文/國網(wǎng)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(wǎng)故障診斷主要指的是電網(wǎng)在運行過程中出現(xiàn)故障后，保護開關(guān)（如斷路器等）會動作并結(jié)合電網(wǎng)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(wǎng)出現(xiàn)故障會引發(fā)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(wǎng)的不斷發(fā)展，各種新型技術(shù)被應(yīng)用在電網(wǎng)故障診斷中，而基于人工算法的故障診斷技術(shù)因其巨大的優(yōu)勢被應(yīng)用在電網(wǎng)故障診斷中。

1 電網(wǎng)故障診斷的智能方法

1.1 專家系統(tǒng)在電網(wǎng)故障診斷中的應(yīng)用

趙笑奢指出：專家系統(tǒng)主要包含知識庫、知識獲取、數(shù)據(jù)庫、咨詢解釋、推理機以及人機接口等，在電網(wǎng)故障診斷中應(yīng)用專家系統(tǒng)主要是通過規(guī)則的形式將運行人員診斷經(jīng)驗、斷路器的動作邏輯以及保護器的動作邏輯等表現(xiàn)出來，以此構(gòu)成故障診斷專家系統(tǒng)知識庫，再結(jié)合報警信息對知識庫予以推理，找準故障。[1]隨著專家系統(tǒng)在電網(wǎng)故障診斷中的應(yīng)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(tǒng)面臨的一大瓶頸；二是系統(tǒng)維護的難度較大，專家系統(tǒng)中的知識庫需要常常結(jié)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(xiàn)象沒有被包含在該知識庫中，引起系統(tǒng)誤診。

1.2 人工神經(jīng)網(wǎng)絡(luò)在電網(wǎng)故障診斷中的應(yīng)用

相比于專家系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)的最大優(yōu)勢便是其主要是運用神經(jīng)元和神經(jīng)元之間的優(yōu)先權(quán)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(jié)果，并且神經(jīng)元還擁有相對獨立性，可以并行處理，因此人工神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用在電網(wǎng)故障診斷中。朱立忠指出，人工神經(jīng)網(wǎng)絡(luò)依然存在一些缺陷，主要表現(xiàn)為：一是所需的訓(xùn)練樣本數(shù)量大，學(xué)習(xí)收斂的速度過慢；二是神經(jīng)網(wǎng)絡(luò)的輸出值只能限于0～1之間，從而限制了其對診斷結(jié)果的解釋能力，增加了運行人員理解的難度；三是雖然神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)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(tǒng)故障。

1.3 優(yōu)化技術(shù)在電網(wǎng)故障診斷中的應(yīng)用

優(yōu)化技術(shù)其實是多種智能算法的統(tǒng)稱，常見的優(yōu)化算法主要包含粒子群優(yōu)化算法、遺傳算法、交叉熵算法以及蟻群算法等等。當前優(yōu)化技術(shù)運用在電網(wǎng)故障診斷中能夠取得滿意的效果，是因為該項技術(shù)的推理主要是結(jié)合故障元件和斷路器、保護器之間的動作關(guān)系，通過目標函數(shù)最小化的0～1整數(shù)規(guī)劃來表示最優(yōu)解問題。劉道兵等指出：在電網(wǎng)故障診斷中應(yīng)用優(yōu)化技術(shù)擁有扎實的理論基礎(chǔ)和嚴謹?shù)耐评?，一般情況下優(yōu)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(jié)果。[3]但是，優(yōu)化技術(shù)依然存在自身的不足，主要表現(xiàn)在三個方面：一是尋找目標函數(shù)的難度較大；二是優(yōu)化算法的診斷過程需要無數(shù)次迭代數(shù)據(jù)，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(xiàn)局部最優(yōu)值或者在隨機因素下最優(yōu)解丟失的情況。因此為了在電網(wǎng)故障中應(yīng)用優(yōu)化技術(shù)，還需要在提高迭代收斂和數(shù)學(xué)模型等方面做進一步研究。

1.4 Petri網(wǎng)在電網(wǎng)故障診斷中的應(yīng)用

Petri網(wǎng)屬于一類加權(quán)的有向網(wǎng)絡(luò)，該網(wǎng)絡(luò)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(wǎng)系統(tǒng)故障的形成和傳播屬于一種并發(fā)的動態(tài)的行為，協(xié)助Petri網(wǎng)便能夠成功地構(gòu)建故障診斷系統(tǒng)模型，通過圖形的形式對該系統(tǒng)功能關(guān)系和處理流程進行描述，將原本復(fù)雜的邏輯關(guān)系變得更加形象，利于運行人員分析和理解，因此Petri網(wǎng)在電網(wǎng)故障中的診斷擁有良好的前景。Petri網(wǎng)運用在電網(wǎng)故障診斷中的思路如下：借助Petri網(wǎng)對電網(wǎng)中繼電保護反應(yīng)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(wǎng)絡(luò)的故障診斷模型。涂敏指出：Petri網(wǎng)存在兩大缺陷，其一是要想保證Petri網(wǎng)的完整，要求經(jīng)驗知識足夠多，并且節(jié)點的數(shù)量太多，容易引起狀態(tài)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(nèi)還是國外，關(guān)于Petri網(wǎng)在電網(wǎng)故障診斷中的應(yīng)用還停留在理論研究的階段，隨著電力事業(yè)的不斷發(fā)展以及電網(wǎng)結(jié)構(gòu)的日益復(fù)雜，如何結(jié)合電網(wǎng)故障診斷的特征構(gòu)建簡化的Petri網(wǎng)模型，是將Petri網(wǎng)應(yīng)用在電網(wǎng)故障診斷中的前提。

