多源信息融合的故障元件診斷*

李郁俠　張凱華　譚雅嵐,　李　石　何小軍　陳　波

(1.西安理工大學　西安　710048)(2.國家電網陜西省漢中局　漢中　723099)

?

多源信息融合的故障元件診斷*

李郁俠1張凱華1譚雅嵐1,2李石2何小軍2陳波2

(1.西安理工大學西安710048)(2.國家電網陜西省漢中局漢中723099)

摘要分析了故障診斷信息的主要來源,對比了各個信息的相同點和不同點,建立了面向元件的故障診斷模型,該模型簡化了以往的故障診斷計算的復雜度,使得故障診斷的效率可以顯著提高,提出了新的故障診斷方法。該方法首先通過計算各個元件的貝葉斯疑似度獲得可疑故障元件,并結合了基于綜合阻抗的故障線路識別方法,能夠對故障線路具體相別進行識別,然后提出保護動作的時序約束,對保護動作信息進行識別,從而提高故障診斷的準備性。通過SIMULINK驗證了模型的有效性及正確性。

關鍵詞故障診斷; 綜合阻抗; 時序約束; 貝葉斯疑似度

Class NumberTM41

1引言

作為經濟持續發展的支柱型行業,電力工業對于國計民生的重要性日漸凸顯。電力系統的安全性與穩定性在我國的發展歷程中將會一直占據極高的戰略地位。因此電網在發生事故后,快速診斷并隔離故障,及時恢復對用戶的可靠安全供電,成為智能電網的一個研究方向,電網故障診斷方法的研究一直是國內外研究的重點課題。

多類型故障數據的應用促進了信息融合技術在電網故障診斷問題中的研究。在當前研究中,根據所用基本原理的不同主要采用WAMS采集電氣量信息結合小波變換的多源信息融合電網故障診斷方法[1～5]。然而在系統運行總存在很多不確定因素導致元件發生故障的異常情況,按照基于結合繼電保護信息優化模型[6～7]。對于線路部分存在很大問題,不能精確的診斷故障元件。為了解決這一問題,本文在結合了基于綜合阻抗的故障線路識別方法下,提出了改進的優化模型,利用有向二分圖法降低了故障診斷過程運算的復雜度,提高了診斷速度。

2基于面向的有向二分圖壓

有向二分圖法是對貝葉斯網絡的簡化,可以簡單明了地表達出故障與征兆之間的關系[8]。有向二分圖法具有一定的建模能力,降低了運算的復雜度,能夠彌補貝葉斯網絡在故障診斷過程中的一些不足。

有向二分圖由三部分組成： 1) 故障節點和征兆節點組成的集合V,V=F∪S,其中S為征兆集,F為故障集； 2) 有向邊集合E,E=F×S,由故障指向征兆； 3) 權重p(s|f)組成的集合PF×S,PF×S={p(s|f)|f∈F,s∈S},其中p(s|f)指在故障f發生的條件下,征兆s發生的概率值,0≤p(s|f)≤1。

圖1　有向二分圖

圖1是由三個故障節點、四個征兆節點組成的概率加權二分圖,其中故障集F={f1,f2,f3},征兆集S={s1,s2,s3,s4}。征兆s1可能由故障f1引起,記為Domain(s1)={f1},類似的有Domain(s2)={f1,f2},同理有Domain(s3)={f1,f3},Domain(s4)={f2,f3}。故障f1可能引起征兆s1,s2,s3,記為Symptom(f1)={s1,s2,s3},同理有Symptom(f2)={s2,s4},Symptom(f3)={s3,s4}。圖中Pf=(0.004,0.007,0.003)為各故障發生的先驗概率,而故障f發生的條件下,征兆s發生的概率值

3貝葉斯疑似度

在上述模型中定義貝葉斯疑似度[9],記作Bsd(f,SN),其代表的意義為觀察到的征兆SN導致某故障f發生的概率與信息完備條件下該故障發生的絕對概率的比值,其值越大,該故障發生的可能性越大。可由下式計算[10]：

(1)

其中,

(2)

在診斷過程中應對Domain(SN)中的每個故障進行貝葉斯疑似度計算,其中SN對于為診斷模型中的征兆。以故障元件為對象,按照從大到小的順序對其貝葉斯疑似度排序,直到Symptom(f)覆蓋了所有觀察到的征兆SN。則可知在該觀察征兆下,按照故障發生的可能性大小,即可得到最優故障假設集F。

