电力系统故障诊断技术发展趋势2011-09-28 来源： 中国仪表网 电力系统故障诊断是通过利用有关电力系统及其保护装置的广泛知识和继电保护等信息来识别故障的元件位置（区域）、类型和误动作的装置，其中故障元件的识别是关键问题。电力系统故障诊断研究具有重要的现实意义。随着电力系统规模的不断扩大和结构的日益复杂，大量的报警信息在短时间内涌人调度中心，远远超过运行人员的处理能力，易使调度员误判、漏判，为了适应各种简单和复杂事故情况下故障的快速、准确识别，需要电力系统故障诊断系统进行决策参考。同时，由于电力系统调度自动化水平不断提高，越来越丰富的报警信息通过各变电所的远程终端装置（RTU），传送到各级电网调度中心，使得利用采集的实时信息进行电力系统故障诊断成为可能。另外，对于电力系统故障的仿真分析和模拟培训，也可以通过电力系统故障诊断系统来提升调度员的经验和水平。目前，国内外提出了许多电力系统故障诊断的技术和方法，主要有专家系统、人工神经网络、优化技术、Petri网络、模糊集理论、粗糙集理论、多代理技术。
本文首先综述了电力系统故障诊断的各种研究方法，评述了这些方法中需要改进之处，并
schrodinger方程
进一步指出了该领域所需解决的关键技术问题和主要发展趋势。它们对构建电力系统故障诊断智能辅助决策系统具有重要的指导意义，对保证电力系统的安全运行、减少事故的经济损失具有重要的理论和现实意义。
焦痂
一、国内外研究发展状况
1.1基于专家系统的诊断方法
若男和她的儿女们>发热手套
老年人建筑设计规范 专家系统（expertsystem）利用专家推理方法的计算机模型来解决问题，己获得日益广泛的应用。目前，专家系统用于电力系统故障诊断是比较成功的。根据故障诊断的知识表示和所用推理策略的不同，专家系统主要有2类:
1）基于启发式规则推理的系统。
此类系统把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成故障诊断专家系统的知识库，采用数据驱动的正向推理将所获得的征兆与知识库中的规则进行匹配，进而获得故障诊断的结论。现在大多数故障诊断属于这一类。
2）结合正、反推理的系统。此类系统结合了正反向混合推理方法，根据断路器和继电保护与被保护设备之间的逻辑关系建立推理规则，同时通过反向推理，有效地缩小可能故障的范围，以动作的继电保护与故障假设的符合程度计算可信度。文献[4]介绍了基于事例推理（CBR）和基于规则推理（RBR）的混合推理的故障诊断专家系统。由于采用了混合推理，提高了故障诊断专家系统的适应性与自学习能力。
基于专家系统的诊断方法的主要特点是可以方便地把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，并允许在知识库中增加、删除或修改一些规则，以确保诊断系统的实时性和有效性，同时还能够给出符合人类语言习惯的结论，并具有相应的解释能力等，比较适合中小型电力系统和变电站的故障诊断。该方法在实际应用中仍然存在如下主要缺陷:①建立知识库及验证其完备性比较困难;②容错能力较差，缺乏有效的方法识别错误信息;③大型专家系统的知识库的维护难度很大;④专家系统在复杂故障诊断任务中会出现组合爆炸和推理速度慢的问题。这些缺陷使得专家系统难以满足大规模电力系统在线故障诊断的需要，目前主要应用于离线故障分析。
1.2基于人工神经网络的诊断方法
与专家系统相比，基于人工神经网络（ANN——artificialneuralnetwork）的故障诊断方法具有鲁棒性好、容错能力强和学习能力强等特点。目前应用于电力系统故障诊断的ANN有:
