曹 磊 孫日高 常正勝 蓋 迪

（1.東北石油大學(xué)電氣信息工程學(xué)院；2.大慶油田有限責(zé)任公司天然氣分公司；3.中國(guó)石油化工股份有限公司金陵分公司）

電力系統(tǒng)故障診斷是利用SCADA、WAMS及故障錄波系統(tǒng)等不同的故障信息源所提供的信息結(jié)合電氣工程專業(yè)知識(shí)來識(shí)別故障元件、故障區(qū)域、故障類型以及誤動(dòng)作，其中核心的問題就是如何識(shí)別出故障元件。 現(xiàn)如今，電力系統(tǒng)的規(guī)模越來越大，結(jié)構(gòu)也變得越來越復(fù)雜，當(dāng)出現(xiàn)故障時(shí)，大量的報(bào)警信息會(huì)短時(shí)間內(nèi)一起涌入調(diào)度中心，由于運(yùn)行人員的能力各不相同，所以出現(xiàn)誤判和漏判在所難免，為了能夠在不同的故障下都得出準(zhǔn)確的診斷結(jié)果，這就需要電力系統(tǒng)故障診斷系統(tǒng)進(jìn)行決策參考。 與此同時(shí)，由于通信技術(shù)的不斷提高，故障信息的實(shí)時(shí)采集已基本實(shí)現(xiàn)，不管是電氣量還是開關(guān)量，都能以不同的形式傳入調(diào)度中心，如此多的故障信息給故障診斷提供了有力的支持，另外，通過PSCAD、PSASP 等電力系統(tǒng)仿真軟件也可以不同程度地提高調(diào)度員的經(jīng)驗(yàn)和水平。 當(dāng)前，國(guó)內(nèi)外關(guān)于故障診斷的方法很多，主要有專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、模糊集理論、粗糙集理論、Petri 網(wǎng)、解析模型及多源信息融合等。

筆者首先對(duì)各種診斷方法進(jìn)行了綜述，然后指出這些方法中需要改進(jìn)的地方，最后指出故障診斷領(lǐng)域發(fā)展的趨勢(shì)。 這些方法對(duì)故障診斷意義重大，在一定程度上減少了經(jīng)濟(jì)損失，保證了電力系統(tǒng)的安全運(yùn)行。

1 國(guó)內(nèi)外研究發(fā)展現(xiàn)狀

1.1 專家系統(tǒng)

在電網(wǎng)故障診斷領(lǐng)域應(yīng)用最早的智能算法就是專家系統(tǒng)，該算法將故障信息作為輸入，故障元件作為輸出， 其診斷過程其實(shí)就是規(guī)則匹配的過程［1～3］。 文獻(xiàn)［4］以網(wǎng)格技術(shù)為基礎(chǔ)，創(chuàng)造出一種新型電網(wǎng)故障診斷技術(shù)， 在專家系統(tǒng)中充分利用知識(shí)網(wǎng)格技術(shù)的特點(diǎn)， 實(shí)現(xiàn)了專家系統(tǒng)的更新與維護(hù)同步，通過改變知識(shí)節(jié)點(diǎn)的方法，可實(shí)現(xiàn)故障知識(shí)地圖的在線更新， 將專家系統(tǒng)不容易維護(hù)和更新的漏洞進(jìn)行了填補(bǔ)； 在專家系統(tǒng)容錯(cuò)誤性信息差的方面， 專家和學(xué)者們?cè)噲D通過引入其他的智能算法進(jìn)行改善和解決。 為了實(shí)現(xiàn)不確定情況下的專家系統(tǒng)診斷，文獻(xiàn)［5］把專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，實(shí)現(xiàn)了對(duì)故障的準(zhǔn)確判斷。

