喬志剛

(西山煤電集團公司，山西 太原 030053)

煤礦供電系統(tǒng)一般由三級變電站組成，即地面變電站、井下中央變電站和采區(qū)變電站。礦井地面變電站是礦山供電系統(tǒng)的樞紐，擔負著向井上、井下變配電的任務(wù)，將110 kV電壓變?yōu)?～35 kV電壓，向額定電壓為6～35 kV及以下的用電設(shè)備供電。安全可靠的地面供電是煤礦安全生產(chǎn)和職工正常生活的基本保障，是井下供電的源頭。杜兒坪110 kV變電站是西山煤電集團前山礦區(qū)重要的變電所，擔負白家莊礦、杜兒坪礦、西銘礦、官地礦等煤礦供電，有35 kV、6 kV兩個電壓等級。35 kV及以下電壓等級采用的結(jié)構(gòu)較簡單，對于供電事故應(yīng)急處置不理想，特別是對于選線功能還很不完善。應(yīng)用粗糙集理論，將供電系統(tǒng)運行中采集到的電流電壓信號作為對故障分類的條件屬性，將可能發(fā)生故障的元件或區(qū)域作為故障診斷的決策屬性，在考慮各種可能發(fā)生的故障情況后建立決策表，然后利用粗糙集理論對基于原始數(shù)據(jù)信息所建立的原始決策表進行合理約簡，逐步刪除多余屬性后抽取出診斷規(guī)則，進而得到多個與原信息等價的約簡。最后對約簡進一步化簡，找到最小約簡并抽取決策規(guī)則，從而對故障信息做出準確判斷。

1 粗糙集理論

在粗糙集理論中，知識被看作是關(guān)于論域的劃分，是一種對對象進行分類的能力。設(shè)U≠Φ是人們感興趣的對象組成的有限集合，稱為論域。任何子集X?U，稱為U中的一個概念或范疇，并認為空集Φ也是一個概念。U中的任何概念族稱為關(guān)于U的抽象知識，簡稱知識。U上的一族劃分稱為關(guān)于U的一個知識庫。給定一個有限的非空集合論域U，定義R代表論域U中的一種等價關(guān)系，稱為U上的分類族，即知識庫K=(U,R)為一個近似空間。對于子集X、Y?U，若根據(jù)關(guān)系R、X和Y的屬性不可分辨時，用[X]R來表示，它代表子集X和Y同屬R中的一個范疇。若P?R，且P≠Φ，則P中全部等價關(guān)系的交集也是一種等價關(guān)系，稱為P上的不可分辨關(guān)系，記為：

IND(P)∶[X]IND(P)=∩[X]R,P?R

(1)

不可分辨關(guān)系是粗糙集理論的基石，也是定義其他概念的基礎(chǔ)。

給定一個有限的非空集合U，R為U上的一族等價關(guān)系。R將U劃分為互不相交的基本等價類，記作U/R，二元組K=(U,R)構(gòu)成一個近似空間。

設(shè)X?U，Y∈U/R，則：

(2)

(3)

集合X關(guān)于R的邊界區(qū)BNR(X)定義為：

(4)

BNR(X)為集合X的上近似和下近似之差，它表示了根據(jù)知識R既不能判斷肯定屬于X，也不能判斷肯定不屬于X的對象所組成的集合。

在粗糙集理論中，應(yīng)用決策表來描述論域中的對象。決策表是一張二維表格，每一行描述一個對象，每一列描述對象的一種屬性。屬性分為條件屬性和決策屬性，論域中的對象根據(jù)條件屬性的不同，被劃分到具有不同決策屬性的決策類。例如表1所示，論域U中有5個對象，編號1～5，{a，b，c}是條件屬性集，d為決策屬性。

