陶飛達(dá)，黃智鵬，王東芳，李桂昌，李永尚

（1.廣東電網(wǎng)有限責(zé)任公司河源供電局，廣東河源 517000；2.廣州市奔流電力科技有限公司，廣東廣州 510670）

0 引言

當(dāng)前配電網(wǎng)的結(jié)構(gòu)越來越復(fù)雜，規(guī)模越來越大，尤其隨著分布式電源大量接入，對于配電網(wǎng)供電的可靠性提出更高的要求。當(dāng)配電網(wǎng)發(fā)生故障時，調(diào)度中心將接收到大量信息，其中包括正確報警信號和錯誤報警信號，同時還需考慮由于保護(hù)誤動或拒動，這使得調(diào)度人員難以從龐大而復(fù)雜的數(shù)據(jù)中及時診斷故障，因此，發(fā)展智能故障診斷系統(tǒng)是非常必要的。

文獻(xiàn)[1]提出了一種基于遺傳算法的故障診斷方法，將故障診斷問題描述為0-1整數(shù)規(guī)劃問題，利用遺傳算法求解最優(yōu)解，這種方法有一定容錯性，但容易陷入局部最優(yōu)造成誤診；文獻(xiàn)[2]提出了一種基于免疫算法的故障診斷方法，免疫算法改進(jìn)于遺傳算法，克服了遺傳算法容易進(jìn)入局部最優(yōu)的缺點，提高了診斷準(zhǔn)確性，但是無法處理保護(hù)誤動作或拒動的情況。文獻(xiàn)[3]提出了一種基于神經(jīng)網(wǎng)絡(luò)的診斷方法，建立徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，相比前向神經(jīng)網(wǎng)絡(luò)收斂速度更快，不容易陷入局部最優(yōu)，但需要訓(xùn)練樣本較大。文獻(xiàn)[4]提出了一種基于Petri網(wǎng)的故障診斷方法，具有一定容錯性，能夠處理復(fù)雜故障，但當(dāng)配電網(wǎng)結(jié)構(gòu)過于復(fù)雜時，Petri網(wǎng)建模困難，運(yùn)算速度慢。

目前，智能技術(shù)迅速發(fā)展，在配電網(wǎng)故障診斷領(lǐng)域擁有很好的應(yīng)用前景，人工智能技術(shù)的發(fā)展為配電網(wǎng)故障診斷提供了許多新的更有效的方法，國內(nèi)外學(xué)者在此方向上做了多種研究，各種智能技術(shù)思想不同，各有優(yōu)缺點。本文旨在歸納總結(jié)故障診斷智能方法的類別、原理，對比各種診斷方法的優(yōu)缺點，分析智能技術(shù)應(yīng)用于配電網(wǎng)故障診斷的研究方向，展望配電網(wǎng)故障診斷的發(fā)展前景。

1 配電網(wǎng)故障智能診斷技術(shù)現(xiàn)狀

1.1 專家系統(tǒng)

專家系統(tǒng)是一種智能的推理程序，它將專家知識歸納總結(jié)為知識庫，根據(jù)相應(yīng)的推理機(jī)制推理答案。專家系統(tǒng)的結(jié)構(gòu)包括數(shù)據(jù)庫、知識庫、推理機(jī)、人機(jī)接口、解釋程序和知識獲取程序。專家診斷系統(tǒng)能夠存放專家提供的知識，根據(jù)已知信息，通過不斷匹配知識庫中的規(guī)則得到結(jié)論。專家系統(tǒng)的結(jié)構(gòu)如圖1所示。

專家系統(tǒng)法能夠擁有強(qiáng)大的推理能力，并且對推理結(jié)果具備解釋能力，當(dāng)處理配電網(wǎng)簡單故障時效率較高；但獲取知識、建立知識庫的過程是復(fù)雜而困難的，而且當(dāng)故障信號發(fā)生畸變、保護(hù)拒動或誤動時，專家系統(tǒng)缺乏識別能力；專家系統(tǒng)的診斷需要在龐大的知識庫中搜索，診斷時間長，不能做到實時顯示的要求。

專家系統(tǒng)在配電網(wǎng)故障診斷中有多種應(yīng)用，文獻(xiàn)[5]中提出了一種基于專家系統(tǒng)的電網(wǎng)故障診斷技術(shù)，以保護(hù)動作的數(shù)量為故障是否發(fā)生的判據(jù)，采用遞歸的綜合分析策略，較好地兼顧了故障診斷的快速性和完備性。

