基于數據庫的電網故障實時分析方案研究

林科振，王 輝

（國網浙江省電力有限公司寧波市北侖區供電公司，浙江 寧波 315800）

0 引 言

在電網運行中，電氣設備老化、過載等原因會造成電網跳閘和電氣元件故障等問題，要求電網企業加強對電網運行數據的分析，全面掌握電網整體運行情況，并及時分析和處理電網故障，防止電氣設備故障影響用戶用電需求，保障電氣系統可靠穩定運行。但是，電網系統結構較為復雜，相同的電氣故障可能由多種原因導致，采用人工排查方式效率低，且易受維修排障技術人員個人經驗、技術能力的影響，難以滿足現階段電網系統穩定運行的要求。基于此，提出一種基于數據庫分析的電網故障實時分析系統，通過對電網故障狀態信息進行采集、分析以及識別，為現場維修排障技術人員提供參考和建議，以保障電網系統可靠穩定運行。

1 電網故障實時分析技術原理

電網發生故障時，及時準確診斷電網故障位置和故障元件，對電網恢復供電具有重大意義。傳統的電網故障診斷主要將故障上報至SCADA系統保護和斷路器等開關量狀態信息處，但由于保護和開關誤動、拒動以及信息傳輸丟失等因素的存在，往往造成電網故障診斷范圍擴大化，甚至出現電網故障誤判等情況，給電網故障診斷與排障造成了一定困難。因此，僅僅依靠電氣開關量作為故障診斷依據已不能滿足當前電網的診斷要求。

由于電網故障發生故障前，電氣量會先于保護裝置和斷路器等裝置發生變化，如電壓和電流波形等數據。電壓和電流等信息量較大，具有實時性和準確性等特點，因此將電氣信息與開關量數據相結合作為電網診斷依據，能夠顯著提高電網故障診斷的準確性與可靠性，從而為現場技術人員排除故障提供可靠依據。

隨著電網系統電氣自動化技術的深入應用，電網保護故障信息管理系統（RPMS）除能夠實時獲取電網故障保護動作信息外，還能夠采集廣泛分布于各廠站的故障錄波器信息。同時，基于衛星定位的廣域測量系統（WAMS）作為新一代組網動態監測系統，利用同步向量測量單元，實現對電網系統電壓、電流以及功率等實時數據的采集、傳輸、存儲以及利用，并借助GPS時標動態監測系統實現電網故障位置的精確定位。因此，將RPMS與WAMS系統相結合能夠發揮兩種系統優勢，實現優勢互補，有利于提高電網系統故障診斷準確性[1]。

因此，本文提出RPMS、WAMS以及SCADA系統多源數據采集、存儲以及使用的電網故障診斷方法，借助小波能量譜分析、改進RBF神經網絡、貝葉斯網絡算法，提取電氣元件故障和電網信息，建立故障判斷和預警模型作為電網故障特征，進而為電網故障實時分析、知識管理以及教育培訓提供有效支持。

2 電網故障實時分析系統架構

本系統架構分為數據采集層、傳輸層以及數據存儲和應用層共3層。

2.1 數據采集層

數據采集層主要負責廠站內電網設備信息采集和上報等功能。數據采集層采集數據的來源主要包括SCADA系統、WAMS系統、繼電保護信息系統以及故障錄波信息系統。SCADA系統是電網調動自動化實現的核心，是電網調動中心各類系統的數據來源，主要負責采集和預處理各類實時和非實時數據等工作。SCADA系統采集數據內容包括模擬量測量數據（遙測數據）、狀態測點數據（遙遠數據）以及脈沖累加量（遙脈數據）。其中，模擬量測量數據主要為電流、電壓以及功率等模擬信息；狀態測點數據是指電氣設備開關量，主要為斷路器、隔離開關以及警報信息等狀態信息；脈沖累加量主要通過脈沖技術獲得。由于SCADA系統監測數據具有連續性和長期性特點，可能造成監測數據過大，因此SCADA系統上傳數據為測點變化信息。WAMS系統主要接收以PMU為核心的子站向量數據。由于PMU子站系統采用GPS時鐘校準，能夠實現電網電壓和電流等數據的統一時標采集、電壓與電流相角的精確計算等功能。當前，由于WAMS系統普及率不高，在較長時間內將會呈現SCADA系統為主、WAMS系統為輔的電網監測系統局面。繼電器保護系統的主要功能是對繼電保護裝置數據和圖形進行查詢和瀏覽，并對繼電保護裝置相關表格和文件進行輸入、修改以及刪除等操作。在電網故障診斷系統中，繼電保護系統采集數據包括被保護電氣元件運行狀態信息、保護動作記錄以及保護裝置定值等。當電網系統發生故障時，繼電保護系統可向電網診斷系統提供繼電保護裝置警報信息，包括故障開始時間、故障元件、故障類型、開關跳閘以及保護動作情況等信息。由于電氣信息先于保護和斷路器等裝置發生變化，故障錄波系統能夠反映SCADA系統無法體現的電氣量信息。通過對故障錄波數據進行故障特征分析，能夠提高電網故障分析的全面性和準確性。故障錄波系統采集信息包括保護裝置整定值、保護動作事件以及故障錄波數等[2]。