4診斷流程

4.1故障診斷流程

由于故障診斷系統是基于調度端開發的,因此輸入故障診斷模型的調度信息均來自于調度系統。故障發生后,上傳至調度系統的信息具有以下特點： 1) 冗余信息太多,有效信息獲取困難； 2) 關鍵信息的不確定性即存在的漏報,對于故障診斷的結果影響非常大。因此,為了得到快速、可信的診斷結果,必須對冗余信息及丟失信息進行處理,故障診斷系統才能輸出正確的診斷結果。本文采用如圖2所示的征兆信息識別過程對來自調度端的數據進行處理。

圖2　信息識別流程

在圖2的故障信息識別流程中,首先從電網調度端獲取調度數據,通過對電氣量進行小波分析,從小波熵的變化判斷得到故障發生時刻,從該時刻開始在固定的時間窗內獲取調度信息。其中通過開關量獲取停電區域,通過電氣量獲取綜合阻抗判斷故障發生在那個區域,對保護動作信息進行判斷,剔除掉保護信息中的冗余信息。然后進行征兆信息識別,現對征兆信息的識別步驟進行說明。

步驟1固定時間窗內接收警報信息,包括開關量和保護量

步驟2動作信息識別

輸入步驟1中接收到的警報信息,按照保護動作的時序約束識別警報信息。

步驟3診斷模型識別故障

將步驟2中識別的警報信息輸入診斷模型,得到診斷結果

步驟4故障選相

輸入診斷結果,若其中含有線路,則通過基于綜合阻抗原理的線路選相識別具體故障相別,若不含有線路,則直接輸出步驟3中的診斷結果。

現以圖所示系統發生故障后征兆信息識別過程為例,說明上述征兆信息的識別過程。以在固定“時間窗口”中電力系統中SOE(Sequence Of Event)記錄的具有時序邏輯的信息作為故障診斷系統的數據處理依據,可提高故障診斷的準確性。“時間窗口”設置太短易漏掉關聯信息,設置太長會影響診斷效率,一般根據運行人員的經驗值整定為3s～10s[11],在實際的診斷系統中該時間窗口值可以靈活設定。在本文中時間窗口設定為5s。

4.2診斷模型初始化

1) 故障發生的概率p(f)

通過國網公司對繼電保護與安全自動裝置運行情況分析,可知各個元件故障發生的統計概率,即統計周期內發生故障的次數Nf與運行的設備數量N之間的比值即為故障發生的概率,可作為故障發生的先驗概率。不同電壓等級的變壓器發生故障的概率一般情況下不相等,如對于某地區電網統計數據,如表1所示。

表1　變壓器運行情況分析

根據診斷對象的不同,選取具體的先驗概率初始化。

2) 故障f發生條件下,征兆s出現的概率p(s|f)

以變壓器保護動作的條件概率為例,根據統計概率可得表2[12]。

表2　變壓器保護動作情況統計

由表中數據可知,變壓器保護故障時正確動作的概率p(s|f)=79.05%。

4.3實例驗證

以圖3所示的三機九節點電力系統為例,說明本文提出的故障診斷系統的診斷過程。

圖3　三機九節點系統圖

步驟1固定時間窗內進行接收警報信息。

如圖3所示系統故障后,在固定時間窗口內遙信信息如表3所示。

表3　遙信信息

由表2即可得到征兆SN={L5lm(t1)=1,CB15(t2)=1,B7S(t3)=1,L5lb(t4)=1},現根據本文中所述方法進行故障診斷。

步驟2保護動作信息識別

由于L5的主保護和后備保護均指向L5,因此合并為一個保護,可得S0={L5lm(t1)=1,CB15(t2)=1,B7S(t3)=1}

1) 全局完備化

根據網絡拓撲關系和繼電保護關聯結點對信息進行完備化處理,若某一結點的關聯結點出現在征兆信息中,則對其狀態進行修正。

在S0中存在兩個保護,通過網絡拓撲查詢得到與這兩個保護有關聯的斷路器分別為：L5lm(CB14,CB15),B7S=(CB7,CB14,CB13),但其狀態并沒有上傳,故對斷路器CB14,CB7,CB13的狀態進行再次讀取,讀取結果為動作,則將其修正為CB13=1,CB7=1。則有S1={L5lm(t1)=1,CB15(t2)=1,B7S(t3)=1,CB13=1,CB7=1}。

