基于粗糙集理论的煤矿供电系统故障诊断方法

乔志刚

(西山煤电集团公司，山西 太原 030053)

煤矿供电系统一般由三级变电站组成，即地面变电站、井下中央变电站和采区变电站。矿井地面变电站是矿山供电系统的枢纽，担负着向井上、井下变配电的任务，将110 kV电压变为6～35 kV电压，向额定电压为6～35 kV及以下的用电设备供电。安全可靠的地面供电是煤矿安全生产和职工正常生活的基本保障，是井下供电的源头。杜儿坪110 kV变电站是西山煤电集团前山矿区重要的变电所，担负白家庄矿、杜儿坪矿、西铭矿、官地矿等煤矿供电，有35 kV、6 kV两个电压等级。35 kV及以下电压等级采用的结构较简单，对于供电事故应急处置不理想，特别是对于选线功能还很不完善。应用粗糙集理论，将供电系统运行中采集到的电流电压信号作为对故障分类的条件属性，将可能发生故障的元件或区域作为故障诊断的决策属性，在考虑各种可能发生的故障情况后建立决策表，然后利用粗糙集理论对基于原始数据信息所建立的原始决策表进行合理约简，逐步删除多余属性后抽取出诊断规则，进而得到多个与原信息等价的约简。最后对约简进一步化简，找到最小约简并抽取决策规则，从而对故障信息做出准确判断。

1 粗糙集理论

在粗糙集理论中，知识被看作是关于论域的划分，是一种对对象进行分类的能力。设U≠Φ是人们感兴趣的对象组成的有限集合，称为论域。任何子集X⊆U，称为U中的一个概念或范畴，并认为空集Φ也是一个概念。U中的任何概念族称为关于U的抽象知识，简称知识。U上的一族划分称为关于U的一个知识库。给定一个有限的非空集合论域U，定义R代表论域U中的一种等价关系，称为U上的分类族，即知识库K=(U,R)为一个近似空间。对于子集X、Y⊂U，若根据关系R、X和Y的属性不可分辨时，用[X]R来表示，它代表子集X和Y同属R中的一个范畴。若P⊆R，且P≠Φ，则P中全部等价关系的交集也是一种等价关系，称为P上的不可分辨关系，记为：

IND(P)∶[X]IND(P)=∩[X]R,P⊆R

(1)

不可分辨关系是粗糙集理论的基石，也是定义其他概念的基础。

给定一个有限的非空集合U，R为U上的一族等价关系。R将U划分为互不相交的基本等价类，记作U/R，二元组K=(U,R)构成一个近似空间。

设X⊆U，Y∈U/R，则：

(2)

(3)

集合X关于R的边界区BNR(X)定义为：

(4)

BNR(X)为集合X的上近似和下近似之差，它表示了根据知识R既不能判断肯定属于X，也不能判断肯定不属于X的对象所组成的集合。

在粗糙集理论中，应用决策表来描述论域中的对象。决策表是一张二维表格，每一行描述一个对象，每一列描述对象的一种属性。属性分为条件属性和决策属性，论域中的对象根据条件属性的不同，被划分到具有不同决策属性的决策类。例如表1所示，论域U中有5个对象，编号1～5，{a，b，c}是条件属性集，d为决策属性。

表1 决策表

决策表的约简步骤为：

1) 删除相同的规则。

2) 删除表中多余的条件属性(列)。

3) 删除每条分类规则中的多余属性，只保留必要的属性。

约简定义为不含多余属性并保证分类正确的最小条件属性集。一个决策表可能同时存在几个约简，这些约简的交集定义为决策表的核，核中的属性是影响分类的重要属性。将表1化简后得到了两个约简：即{a，b}和{a，c}，见表2和表3，它们维持了与原有条件属性集{a，b，c}相同的分类能力。{a}是核，表明a是影响分类的重要属性。