1.2 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是通過對(duì)生物神經(jīng)系統(tǒng)進(jìn)行研究而得出的，可以對(duì)信息進(jìn)行并行處理，效率比較高。 該方法有很強(qiáng)的容錯(cuò)能力，即使信息不太確定， 也能夠通過計(jì)算得到正確的輸出結(jié)果。人工神經(jīng)網(wǎng)絡(luò)取得的突破主要是在知識(shí)的表示上，通過改變知識(shí)的表示讓診斷變得更快，而且容錯(cuò)性和學(xué)習(xí)能力上也有了一定的提高。 但神經(jīng)網(wǎng)絡(luò)也存在不足之處，比如在實(shí)際的應(yīng)用中不能較好地解釋故障診斷的結(jié)果，而且由于人工神經(jīng)網(wǎng)絡(luò)需要大量的訓(xùn)練樣本，這些樣本的獲取非常不易，這也影響了神經(jīng)網(wǎng)絡(luò)的發(fā)展，此外，僅僅采用人工神經(jīng)網(wǎng)絡(luò)也不能很好地滿足調(diào)度運(yùn)行的要求，一旦電網(wǎng)的拓?fù)浣Y(jié)構(gòu)發(fā)生改變，訓(xùn)練樣本也要進(jìn)行相應(yīng)的改變，這無疑增加了系統(tǒng)的維護(hù)難度，且降低了診斷的快速性，所以該方法在故障診斷結(jié)果的解釋性和大規(guī)模電網(wǎng)實(shí)用化應(yīng)用方面還沒有取得決定性的突破。 人工神經(jīng)網(wǎng)絡(luò)在未來的改進(jìn)方向主要在兩個(gè)方面，一是增強(qiáng)診斷結(jié)果的解釋能力，可以把神經(jīng)網(wǎng)絡(luò)同一些智能算法相結(jié)合， 從網(wǎng)絡(luò)映射中尋找語言表達(dá)規(guī)則；二是增強(qiáng)系統(tǒng)的適應(yīng)能力，當(dāng)電網(wǎng)結(jié)構(gòu)變化或者是更大電網(wǎng)時(shí)也具有適用性和實(shí)用性。 在具體到用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷時(shí)，首先要利用故障樣本進(jìn)行大量的訓(xùn)練， 以保護(hù)信息作為輸入，故障診斷的結(jié)果作為輸出，其具體過程是用對(duì)應(yīng)的學(xué)習(xí)方法，形成函數(shù)關(guān)系，從而在高維度空間模擬，形成超曲面，這樣就能更好地對(duì)不可預(yù)測(cè)的故障信息進(jìn)行診斷。 在利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行電網(wǎng)故障診斷時(shí)，文獻(xiàn)［6］采用徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)，輸入量還是保護(hù)動(dòng)作信息，在對(duì)RBF 參數(shù)進(jìn)行優(yōu)化時(shí)采用了最小二乘法，輸出元件對(duì)應(yīng)的參數(shù)越接近1， 則該元件故障的可能性也就越大。 文獻(xiàn)［7］在RBF 的基礎(chǔ)上建立了模糊元胞診斷法， 該方法遮蔽了人工神經(jīng)網(wǎng)絡(luò)的診斷過程，雖然診斷的準(zhǔn)確度和快速性得到了提高，但是還是沒有解決對(duì)診斷結(jié)果的解釋問題，同樣該方法也需要大量的訓(xùn)練樣本，實(shí)施起來比較困難。

1.3 貝葉斯網(wǎng)絡(luò)

在利用貝葉斯網(wǎng)絡(luò)進(jìn)行故障診斷時(shí)，繼電保護(hù)和電網(wǎng)元件的映射關(guān)系可以用圖形來描述，由保護(hù)動(dòng)作信息到診斷出故障元件的過程可以用概率來進(jìn)行表示，當(dāng)用概率來表示不確定信息引起的故障問題時(shí)，效果會(huì)很明顯［8，9］。 隨著貝葉斯網(wǎng)絡(luò)在電網(wǎng)故障診斷中的應(yīng)用，它的優(yōu)點(diǎn)也逐漸顯示出來，然而，實(shí)際應(yīng)用中為了確保診斷結(jié)果準(zhǔn)確， 貝葉斯網(wǎng)絡(luò)需要獲得有效的先驗(yàn)概率，先驗(yàn)概率求取的難度會(huì)因故障的不同而不同，而且貝葉斯網(wǎng)絡(luò)建模的難易程度和電網(wǎng)結(jié)構(gòu)規(guī)模有關(guān)，規(guī)模越大，建模越困難，從而也就影響了診斷的速度，此外保護(hù)動(dòng)作信息不準(zhǔn)確也會(huì)影響診斷的結(jié)果。 最近幾年，由于信息系統(tǒng)會(huì)提供時(shí)序信息，所以發(fā)展的方向是在貝葉斯網(wǎng)絡(luò)中充分利用時(shí)序信息，構(gòu)建的貝葉斯模型把時(shí)序信息包含進(jìn)去，從而提高了故障診斷的可信度，推動(dòng)了貝葉斯在故障診斷中的進(jìn)程，但是把貝葉斯模型用于在線分析的技術(shù)還有待提高。 文獻(xiàn)［10］在對(duì)開關(guān)量信息進(jìn)行故障診斷時(shí)，先用粗糙集對(duì)開關(guān)量信息篩選一遍，以此來提高信息的準(zhǔn)確度，使得診斷的結(jié)果受誤動(dòng)、拒動(dòng)的干擾變小。 文獻(xiàn)［11］首先建立每個(gè)可疑故障元件蘊(yùn)含時(shí)序的貝葉斯知識(shí)庫(kù)， 然后將知識(shí)庫(kù)中的信息形成兩個(gè)集合，一個(gè)是時(shí)序一致，另一個(gè)是時(shí)序不一致，在對(duì)元件可能出現(xiàn)故障的概率進(jìn)行計(jì)算時(shí)，主要是利用了可疑節(jié)點(diǎn)進(jìn)行排列組合后的分析求解。 充分的先驗(yàn)知識(shí)才能保證得到的診斷結(jié)果準(zhǔn)確，但是大電網(wǎng)的故障樣本是很不容易獲得的，這就成為貝葉斯網(wǎng)絡(luò)在電網(wǎng)故障診斷發(fā)展中的絆腳石。