表1 決策表

決策表的約簡步驟為：

1) 刪除相同的規(guī)則。

2) 刪除表中多余的條件屬性(列)。

3) 刪除每條分類規(guī)則中的多余屬性，只保留必要的屬性。

約簡定義為不含多余屬性并保證分類正確的最小條件屬性集。一個決策表可能同時存在幾個約簡，這些約簡的交集定義為決策表的核，核中的屬性是影響分類的重要屬性。將表1化簡后得到了兩個約簡：即{a，b}和{a，c}，見表2和表3，它們維持了與原有條件屬性集{a，b，c}相同的分類能力。{a}是核，表明a是影響分類的重要屬性。

表2 約簡{a，b}表

表3 約簡{a，c}表

2 基于粗糙集理論的煤礦供電系統(tǒng)故障診斷流程

基于粗糙集理論的煤礦供電系統(tǒng)故障診斷的診斷流程見圖1。

圖1 故障診斷的粗糙集方法流程圖

在應(yīng)用粗糙集理論方法進行供電系統(tǒng)故障診斷時，要準確分析故障特征，對于有故障特征的屬性，可以設(shè)為數(shù)字“1”表示，對于沒有故障特征的屬性，可以設(shè)為數(shù)字“0”。然后就可以對決策表中的數(shù)據(jù)信息進行約簡。

3 故障診斷的實現(xiàn)方法

通常情況下，煤礦供電系統(tǒng)存在以下弊端：

1) 煤礦供電系統(tǒng)中沒有安裝方向性電流保護，缺乏對功率方向的測量，因而在供電網(wǎng)發(fā)生故障時電動機若對母線發(fā)送點，極易造成繼電保護和斷路器誤動作，這就給變電站運行人員判斷故障元件和故障類型帶來困難。

2) 煤礦供電系統(tǒng)中現(xiàn)有的繼電保護裝置采樣率較低，采集到的電氣暫態(tài)量數(shù)據(jù)不足，而要準確判斷故障類型，則需要用到足夠的電氣暫態(tài)量數(shù)據(jù)。

3) 針對煤礦供電系統(tǒng)的單相接地故障，如果變電站中一次設(shè)備的間隔數(shù)量較多，當采用傳統(tǒng)的故障選線方法時，需要耗費大量的二次電纜，以便測量到的電流電壓數(shù)字量上傳至監(jiān)控后臺，大量的電纜敷設(shè)起來較困難，并且數(shù)據(jù)在傳遞過程中容易受到電磁干擾，影響數(shù)據(jù)的準確性。

因此，基于目前煤礦供電系統(tǒng)在故障診斷領(lǐng)域存在的不足，本文設(shè)計了煤礦供電系統(tǒng)故障診斷智能系統(tǒng)，其結(jié)構(gòu)見圖2，該系統(tǒng)已經(jīng)應(yīng)用于實際。

例：在杜兒坪110 kV變電站的一次設(shè)備安裝了一整套數(shù)字測量單元，用光纖以太網(wǎng)將實時獲取的暫態(tài)信息準確無誤地上傳給監(jiān)控后臺，以增加用于故障診斷數(shù)據(jù)信息的冗余性。然后再利用粗糙集理論對煤礦供電系統(tǒng)進行故障診斷。該系統(tǒng)可在傳統(tǒng)變電站的基礎(chǔ)上實現(xiàn)故障診斷。