基于BP（ackpropagation）算法的前向神经网络和基于径向基函数的神经网络等。文献[4]给出了典型的故障诊断神经网络BP模型，其实现方法是:以电力系统继电保护信息作为ANN的输入，以可能发生的故障作为其输出，选择适当的样本集训练ANN。整个训练过程为:首先根据网络当前的内部表达，对输入样本进行前向计算;然后比较网络的输出与期望输出之间的误差，若误差满足条件，则训练结束，否则，将误差信号按原有的通路反向传播，逐层调整权值和阀值，如此反复，直至达到误差精度要求。文献[5]将大型输电网络分区，对各个区域分别建立基于BP算法的故障诊断网络，然后综合获得最终的故障诊断结果。
基于ANN的诊断方法的主要特点是避免了专家系统故障诊断所面临的知识库构造等难题，不需要推理机的构造。由于用于ANN训练的完备样本集获取困难，目前该方法只比较适合中小型电力系统的故障诊断。ANN方法在故障诊断应用中存在的问题主要是:①其性能取决于样本是否完备，而大型的电力系统的完备样本集获取非常困难;②与符号数据库交互的功能较弱;③不擅长处理启发性的知识;④不知如何确保ANN训练时收敛的快速性和避免
陷人局部最小;⑤缺乏解释自身行为和输出结果的能力。以上缺点限制了ANN故障诊断方法在线应用于大型电力系统。如何设计适用于大型电力系统的故障诊断系统，仍然是一个有待进一步研究的问题。
1.3基于优化技术的诊断方法
基于优化技术（optimizationmethods）的诊断方法是一种基于数学模型的求解方法，其基本思想是将电力系统故障诊断问题描述成为0-1整数规划问题，并构造一种解析数学模型，利用优化技术寻问题的最优解。文献[6]首次建立了根据保护动作和继电器信息识别故障元件的数学模型，并从诊断结果应该尽可能解释所有报警信息的角度出发，给出了故障诊断问题的适应度函数，从而将电力系统故障诊断问题转化为0-1整数规划问题。文献[7]提出了发生故障时的报警信息（即保护动作和断路器跳闸信息）对不可观测的保护（即动作信息在电力系统调度中心不可获取的保护）状态迸行识别的新概念，并构造了故障诊断与不可观测的保护状态识别集成的0-1整数规划模型。
基于优化技术的诊断方法的主要特点是其诊断模型理论上是严密的，不需要引入启发式知识，用常规的算法即可实现，它比较适合所需信息比较完整的电力系统故障诊断。该方法需要改进之处主要包括:①如何建立合理的电网故障诊断数学模型，在形成目标函数的过程中，需要考虑多级后备保护时比较困难;②由于优化方法在寻优过程中存在随机因素，有可能会失去某些最优解;③由于在诊断过程中必须进行迭代，从而导致速度较慢，提高诊断速度也是一个重要的研究方向。
1.4基于Petri网络的诊断方法
Petri网络是在构造有向图的组合模型的基础上，形成可以用矩形运算所描述的严格定义的数学对象。Petri网络是离散事件动态系统建模和分析的理想工具。电力系统故障发生属于一个离散事件的动态系统，由系统中各级电压的变化、各类保护的动作反映故障，并把
切除故障的过程看做一系列事件活动的组成，而事件序列与相应实体联系在一起。动态事件主要包括实体活动（例如断路器、继电保护装置等）和信息流活动（例如信号传递、控制指令发送、各监测信号流等）。
鉴于电力系统故障动态过程描述的可行性，可用Petri网络构造电力系统诊断模型。文献[8]以输电网络中的设备为单位，首先研究了故障"切除"过程的Petri网络模型，进而对故障诊断的Petri网络模型求解。文献[9]在此基础上加人了后备保护的模型，进一步发展了基于Petri网络的故障诊断模型。文献[lO]提出了嵌人冗余Petri网络方法，它在原考虑的故障类型Petri网络的基础上加入错误伴随式矩阵C，其目的是要解决由于网络中事件序列和信息流不正常时（如保护或断路器的拒动等）的故障诊断。
基于Petri网络的诊断方法的主要特点是它可以对同时发生、次序发生或循环发生的故障演化过程进行定性和定量的分析，比较适合于变电站的故障诊断。该方法存在的不足之处
主要有:①对大规模电网基于Petri网络模型建模时，因设备增加和网络扩大会出现状态的组合爆炸;②petri网络方法的容错能力较差，不易识别错误的报警信息;③基本的Petri网络不能描述时间特征要求高的行为特征，因此在复杂系统建模时，需要采用高级的Petri网络，例如谓词/变迁网、有时间网等。上海家校互动平台