1.4 模糊集理論

模糊集理論有兩種類型應(yīng)用在電力系統(tǒng)故障診斷中，第1 種是設(shè)報(bào)警信息的可信度不是1，動(dòng)作保護(hù)和斷路器狀態(tài)能夠根據(jù)可報(bào)警信息給定數(shù)值，然后通過專家系統(tǒng)或隨機(jī)集等方法得到故障的診斷結(jié)果；第2 種是假設(shè)上傳的報(bào)警信息完全正確， 以模糊隸屬度來描述斷路器跳閘、故障和保護(hù)動(dòng)作之間關(guān)聯(lián)的可能性。 文獻(xiàn)［12］就采用第1 種方法，在得到故障信息后，先用模糊化的方法對(duì)信息進(jìn)行預(yù)處理， 然后再利用專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)建模，最后輸出診斷結(jié)果。 文獻(xiàn)［13］利用的是第2 種類型的模糊集理論，對(duì)于可疑故障元件，為了獲得度量故障診斷位置的總模糊度，要對(duì)故障點(diǎn)到報(bào)警信息的所有途徑進(jìn)行篩選、排查，然而以模糊集理論為基礎(chǔ)進(jìn)行故障診斷仍然存在各種各樣的問題，尤其是在模糊隸屬度函數(shù)的選擇和大規(guī)模電網(wǎng)模糊設(shè)計(jì)方面。

1.5 粗糙集理論

粗糙集理論是一種數(shù)據(jù)挖掘技術(shù)。 該技術(shù)能夠處理不完整、不精確且不確定的信息［14～16］。在電網(wǎng)故障診斷中，粗糙集理論在對(duì)各數(shù)據(jù)之間的數(shù)據(jù)進(jìn)行挖掘時(shí)，主要是利用時(shí)序告警信息的冗余性質(zhì)。 診斷規(guī)則是從對(duì)訓(xùn)練樣本的總結(jié)和推導(dǎo)得來的，基于粗糙集理論的診斷方法，其優(yōu)點(diǎn)是能夠較好地處理信息不完備的情況，也就是說有較強(qiáng)的容錯(cuò)能力。 但是仍然不能做到當(dāng)關(guān)鍵信息丟失或斷路器誤動(dòng)下的無誤差診斷，而且故障信息的冗余度很大程度上影響了對(duì)知識(shí)的簡(jiǎn)約效果。另外，當(dāng)電網(wǎng)規(guī)模比較大時(shí)，決策表的構(gòu)建比較困難，而且蘊(yùn)含的信息量比較龐大，如果對(duì)復(fù)雜故障進(jìn)行診斷極有可能出現(xiàn)“組合爆炸”現(xiàn)象，因此粗糙集發(fā)展的主要方向還是如何充分利用先驗(yàn)信息，進(jìn)一步降低錯(cuò)誤信息對(duì)知識(shí)簡(jiǎn)約過程的影響，還有就是如何將其他性能優(yōu)越的算法和粗糙集進(jìn)行充分融合，利用各自的優(yōu)點(diǎn)來改進(jìn)粗糙集應(yīng)用方面的不足。 在對(duì)故障進(jìn)行分布式診斷思想的基礎(chǔ)上，文獻(xiàn)［17］先分割網(wǎng)絡(luò)圖形，形成特性基本相似的自網(wǎng)絡(luò)連通圖，有效地解決了決策表“組合爆炸”的問題，然而還是無法避免粗糙集知識(shí)的簡(jiǎn)約能力受信息冗余度的影響，一旦丟失關(guān)鍵信息，故障診斷的結(jié)果也就不盡如人意。