專家系統(tǒng)的關(guān)鍵在于如何自動獲取知識、補(bǔ)充知識庫；如何使專家系統(tǒng)的診斷具有容錯性；如何加快專家系統(tǒng)的診斷速度。因此，未來專家系統(tǒng)應(yīng)用于配電網(wǎng)故障診斷發(fā)展趨勢應(yīng)為：（1）專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)、模糊理論、粗糙集理論等結(jié)合應(yīng)用，利用神經(jīng)網(wǎng)絡(luò)自動獲取知識；（2）利用模糊理論清洗畸變數(shù)據(jù)，增加容錯性；（3）利用粗糙集理論簡約規(guī)則，加快診斷速度。

圖1 專家診斷系統(tǒng)結(jié)構(gòu)

1.2 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)（ANN）模擬人腦的神經(jīng)元網(wǎng)絡(luò)，輸入層神經(jīng)元的值經(jīng)過數(shù)層映射到達(dá)輸出層，使得輸入和輸出建立了某種隱函數(shù)關(guān)系。通過給定樣本學(xué)習(xí)，不斷調(diào)整神經(jīng)元之間的映射關(guān)系，使輸入和輸出的函數(shù)關(guān)系逼近真實規(guī)律。目前在故障診斷領(lǐng)域應(yīng)用最廣泛的是基于BP算法的多層感知器神經(jīng)網(wǎng)絡(luò)理論，神經(jīng)網(wǎng)絡(luò)采用基于知識的非線性處理方式，相比傳統(tǒng)診斷方式，其對知識的運(yùn)用更靈活；同時，對于新型故障，神經(jīng)網(wǎng)絡(luò)能夠通過學(xué)習(xí)自我完善，具有強(qiáng)大的適應(yīng)性。

文獻(xiàn)[3]中將神經(jīng)網(wǎng)絡(luò)應(yīng)用于配電網(wǎng)故障診斷，將斷路器動作信息作為輸入，故障位置作為輸出，其學(xué)習(xí)過程為：通過樣本訓(xùn)練，不斷修改網(wǎng)絡(luò)權(quán)值和閾值，使得輸出結(jié)果和參考值一致。在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)不變情況下故障診斷可靠性較好，但存在延時診斷，處理瞬時故障時可能造成誤診。

神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的學(xué)習(xí)能力，用于故障診斷時其容錯性較好，相比于專家系統(tǒng)，避免了將專家知識編入知識庫的繁瑣過程，但神經(jīng)網(wǎng)絡(luò)存在一些缺陷：（1）神經(jīng)網(wǎng)絡(luò)需要大量樣本訓(xùn)練，在配電網(wǎng)故障診斷領(lǐng)域，獲得足量的訓(xùn)練樣本是困難的；（2）神經(jīng)網(wǎng)絡(luò)對其診斷過程缺乏解釋能力。

神經(jīng)網(wǎng)絡(luò)在故障診斷領(lǐng)域具有一定應(yīng)用前景。如何得到完備的訓(xùn)練樣本庫，如何在避免陷入局部最優(yōu)的前提下使神經(jīng)網(wǎng)絡(luò)收斂更快，以及如何挖掘出神經(jīng)網(wǎng)絡(luò)蘊(yùn)含的知識并解釋其診斷過程，仍然是研究神經(jīng)網(wǎng)絡(luò)需要解決的重要問題。

1.3 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是基于概率推理和圖論的數(shù)學(xué)模型，應(yīng)用于電網(wǎng)故障診斷時，貝葉斯網(wǎng)絡(luò)利用先驗概率和相關(guān)知識推理得到各元件故障的概率，以概率的形式展示診斷結(jié)果，在解決不確定性和不完備性問題時有很大優(yōu)勢。

目前，在實際應(yīng)用中，貝葉斯網(wǎng)絡(luò)有一定瓶頸。首先是先驗概率的確定，配電網(wǎng)有多種故障，故障特征也是復(fù)雜多樣的，獲取先驗概率有一定難度；其次，貝葉斯網(wǎng)絡(luò)需要準(zhǔn)確建模，當(dāng)配電網(wǎng)結(jié)構(gòu)復(fù)雜時，建模難度很大。而且由于模型過于復(fù)雜導(dǎo)致診斷效率低。

文獻(xiàn)[4]中提出建立時序貝葉斯知識庫，將事件的因果關(guān)系和貝葉斯網(wǎng)絡(luò)的推理能力相結(jié)合，發(fā)生故障時，先搜索可能故障的元件，建立貝葉斯網(wǎng)絡(luò)模型，同時對缺失的信息作出假設(shè)，再通過模型推理判斷出故障元件、誤動和拒動元件。文獻(xiàn)[6]中提出了一種計及可信度的變結(jié)構(gòu)貝葉斯網(wǎng)絡(luò)電網(wǎng)故障診斷方法，根據(jù)收集到的信息判斷可能發(fā)生的故障模式，再建立該模式下的貝葉斯網(wǎng)絡(luò)，通過計算事件發(fā)生的可信度并加入貝葉斯推理公式，增強(qiáng)了故障診斷的準(zhǔn)確性。