1.5基于粗糙集理论的诊断方法
粗糙集理论（roughsettheory）是波兰Z.Pawlak教授于1982年提出的一种处理不完整性和不确定性问题的新型数学工具。文献[11]描述了粗糙集理论的主要思想:在保持分类能力不变的前提下，通过知识约简，导出问题的决策或分类规则。它无需提供问题所需处理的数据集合之外的任何先验信息，能有效地分析和处理不精确、不一致、不完整等各种不完备数据，从中发现隐含知识，揭示潜在规律。鉴于粗糙集理论的优越性，已经有不少研究人员把它引人到故障诊断系统中。文献[12,13]把粗糙集理论应用于电力系统故障诊断和警报
处理，尝试应用粗糙集理论来处理因保护装置和断路器误动作、信号传输误码而造成的错误或不完整警报信号，提出的方法考虑各种可能发生的故障情况，建立决策表（类似于ANN故障诊断的训练样本集），然后实现决策表的自动化简和约简的搜索，删除多余属性后抽取出诊断规则，揭示警报信息内在冗余性。文献[14]提出了基于粗糙集理论与二元逻辑运算相结合的属性约简算法以及改进的值约简算法，并将其应用于由断路器和保护作为条件属性、故障区域作为决策属性的诊断决策表的约简过程中，利用决策表的约简形成综合混合知识模型。文献[15]提出和构造了4类不同的粗糙集与神经网络（NN）组合的故障诊断模型，给出了粗糙集与NN在4类模型中实现不同的互补性、关联关系、应用机理和原则及相应的局限性。
基于粗糙集理论的诊断方法的主要特点是:它能较强地处理信息不完整和信息冗余的情形，比较适合中小型电力系统和变电站的故障诊断。该方法需要进一步改进之处有:①粗糙集方法的诊断规则的获取取决于条件属性集下各种故障情况训练样本集;②当丢失或出错的警报信息不是关键信号时，不会影响诊断结果;然而，当丢失或出错的警报信息是关键信号
时，诊断结果将受到影响;③当考虑发生多重故障时，粗糙集方法将出现决策表十分庞大、甚至出现"组合爆炸"问题。
1.6基于模糊集理论的诊断方法
模糊集理论（fuzzysettheory）在电力系统故障诊断的应用分2类情况:一类认为诊断所依据的信息正确，但故障与对应的动作保护装置和断路器状态之间存在不确定的关联关系，以及用模糊隶属度对这种可能性进行描述的度量;另一类则认为诊断所依据的报警信息的可信度不为1，而根据系统网络拓扑与故障所发生的动作保护、断路器状态赋予报警信息的可信度，再由专家系统或ANN给出故障诊断结果的模糊输出。文献[16]属前一类，认为故障与动作的保护装置之间、动作的保护装置与所控制的断路器之间可以存在不确定的关联关系，可以用模糊数学来描述它们之间的关联关系。根据可能的故障，可以寻由故障点到报警信息可能的通路，再寻故障点与可能动作的保护装置之间、动作的保护装置与可控
制的断路器之间关联关系，合成总的模糊度，用以表示故障诊断位置可能性的度量。文献[17]属后一类，它先对诊断模型所依据的输入信息模糊化，根据输电网络拓扑的当前情况，对保护、断路器动作行为的统计数据赋予报警信息可信度，通过ANN或专家系统诊断模型输出模糊数，再由反模糊系统去解释其输出，提供给运行人员一个语言化的结论。
基于模糊集理论的诊断方法的主要特点是:它能处理信息的不确定性，往往需要与其他各种人工智能技术（例如专家系统、ANN等）结合在一起使用。根据对模糊系统具体应用的分析，得出尚须深人研究的问题有:①对不确定性问题用隶属度函数来描述时，应建立什么样的有效隶属函数是极其关键的问题;②大规模复杂系统的模糊模型的建立存在难度，同时，当诊断系统的结构等发生变化时，与其有关的模糊知识库或规则的模糊度也要相应修改，可维护性能较差。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议