1.6 Petri 網(wǎng)

Petri 網(wǎng)是一種能夠解釋電網(wǎng)故障行為的加權(quán)有向網(wǎng)。 它可以對(duì)故障信息中元件和保護(hù)的關(guān)系利用數(shù)學(xué)理論方法來進(jìn)行分析，從而解釋電網(wǎng)的拓?fù)浣Y(jié)構(gòu)和并列、次序發(fā)生的動(dòng)態(tài)行為［18～20］。基于Petri 網(wǎng)的電網(wǎng)故障診斷的優(yōu)點(diǎn)是：以圖形化的形式表達(dá)診斷模型，推理過程簡(jiǎn)單、快速，但診斷模型仍存在不足，電網(wǎng)越大，建立的診斷模型也就越大、越復(fù)雜，同時(shí)計(jì)算量也隨之增大，診斷速度降低；故障診斷模型會(huì)隨著電網(wǎng)拓?fù)涞淖兓兓?，而且容錯(cuò)性不高，模型會(huì)隨著電網(wǎng)規(guī)模的擴(kuò)大而變得繁雜等。 近年來，許多專家學(xué)者主要研究高級(jí)Petri 網(wǎng)的應(yīng)用，主要目的是為了彌補(bǔ)傳統(tǒng)Petri 網(wǎng)在建模方面和應(yīng)用方面的不足。 將來，還可以將Petri 網(wǎng)故障診斷技術(shù)與其他智能技術(shù)相結(jié)合， 以降低模型的復(fù)雜性， 還可以考慮讓Petri 網(wǎng)從離線診斷應(yīng)用到在線診斷中去。 如果想實(shí)現(xiàn)在線診斷，主要應(yīng)針對(duì)Petri 網(wǎng)的自動(dòng)建模和診斷速度兩方面進(jìn)行研究，Petri 網(wǎng)根據(jù)診斷系統(tǒng)中不同元件的連接方式、拓?fù)淠Ｐ秃蛣?dòng)作邏輯關(guān)系建立有向模型，該模型描述離散事件的并發(fā)模式、發(fā)生順序和沖突，并滿足電網(wǎng)故障診斷中開關(guān)動(dòng)作的離散動(dòng)態(tài)要求。

文獻(xiàn)［21］是以母線和線路作為主要對(duì)象搭建Petri 網(wǎng)模型的，該模型可以對(duì)不同的故障類型進(jìn)行故障選線。 文獻(xiàn)［22］所采用的方法主要提高了Petri 網(wǎng)對(duì)不確定信息的容錯(cuò)性，該方法將電網(wǎng)中不完備的信息問題考慮進(jìn)來，在Petri 網(wǎng)中加入模糊集理論， 形成模糊Petri 網(wǎng)電力系統(tǒng)診斷模型。 在文獻(xiàn)［22］方法的基礎(chǔ)上，文獻(xiàn)［23］給所有變遷的有向弧賦予了不同的權(quán)重，從而體現(xiàn)出了每條報(bào)警信息和診斷結(jié)果間的關(guān)聯(lián)程度，然而當(dāng)該模型應(yīng)用在大電網(wǎng)時(shí)， 模型結(jié)構(gòu)過于龐大，而且對(duì)電網(wǎng)的適應(yīng)性也不足。 文獻(xiàn)［24］的方法改善了Petri 網(wǎng)模型對(duì)網(wǎng)絡(luò)拓?fù)渥兓倪m應(yīng)性問題，該方法是根據(jù)元件故障的不同發(fā)展方向建立子模型，以此來提高模型的適應(yīng)性問題。 文獻(xiàn)［25］改善了Petri 網(wǎng)在大電網(wǎng)中適應(yīng)性和模型結(jié)構(gòu)的問題，該方法提出了有色Petri 網(wǎng)模型，是將庫(kù)所中的托肯以不同的顏色來表示，顏色不同代表報(bào)警信息的狀態(tài)不同，而且還將同一類庫(kù)所進(jìn)行了合并， 使模型的規(guī)模不隨電網(wǎng)結(jié)構(gòu)的變化而變化，但是有色Petri 網(wǎng)模型還是沒有解決在不確定信息情況下容錯(cuò)性差的問題。 文獻(xiàn)［26］用復(fù)合色來代表信號(hào)的置信度，也是一種基于模糊有色Petri網(wǎng)的方法，通過對(duì)信號(hào)置信度的處理提高了診斷的容錯(cuò)能力，但是沒有考慮信息的權(quán)重，而且也沒有利用時(shí)序信息。

