設備的投入使用，使得大量、準確、實時地獲取電網的各種故障信息成為現實。因此問題的關鍵是如何更好地利用好這些故障信息，為小電流接地選線問題尋找一些普遍適用的特征變量來表征故障相。

Fisher信息恰好提供了表征電力系統故障的這樣一類特征變量的可能性。原因是任何類型的數據和模型本質上都可以轉換為信息而不管最初的學科是什么[4]。不像系統信息的其他測量方法，Fisher信息提供了一種通過監測系統變量從而監測系統的狀態和狀態轉換的方法[5]。這種檢測狀態和狀態轉換的能力使得確定發生在系統中的最根本的變化成為可能，并提供一些為減輕可能的負面影響而應采取的措施的一些思考[6]。事實上，Frieden使用該理論推導出許多基本的物理學、熱力學、人口遺傳學方程[7-8]。近年來，生態學家使用Fisher信息理論研究生態領域的例子更是比比皆是，Fath和Mayer等使用Fisher信息來作為一種復雜生態系統動態秩序的度量。Karunanithi等提議用來作為一種量化的指標來檢測和評估生態系統狀態的轉換[9]以及作為一種可持續性標準[4]。Fisher信息還被用于研究包含一個多間隔食物鏈穩定性問題的模型系統[10-11]以及用于可持續環境管理中的動態模型系統的優化控制問題[12-13]。Rico-Ramirez等把Fisher信息應用于醫療化工領域的優化控制問題[14]。在了解了以上為研究生態系統嘗試使用Fisher信息理論所取得的成果后，本文試圖把它引入電力系統以解決長期困擾人們的一些難題。作為一種嘗試，首先把它用于小電流接地系統發生單相接地故障時故障線路的識別問題，以展示Fisher信息在解決這類問題中的有效性。本文的長期目標是在經典電力系統理論與Fisher信息理論之間架起一座橋梁并拓寬Fisher信息理論在電力系統其他方面的應用。

1 Fisher信息理論

信息理論提供了一種量化框架，通過它來描述僅僅確定了部分知識的過程[9]。信息理論的創始人Shannon于1948年將熵的概念引入到信息論，把熵作為信息源包含信息量多少的測度，豐富了熵的概念[15]。Shannon信息熵理論指出，對于一個不確定性系統，若用一個取有限個值的隨機變量X表示其狀態特征，取值為xj的概率pj=P{X=xj}， j=1，2，…，L；且則X的某一結果得到的信息可以表示為

于是X的信息熵（entropy）為

當pj=0時，pjln pj=0，信息熵H是在一定的狀態下定位系統的一種信息測度，它是對序列未知程度的一種度量，可以用來估計隨機信號的復雜性。

從Shannon熵的數學定義可知，它是一種對系統狀態概率分布函數PDF（probability distribution function）全局光滑程度的度量，不能反映概率密度值對特定狀態排列結構上的變化，即Shannon信息熵是一種全局平滑程度的度量，它不能反映局部特征，這使得單純用信息熵來表征和分析非平穩信號并不合適，于是人們通常是對非平穩信號先進行非線性變換，然后再定義和計算各種類型的信息熵以表征故障特征。比如在信息熵的基礎上，人們根據各自的需要定義了近似熵ApEn（approximate entropy）[16]和小波熵WaEn（wavelet entropy）[17]。前者被用于生物時間序列的復雜性研究[18-19]、機械故障診斷[20-21]以及電力系統故障信號分析[22]。后者被用于電力系統故障檢測[23-24]以及電力暫態信號分類識別[25-26]。它們均取得了一定的效果。

統計學家Fisher在1922年提出了另一種度量不確定性的方法，現在稱之為Fisher信息（FI）。Fisher信息可以分別被解釋為評估一個參數的能力、能從一組測量值中抽取的信息量的一種度量，也可以作為一個系統或一種現象的無序狀態的一種度量[8]。一個變量單次測量的Fisher信息I計算式為

式中：P（s）為概率密度函數（PDF）；s為一個狀態變量。

不像香農信息是一種全局平滑程度的度量，而Fisher信息是基于概率分布函數的導數，因此它反映的是一種局部特性。這使得它對影響概率分布函數的擾動更加敏感。一個高度無序的系統具有一個一致的或平緩的概率分布函數，不可預知性導致了具有低的Fisher信息。一個具有低的無序而高度結構化的系統顯示出偏向一組特定狀態的能力，概率分布函數對這些狀態呈現出急劇傾斜，在此情況下Fisher信息值隨概率分布函數的尖銳程度而增加。