2.2 數據傳輸

電網廠站采集上述信息后，經數據接口上傳至電網控制室。為避免各廠站數據相互干擾，本系統采用不同廠站間通信隔離和雙鏈路冗余備份機制。廠站內數據經集中采集后上傳至控制中心存儲設備，供系統服務器隨時調用、特征提取以及故障分析。

2.3 數據存儲及應用

本系統基于多源數據采集，數據存儲于存儲設備內，詳細記錄多源數據時間和數值等，并按數據來源分類存儲。經數據和故障特征分析，深入挖掘電網故障模型與多源數據之間的關聯，分析和總結形成電氣元件狀態信息判斷業務的規則，實現事件對象特征屬性與數據源之間的相關性分析。當多源數據校驗和分析故障信息一致且符合電網故障事件條件和特征后，經網絡傳輸層傳輸至電網控制中心、廠站操作室以及現場技術人員手持設備，及時提醒電網故障位置和故障類型，并給出處理建議。

系統中故障處理決策信息來源于電網維護技術人員經驗總結、現場處理結果以及專家知識支持等方面，進而形成電網故障處理措施專家庫。通過分析電網結構、電氣元件故障類型以及處理措施，建立電網故障類型與處理措施之間的關系，并根據現場電氣設備維護排障處理結果進行反饋，進一步豐富電氣元件故障處理措施，以閾值和表達式的方式建立系統故障知識庫。當系統采集數據符合故障狀態閾值條件時，通過調研專家庫內處理措施，為現場技術人員排查和排除故障提供有效建議和措施。故障排除后，由現場技術人員反饋故障處理措施，進而形成完善和豐富電網故障知識數據庫[3]。

3 關鍵技術

根據電網故障系統原理，本系統關鍵技術主要為多源數據故障特征提取和故障信息融合。

3.1 故障特征提取

由于系統中引入多源數據作為數據分析基礎，且不同來源數據特性不同，因此合理選擇數據分析方法尤為關鍵。系統主要采用小波能量譜分析、改進RBF神經網絡算法以及時序貝葉斯網絡算法提取多源數據故障度特征，并通過改進D-S證據理論進行信息融合，以提取電網故障特征信息，形成有利于多源數據協調和融合的電網故障信息模型，實現多源數據的綜合利用。

3.1.1 電網故障多元數據故障度特征提取

系統針對多源數據分析需求采用的數據分析方法如表1所示。

表1 多源電網故障信息來源及分析方法

3.1.2 基于開關量診斷的貝葉斯網絡故障度

針對保護裝置和斷路器動作等故障信息可采用貝葉斯網絡方法提取故障診斷信息。依據貝葉斯網絡模型，假設線路正常、故障正確動作率為98%和95%的情況下，計算線路故障診斷e1作為故障概率EB：

式中，sum為支路總數。以貝葉斯故障度作為電氣元件故障率證據體，e1B表示電網支路間故障相對支持度。

3.1.3 基于WAMS PMU電壓錄波的故障度

RBF神經網絡為三層前向網絡，具有較強的非線性映射能力、分類能力以及容錯性能，通過樣本訓練方式能夠有效挖掘數據特征。依據RBF神經網絡模型，基于PMU采集的電氣量信息作為電網故障分析依據，如PMU電壓錄波等，通過建立電壓錄波RBF神經網絡模型，經樣本訓練能夠實現電網故障信息的準確有效識別。RBF神經網絡模型可表示如下：