1.7 解析模型

把解析模型用在故障診斷中的基本思想是用一個(gè)數(shù)學(xué)模型來表述斷路器和保護(hù)之間的動(dòng)作情況和從屬關(guān)系， 用數(shù)學(xué)方法解決電網(wǎng)故障診斷的問題， 最終求得的數(shù)據(jù)或者字母就代表故障元件或整定值［27，28］。解析模型可以簡(jiǎn)化故障后的邏輯推理過程， 具有強(qiáng)大的數(shù)學(xué)基礎(chǔ)和嚴(yán)格的理論依據(jù)， 而且這個(gè)過程用計(jì)算機(jī)語言實(shí)現(xiàn)的時(shí)候難度不大， 即便是信息不確定或者發(fā)生了多重故障， 編程后依然能給出符合要求的多個(gè)解，對(duì)應(yīng)的也就是多個(gè)故障假說。 其難點(diǎn)在于建立解析模型時(shí)如何更多地利用故障信息，并且當(dāng)發(fā)生復(fù)雜故障時(shí)，雖然可以得到全解，但是無法保證解的準(zhǔn)確性。 解析模型未來的發(fā)展方向在于將故障后的關(guān)鍵信息和非關(guān)鍵信息充分地利用起來，在預(yù)處理階段，先對(duì)不確定信息進(jìn)行修正與檢驗(yàn)， 然后再建立起多目標(biāo)的解析模型，以此來充分發(fā)揮多信息的作用，從而降低模型的求解難度。

1.8 多源信息融合

電網(wǎng)故障診斷所采用的數(shù)據(jù)是多源、 異構(gòu)的。 當(dāng)電網(wǎng)發(fā)生故障時(shí)，其數(shù)據(jù)信息反映為電氣量、保護(hù)和斷路器的異常變化，可以為電網(wǎng)故障診斷提供豐富的數(shù)據(jù)信息。 采用多源信息融合技術(shù)的電網(wǎng)故障診斷即針對(duì)不同數(shù)據(jù)源所提供的開關(guān)量信息和電氣量信息進(jìn)行綜合故障診斷，它能夠克服利用單一數(shù)據(jù)源進(jìn)行故障診斷因故障信息的不確定性而導(dǎo)致診斷錯(cuò)誤的問題。 目前，對(duì)于多源信息融合的電網(wǎng)故障診斷算法還處于初級(jí)階段，但其發(fā)展較為迅速。 文獻(xiàn)［29］將信息融合理論引入電網(wǎng)故障診斷輔助決策過程中，使診斷過程中的具體對(duì)象與信息融合中的決策、特征、數(shù)據(jù)內(nèi)容相對(duì)應(yīng)，在多層信息融合框架下構(gòu)建了電網(wǎng)故障診斷輔助決策模型。 文獻(xiàn)［30］針對(duì)SCADA 和RPMS 數(shù)據(jù)源，對(duì)于遙信信息，以覆蓋集理論為基礎(chǔ)建立了改進(jìn)優(yōu)化模型，對(duì)于錄波數(shù)據(jù)采用小波分析提取相應(yīng)故障度，進(jìn)而應(yīng)用改進(jìn)證據(jù)理論對(duì)以上兩種判據(jù)結(jié)果進(jìn)行數(shù)據(jù)融合。 文獻(xiàn)［31］綜合利用SCADA 系統(tǒng)、RPMS 和WAMS的數(shù)據(jù)信息，對(duì)保護(hù)、斷路器信息通過時(shí)序貝葉斯網(wǎng)絡(luò)進(jìn)行診斷推理，對(duì)錄波電氣量采用小波能量譜分析求取故障特征， 對(duì)PMU 電壓錄波利用改進(jìn)RBF 神經(jīng)網(wǎng)絡(luò)進(jìn)行分析，進(jìn)而應(yīng)用改進(jìn)D-S證據(jù)理論對(duì)以上診斷結(jié)果進(jìn)行融合， 并由模糊C均值聚類方法給出最終診斷決策。