圖2 故障診斷智能系統(tǒng)的結(jié)構(gòu)圖

在該故障診斷智能系統(tǒng)中，測量單元從一次設(shè)備(饋線、變壓器、母線等)中獲得電流、電壓等實時數(shù)據(jù)，通過測量單元內(nèi)部的A/D模塊進行采樣，并將電流、電壓轉(zhuǎn)化為數(shù)字量信號，這些數(shù)字量信號再利用光纖以太網(wǎng)傳輸?shù)街悄芟到y(tǒng)服務(wù)器，在智能系統(tǒng)服務(wù)器中，利用粗糙集理論將測量單元獲得的電流、電壓信號進行推理分析，通過粗糙集的屬性和約簡規(guī)則，提取出有用的信息，從而對供電系統(tǒng)發(fā)生的故障進行推理判斷。故障診斷服務(wù)器與綜自后臺之間通過雙絞線以太網(wǎng)進行通信，兼容IEC61850協(xié)議建立故障診斷智能系統(tǒng)的監(jiān)控后臺服務(wù)器。故障診斷服務(wù)器與監(jiān)控后臺服務(wù)器之間通過局域網(wǎng)上傳錄波數(shù)據(jù)，在監(jiān)控后臺服務(wù)器實現(xiàn)查詢錄波、查詢記錄和高級管理的功能。按照智能變電站的結(jié)構(gòu)特點將故障診斷服務(wù)器與監(jiān)控后臺服務(wù)器分開，使間隔層和站控層分別管理，保證了系統(tǒng)運行的可靠性。該智能系統(tǒng)的監(jiān)控后臺服務(wù)器包括數(shù)據(jù)庫模塊、系統(tǒng)管理模塊、故障分析模塊、故障診斷模塊等。

4 在短路故障診斷中的具體應(yīng)用

杜兒坪110 kV變電站接線圖見圖3，該變電站有110 kV、35 kV、6 kV等3個電壓等級，MU1、MU2、MU3分別為安裝在這3個電壓等級母線上的測量單元，其測量內(nèi)容為各母線的電壓值；MUT為安裝在主變壓器上的測量單元，其測量內(nèi)容為變壓器分接頭各電壓等級側(cè)的電流值；MU21、MU22和MU31、MU32、MU33分別為安裝在35 kV和6 kV線路上的測量單元，其測量內(nèi)容為各線路上流過的電流值。

圖3 110 kV變電站接線圖

如圖3所示，以35 kV區(qū)域為研究對象，根據(jù)煤礦供電系統(tǒng)中母線、主變壓器和線路的測量信息，可以建立以{MU1，MU2，MU3，MUT，MU21，MU22，MU22，MU31，MU32，MU33}為條件屬性集合的決策表。從該條件屬性集合中提取出有用故障信息，進行約簡后的決策表見表4，表4中U是論域，{MU2，MU3，MU21，MU22，MU22，MU31，MU32，MU33}為條件屬性集合，{Fault}為決策屬性。其中，“1”表示測量單元獲取的電流電壓值越限，同時被測量元件上流過的功率方向為從元件流向母線，“0”表示測量單元獲取的電流電壓值處在正常的運行狀態(tài)下。“No”表示無故障。“*”表示該屬性的取值對分類沒有影響。

首先，根據(jù)屬性集合建立決策表，然后根據(jù)約簡規(guī)則得到約簡后的決策表，判斷出供電系統(tǒng)中發(fā)生故障的元件。最后，根據(jù)母線或線路上每一相的電流電壓值信息判斷出故障類型。

表4 變電站故障元件決策表

粗糙集理論利用數(shù)據(jù)信息的冗余性構(gòu)筑出不同的約簡，通過避開丟失的或傳輸出錯的信號而達到正確診斷的目的。表4中得到的6條故障分類規(guī)則如下：

Rule1：if MU21=1 Then Fault=L21；

Rule2：if MU22=1 Then Fault=L22；

Rule3：if MU31=1 Then Fault=L31；

Rule4：if MU32=1 Then Fault=L32；

Rule5：if MU33=1 Then Fault=L33；

Rule6：if (MU21 and MU22 and MU31 and MU32 and MU33)=0 Then Fault=No。

這些邏輯規(guī)則判斷均可以利用軟件編寫出簡單的算法來加以實現(xiàn)。

在判斷出某條線路故障后，接下來要準確判斷出發(fā)生的故障類型，這時就需要利用測量單元中獲取到的線路上各相的電流值信息完成進一步的診斷分析。變電站35 kV線路上各相安裝的電流繼電器示意圖見圖4，將線路每一相的電流值信息作為決策表的條件屬性，并將原始決策表進行約簡后，可以得到的決策表見表5。