1.5 模糊系統(tǒng)在電網(wǎng)故障診斷中的應(yīng)用

從結(jié)構(gòu)上分析，模糊系統(tǒng)和專家系統(tǒng)存在一定的相似性，該系統(tǒng)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(tǒng)適用于不確定性問題的處理中。導(dǎo)致電網(wǎng)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(yīng)用模糊系統(tǒng)后上述問題便迎刃而解。趙笑奢就電力系統(tǒng)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(tǒng)結(jié)合起來，形成了電網(wǎng)故障診斷新方法。模糊系統(tǒng)可以用于各類不確定信息的處理中，但是在應(yīng)用時常常需要結(jié)合其他方法進行。[5]模糊系統(tǒng)的缺陷主要表現(xiàn)在三個方面：一是該系統(tǒng)無學(xué)習(xí)的能力；二是該系統(tǒng)在維護難度大，知識獲取困難等；三是雖然模糊系統(tǒng)具有一定的容錯能力，但是關(guān)于怎樣確定隸屬函數(shù)和當系統(tǒng)結(jié)構(gòu)改變后如何修改隸屬函數(shù)等問題還有待解決。

1.6 粗糙集在電網(wǎng)故障診斷中的應(yīng)用

粗糙集理論作為一類新型的數(shù)學(xué)工具，其研究的對象為不完整的數(shù)據(jù)和不精確的知識表達、歸納以及學(xué)習(xí)。該理論的基礎(chǔ)為觀察數(shù)據(jù)和測量數(shù)據(jù)的分類，通過分析數(shù)據(jù)，近似分類，對數(shù)據(jù)之間的關(guān)系進行推斷以及約簡知識等尋找出隱含的知識，發(fā)現(xiàn)潛在的規(guī)律。劉偉等針對當配電網(wǎng)出現(xiàn)故障診斷報警信息因為不完整和不確定引起結(jié)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(chǔ)上結(jié)合加權(quán)平均粗糙度值實現(xiàn)故障樣本的分層，以此構(gòu)建模型。[6]粗糙集的診斷方法不會發(fā)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(quán)平均粗糙度非常容易，因此在電網(wǎng)故障診斷中具有較高的應(yīng)用價值。

1.7 貝葉斯網(wǎng)絡(luò)在電網(wǎng)故障診斷中的應(yīng)用

概率理論和圖論相結(jié)合由此誕生了貝葉斯網(wǎng)絡(luò)。這種診斷方法是在概率不確定性推理的基礎(chǔ)上產(chǎn)生的，當前已經(jīng)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(lǐng)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(wǎng)絡(luò)診斷方法，并根據(jù)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(wǎng)絡(luò)模型，通過驗證發(fā)現(xiàn)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(wǎng)絡(luò)屬于NP-complete問題，因此其訓(xùn)練比較復(fù)雜，換句話說就是在現(xiàn)有的計算機條件下是無法計算的，但是在某些應(yīng)用中，可以簡化訓(xùn)練過程，從而實現(xiàn)計算。

1.8 綜合智能技術(shù)在電網(wǎng)故障診斷中的應(yīng)用

在上面綜述了七種智能方法，其各有自身的優(yōu)點和缺點，若將其單一地運用在電網(wǎng)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(shù)在電網(wǎng)故障診斷中的應(yīng)用成為了研究的熱點。熊軍華等在配電網(wǎng)故障診斷中將粗糙集和貝葉斯網(wǎng)絡(luò)有機結(jié)合起來，借助粗糙集信息表約簡技術(shù)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(guī)則，在此基礎(chǔ)上構(gòu)建貝葉斯網(wǎng)絡(luò)模型便能夠有效降低獲取故障特征的難度和網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性，并且運用貝葉斯網(wǎng)絡(luò)對概率進行推理，以便把握故障變化特征，迅速分析配電網(wǎng)故障原因。[8]劉超提出了一種基于粗糙集理論和量子神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷技術(shù)，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(wǎng)故障診斷知識，從中優(yōu)選屬性，最后再借助神經(jīng)網(wǎng)絡(luò)模式識別故障診斷知識。[9]

2 電網(wǎng)故障診斷發(fā)展趨勢

根據(jù)當前電網(wǎng)故障診斷中智能技術(shù)應(yīng)用現(xiàn)狀，今后電網(wǎng)故障診斷將朝著以下幾個方面發(fā)展。（1）多種智能方法融合運用于電網(wǎng)故障診斷中。就目前來看，大多數(shù)依然是采用單一的智能方法診斷電網(wǎng)故障，而今后會將多種智能技術(shù)融合起來，相互之間取長補短，從而提高診斷結(jié)果的可靠性。（2）基于多數(shù)據(jù)源信息融合診斷技術(shù)。目前在電網(wǎng)故障診斷中使用的診斷技術(shù)大部分是利用開關(guān)量的信息，電氣量在精確性和容錯性方面更具優(yōu)勢，將數(shù)據(jù)源不同的電氣量和開關(guān)量信息融合起來，有助于提高診斷結(jié)果的精確性。（3）基于分布式智能技術(shù)故障診斷。分布式的故障診斷方法能夠把大電網(wǎng)分區(qū)之后再開展分布式故障診斷，從而成功化解了大電網(wǎng)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(wǎng)絡(luò)診斷技術(shù)，在含有不確定故障信息的大型系統(tǒng)這一平臺上，開展了MAS協(xié)同故障診斷，診斷結(jié)果確切。（4）關(guān)于在線電網(wǎng)故障診斷實用化方面的研究。迄今為止，相關(guān)領(lǐng)域的專家和學(xué)者在電網(wǎng)故障診斷的理論方法取得了大量的研究成果，但是在關(guān)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(wǎng)故障診斷的一大重要課題。

3 結(jié)語

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