電網故障診斷的智慧型技術

目前套用較為廣泛的基於智慧型技術的電網故障診斷方法，包括專家系統、人工神經網路、貝葉斯網路、最佳化技術、支持向量機、模糊集理論、Petri網、信息融合技術和多智慧型體技術。簡單介紹了這些智慧型方法的基本概念，在電網故障診斷領域的研究現狀，並從實用化的角度闡釋了各自的特點和存在的不足，以及各自未來的發展情況最後從電網故障診斷領域當前所面臨的重要問題出發，該領域今後的發展趨勢。

基本介紹

• 中文名：電網故障診斷的智慧型技術
• 外文名：The IntelligentTechnology of Power Network Fault Diagnosis
• 學科：電氣工程
• 領域：能源利用
• 特點：故障診斷智慧型化、信息化
• 套用：電網故障診斷

背景

電網故障診斷就是通過測量和分析故障後電網中電流、電壓等電氣量以及保護和斷路器動作的開關量變化信息，識別故障元件。良好的診斷策略對於縮短故障時間，防止事故擴大具有重要意義。故障發生時，監控系統採集到的大量故障信息湧入調度中心，基於傳統數學模型的診斷方法已很大程度上不能保證診斷的準確性和快速性等要求，而相比較來說，基於智慧型技術的診斷方法具有明顯的優勢。智慧型方法能夠模擬、延伸和擴展人類的智慧型行為，彌補數學模型診斷方法的不足，為電網故障診斷領域開闢了新途徑。因此故障診斷方法由傳統技術向智慧型化技術方向發展是該領域未來研究的重點和熱點。

在國內外專家學者對電網故障診斷領域研究成果的基礎上，綜述了一些當前套用較為廣泛的電網故障診斷的智慧型方法，其中包括專家系統、神經網路、模糊集理論、Petri網等，並相應的給出了簡要的介紹，同時分析了這些方法的特點和不足，總結了當前電網故障診斷領域所面臨的問題，探討了該領域在今後的發展中需要重點解決的關鍵問題和未來的發展趨勢。

電網故障診斷的智慧型方法研究現狀

基於專家系統的故障診斷方法

Feighbaum教授於1968年開發了第一個專家系統((Expert System)並且具體說明專家系統是一種智慧型的電腦程式，它通過使用知識與推理過程，求解那些需要專家的知識才能求解的高難度問題。自從70年代人們將專家系統引入到電網的故障診斷領域至今，基於該方法的故障診斷套用較為成功。專家系統在電網故障診斷中的典型套用可以歸結為:首先建立故障信息知識庫，並用自然語言建立產生式規則;然後基於對這一產生式規則的理解，知識工程師將知識表示成機器語言並通過人機接口儲存到知識庫中;故障發生時，將故障信息輸入到推理機，推理機根據當前輸入的故障信息，運用知識庫中的知識，按一定的策略進行推理，從而識別出故障元件。

專家系統將專家的知識套用於電網故障診斷，可以保證診斷系統的實時性和有效性，但是基於知識的本質和實現故障診斷的原理沒有變，因此當前專家系統還存在著不足：(1)專家知識是人為移植到計算機的，所以難以建立完備的知識庫；(2)容錯性差，對於保護和斷路器的誤動作及知識庫中不包含的情況，很難給出正確的判斷；(3)系統的維護難度非常大，知識庫要經常根據實際情況進行更新。

未來的研究中將專家系統與其他智慧型技術相結合是一種有效的方式，取長補短，彌補專家系統本身的缺陷。有研究將模糊集理論與專家系統結合，通過對電壓和電流值以及保護和斷路器信息進行模糊推理，能夠有效地改善專家系統容錯性差的問題。也有採用一種適用於電網故障診斷的整個協同式專家系統的結構體系，並且將其與多智慧型體技術相結合，克服了單一專家系統的局限性，增強了對複雜故障實時診斷的推理能力。