小電流接地系統發生單相接地故障時，故障線路和非故障線路的電壓電流信號均會發生變化，但這種變化無論從信號的幅度還是復雜性方面均應有所不同，通過Fisher信息應該有所反映，通過Fisher的差異應該能把故障線路和非故障線路很好地區分開來。

實際應用中，為了避免因除以較小的P（s）值而帶來的計算誤差，令

于是式（3）變為

具體計算中，用差分來代替微分，用求和來代替積分即可得到Fisher信息的近似計算公式，即

式（6）將會用于以下所有的計算。

2 基于Fisher信息的故障選線方法

電力系統信號是由各種頻率的信號疊加而成的，正常狀態下其Fisher信息值不會有明顯變化。電網從正常運行到故障狀態，其電流電壓信號會發生變化，其Fisher信息值也會發生相應的變化。但直接用Fisher信息來表征和分析非平穩信號并未將Fisher信息的優良性能充分展示出來，這是因為Fisher信息是基于概率分布函數的導數，它反映的是一種局部特性，它對局部的擾動更加敏感。而小波分析技術在時頻兩域都具有表征信號局部特征的能力，同時故障信號經小波分解后，小波系數呈現稀疏分布，也就是只有少量系數包含信號的絕大部分能量，其余系數對信號能量貢獻很小，使得小波系數的概率密度分布比通常的高斯分布在零值位置更尖，并在分布的兩端呈現明顯拖尾的趨勢[27]，這些性質恰好與基于概率密度分布導數的Fisher信息相一致。由此看來把小波分析與Fisher信息理論相結合，在時頻平面上建立小波Fisher信息（Wavelet FI）和算法，用于小電流接地系統中的故障選線定會取得意想不到的效果。

設信號序列x（n）經小波變換后，在第j分解尺度下k時刻的高頻分量系數為cDj（k），低頻分量系數為cAj（k），進行單支重構后得到的信號分量Dj（k）、Aj（k）所包含信息的頻帶寬度范圍為

式中：fs為信號的采樣頻率；J為最大分解尺度。則原始信號序列x（n）可表示為各分量的和，即

在信號x（n）經小波變換后所得結果Dj的基礎上，結合式（6）就可設計出下面的小波Fisher信息計算方法——裝箱法。

設在第j層上，多分辨分析的離散小波系數為D={d（k），k=1，…，N}，在此層的小波系數上定義一滑動窗，窗寬為w∈N，滑動因子ε∈N，得滑動窗如下：

式中：m=1，2，…，M，M為窗口數，M=（N-w）/ε.

假設滑動窗中所有元素可以裝成L個箱，則

即窗口中元素的總個數等于各個狀態（箱）中元素個數之和。式中δ為小波系數D的標準差，按照Chebyshev的定理，上述裝箱的原則可以保證該窗口中89%的數據點裝入同一個箱子而不管其概率分布形式如何。

由此可得裝箱法的基本步驟是：①把時間序列數據劃分為一連串的時間窗口；②在每個時間窗口內按以上的方法把數據點打包成狀態；③在每個時間窗口內，構造一個基于觀察該系統狀態的可能性的概率密度函數；④對每個時間窗口使用式（6）從概率密度函數中計算Fisher信息。

3 仿真算例

本文利用電力系統仿真分析軟件PSCAD/EMTDC（power system computer aided design/electro magnetic transient in DC system）搭建了3條出線L1、L2、L3的35 kV/10 kV小電流接地系統單相故障的仿真模型，中性點分別設定為不接地、經消弧線圈接地和經電阻接地3種方式，經消弧線圈接地時采用過補償方式，補償度為8%。線路正序參數為R1=0.484 Ω/km，L1=0.345 4 mH/km，C1=0.034 5 μF/km，零序參數R0=1.16 Ω/km，L0=1.103 62 mH/km，C0=0.021 9 μF/km。以各線路零序電流為研究對象，分別對不同過渡電阻，不同故障位置及不同電壓初始角的情況進行了仿真。

取采樣頻率fs=20 kHz。實時采集故障前和故障后各一個周波的數據。選用db5基小波，對數據進行5層小波分解。以d2層小波系數D2（k）為例，使用裝箱法，計算不同情況下各條線路零序電流信號的小波FI值。

3.1 中性點不接地系統仿真

設置線路發生單相接地故障，故障發生時間為0.02 s。選取不同電壓初相角、故障位置以及故障電阻對系統進行仿真。圖1和圖2為隨機選取數據得到的仿真結果。

圖1所示為線路L1在距離母線20 km處發生單相接地故障，故障電阻為20 Ω，電壓初相角為60°時3條線路的零序電流波形I01、I02、I03；圖2為3條線路小波分解后的FI值。