2 電網(wǎng)故障診斷的發(fā)展趨勢(shì)

隨著電網(wǎng)規(guī)模的不斷擴(kuò)大， 計(jì)算機(jī)技術(shù)、數(shù)學(xué)智能算法、 通信及網(wǎng)絡(luò)技術(shù)等的不斷發(fā)展，在電網(wǎng)故障診斷方面會(huì)不斷涌現(xiàn)出新的方法，但是從這些診斷方法的研究和應(yīng)用上來看，大部分都停留在理論和模型階段，并沒有充分地與實(shí)際結(jié)合起來，尤其是成型的實(shí)用系統(tǒng)，至今沒有太大的發(fā)展。 由于故障診斷需要系統(tǒng)提供故障信息，而之前設(shè)備比較簡(jiǎn)陋， 不能提供豐富的故障信息，從以前學(xué)者和專家的論文中可以看出，電網(wǎng)故障診斷系統(tǒng)的故障信息大部分都建立在SCADA 系統(tǒng)上，利用SCADA 系統(tǒng)的開關(guān)量信息和信息的時(shí)序性來實(shí)現(xiàn)診斷。 隨著通信技術(shù)的不斷發(fā)展， 相繼出現(xiàn)了故障錄波系統(tǒng)和WAMS 系統(tǒng)，這些系統(tǒng)的建設(shè)，讓更多的信息孤島也能傳進(jìn)系統(tǒng)中去， 對(duì)故障后的開關(guān)量和電氣量信息經(jīng)過采集、傳輸、存儲(chǔ)和處理，為電網(wǎng)故障診斷提供了更多的信息，拓寬了故障診斷的研究方向。 因此，當(dāng)故障診斷方法的理論同實(shí)際結(jié)合時(shí)，對(duì)于故障信息的采集和整理階段要特別重視，包括數(shù)據(jù)庫(kù)的構(gòu)建、冗余數(shù)據(jù)的處理及特征提取等。

為了讓電網(wǎng)故障診斷技術(shù)進(jìn)一步發(fā)展，今后的工作重點(diǎn)應(yīng)放在以下4 個(gè)方面：

a. 當(dāng)信息缺失時(shí)故障診斷方法的研究。 當(dāng)前的一些故障診斷方法都是在信息無誤的情況下進(jìn)行的，沒有考慮信息傳輸過程中出現(xiàn)錯(cuò)誤的情況，然而保護(hù)的拒動(dòng)、誤動(dòng)在所難免，而且由于信息通道容易受通信設(shè)備干擾，很難保證信息完全正確。 實(shí)際上，要是將保護(hù)或者斷路器的狀態(tài)信息都上傳到調(diào)度中心，將會(huì)面臨費(fèi)用和布線的問題，而且很多發(fā)展中國(guó)家的調(diào)度中心并沒有很完善的繼電保護(hù)信息系統(tǒng)。 因此，很多假設(shè)故障信息沒有錯(cuò)誤的診斷方法，在這種情況下就不能進(jìn)行正確的診斷，需要進(jìn)一步提供假設(shè)前提，這樣一來，就不太符合實(shí)際情況。 截止當(dāng)前，對(duì)繼電保護(hù)信息不完整情況下的電力系統(tǒng)故障診斷問題仍然沒有一個(gè)完善的解決方法，這是電力系統(tǒng)故障診斷領(lǐng)域中有待解決的主要難題之一。

b. 將各種不同的智能技術(shù)進(jìn)行融合的故障診斷方法的研究。 由前文的診斷方法可以看出，采用單一的診斷方法只能夠解決某些特定的問題，診斷性能有待提高，而且不可能有效解決電網(wǎng)故障診斷面臨的所有難題，甚至一些診斷方法引入了新的問題。 因此，將多種智能診斷方法進(jìn)行融合具有光明的發(fā)展前景。 所以說，時(shí)刻關(guān)注智能科學(xué)領(lǐng)域方面的發(fā)展，在合適的時(shí)候?qū)⑦@些前沿科學(xué)技術(shù)引入電網(wǎng)故障診斷中去，比如隨機(jī)集理論、數(shù)據(jù)挖掘及粗糙集理論等，這些將來肯定會(huì)為診斷領(lǐng)域拓寬道路。 基于現(xiàn)在的研究成果，取其精華，去其糟粕，采用多種智能技術(shù)進(jìn)行融合是一個(gè)非常值得關(guān)注的研究方向［32］。