如與B7相關的斷路器失靈保護CB14S相關聯的結點斷路器CB14未動作,CB13動作,CB5動作,但是未上傳CB14的狀態,則應選擇將其作為征兆信息之一,但狀態未知。故將S1修正為S2,S2={L5lm(t1)=1,CB15(t2)=1,B7S(t3)=1,CB13=1,CB7=1,CB14=[0]}。其中狀態[0]表示該信息缺失,即斷路器CB14的動作狀態未知。

2) 局部完備化

信息上傳過程中的缺失信息有可能是故障診斷的關鍵信息,必須對這類信息進行修正,即征兆信息的局部完備化。貝葉斯網絡則是一種概率意義上的估計,能夠根據已有的先驗知識和信息,計算出缺失信息結點在不同狀態下發生的概率,推斷缺失信息的狀態。

如對于征兆集為S2,斷路器CB14的動作信號缺失,則假設與其相關聯結點在已觀察到狀態下,CB14不同狀態的概率,將其概率最大時的狀態作為修正的狀態。如p(CB14=1|CB14s=1,L5lm=1)=0.2055,p(CB14=0|L5lm=1,CB14s=1)=0.7955,故將CB14修正為0,則最終得到的征兆集為S3={L5lm(t1)=1,CB15(t2)=1,B7S(t3)=1,CB13=1,CB7=1,CB14=0}。

步驟3貝葉斯疑似度的故障診斷模型

1) 征兆信息完備化

根據已知的先驗概率初始化故障診斷模型如圖4所示。

2) 貝葉斯疑似度計算

由式(1)得：Bsd(fL5,SN)=0.9764,Bsd(fCB14,SN)=1。

3) 得到最優故障假設集

由于Symptom(fT1),Symptom(fCB2)覆蓋征兆集S2,因此故障集F={fCB14,fL5}。

圖4　故障診斷模型

4) 輸出故障診斷結果

由于最優故障假設集中,斷路器拒動與線路故障形成助判的關系,因此,診斷結果為變壓器故障,斷路器拒動。該診斷結果與實際運行相符。

步驟4判斷故障元件中是否含有線路

根據步驟3的結果,其中含有L5,因此采用基于綜合阻抗的故障線路選相技術對線路的故障相別進行識別[13]。

三機九節點系統,在線路Line5,Line6兩端都配備IED裝置,可以對電壓、電流進行采集。對于線路Line5,Line6作以下區域劃分。

圖5　區域劃分

圖6　L5接地短路故障的綜合阻抗

區域ⅠABCIm(Zcd)-310.8546.99-310.85Ph(Zcd)-69.1876.05-69.18區域ⅡABCIm(Zcd)-636.6123.46-636.61Ph(Zcd)-89.9872.26-89.98區域ⅢABCIm(Zcd)-636.61-637.67-636.61Ph(Zcd)-90.00-90.83-90.00

由圖6的仿真結果可知,通過區域劃分后,利用Matlab仿真得出Ⅰ區B相阻抗角為76.05度,阻抗虛部為46.99,Ⅱ區B相阻抗角為72.26,阻抗虛部為23.46,最后判斷為L5發生B相接地短路。

5結語

本文對故障元件診斷模型進行了實例驗證,結果正確可信,相較于以往的故障診斷方法具體優點有以下突出優點：

1) 采用有向二分圖法可有效降低故障診斷過程運算的復雜程度,提高診斷速度；

2) 根據保護動作時序及貝葉斯概率對征兆信息進行完備化處理,解決了征兆信息中存在的不確定性問題；

3) 模型初始化概率來源于歷史統計資料,數據真實可靠；

4) 對于故障線路能夠進行故障相別診斷。

隨著智能電網建設的不斷展開以及新能源在電網中的接入,電力系統運行的不穩定因素也在逐步上升,使得越來越多新問題不斷涌現并成為故障診斷領域亟待解決的新問題。本文提出的故障診斷方法是對提升電網故障診斷能力的有益嘗試,雖然對故障診斷方法進行了改進,仍需在工程應用中不斷改善。

參 考 文 獻

[1] 文清豐.基于多信息融合的電網診斷技術研究[D].北京:華北大力大學,2014.

