電網故障診斷的智能方法綜述

文/國網河北省電力有限公司石家莊供電分公司 安益辰 萬強 李建超

電網故障診斷主要指的是電網在運行過程中出現故障后，保護開關（如斷路器等）會動作并結合電網的電壓、電流波形的變化情況對故障的類型進行判斷，以確定故障部位，迅速識別故障元件。一旦電網出現故障會引發各類異常，大量的報警信息全部上傳至控制中心，要想用最短的時間找到故障所在并切斷故障電源難度較大，這便要求故障診斷方法快速準確。當前隨著電網的不斷發展，各種新型技術被應用在電網故障診斷中，而基于人工算法的故障診斷技術因其巨大的優勢被應用在電網故障診斷中。

1 電網故障診斷的智能方法

1.1 專家系統在電網故障診斷中的應用

趙笑奢指出：專家系統主要包含知識庫、知識獲取、數據庫、咨詢解釋、推理機以及人機接口等，在電網故障診斷中應用專家系統主要是通過規則的形式將運行人員診斷經驗、斷路器的動作邏輯以及保護器的動作邏輯等表現出來，以此構成故障診斷專家系統知識庫，再結合報警信息對知識庫予以推理，找準故障。[1]隨著專家系統在電網故障診斷中的應用，其逐漸暴露出以下缺陷：一是由于需要通過人工移植來獲取知識，因此獲取全部知識庫成為了故障診斷專家系統面臨的一大瓶頸；二是系統維護的難度較大，專家系統中的知識庫需要常常結合實際情況予以不斷修改，以至于維護的工作量較大；三是容錯能力較低，可能存在因為新故障現象沒有被包含在該知識庫中，引起系統誤診。

1.2 人工神經網絡在電網故障診斷中的應用

相比于專家系統，人工神經網絡的最大優勢便是其主要是運用神經元和神經元之間的優先權重連接來隱含故障處理知識，不僅泛化能力和非線性映射能力較強，而且還具有強大的容錯性。即便輸入帶有噪聲的信號，依然可以獲得準確的輸出結果，并且神經元還擁有相對獨立性，可以并行處理，因此人工神經網絡被廣泛應用在電網故障診斷中。朱立忠指出，人工神經網絡依然存在一些缺陷，主要表現為：一是所需的訓練樣本數量大，學習收斂的速度過慢；二是神經網絡的輸出值只能限于0～1之間，從而限制了其對診斷結果的解釋能力，增加了運行人員理解的難度；三是雖然神經網絡的容錯性較強，但是其依然無法為運行人員判定異常動作的裝置提供信息幫助。[2]由于神經網絡的上述缺陷，決定了這種智能方法比較適用于診斷中小型電力系統故障。

1.3 優化技術在電網故障診斷中的應用

優化技術其實是多種智能算法的統稱，常見的優化算法主要包含粒子群優化算法、遺傳算法、交叉熵算法以及蟻群算法等等。當前優化技術運用在電網故障診斷中能夠取得滿意的效果，是因為該項技術的推理主要是結合故障元件和斷路器、保護器之間的動作關系，通過目標函數最小化的0～1整數規劃來表示最優解問題。劉道兵等指出：在電網故障診斷中應用優化技術擁有扎實的理論基礎和嚴謹的推理，一般情況下優化算法均能夠正確地診斷故障，即便在故障信息不全面的情況下，也可以給出給出全面和局部的診斷結果。[3]但是，優化技術依然存在自身的不足，主要表現在三個方面：一是尋找目標函數的難度較大；二是優化算法的診斷過程需要無數次迭代數據，直到符合要求，因此整個過程所需時間較長；三是迭代的過程可能出現局部最優值或者在隨機因素下最優解丟失的情況。因此為了在電網故障中應用優化技術，還需要在提高迭代收斂和數學模型等方面做進一步研究。

1.4 Petri網在電網故障診斷中的應用

Petri網屬于一類加權的有向網絡，該網絡主要是通過圖形表示的，能夠針對離散時間動行為進行建模和分析的工具。由于電網系統故障的形成和傳播屬于一種并發的動態的行為，協助Petri網便能夠成功地構建故障診斷系統模型，通過圖形的形式對該系統功能關系和處理流程進行描述，將原本復雜的邏輯關系變得更加形象，利于運行人員分析和理解，因此Petri網在電網故障中的診斷擁有良好的前景。Petri網運用在電網故障診斷中的思路如下：借助Petri網對電網中繼電保護反應和故障以及有選擇性地故障切除整個過程描述出來，再求逆便可以獲得Petri網絡的故障診斷模型。涂敏指出：Petri網存在兩大缺陷，其一是要想保證Petri網的完整，要求經驗知識足夠多，并且節點的數量太多，容易引起狀態空間爆炸；其二是容錯能力有待提高識別錯誤的報警信息難度較大。[4]迄今為止，無論是國內還是國外，關于Petri網在電網故障診斷中的應用還停留在理論研究的階段，隨著電力事業的不斷發展以及電網結構的日益復雜，如何結合電網故障診斷的特征構建簡化的Petri網模型，是將Petri網應用在電網故障診斷中的前提。