基於人工神經網路的故障診斷方法

人工神經網路(Artificial Neural Network)是一種模擬神經系統來進行信息處理的數學模型，主要是基於輸入和輸出關係建立起來的，並由大量簡單的處理單元(神經元)廣泛互連而形成的複雜網路系統。神經網路能夠對大量的訓練樣本進行分析推理，得到一般規律，從而能對未知的或無法預測的故障信息進行分析判斷。前饋神經網路較廣泛地套用於電網故障診斷領域，其中最具代表性的是BP(Back Propagation)神經網路和徑向基神經網路。

有研究給出了BP神經網路在電網故障診斷中的典型套用:將保護器和斷路器的動作信息作為神經網路的輸入，可能發生的故障情況作為輸出，以此來建立診斷模型;通過大量的故障實例形成訓練神經網路的樣本集;訓練過程中，網路的輸入節點加輸入信號，此信號向前傳播，並不斷根據當時的節點活化函式、連線加權係數和給定值進行相應計算，此過程即為學習過程;在學習結束前，若前向計算的輸出與期望的輸出之間存在誤差，則將誤差信號反向傳播，調整權值和值，直到輸出滿足要求。

神經網路有強大的學習能力，而且具有容錯能力強、魯棒性好、非線性映射和並行分布處理等特點。然而，神經網路還存在如下缺陷：(1)需要大量的訓練樣本以供學習，但獲取完備優質的樣本十分困難；(2)神經網路在診斷過程中被看成是“黑箱”，缺乏對自身行為的解釋能力；(3)神經網路不善於處理啟發式的規則。未來對基於神經網路的電網故障診斷方法的研究重點還是在選取有價值的訓練樣本、給予診斷過程解釋能力、使適用於大規模電網故障診斷等方面。

基於貝葉斯網路的故障診斷方法

貝葉斯網路(Bayesian Network)是一種用來表示和推理不確定性知識的模型，它將機率論的相關知識與圖形理論相結合，具有較為嚴格的理論基礎，對解決複雜電網由於不確定因素引起的故障等問題具有明顯作用。利用貝葉斯網路技術進行電網故障診斷的研究還處於初期階段，但是發展的較為迅速。文獻採用分層遞歸的思想，利用粗糙集理論對電網故障信息進行分層挖掘，達到屬性優選，然後通過貝葉斯網路進行故障診斷，成功識別出故障元件。結合監測設備的狀態信息，利用貝葉斯網路實現了故障情況的提前預測。也有文獻基於元件建模，通過設定各節點的先驗機率，使得故障信息經過貝葉斯網路後，得到各元件發生故障的機率，以此識別故障元件，若採用某個值作為判斷條件，可同時對一個或多個元件的故障進行有效診斷。

貝葉斯網路的診斷模型清晰直觀，對於不確定和不完備信息可以進行良好的診斷決策，然而，網路節點賦值需要大量的實際觀察或統計分析方法來確定，而且貝葉斯網的訓練屬於NP難度問題，處理複雜問題時將變得非常困難。未來該領域的研究將主要集中在如何實現貝葉斯網路的自動建模，如何將其與信息融合理論相結合等方面。

基於最佳化技術的故障診斷方法

採用最佳化技術(Optimization Methods)的故障診斷方法是一種基於數學模型的求解方法。國內外學者提出了多種最佳化算法，可以將其套用到電網故障診斷領域，而且最佳化算法在電網規劃等方面也有較好的套用。常用的最佳化算法包括:遺傳算法，模擬退火算法和蟻群算法，還有較新的算法如交叉嫡算法。

最佳化技術套用於電網故障診斷的方法是考慮故障元件與保護器和斷路器的動作關係，將電網故障診斷問題表示為使目標函式最小化的0-1整數規劃問題，然後通過最佳化算法求解該問題的最優解。有文獻基於小生境遺傳算法，並結合粗糙集理論，來求取決策表約簡，從而抽出診斷規則，提升了對不完備信息的分析能力。