c. 電力系統(tǒng)健康診斷的研究。 故障診斷的實(shí)質(zhì)是根據(jù)故障信息的特征，對(duì)已經(jīng)發(fā)生的故障進(jìn)行查找，這個(gè)內(nèi)容可以進(jìn)一步拓展。 文獻(xiàn)［33］提出一個(gè)新的關(guān)于故障診斷的概念：電力系統(tǒng)健康診斷。 這個(gè)概念是指通過一定的工具對(duì)系統(tǒng)的狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)， 建立起關(guān)于系統(tǒng)的健康檔案，并對(duì)之進(jìn)行動(dòng)態(tài)跟蹤，根據(jù)系統(tǒng)狀態(tài)的變化和特征量的提取，及時(shí)發(fā)現(xiàn)癥狀并且報(bào)警，故障嚴(yán)重時(shí)還可以進(jìn)行相關(guān)的切除動(dòng)作。 很明顯，健康診斷不僅涵蓋了故障診斷，還包含了故障預(yù)測(cè)的概念，但是相比這兩個(gè)單獨(dú)的行為，健康診斷在內(nèi)容和時(shí)間上都進(jìn)行了進(jìn)一步的拓展，在內(nèi)容上等同于從大患到小疾，在時(shí)間上，相當(dāng)于從定點(diǎn)到持續(xù)。 它可以做到防患于未然，在應(yīng)對(duì)突發(fā)性事件上效果顯著，從而可以大幅度減少突發(fā)事件帶來的經(jīng)濟(jì)損失。 電力系統(tǒng)健康診斷的想法很前衛(wèi)，也非常具有挑戰(zhàn)性。 但是目前這方面的實(shí)際工作還是不夠多，還需要進(jìn)一步研究與發(fā)展。

d. 電力系統(tǒng)故障診斷的實(shí)用化研究。 盡管故障診斷已經(jīng)有了很長(zhǎng)的研究歷史， 也成果顯著，但還是不能完全滿足需求，理論向?qū)嶋H的過渡不太理想。 現(xiàn)如今需要進(jìn)一步推進(jìn)的是將科研機(jī)構(gòu)同相關(guān)電力企業(yè)聯(lián)合起來，這樣就能更好地開展電網(wǎng)故障診斷實(shí)用化的研究。 與電力系統(tǒng)的實(shí)際情況相結(jié)合，將故障信息的收集和整理作為一項(xiàng)重要任務(wù)去做，包括數(shù)據(jù)庫(kù)的構(gòu)建、故障信息的預(yù)處理及冗余數(shù)據(jù)的剔除等［34～36］。 在實(shí)際應(yīng)用中去發(fā)現(xiàn)問題， 采取智能化的方法進(jìn)行診斷分析，為電力工作人員提供輔助分析和決策手段。

3 結(jié)束語

完善的診斷方法是電網(wǎng)安全穩(wěn)定運(yùn)行的堅(jiān)強(qiáng)后盾，20 世紀(jì)80 年代國(guó)內(nèi)外就已經(jīng)開始了大量的電力系統(tǒng)故障診斷方法研究，并且提出了一些建設(shè)性的方法，雖然某種程度上加快了診斷技術(shù)的發(fā)展，但在實(shí)際應(yīng)用中仍然或多或少存在一些缺點(diǎn)。 電網(wǎng)規(guī)模不斷變大，隨之故障診斷的要求也就變高。 筆者綜述了電網(wǎng)故障診斷的重要研究方法，并指出各種方法的不足之處，最后說明了故障診斷領(lǐng)域的主要發(fā)展方向。 它們對(duì)構(gòu)建電力系統(tǒng)故障診斷智能輔助決策系統(tǒng)具有指導(dǎo)意義，對(duì)保證電力系統(tǒng)的安全運(yùn)行、減少事故發(fā)生和經(jīng)濟(jì)損失具有重要的理論和現(xiàn)實(shí)意義。