貝葉斯網(wǎng)絡(luò)以概率展示故障診斷結(jié)果，清晰直觀。然而，其解決復(fù)雜問題時建模困難，處理效率低。未來的研究將主要集中于自動建模，充分利用時序信息等方面。

1.4 模糊集理論

隸屬度是一個[0，1]的實數(shù)，表示某個元素屬于某個集合或者擁有某種屬性的程度，在配電網(wǎng)故障中，每種故障對應(yīng)于多種故障信號，而一種故障信號也可能在多種故障中出現(xiàn)，調(diào)度中心很難辨別接收到的故障信號分別由哪些故障引起的，用隸屬度來描述某個故障特征屬于某種故障的程度，再以隸屬度為參數(shù)診斷故障可以使這種模糊的因果關(guān)系量化從而便于推理計算。

模糊理論可以描述數(shù)據(jù)的可信度，從而有助于綜合考慮多種判據(jù)，文獻(xiàn)[7]中提出了一種基于模糊理論的多重復(fù)合判據(jù)的小電流接地系統(tǒng)選線方案，利用模糊理論對多種判據(jù)進(jìn)行實時加權(quán)評價，實現(xiàn)單相接地故障選線診斷，相比單一判據(jù)，可靠性更高。

模糊理論能夠表達(dá)隸屬程度，在故障診斷中常用于數(shù)據(jù)清洗，對于一個數(shù)據(jù)，非此即彼的判斷很容易造成誤判，采用隸屬度來進(jìn)行量化的描述顯然提高了判斷的容錯性。文獻(xiàn)[8]中提出了一種基于模糊理論的專家系統(tǒng)的故障診斷系統(tǒng)，文中將所有原始數(shù)據(jù)模糊化后在帶入計算，明顯提高了診斷準(zhǔn)確性。

在故障診斷中，模糊理論提供的是一種數(shù)據(jù)處理方法，因此需要和其他技術(shù)結(jié)合完成故障診斷，廣泛應(yīng)用于故障診斷過程中的數(shù)據(jù)處理；優(yōu)化隸屬度函數(shù)使之更加合理是模糊理論未來的發(fā)展方向。

1.5 Petri網(wǎng)

近年來，國內(nèi)外研究者對使用Petri網(wǎng)表達(dá)因果關(guān)系的知識做了眾多研究，目前，已經(jīng)有了多種基于Petri網(wǎng)的表示和校驗知識的方法。Petri網(wǎng)之所以能出色的表示知識的推理，是因為其具有并發(fā)、不確定、異步的特點，同時擁有較為完善的數(shù)學(xué)理論支撐，可以建立Petri網(wǎng)模型來表示知識，然后分析、演變Petri網(wǎng)即是知識推理過程。

在故障診斷中，Petri網(wǎng)的應(yīng)用主要有2種：基于模型的故障診斷和基于知識的故障診斷。前者基于對象行為建立Petri網(wǎng)模型，后者往往與故障樹、專家系統(tǒng)等方法緊密相連。

Petri網(wǎng)能出色的解決含分布式電源的故障診斷問題，并且具備一定的容錯性和適應(yīng)能力。但是，當(dāng)配電網(wǎng)故障規(guī)模過大時，Petri網(wǎng)結(jié)構(gòu)會非常復(fù)雜，影響診斷速度，而且可能導(dǎo)致狀態(tài)爆炸。

文獻(xiàn)[9]中建立顏色Petri網(wǎng)故障診斷模型，在含分布式電源的配電網(wǎng)應(yīng)用效果高效可靠，并且，當(dāng)網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生改變時只需修改Petri網(wǎng)顏色即可。文獻(xiàn)[10]中建立了基于多源信息的延時約束加權(quán)模糊Petri網(wǎng)故障診斷模型，在含錯誤報警信號是依然能夠診斷故障，并且逆向推理信號的完整性和可靠性，識別誤動和拒動的保護(hù)。

1.6 優(yōu)化算法

基于優(yōu)化算法的故障診斷即以假想故障為變量，以其和故障信號的匹配程度為適應(yīng)度，利用優(yōu)化算法搜索出適應(yīng)度最高的假想故障。常用于故障診斷的優(yōu)化算法有遺傳算法、蟻群算法和模擬退火算法等。