基於最佳化技術的故障診斷方法具有嚴密的數學基礎和理論依據，用常規的最佳化算法即能夠實現而且能夠在診斷信息不全面的條件下，給出局部和全局最優的多個診斷結果。不過該方法還存在的問題是：(1)目標函式的確定比較困難；(2)最佳化算法的多次疊代，導致診斷時間過長；(3)最佳化算法在尋優的過程中存在隨機因素，可能導致丟失最優解。所以選擇更全面的診斷模型以及採用合適的最佳化算法來提高診斷的準確性和實時性是該領域未來研究的重要方向。

基於支持向量機的故障診斷方法

統計學習理論是一種專門研究有限樣本情況下機器學習規律的理論，為研究統計模式識別和更廣泛的機器學習問題建立了一個較好的理論框架。Vapnik等人根據對統計學習理論的研究，提出了支持向量機(Support Vector Machine)這種全新的模式識別算法，有效地改善了傳統分類方法的缺陷，具有充足的理論依據。它在文本分類、故障診斷、手寫識別等領域中獲得了較多的套用。

故障診斷問題從本質上來說就是一種分類問題，而支持向量機對於有限樣本狀況下的分類問題具有較強的針對性。有文獻通過將粒子群最佳化算法與支持向量機相結合來進行故障診斷。由於在支持向量機算法中，核函式參數選擇的好壞直接影響到診斷結果的準確度，而文中採用的方法能夠實現參數的動態選取，達到最佳化診斷結果的目的。

支持向量機基於統計學習理論，有效地改善了傳統分類方法的缺陷，具有充足的理論依據，對解決有限樣本的模式識別問題具有很高的適用性。下一步的研究重點在於如何改進算法，使診斷過程快速並滿足實時性的要求以及處理大電網故障診斷、參數的選擇等問題。該技術在故障診斷中的套用起步較晚，隨著研究的加深，該方法有望成為電網故障診斷領域的實用方法之一。

基於模糊集理論的故障診斷方法

美國自動控制專家L A Zadek於1965年首次提出“模糊集合”的概念，並引入“隸屬函式”來描述差異的中間過渡。模糊集理論(Fuzzy set Theory)將信息模糊化，首先系統獲取的信息組成的集合可以看成一種經典集合，按照某種對應法則將集合中的元素映射到 [0，1]這一區間，這樣集合中的每一個元素在0和1之間都對應一個實數，這個實數可以表明其隸屬於0或1的程度，按照以上對應法則組成的函式就是隸屬度函式，該理論就是以隸屬度函式為基礎建立的。在電網故障診斷領域發展的早期，人們對專家系統套用在故障診斷領域做了較多的研究，然而很少考慮到信息的不確定性，從而導致診斷的不精確。有文獻針對電力系統故障診斷問題中的不確定信息給出解決方法，將模糊集理論套用在電網故障診斷領域，通過將故障信息模糊化，不僅可以減小數據信息的存儲空間，也能提升診斷精度和容錯性。

模糊集理論的特點就是可以處理信息的不確定性，然而基於模糊集理論的故障診斷方法還面臨著一些弊端：(1)隸屬函式的建立沒有一個明確的標準；(2)可維護性差，當電網結構發生變化時，模糊知識庫和隸屬度也要做相應的變化；(3)大規模電網的模糊診斷模型建立困難。在實際套用中，常常將模糊集理論與其他智慧型方法相結合(如專家系統、神經網路、Petri網等)，用來分析不確定性信息對診斷系統的影響，提升診斷精度，增強系統的容錯性。

基於Petri網技術的故障診斷方法

Petri網是德國科學家Carl Adam Petri於1960到1965年提出的一種數學模型，它利用目標系統中元件之間的關係來構建有向圖的組合模型，從而能夠準確地表示離散事件發生的順序、並發和衝突的關係。印度學者 Jenkensl和Khincha在1992年首先將Petri網技術套用於電網的建模中，在這之後Petri網在電力系統的很多領域中得到了套用，並顯示出了其良好的套用前景。電網的故障可看成是離散事件，而Petri網是對離散事件組成的系統進行建模和分析的理想工具。