WEN Qingfeng. Grid diagnosis based on information fusion technology research[D]. Beijing: University of North China Vigorously,2014.

[2] 趙冬梅.基于多信息源的電網故障診斷方法研究[D].北京:華北電力大學,2005.

ZHAO Dongmei. Research on power grid fault diagnosis method based on multi information source[J]. North China Electric Power University,2005.

[3] 蘇廣寧,張沛超,胡炎,等.基于多源信息的電網故障診斷新方法[J].電力系統自動化,2012,36(1):61-65.

SU Guangning, ZHANG Peichao, HU Yan, et al. A new method of power network fault diagnosis based on multi-source information[J]. The Automation of Power System,2012,36(1):61-65.

[4] 朱傳柏,郭創新,曹一家.基于調度綜合數據平臺的大規模電網分層故障診斷[J].電力系統自動化,2009,33(1):51-55.

ZHU Chuanbai, GUO Chuangxin, CAO Yijia. Hierarchical fault diagnosis of large-scale power grid based on scheduling integrated data platform[J]. Automation of Electric Power Systems,2009,33(1):51-55.

[5] 楊勝春,姚建國,高宗和,等.基于調度大二次系統的智能化電網調度輔助決策的研究[J].電網技術,2006,30(增刊):176-180.

YANG Shengchun, YAO Jianguo, GAO Zonghe, et al. Based on power dispatching automation system of intelligent grid scheduling decision[J]. Power System Technology,2006,30(Suppl):176-180.

[6] Ramsay F R F, Nethercot W. Engine ignition faults, and a new method of diagnosis and location running[J]. Power Engineering, Journal of the Institution of Electrical Engineers,1946,93(36):629-635.

[7] SUN J, QIN S Y, SONG Y H. Fault diagnosis of electric power systems based on fuzzy Petri nets[J]. IEEE Transactions on Power Systems,2004,19(4):2053-2059.

[8] 周曙,王曉茹,錢清泉.基于貝葉斯網絡的分布式電網故障診斷方法[J].電網技術,2010,34(9):76-81.ZHOU Shu, WANG Xiaoru, QIAN Qingquan. Based on Bayesian network distributed power grid fault diagnosis method[J]. Power System Technology,2010,34(9):76-81.

[9] 徐大可,汲勝昌,李彥明.變壓器繞組變形在線監測的理論研究[J].高電壓技術,2000,26(3):38-43.XU Dake, JI Shengchang, LI Yanming. Theoretical study on the online monitoring of transformer winding deformation[J]. High Voltage Technology,2000,26(3):38-43.

[10] 索南加樂,劉凱,粟小華,等.輸電線路綜合阻抗縱聯保護新原理[J].電力系統自動化,2008,3:36-41.

SUONAN Jiale, LIU Kai, SU Xiaohua, et al. Transmission line impedance longitudinal link protection principle[J]. Automation of Electric Power Systems,2008,3:36-41.

[11] 王汝言,吳晴,熊余,等.基于貝葉斯征兆解釋度的鏈路故障定位算法[J].計算機應用研究,2013,30(3):712-719.

WANG Ruyan, WU Qing, XIONG Yu, et al. A link fault location algorithm based on Bayesian sign interpretation degree[J]. Computer Application Research,2013,30(3):712-719.

收稿日期:2016年1月7日,修回日期:2016年2月13日

作者簡介:李郁俠,男,博士,研究方向:電力系統狀態監測與故障診斷。張凱華,男,碩士,研究方向:電力系統分析與優化運行。

中圖分類號TM41

DOI:10.3969/j.issn.1672-9722.2016.07.013

Fault Diagnosis of Multi-source Information Fusion

LI Yuxia1ZHANG Kaihua1TAN Yalan1,2LI Shi2HE Xiaojun2CHEN Bo2

(1. Xi’an University of Technology, Xi’an710048)(2. Gird State of Han Zhong, Hanzhong723099)

AbstractThe main source of fault diagnosis information is analyzed, and the fault diagnosis model based on different information is established. The fault diagnosis model is simplified. The efficiency of fault diagnosis can be significantly improved. In this method, the suspicious fault components are obtained by calculating the Bayesian suspected degree of various components and the fault line identification method based on the integrated impedance can be identified, and the timing constraint of the protection action is put forward. The validity and correctness of the model are verified by SIMULINK.

Key Wordsfault diagnosis, synthetic impedance, timing constraint