式（2）中，c為輸出分類數，yj為神經元輸出。

通過輸入電網支路故障訓練樣本數據，將電網故障前后20 s的PMU電壓錄波經小波能量分析后計算取值能量畸變度，并將其倒數作為神經網絡輸入值，以PMU個數作為輸入維數，樣本集輸出維數c與電網支路數相等，輸出量中的故障支路元素等于故障支路數的倒數，其他元素的值均為0。經RBF神經網絡模型訓練后，它的輸出值為RBF網絡故障度，反映電網線路間故障的相對支撐程度[4]。

3.1.4 故障錄波器能量畸變度和能量畸變故障度計算

能量畸變度和畸變故障度表示電網兩端電壓故障發生前后一個波形周期內小波總能量。以線路Li為例，當Li發生故障時，線路兩端故障前小波總能量為EVifB和EVitB，則故障后小波總能量為EVifA和EVitA分別表示線路兩端節點，則能量畸變度λi可表示為：

式（3）中，i為電網支路編號，λi為電網線路各項電壓最大值。

根據能量畸變度計算公式，計算各線路電壓能量畸變度，以此作為能量畸變故障度eiλ，可表示為電網線路故障相對支持程度：

3.2 故障信息融合

基于多源數據輸入，將SCADA系統、WAMS系統以及錄波器數據經計算存儲于數據庫，便于本系統數據調用和融合計算，為電網故障分析提供依據。當電網發生故障時，通過調用多源數據進行故障信息融合，對多源數據可信程度進行分析，從而解決單一證據體證據力和電網故障判斷決策依據不足的問題[5]。

系統中，基于D-S理論對數據源進行歸一化處理，基于可信度分析和合成規則實現證據融合。在證據體可信度分析時，假設可靠性最高的證據體可信度設置為μi(μi≤1)，以μi作為修正系數原始證據體M，剩余概率分配其他未知電網故障情況M(Θ)，則修正后證據體BPA值可表示為：

針對多源證據體局部沖突的情況，通過歸一化處理和合成，計算電網故障判斷元素Mjk(A)為：

式中，證據體BPA值mjk(·)?M，Mjk(A)為證據體融合后BPA值。

經樣本訓練和計算，本系統能量畸變故障度、能量故障度、RBF神經網絡故障度以及貝葉斯故障度系數分別取值為1、0.95、0.9以及0.8。

3.3 故障信息處理流程

基于上述關鍵技術的故障信息處理流程如下。

（1）獲取故障信息。通過SCADA系統獲得開關量信息，通過WAMS系統獲得電氣量，通過錄波器獲得電壓錄波以及電氣錄波等信息，并存儲于數據庫。

（2）基于故障信息分析。對電網故障區域進行分析，根據專家知識庫，計算可能的故障元件。

（3）開關量信息分析。通過調用和分析SCADA系統開關量信息，計算電氣元件故障概率。

（4）電氣量信息分析。通過分析數據中WAMS系統和錄波器故障度，獲得電氣元件電流故障概率特征信息。

（5）信息融合。基于D-S理論對電網元件開關量和電氣量信息融合，建立電網故障診斷模型。

（6）診斷決策。基于多源數據分析的診斷決策模型對各類電網故障進行分類，根據專家知識庫診斷故障元件，為現場維護排障提出決策建議。

4 結 論

在電網故障排查過程中，單一證據體可能存在保護、繼電器誤報、誤動和拒動等情況，對電網故障排查產生誤導作用，進而影響電網故障排查效率和準確性。針對該問題，本文提出了基于多源數據分析的電網故障實時分析系統，通過實時數據分析，實現了電網故障診斷，并給出了決策建議。利用該系統可顯著提高電網故障診斷效率，提高故障診斷準確性。此外，通過該系統歸類診斷，可用于電網維護技術人員知識經驗總結、歸類以及教育培訓，從而為培養電網企業人才奠定堅實基礎。