Petri網方法能夠定性或定量地對系統中事件發生的各種過程採取準確的分析，同時還具有圖形化的結構表示等優點，是對離散事件進行動態建模和分析的有效方法，不過還有一些尚需深入的問題存在，主要是：(1)系統網路拓撲的擴大，易導致建模時發生信息組合爆炸的情況；(2)電網多重故障時，診斷結果不夠理想；(3)對於保護和斷路器拒動或誤動時產生的錯誤信息不能很好地分析識別。未來的研究中，將高級的Petri網用於複雜電網的故障診斷是一種有效的措施。

基於信息融合技術的故障診斷方法

信息融合(Information fusion)技術實際上是一種多源信息的綜合技術，通過對來自不同數據源的信息進行分析和智慧型化合成，獲得被測對象及其性質的最佳一致估計，從而產生比單一信息源更精確、更完全的估計和決策。採用該方法的電網故障診斷已顯示出了明顯的優勢。

採用信息融合技術將開關量與電氣量等來自不同數據源的信息綜合利用，可以極大地提高診斷系統的實時性和準確性，有效地避免由於故障信息的不確定性而導致的錯誤診斷。信息融合技術在今後的研究中，重點將放在解決如何選取合適的信息融合方法以及如何在實際中融合更多方面的信息，這會使得電網故障診斷水平上升到一個新高度。

基於MAS的故障診斷方法

多智慧型體(Multi-Agent System， MAS)技術是分散式人工智慧技術的重要分支，它是一種將計算機、網路和分散式思想相結合的軟體工程技術，能夠將目標問題轉變成在邏輯上或物理上分離的多個Agent，可分別針對每個Agent來解決問題，而且各個Agent之間相互協調信息得到最終結果，節約了數據和資源。文獻將MAS技術套用於電網的故障診斷中，先將診斷系統智慧型分解，再通過軟體技術來協調各Agent中的信息並得出診斷結果，滿足了準確性和實時性的要求。有文獻提出一種基於智慧型識別系統的MAS技術。MAS實現了控制過程的線上自適應識別和實時的進行離線故障診斷，同時可以適應和克服大規模電網的複雜性。

故障診斷的模型和架構

電網故障診斷中需要構建表述電氣設備、保護和斷路器關係的解析模型。有文獻對於故障時警報信息的時序特性進行研究，結合動態關聯路徑概念構建了電網故障診斷解析模型，能夠更清晰地描述電網保護配置下保護與斷路器的動作邏輯和動作時序關係，可以更好地反映多重複雜故障。也有文獻研究了保護和斷路器發生誤動與拒動行為的故障假說，建立了更為完備的診斷模型，不僅可以分析保護與斷路器誤動、拒動行為，還可以識別漏報或誤報的信息。有研究提出了電網故障診斷的完全解析模型，通過建立邏輯約束表達了保護配置與斷路器動作規則之間的解析關係，完整地保留了保護動作狀態、斷路器跳閘狀態以及它們誤動、拒動之間通過規則解析而形成的藕合關係，提高了模型的魯棒性和故障診斷的容錯能力。上述模型面向繼電器層面構建，在套用時不能充分體現保護裝置層面的邏輯關係，電網運行中繼電保護按成套裝置配置，裝置內及裝置之間由於操作要求和電路聯繫具有動作一致性。

在診斷系統建模中，數據格式的定義一般結合具體套用目的由人工設計實現，隨意性較大，不夠規範。隨著電網自動化建設的發展，IEC61970和IEC61850標準的提出為電網故障診斷模型構建提供了新的思路，有文獻採用公共信息模型(CIM)，也有文獻提出一種統一信息模型，這就為故障診斷模型的構建提供了一個較規範化的模式，可以基於統一的規範進行系統的數據格式設計。然而IEC61970和IEC61850標準設計的初衷是為通訊套用，不體現數據之間的關係，電網故障診斷所需的知識與規則依然需要人工搭建。