表2 约简{a，b}表

表3 约简{a，c}表

2 基于粗糙集理论的煤矿供电系统故障诊断流程

基于粗糙集理论的煤矿供电系统故障诊断的诊断流程见图1。

图1 故障诊断的粗糙集方法流程图

在应用粗糙集理论方法进行供电系统故障诊断时，要准确分析故障特征，对于有故障特征的属性，可以设为数字“1”表示，对于没有故障特征的属性，可以设为数字“0”。然后就可以对决策表中的数据信息进行约简。

3 故障诊断的实现方法

通常情况下，煤矿供电系统存在以下弊端：

1) 煤矿供电系统中没有安装方向性电流保护，缺乏对功率方向的测量，因而在供电网发生故障时电动机若对母线发送点，极易造成继电保护和断路器误动作，这就给变电站运行人员判断故障元件和故障类型带来困难。

2) 煤矿供电系统中现有的继电保护装置采样率较低，采集到的电气暂态量数据不足，而要准确判断故障类型，则需要用到足够的电气暂态量数据。

3) 针对煤矿供电系统的单相接地故障，如果变电站中一次设备的间隔数量较多，当采用传统的故障选线方法时，需要耗费大量的二次电缆，以便测量到的电流电压数字量上传至监控后台，大量的电缆敷设起来较困难，并且数据在传递过程中容易受到电磁干扰，影响数据的准确性。

因此，基于目前煤矿供电系统在故障诊断领域存在的不足，本文设计了煤矿供电系统故障诊断智能系统，其结构见图2，该系统已经应用于实际。

例：在杜儿坪110 kV变电站的一次设备安装了一整套数字测量单元，用光纤以太网将实时获取的暂态信息准确无误地上传给监控后台，以增加用于故障诊断数据信息的冗余性。然后再利用粗糙集理论对煤矿供电系统进行故障诊断。该系统可在传统变电站的基础上实现故障诊断。

图2 故障诊断智能系统的结构图

在该故障诊断智能系统中，测量单元从一次设备(馈线、变压器、母线等)中获得电流、电压等实时数据，通过测量单元内部的A/D模块进行采样，并将电流、电压转化为数字量信号，这些数字量信号再利用光纤以太网传输到智能系统服务器，在智能系统服务器中，利用粗糙集理论将测量单元获得的电流、电压信号进行推理分析，通过粗糙集的属性和约简规则，提取出有用的信息，从而对供电系统发生的故障进行推理判断。故障诊断服务器与综自后台之间通过双绞线以太网进行通信，兼容IEC61850协议建立故障诊断智能系统的监控后台服务器。故障诊断服务器与监控后台服务器之间通过局域网上传录波数据，在监控后台服务器实现查询录波、查询记录和高级管理的功能。按照智能变电站的结构特点将故障诊断服务器与监控后台服务器分开，使间隔层和站控层分别管理，保证了系统运行的可靠性。该智能系统的监控后台服务器包括数据库模块、系统管理模块、故障分析模块、故障诊断模块等。

4 在短路故障诊断中的具体应用

杜儿坪110 kV变电站接线图见图3，该变电站有110 kV、35 kV、6 kV等3个电压等级，MU1、MU2、MU3分别为安装在这3个电压等级母线上的测量单元，其测量内容为各母线的电压值；MUT为安装在主变压器上的测量单元，其测量内容为变压器分接头各电压等级侧的电流值；MU21、MU22和MU31、MU32、MU33分别为安装在35 kV和6 kV线路上的测量单元，其测量内容为各线路上流过的电流值。

图3 110 kV变电站接线图

如图3所示，以35 kV区域为研究对象，根据煤矿供电系统中母线、主变压器和线路的测量信息，可以建立以{MU1，MU2，MU3，MUT，MU21，MU22，MU22，MU31，MU32，MU33}为条件属性集合的决策表。从该条件属性集合中提取出有用故障信息，进行约简后的决策表见表4，表4中U是论域，{MU2，MU3，MU21，MU22，MU22，MU31，MU32，MU33}为条件属性集合，{Fault}为决策属性。其中，“1”表示测量单元获取的电流电压值越限，同时被测量元件上流过的功率方向为从元件流向母线，“0”表示测量单元获取的电流电压值处在正常的运行状态下。“No”表示无故障。“*”表示该属性的取值对分类没有影响。