圖4 變電站35 kV線路圖

表5變電站35 kV線路故障決策表

UMU21aMU21bMU21cMU22aMU22bMU22cFault0110000L21ab1011000L21bc2101000L21ca3111000L21abc4000110L22ab5000011L22bc6000101L22ca7000111L22abc8000000No

表5中得到的故障分類規(guī)則如下：

Rule1：if (MU21a and MU21b)=1 Then Fault=L21ab(L21線路發(fā)生AB兩相短路)；

Rule2：if (MU21b and MU21c)=1 Then Fault=L21bc(L21線路發(fā)生BC兩相短路)；

Rule3：if (MU21c and MU21a)=1 Then Fault=L21ca(L21線路發(fā)生AC兩相短路)；

Rule3：if (MU21a and MU21a and MU21c)=1 Then Fault=L21abc(L21線路發(fā)生ABC三相短路)；

Rule4：if (MU22a and MU22b)=1 Then Fault=L22ab(L22線路發(fā)生AB兩相短路)；

Rule5：if (MU22b and MU22c)=1 Then Fault=L22bc(L22線路發(fā)生BC兩相短路)；

Rule6：if (MU22c and MU22a)=1 Then Fault=L22ca(L22線路發(fā)生AC兩相短路)；

Rule3：if (MU22a and MU22b and MU22c)=1 Then Fault=L22abc(L22線路發(fā)生ABC三相短路)；

Rule7：if (MU21a and MU21b and MU21c and MU22a and MU22b and MU22c)=0 Then Fault=No(供電系統(tǒng)運行正常，沒有發(fā)生短路故障)。

需要指出的是，運用粗糙集理論的診斷方法不僅能夠準確地判斷出煤礦供電系統(tǒng)發(fā)生的短路故障，對于單相接地等其他故障亦有較好的診斷功能。、

5 結(jié) 論

由于煤礦供電系統(tǒng)的安全運行要求嚴格，在系統(tǒng)運行過程中一旦發(fā)生故障，直接威脅煤礦的安全生產(chǎn)，因此，對于煤礦供電系統(tǒng)的故障診斷顯得尤為重要。基于粗糙集的煤礦供電系統(tǒng)故障診斷方法在煤礦供電系統(tǒng)的故障診斷中體現(xiàn)出了較高的優(yōu)越性，即粗糙集理論具有較強的容錯能力，它可以利用信息集合的冗余性，通過避開傳輸出錯或者已經(jīng)丟失的信號，實現(xiàn)正確的診斷。故障診斷智能系統(tǒng)在煤礦供電系統(tǒng)現(xiàn)場經(jīng)過半年多的運行，發(fā)現(xiàn)該智能系統(tǒng)運行正常，累計發(fā)生過1次短路故障，2次單相接地故障，該智能系統(tǒng)均能夠準確判斷。因此，該智能系統(tǒng)能夠為電力調(diào)度運行人員的日常工作提供較大的幫助，當供電系統(tǒng)發(fā)生故障時，服務(wù)器主站將自動彈出報警窗口，可以直觀地反映出故障發(fā)生的時間、故障類型以及故障診斷意見，具有較高的實用價值。

參 考 文 獻

[1]張文修，吳偉志，梁吉業(yè)，等．粗糙集理論與方法[M].北京:科學出版社,2001:31-34.

[2]王國胤．Rough集理論與知識獲取[M].西安：西安交通大學出版社,2003:50-53

[3]李洪燕．數(shù)據(jù)挖掘技術(shù)在煤礦機械故障診斷中的應(yīng)用[J].煤礦機械，2012，33(12)：259-261．

[4]皮安云,于 鵬.粗糙條件熵算法在故障診斷中應(yīng)用分析[J].海軍航空工程學院學報，2014(2):193-195.