電網故障診斷的套用目的是為調度中心的調度員提供智慧型化的決策，所以診斷的基本架構是基於調度中心構建的。由於當前電網規模的逐步擴大，分層分散式的診斷系統架構和多智慧型體系統的構建方式相繼展開研究，其主要目的在於通過分層分區的方式實現任務分解，降低調度端的解題壓力，以完成大電網複雜故障的診斷求解。

電網故障智慧型診斷方法套用

專家系統智慧型診斷系統的套用

專家系統是發展最早，也是比較成熟的一種人工智慧技術一般地說，專家系統是一個具有大量專門知識與經驗的程式系統，它根據某個領域的專家提供的知識與經驗進行推理和判斷，模擬專家的決策過程，以解決那些需要專家決策的複雜問題專家系統的套用領域不同，採用的知識表示方式也可以有所不同。

專家系統在電力網路故障診斷中的典型套用是基於產生式規則的系統，即把保護、斷路器的動作邏輯以及運行人員的診斷經驗用規則表示出來，形成故障診斷專家系統的知識庫，進而根據報警信息對知識庫進行推理，獲得故障診斷的結淪。該系統允許增加、刪除或修改一些規則，以確保診斷系統的實時性和有效性:能夠在一定程度上解決不確定性問題:能夠給出符合人類語言習慣的結淪並具有相應的解釋能力。

但是需要說明的是，對於電網故障專家診斷系統，獲取完備的知識庫是形成故障診斷專家系統的瓶頸如果建立的知識庫不完備，可能導致專家系統推理失敗或給出錯誤的結論。因為專家系統在推理時要搜尋、匹配知識庫內一定的規則集才能得出結淪，所以當系統比較大時完成診斷的速度將會比較慢:而電力系統領域專家在實際工作中的思考方式是非常簡潔實用的，他們更多的是利用其腦海中己熟知的典型方案，根據對比實際問題，再加以適當修改和調整，從而得到符合實際問題的求解方案。此外，專家系統的容錯能力較差，在故障後保護裝置或斷路器錯誤動作的情況下，專家系統因缺乏有效的方法識別錯誤信息，容易造成錯誤診斷。研究者將專家系統與其它理淪方法結合起來以改善這一缺陷，可望使專家系統得到新的發展與突破。

神經網路智慧型診斷系統的套用

人工神經網路(ANN)是模擬人類神經系統傳輸、處理信息過程的一種人工智慧技術與專家系統相比，人工神經網路最大的特點是採用神經元及他們之間的優先權重連線來隱含處理問題的知識，並具有學習與自學習能力和泛化能力，容錯能力較強，即使輸入信號帶有一定的干擾噪聲，仍能給出正確的輸出結果。

ANN在電網故障診斷中的套用主要在故障定位和故障類型識別兩個方面，其主要問題是:ANN在使用之前需要大量的、有代表性的樣本供其學習，且學習算法收斂的速度一般比較慢。學習完成之後，如果系統結構發生變化，則需要增加新的樣本重新學習:ANN通常只能給出一個介於0-1之間的數值作為輸出，對診斷結果缺乏解釋能力，這不利於運行人員理解診斷結果。因此，儘管ANN具有一定的容錯能力，但是它不能提供信息幫助運行人員推斷不正常動作的裝置:此外，如何設計適用於大型輸電網路的故障診斷系統仍然是一個有待於進一步研究的問題。

模糊智慧型診斷方法的套用

模糊理淪是將經典的集合理淪模糊化，並引入語言變數和近似推理的模糊邏輯，具有完整的推理體系的智慧型技術。一般模糊系統的結構與專家系統的結構類似，由模糊知識庫、模糊推理機和人機界面等幾部分組成，也可以說模糊系統是模糊理淪與專家系統結構的結合。