圖1 3條線路的零序電流波形Fig.1Zero-sequence current waveform of three lines

圖2 故障線路L1和正常線路L2、L3的小波FI值Fig.2WaveletFIoffaultlineL1andnormallinesL2andL3

圖3所示為線路L1在距離母線10 km處發生A相接地故障，接地電阻為200 Ω，電壓初相角為0°時各條線路的零序電流波形I01、I02、I03，圖4所示為對各線路零序電流信號經小波分解后計算得到的FI值。

圖3 3條線路的零序電流波形Fig.3Zero-sequence current waveform of three lines

圖4 故障線路L1和正常線路L2、L3的小波FI值Fig.4WaveletFIoffaultlineL1andnormallinesL2andL3

據圖可知，故障線路L1的零序電流經小波變換后提取到的FI值在故障發生時刻會急劇突變，而非故障線路L2、L3的FI值雖然也有變化，但是變化幅值沒有故障線路的明顯，這是因為發生單相接地故障后，故障線路的零序電流要遠比非故障線路復雜，故體現為故障線路FI突變幅值大于非故障線路。因此，根據各線路提取到的FI值，選取其中最小值進行比較便可準確區分故障線路和非故障線路。

在實際應用中，波形的采集往往會受到噪聲干擾，為了檢驗該方法在此情況下仍然有效，分別對上述兩組數據的零序電流人為地加上高斯白噪聲，取信噪比為SNR=60。將得到加噪信號去噪處理后提取各線路的WaveletFI值，結果如圖5所示。

據此可知，對故障電流加入噪聲后，利用Wavelet FI算法仍然可以準確的檢測出故障線路，說明該方法具有一定抗噪能力。

上述仿真結果表明，Wavelet FI算法可以準確判別故障線路，定位故障時刻，并且不受電壓初相角、故障距離、故障電阻及噪聲干擾的影響。表1為不同電壓初相角的部分選線結果，表2為不同故障位置的部分選線結果，表3為不同接地電阻的部分選線結果。

圖5 兩組數據加噪后線路提取的FI值Fig.5Wavelet FI of each line，with noise

表1 不同電壓初相角的選線結果Tab.1Line selection results of different voltage initial angle

表1所示為線路L1在10 km處發生單相接地故障，故障電阻為1 Ω時，不同電壓初相角的選線結果。結果表明，該方法在不同的電壓初相角下能準確的判斷出故障線路。

表2 不同故障位置的選線結果Tab.2Line selection results of different fault location

表2所示為線路L2發生單相接地故障，電壓初相角為45°，接地電阻為30 Ω，在不同故障位置處的選線結果。結果表明，該方法在故障位置不同時也能準確的判斷出故障線路。

表3 不同接地電阻的選線結果Tab.3Line selection results of different grounding resistance

表3所示為線路L3在15 km處發生單相接地故障，電壓初相角為30°，不同接地電阻的選線結果。由仿真結果可知，當故障電阻非常大的時候（如50 000 Ω），故障電流非常微弱，以往的方法很難區分出故障線路。而小波Fisher信息值（Wavelet FI）與被檢測信號的幅值無關，只與信號的穩定程度有關。即使故障信號十分微弱，利用Wavelet FI算法仍然能夠準確地檢測出故障線路。因此，該方法在接地電阻比較大時仍舊可以準確地選擇出故障線路。這意味著Fisher信息方法對于弱小信號的測量有其優越的地方。

3.2 中性點經消弧線圈接地和中性點經電阻接地系統選線結果

限于篇幅，表4和表5分別列出了中性點經消弧線圈接地和經電阻接地不同故障條件下的部分選線結果。

表4 中性點經消弧線圈接地系統選線結果Tab.4Line selection results for system with neutral grounding via arc-suppression coil

表5 中性點經電阻接地系統選線結果Tab.5Line selection results for system with neutral grounding via resistance

從圖4和圖5可以看出，在中性點經消弧線圈接地系統和中性點經電阻接地系統中，小波Fisher信息法可對不同故障條件下的小電流單相接地系統故障進行有效選線。

4 結論

根據小電流接地系統單相接地故障發生后3條線路零序電流的變化，提出了利用Fisher信息結合小波分析技術進行故障選線的方法。通過仿真驗證，可以得出如下結論。

（1）該方法在不同的接地方式下，均能有效區分故障線路與非故障線路，不受電壓初相角、接地電阻、故障位置的影響，具有一定的抗噪能力；并且能夠準確定位故障時刻。

（2）Fisher信息指標在短數據、小幅值、存在干擾等不利條件下，能有效提取隱藏在信號序列中的特征信息，同時能定量表征各信號序列的復雜程度，為非平穩信號序列分析提供了有效手段。