1.5 模糊系統在電網故障診斷中的應用

從結構上分析，模糊系統和專家系統存在一定的相似性，該系統包含人機界面、模糊推理機以及模糊知識庫，通過引入模糊邏輯，將原本精確的推理變成了近似推理，從而提高了容錯性，便于運行人員理解。模糊系統適用于不確定性問題的處理中。導致電網故障不確定性的主要原因為斷路器或者保護器拒動、信息傳輸過程中受損等等，而應用模糊系統后上述問題便迎刃而解。趙笑奢就電力系統故障存在很多不確定性因素，提出了將模糊推理、模糊集同專家系統結合起來，形成了電網故障診斷新方法。模糊系統可以用于各類不確定信息的處理中，但是在應用時常常需要結合其他方法進行。[5]模糊系統的缺陷主要表現在三個方面：一是該系統無學習的能力；二是該系統在維護難度大，知識獲取困難等；三是雖然模糊系統具有一定的容錯能力，但是關于怎樣確定隸屬函數和當系統結構改變后如何修改隸屬函數等問題還有待解決。

1.6 粗糙集在電網故障診斷中的應用

粗糙集理論作為一類新型的數學工具，其研究的對象為不完整的數據和不精確的知識表達、歸納以及學習。該理論的基礎為觀察數據和測量數據的分類，通過分析數據，近似分類，對數據之間的關系進行推斷以及約簡知識等尋找出隱含的知識，發現潛在的規律。劉偉等針對當配電網出現故障診斷報警信息因為不完整和不確定引起結論不準確的問題，提出了借助改進辨識矩陣約簡故障樣本，在此基礎上結合加權平均粗糙度值實現故障樣本的分層，以此構建模型。[6]粗糙集的診斷方法不會發生分層的冗余性和盲目性，極大地減小了診斷模型空間，并且計算加權平均粗糙度非常容易，因此在電網故障診斷中具有較高的應用價值。

1.7 貝葉斯網絡在電網故障診斷中的應用

概率理論和圖論相結合由此誕生了貝葉斯網絡。這種診斷方法是在概率不確定性推理的基礎上產生的，當前已經成為處理各類不確定性信息的重要工具，被廣泛運用在各個領域的故障診斷中。張亞茹通過分析輸電線路中存在信息不確定和不完備的問題，提出了貝葉斯網絡診斷方法，并根據保護裝置的動作原理分別建立了不完備信息和完備信息下的分布式貝葉斯網絡模型，通過驗證發現將其運用在輸電線電路故障診斷中有效性和正確性較高。[7]站在理論的角度上分析，貝葉斯網絡屬于NP-complete問題，因此其訓練比較復雜，換句話說就是在現有的計算機條件下是無法計算的，但是在某些應用中，可以簡化訓練過程，從而實現計算。

1.8 綜合智能技術在電網故障診斷中的應用

在上面綜述了七種智能方法，其各有自身的優點和缺點，若將其單一地運用在電網故障診斷中存在一定的局限性，而選取幾種方法融合使用，便能夠最好最快的診斷出故障，因此綜合智能技術在電網故障診斷中的應用成為了研究的熱點。熊軍華等在配電網故障診斷中將粗糙集和貝葉斯網絡有機結合起來，借助粗糙集信息表約簡技術來壓縮故障特征和簡化專家知識，從而獲得了最小的診斷規則，在此基礎上構建貝葉斯網絡模型便能夠有效降低獲取故障特征的難度和網絡結構的復雜性，并且運用貝葉斯網絡對概率進行推理，以便把握故障變化特征，迅速分析配電網故障原因。[8]劉超提出了一種基于粗糙集理論和量子神經網絡的電網故障診斷技術，即通過粗糙集理論不確定信息處理能力和知識約簡能力，分層挖掘了電網故障診斷知識，從中優選屬性，最后再借助神經網絡模式識別故障診斷知識。[9]

2 電網故障診斷發展趨勢

根據當前電網故障診斷中智能技術應用現狀，今后電網故障診斷將朝著以下幾個方面發展。（1）多種智能方法融合運用于電網故障診斷中。就目前來看，大多數依然是采用單一的智能方法診斷電網故障，而今后會將多種智能技術融合起來，相互之間取長補短，從而提高診斷結果的可靠性。（2）基于多數據源信息融合診斷技術。目前在電網故障診斷中使用的診斷技術大部分是利用開關量的信息，電氣量在精確性和容錯性方面更具優勢，將數據源不同的電氣量和開關量信息融合起來，有助于提高診斷結果的精確性。（3）基于分布式智能技術故障診斷。分布式的故障診斷方法能夠把大電網分區之后再開展分布式故障診斷，從而成功化解了大電網故障診斷難度大的問題。2007年，中國電科院的工作者便采用貝葉斯網絡診斷技術，在含有不確定故障信息的大型系統這一平臺上，開展了MAS協同故障診斷，診斷結果確切。（4）關于在線電網故障診斷實用化方面的研究。迄今為止，相關領域的專家和學者在電網故障診斷的理論方法取得了大量的研究成果，但是在關于實用化研究方法還有待加強。如何將理論運用于實踐中，是未來電網故障診斷的一大重要課題。

3 結語

綜上所述，在現代化技術飛速發展的今天，對電網運行系統運行的穩定性和安全性均提出了更高的要求，但是在電網運行過程中不可避免地發生各類故障，因此必須借助新技術迅速診斷出故障。當前我國電網已經步入了智能化，運用智能技術診斷電網故障是發展的必然趨勢。本文綜述了智能技術在電網故障診斷中的應用，但是很多技術當前還處于理論研究階段，還需要更多學者進行研究和實踐。