模糊理淪己被大量引入輸電網路故障診斷領域。輸電網路故障診斷的不確定性主要是由保護或斷路器誤動、拒動，信道傳輸干擾錯誤，保護時間偏差等因素造成的。這些不確定因素對於要求嚴格匹配搜尋的專家系統來說，很容易導致錯誤的結果但在專家系統中融入模糊理淪後，由精確推理變為近似推理，在一定程度上增強了專家系統的容錯性。模糊理淪除了與專家系統相結合構成診斷系統外，也可以與其他各種人工智慧技術結合在一起，分析不確定因素對智慧型診斷系統的影響，提高診斷的準確率。只是需要注意的是，模糊理淪所必需的先驗信息較難準確獲得，這給其套用帶來的很大阻力。

當前面臨的主要問題及未來發展趨勢

電網故障診斷領域所面臨的主要問題是：(1)各種診斷方法在處理不確定和不完備信息時容錯性差，而且直到現在對於該問題仍沒有給出明確的解決方式；(2)像前文所介紹的，這些智慧型方法本身還存在套用的限制和缺陷，而且在實際套用中，大部分電網故障診斷還是只基於一種智慧型方法；(3)電網的運行方式和網路拓撲結構的變化對故障診斷結果有明顯的影響；(4)電網智慧型故障診斷實用化的研究還不夠。

從當前電網故障診斷領域所面臨的問題出發，今後的研究重點可以分為以下幾個方面：

(1)基於多種智慧型方法融合的診斷方法研究。電網故障診斷的實際套用中，多數還是採用一種智慧型方法，其中套用較多的是專家系統和最佳化技術。將多種智慧型技術融合，取長補短，並在電網故障診斷領域中適時地引入最新的技術，這是未來故障診斷髮展的重要趨勢。

(2)基於多數據源信息融合技術的診斷方法研究。電網故障診斷系統所採用的智慧型技術大多是利用開關量信息。相比較來說在精確性、容錯性等方面，電氣量有著更大的優勢。將不同數據源的開關量和電氣量的信息融合，充分利用多數據源的故障信息，能夠使診斷結果更加精確。

(3)基於分散式智慧型技術的故障診斷研究。採用分散式的故障診斷方法能夠將大電網分區後進行分散式故障診斷，有效地解決了面向大電網故障診斷的難題。中國電科院的專家2007年利用貝葉斯網路的診斷方法，以含有不確定性故障信息的大型系統作為平台，進行了MAS協同診斷問題的研究，並取得了很好的診斷結果。

(4)線上電網故障診斷實用化的研究。國內外的專家學者在電網故障診斷理論上的研究已經取得了眾多成果，但在實用化研究的方面還十分欠缺。因此在未來的研究中，如何從實用化的角度出發，將理論套用到實際，仍然是一個重要的研究課題。故障診斷預處理功能是整個實用化的故障診斷系統的入口，為後續的運行提供保證，因此對故障診斷預處理功能的研究也是推進電網故障診斷實用化的重要一步。

結語

採用智慧型方法的電網故障診斷是該領域發展過程中新的思路，並且已取得大量實質性成果。綜述了較受關注的電網故障診斷的智慧型方法，相應介紹了這些方法的特點以及所存在的問題和近年來的研究成果，並指出當前電網故障診斷領域所面臨的問題，如實用化不足，處理不確定信息容錯性差等，最後探討了電網故障診斷領域未來的發展趨勢。這些智慧型方法有些還處於理論階段，而且都有各自的弊端，因此需要在實際工程套用中不斷完善，提升電網故障診斷的智慧型化水平。

電網事故判斷是進行事故處理的前提，提高診斷的準確性和快速性具有重要意義。隨著電網規模的擴大，為調度員配備高智慧型、高速度、高質量的實時故障智慧型診斷判別系統，以協助調度員對電網運行進行實時調整和控制，是非常必要的。