依據(jù)FTU上報的信息將配電網(wǎng)故障診斷問題轉(zhuǎn)化為0-1整數(shù)規(guī)劃問題，以適應(yīng)度來表示搜索得到的解的優(yōu)劣，基于優(yōu)化算法的故障診斷具有一定的容錯性，也能較好的診斷多重故障?；趦?yōu)化算法的故障診斷主要問題有：（1）收斂速度慢；（2）容易陷入局部最優(yōu)，導(dǎo)致誤診。

文獻(xiàn)[1]中提出了基于遺傳算法的配電網(wǎng)故障定位方法，該方法能實現(xiàn)多重故障定位，但是只適用于環(huán)網(wǎng)單電源運(yùn)行方式。文獻(xiàn)[2]中提出一種基于免疫算法的配電網(wǎng)故障定位方法。通過仿真對比得出，免疫算法相比遺傳算法具有更好的全局搜索能力，遺傳算法容易陷入局部最優(yōu)解導(dǎo)致誤判，而免疫算法誤判的可能性小很多。

優(yōu)化算法的優(yōu)劣關(guān)鍵在于收斂速度和全局搜索能力，因此，之后基于優(yōu)化算法的故障診斷可以嘗試改進(jìn)目標(biāo)函數(shù)、設(shè)計新的優(yōu)化算法或者結(jié)合多種優(yōu)化算法綜合考慮。

2 當(dāng)前技術(shù)問題及未來發(fā)展方向

目前的故障診斷智能技術(shù)中，主要是基于FTU傳回的故障信息的智能診斷技術(shù)，而且已趨于成熟。國內(nèi)外學(xué)者創(chuàng)造了多種智能算法以及各種智能技術(shù)相結(jié)合的診斷方法，在準(zhǔn)確性、快速性、容錯性等方面都有較優(yōu)越性能，但其局限性也是顯而易見的：判據(jù)只有FTU上傳的故障信息，不能實現(xiàn)精確定位；處理復(fù)雜故障能力較差；FTU工作環(huán)境惡劣，出錯可能性較大?？傮w來說由于采集的故障信息太簡單，無法深入分析故障原因和位置。

目前已有基于行波測距的故障診斷方法，該方法能夠?qū)崿F(xiàn)精確故障定位，定位精度可達(dá)5 m，大大減少了故障排除難度，但由于其成本較高，目前之應(yīng)用于輸電架空線路和電纜中，在配電網(wǎng)中無應(yīng)用。目前配電網(wǎng)中使用性能最好的還是基于FTU上傳的故障信息的智能技術(shù)。

行波診斷法的發(fā)展前景是很好的，其性能明顯優(yōu)于目前的配電網(wǎng)故障診斷技術(shù)，只是成本較高，因此如何減少安裝數(shù)量和生產(chǎn)成本是關(guān)鍵問題。單種故障信息作為判據(jù)進(jìn)行診斷容易由于信號畸變導(dǎo)致出錯，而且可能存在診斷盲區(qū)，無法處理復(fù)雜情況等問題，因此，未來的故障診斷技術(shù)發(fā)展方向應(yīng)該是基于信息融合的，基于多種故障信息作出故障診斷其性能必然更優(yōu)。其主要研究方向是：具備多種故障信息采集能力的終端；更快、更準(zhǔn)確的故障信息傳輸能力；基于信息融合的故障診斷算法。

3 結(jié)束語

智能技術(shù)應(yīng)用于配電網(wǎng)故障診斷，相比于傳統(tǒng)方法體現(xiàn)出了一定的優(yōu)越性。隨著電力行業(yè)向著智能化的方向發(fā)展，配電網(wǎng)的功能、結(jié)構(gòu)及各種概念都在不斷發(fā)展，故障情況會更加復(fù)雜或者出現(xiàn)全新的情況，對于診斷的要求也在不斷提高。

上述所有智能診斷技術(shù)都是基于FTU上傳的故障信息作為判據(jù)的，單獨使用時各有優(yōu)缺點，目前趨勢是結(jié)合多種智能技術(shù)綜合診斷，取長補(bǔ)短，并且在配電網(wǎng)故障診斷領(lǐng)域取得了較好的應(yīng)用效果。另外，行波測距是一種性能更優(yōu)的技術(shù)，但成本較高，有一定的研究價值。

未來的配電網(wǎng)故障診斷技術(shù)是基于信息融合的，這是必然的發(fā)展趨勢，但在基于信息融合的故障診斷技術(shù)發(fā)展成熟之前，基于FTU上傳信息的故障診斷技術(shù)的研究依然是有價值的。