（3）Fisher信息指標為電力系統故障診斷提供了新的有效特征參數，并在電力設備狀態檢測、電力線路故障檢測識別、電力暫態信號分析等諸多方面具有良好的應用前景。特別是由于Fisher信息所需的數據量小以及上述Fisher信息快速算法的提出，使其有望用于實現故障在線檢測；而且Fisher信息指標能和其他非平穩信號分析方法有機結合，從而為電力系統故障診斷領域提供一種可行的新方法。

[1]陳曉娟，劉曉翠，于遠志（Chen Xiaojuan，Liu Xiaocui，Yu Yuanzhi）.基于多判據融合的小電流單相接地故障選線法（Single-phase-to-ground fault feeder for low current system based on multiple criteria fusion）[J]．東北電力大學學報（Journal of Northeast Dianli University），2010，30（1）：53-56．

[2]齊鄭，楊以涵，張宏宇，等（Qi Zheng，Yang Yihan，Zhang Hongyu，et al）．基于D-S證據理論的小電流接地故障連續選線方法（Study on continuous line selection for small current earth fault based on D-S evidence theory）[J]．華北電力大學學報（Journal of North China Electric Power University），2005，32（3）：1-4．

[3]俞曉榮，廖培金，彭書濤，等（Yu Xiaorong，Liao Peijin，Peng Shutao，et al）．小波分析在小電流接地系統故障選線中的應用（The application of wavelet transform in finding fault feeder of earth fault in resonant grounded system）[J].電力系統及其自動化學報（Proceedings of the CSUEPSA），2003，15（4）：24-26．

[4]Cabezas H，Fath B D．Towards a theory of sustainable systems[J].Fluid Phase Equilibria，2002，194-197：3-14．

[5]Fath B D，Cabezas H，Christopher W Pawlowski．Regime changes in ecological systems：an information theory approach[J].Journal of Theoretical Biology，2003，222（4）：517-530．

[6]Eason T，Cabezas H．Evaluating the sustainability of a regional system using Fisher information in the SanLuis Basin，Colorado[J].Journal of Environmental Management，2012，94（1）：41-49．

[7]Lavis D A，Streater R F.Physics from Fisher information [J].Studies in History and Philosophy of Modern Physics，2002，33（2）：327-343．

[8]Pike E P．Probability，statistical optics and data testing[J]．Journal of Modern Optics，1983，30（12）：1682-1683.

[9]Karunanithi A T，Cabezas H，Frieden B，et al.Detection and assessment of ecosystem regime shifts from Fisher information[J].Ecology&Society，2008，13（1）：22．

[10]Cabezas H，Pawlowski C W，Mayer A L，et al.Sustainable systems theory：ecological and other aspects[J]．Journal of Cleaner Production，2005，13（5）：455-467．

[11]Cabezas H，Pawlowski C W，Mayer A L，et al.Simulated experiments with complex sustainable systems：ecology and technology[J].Resources，Conservation and Recycling，2005，44（3）：279-291．

[12]Shastri Yogendra，Diwekar Urmila，Cabezas H.Optimal control theory for sustainable environment management[J]. Environmental Science and Technology，2008，42（14）：5322-5328．

[13]Shastri Yogendra，Diwekar Urmila，Cabezas H，et al.Is sustainability achievable?Exploring the limits of sustainability with model systems[J].Environmental Science and Technology，2008，42（17）：6710-6716．

[14]Domma F.Fisher information and truncated models[J]. Statistica，2003，63（2）：267-284.

[15]楊衛東（Yang Weidong）.熵原理在電力系統中的應用前景（Application prospects of entropy theory in power system）[J].電工技術（Electrotechnics），2000，33（4）：4-6．

[16]Pincus S M．Approximate entropy as a measure of system complexity[J]．Proceedings of the National Academy Sciences USA，1991，88（6）：2297-2301．

[17]Blanco S，Figliola A，Quian Q R，et al.Time-frequency analysis of electroencephalogram series（III）：Wavelet packets and information cost function[J]．Physical Review E，1998，57（1）：932-940．

[18]江朝暉，馮煥清，劉大路，等（Jiang Zhaohui，Feng Huanqing，Liu Dalu，et al）.睡眠腦電的關聯維數和近似熵分析（Analyzing sleep EEG using correlation dimension and approximate entropy）[J].生物醫學工程學雜志（Journal of Biomedical Engineering），2005，22（4）：649-653．

