基于網(wǎng)絡的電網(wǎng)故障診斷探討

李小東

摘 要：作為國家發(fā)展的重要支撐，若電網(wǎng)系統(tǒng)出現(xiàn)斷電事故或是故障，對群眾生活有很大的影響。另外，還將對企業(yè)甚至是國民經濟帶來沉重的損失。正因為此，一個精準的電網(wǎng)故障診斷系統(tǒng)有助于及時地發(fā)現(xiàn)和分析故障設備，找出故障原因和有效排除。本文運用貝葉斯網(wǎng)絡診斷方法，構建以MAS為支撐的電網(wǎng)故障診斷體系，判斷電網(wǎng)故障診斷中該方法的應用方法與策略，旨在提高電網(wǎng)診斷總體的效率。

關鍵詞：Agent網(wǎng)絡;電網(wǎng)故障;診斷

電力系統(tǒng)中，電網(wǎng)是非常關鍵的一個部分，重點負責輸送、配電和轉變電壓的系統(tǒng)。近些年，居民用電需求逐步地增長，電網(wǎng)運行及其結構更為復雜，故障率成倍提高。該情況下，建立一個精準的電網(wǎng)故障診斷系統(tǒng)，關系到電力系統(tǒng)能否正常地運轉。伴隨電網(wǎng)規(guī)模的不斷擴大，分層分布式的系統(tǒng)架構以及多智能體系統(tǒng)在陸續(xù)地研究中，重點是利用分層分區(qū)來對任務進行分解，減小調度端面臨的解題壓力，使大電網(wǎng)中的復雜故障得到順利地化解。

一、電網(wǎng)故障診斷的研究現(xiàn)狀

（1）專家系統(tǒng)。以計算機技術為支撐，運用專家積累的經驗構建起專家知識庫。結合知識庫，對專家獨特的推理過程進行模擬。電網(wǎng)故障診斷中，專家系統(tǒng)相對較早、成熟度高。診斷結果，和故障原因之間密切相關，體現(xiàn)出了故障特征，接近于人類的診斷思維。

（2）人工神經網(wǎng)絡。通過對人類神經系統(tǒng)進行模擬，處理信息的一種人工智能技術。它將電網(wǎng)保護以及開關信息量當作是人工神經網(wǎng)絡中重要的輸入端，將故障狀態(tài)納入輸出端，建立樣本訓練模型。對神經網(wǎng)絡而言，只有兩種診斷方法。一是輸入，二是輸出，無需過多的專業(yè)知識。正因為此，它的容錯能力明顯要比專家系統(tǒng)更具優(yōu)勢，并保留神經網(wǎng)絡獨特的優(yōu)勢和學習能力，有較強的自適應性。

（3）貝葉斯網(wǎng)絡。貝葉斯網(wǎng)絡（Bayesian Network），將概率論知識、圖形理論之間進行結合，有扎實的理論基礎。貝葉斯網(wǎng)絡，是基于貝葉斯公式確立和發(fā)展的數(shù)學模型。按照設備的關聯(lián)性及其不確定性，可以完成概率推理。步驟：在不同狀態(tài)上建立起相關概率，結合故障特征找到故障率最高的設備。

（4）模糊推理。基于模糊集理論，按照普遍的故障源、原因構建起知識數(shù)據(jù)庫。結合模糊數(shù)學模型和使用者的經驗，按模糊隸屬度對對象的精確性進行描述，從數(shù)據(jù)庫中尋找類比概率相對最高的故障原因或是元器件，容錯能力相對較好。模糊理淪，實際上是將傳統(tǒng)的集合理論進行模糊化，引入語言變量以及模糊邏輯，是一項成熟的推理體系。通常，模糊系統(tǒng)的內部結構類似于前述的專家系統(tǒng)，包括模糊知識庫、推理機以及人機界面這幾個不同的部分。換句話說，模糊系統(tǒng)也可以看作是模糊理論、專家系統(tǒng)結構二者的結合。