首先，根据属性集合建立决策表，然后根据约简规则得到约简后的决策表，判断出供电系统中发生故障的元件。最后，根据母线或线路上每一相的电流电压值信息判断出故障类型。

表4 变电站故障元件决策表

粗糙集理论利用数据信息的冗余性构筑出不同的约简，通过避开丢失的或传输出错的信号而达到正确诊断的目的。表4中得到的6条故障分类规则如下：

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。

这些逻辑规则判断均可以利用软件编写出简单的算法来加以实现。

在判断出某条线路故障后，接下来要准确判断出发生的故障类型，这时就需要利用测量单元中获取到的线路上各相的电流值信息完成进一步的诊断分析。变电站35 kV线路上各相安装的电流继电器示意图见图4，将线路每一相的电流值信息作为决策表的条件属性，并将原始决策表进行约简后，可以得到的决策表见表5。

图4 变电站35 kV线路图

表5变电站35 kV线路故障决策表

UMU21aMU21bMU21cMU22aMU22bMU22cFault0110000L21ab1011000L21bc2101000L21ca3111000L21abc4000110L22ab5000011L22bc6000101L22ca7000111L22abc8000000No

表5中得到的故障分类规则如下：

Rule1：if (MU21a and MU21b)=1 Then Fault=L21ab(L21线路发生AB两相短路)；

Rule2：if (MU21b and MU21c)=1 Then Fault=L21bc(L21线路发生BC两相短路)；

Rule3：if (MU21c and MU21a)=1 Then Fault=L21ca(L21线路发生AC两相短路)；

Rule3：if (MU21a and MU21a and MU21c)=1 Then Fault=L21abc(L21线路发生ABC三相短路)；

Rule4：if (MU22a and MU22b)=1 Then Fault=L22ab(L22线路发生AB两相短路)；

Rule5：if (MU22b and MU22c)=1 Then Fault=L22bc(L22线路发生BC两相短路)；

Rule6：if (MU22c and MU22a)=1 Then Fault=L22ca(L22线路发生AC两相短路)；

Rule3：if (MU22a and MU22b and MU22c)=1 Then Fault=L22abc(L22线路发生ABC三相短路)；

Rule7：if (MU21a and MU21b and MU21c and MU22a and MU22b and MU22c)=0 Then Fault=No(供电系统运行正常，没有发生短路故障)。

需要指出的是，运用粗糙集理论的诊断方法不仅能够准确地判断出煤矿供电系统发生的短路故障，对于单相接地等其他故障亦有较好的诊断功能。、

5 结 论

由于煤矿供电系统的安全运行要求严格，在系统运行过程中一旦发生故障，直接威胁煤矿的安全生产，因此，对于煤矿供电系统的故障诊断显得尤为重要。基于粗糙集的煤矿供电系统故障诊断方法在煤矿供电系统的故障诊断中体现出了较高的优越性，即粗糙集理论具有较强的容错能力，它可以利用信息集合的冗余性，通过避开传输出错或者已经丢失的信号，实现正确的诊断。故障诊断智能系统在煤矿供电系统现场经过半年多的运行，发现该智能系统运行正常，累计发生过1次短路故障，2次单相接地故障，该智能系统均能够准确判断。因此，该智能系统能够为电力调度运行人员的日常工作提供较大的帮助，当供电系统发生故障时，服务器主站将自动弹出报警窗口，可以直观地反映出故障发生的时间、故障类型以及故障诊断意见，具有较高的实用价值。

参 考 文 献

[1]张文修，吴伟志，梁吉业，等．粗糙集理论与方法[M].北京:科学出版社,2001:31-34.

[2]王国胤．Rough集理论与知识获取[M].西安：西安交通大学出版社,2003:50-53

[3]李洪燕．数据挖掘技术在煤矿机械故障诊断中的应用[J].煤矿机械，2012，33(12)：259-261．

[4]皮安云,于 鹏.粗糙条件熵算法在故障诊断中应用分析[J].海军航空工程学院学报，2014(2):193-195.