[19]趙南，劉小峰，王素品，等（Zhao Nan，Liu Xiaofeng，Wang Supin，et al．）基于Tsallis熵和近似熵的認知事件相關電位動態復雜度分析（Dynamic complexity analysis to cognitive event-related potential based on Tsallis entropy and approximate entropy）[J].西安交通大學學報（Journal of Xi’an Jiaotong University），2007，41（2）：245-249．

[20]高鵬，馬宏忠，張惠峰，等（Gao Peng，Ma Hongzhong，Zhang Huifeng，et al．）分接開關振動信號EMD熵和小波熵的比較（Comparison of EMD entropy and wavelet entropy in vibration signals of OLTC）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2012，24（4）：48-53．

[21]胡紅英，馬孝江（Hu Hongying，Ma Xiaojiang）．局域波近似熵及其在機械故障診斷中的應用（Application of local wave approximate entropy in mechanical fault diagnosis）[J]．振動與沖擊（Journal of Vibration and Shock），2006，25（4）：38-40，45，174．

[22]符玲，何正友，麥瑞坤，等（Fu Ling，He Zhengyou，Mai Ruikun，et al．）近似熵算法在電力系統故障信號分析中的應用（Application of approximate entropy to fault signal analysis in electric power system）[J].中國電機工程學報（Proceedings of the CSEE），2008，28（28）：68-73．

[23]何正友，蔡玉梅，錢清泉（He Zhengyou，Cai Yumei，Qian Qingquan）．小波熵理論及其在電力系統故障檢測中的應用研究（A study of wavelet entropy theory and its application in electric power system fault detection）[J]．中國電機工程學報（Proceedings of the CSEE），2005，25（5）：38-43．

[24]何正友，劉志剛，錢清泉（He Zhengyou，Liu Zhigang，Qian Qingquan）．小波熵理論及其在電力系統中應用的可行性探討（Study on wavelet entropy theory and adaptability of its application in power system）[J].電網技術（Power System Technology），2004，28（21）：17-21．

[25]陳小勤，何正友，符玲（Chen Xiaoqin，He Zhengyou，Fu Ling）．基于小波能譜的電力暫態信號分類識別方法（Electric power transient signals classification and recognition method based on wavelet energy spectrum）[J]．高電壓技術（Power System Technology），2006，30（17）：59-63，69.

[26]李志民，李衛星，李勃龍（Li Zhimin，Li Weixing，Li Bolong）．熵原理及其在電力系統可靠性中的應用（Entropy principle and its application in power system reliability）[J]．電力系統及其自動化學報（Proceedings of the CSU-EPSA），2001，13（3）：37-39，53．

[27]Mallat S G.A theory for multiresolution signal decomposition：the wavelet representation[J].IEEE Trans on Pattern Analysis and Machine Intelligence，1989，11（7）：674-693．

Fault Line Selection of Small Current Single-phase Grounding Based on Fisher Information Theory

CAI Shu-ping1，DONG Xue1，ZHANG Bao-hui2
（1.College of Electrical Information and Engineering，Jiangsu University，Zhenjiang 212013，China；2.College of Electrical and Engineering，Xi'an Jiaotong University，Xi'an 710049，China）

In order to solve the fault line selection in the small current single-phase grounding，a novel fault line selection method is proposed in this paper.The new method synthesizes the Fisher information with wavelet transform to solve the question of line selection in small current single-phase grounding.The FI variation based on each layer of wavelet coefficients from the comparison between the zero-sequence currents of fault and normal lines is employed to select the faulted line.Through the simulation which is based on the PSCAD/EMTDC of mall current single-phase grounding，it can be asserted that the Fisher information is a new method for fault line selection.Also，it was not influenced by the neutral-point grounding method，voltage initial angle and transition resistance.

Fisher information；small current grounding system；single-phase grounding fault；fault line selection

TM77

A

1003-8930（2014）08-0047-07

蔡舒平（1963—），男，博士，副教授，從事電力系統及其自動化方面的教學及科研工作。Email：spcai@ujs.edu.cn

2013-04-07；

2013-06-07

中國江蘇高校優勢學科建設工程資助項目（蘇政辦發（2011）6號）

董雪（1987—），女，碩士研究生，從事控制理論與控制工程領域研究。Email：dongxue66668888@163.com

張保會（1953—），男，博士，教授，博士生導師，從事電力系統安全穩定控制、電力系統新型繼電保護、電力系統通信、分布式發電及接入相關技術等領域的研究。Email：bhzhang@mail.xjtu.edu.cn