二、基于多Agent系統(tǒng)的動態(tài)網(wǎng)絡電網(wǎng)故障診斷

拓撲結構識別故障診斷模型涵蓋3個不同的部分：監(jiān)視器Agent、Aco以及ID Agent。系統(tǒng)模型，見下圖。

（1）實時獲取電網(wǎng)診斷狀態(tài)數(shù)據(jù)。電網(wǎng)系統(tǒng)若碰到故障或是異常情況，狀態(tài)數(shù)據(jù)必定有所轉變。人工智能agent，可以在最短時間內將診斷對象的全部數(shù)據(jù)進行搜集，找到異常信息。如設備運行中，精準捕捉到繼電保護以及斷路器信息。同時，將該類設備相關的故障信息逐步傳遞至整個診斷系統(tǒng)，利于診斷與客觀分析。

（2）局部結線分析agent。電網(wǎng)故障中，該系統(tǒng)的作用在于可以收集到斷路器的相關信息。運行時，利用接線分析法來辨識鼓聲故障前、后系統(tǒng)的不同狀態(tài)。根據(jù)兩種狀態(tài)彼此的差異，尋找故障的根源，同時將這些故障原因及時地向上級系統(tǒng)進行反饋。

（3）診斷模型生成agent。電網(wǎng)故障中，診斷模型生成系統(tǒng)同樣也是非常關鍵的部分，多根據(jù)計算機模型來預測電網(wǎng)中出現(xiàn)的故障原因。診斷系統(tǒng)，能夠從用戶接口位置的agent成功地對線路、母線以及變壓器上的數(shù)據(jù)、信息進行接收。運用事先設定的學習方法以及算法，進行模型診斷，建立起相應模型，利于故障診斷。該種基于計算機的智能化診斷，顯著地提升了診斷效率。

（4）元件診斷貝葉斯網(wǎng)絡生成agent。該診斷方法，是按照元件故障診斷模型、元件—保護—斷路器三者的相關性，運用元件貝葉斯生產方法來對不同元件分別建立起診斷貝葉斯網(wǎng)絡。生成工作結束后，將這些數(shù)據(jù)逐一地保存到數(shù)據(jù)庫中。故障出現(xiàn)后，若數(shù)據(jù)庫中找不到元件對應的診斷貝葉斯網(wǎng)絡，可考慮喚醒相關agent便于生成。

（5）故障診斷agent組。電網(wǎng)診斷中，故障診斷agent是基礎和重點。它集合了若干不同的診斷樞紐，包括診斷控制agent、母線、線路以及變壓器等若干不同的零部件。從工作內容上看，各個部件有明顯的區(qū)別。如診斷agent，其功能在于提供專業(yè)的信息管理服務。電網(wǎng)設備運行階段中，它負責和其他系統(tǒng)之間保持溝通。根據(jù)各個系統(tǒng)的功能，劃分相應的工作人員，以便對設備實施監(jiān)控、協(xié)調。故障診斷agent組成為系統(tǒng)的核心，說到底是由于它參照了貝葉斯網(wǎng)絡診斷方法，根據(jù)元件故障、斷路器跳閘以及保護動作三者的邏輯關系，構建起一套完整的診斷模式。它是一種分布式診斷，可以對電網(wǎng)系統(tǒng)中不同的運行狀態(tài)加以監(jiān)控，找出現(xiàn)場故障，同時進行診斷。電力設備運行階段中，診斷效率相對較高。可以較好地控制運行中出現(xiàn)的突發(fā)性問題，對電力供應較為有利，同時也適應了各地用戶的用電需求。

（6）用戶接口agent。診斷工作中，該系統(tǒng)能夠在診斷者、設備雙方建立起人機交互界面，及時展現(xiàn)診斷結果與其他信息。另外，診斷者利用該系統(tǒng)可以將診斷知識以及接線狀態(tài)及時地輸入agent中，創(chuàng)建內容，適應用戶的指令需求，找出故障背后的根源，采取合理的解決對策。

三、結語

總體來看，電網(wǎng)系統(tǒng)運行中難免會碰到不同類型的故障。不同的故障，其解決方法也會有很大的區(qū)別。本文提倡的解決方法僅僅為其中之一，伴隨技術的創(chuàng)新與進步，網(wǎng)絡解決方法也將日漸增多，這對電力系統(tǒng)和用電安全有很大的保障。

參考文獻：

[1]朱博，胡燕，趙永標.人工神經網(wǎng)絡在故障診斷中的應用[J].艦船電子工程，2015，25（1）：91-95.

[2]劉京津.基于多智能體系的故障診斷技術在智能電網(wǎng)中的應用[J].電子與封裝，2017，13（12）：43-48.