基于规则网的高压输电线路故障诊断与保护动作性能评价

廖志伟，岳苓，文福拴，朱炳铨，徐立中

(1. 华南理工大学电力学院，广州市 510640； 2. 国网山东省枣庄供电公司，山东省枣庄市 277100；3. 浙江大学电气工程学院，杭州市310027； 4. 文莱科技大学电机与电子工程系，文莱斯里巴加湾 BE1410；5. 国网浙江省电力公司，杭州市 310007)

基于规则网的高压输电线路故障诊断与保护动作性能评价

廖志伟1，岳苓2，文福拴3,4，朱炳铨5，徐立中5

(1. 华南理工大学电力学院，广州市 510640； 2. 国网山东省枣庄供电公司，山东省枣庄市 277100；3. 浙江大学电气工程学院，杭州市310027； 4. 文莱科技大学电机与电子工程系，文莱斯里巴加湾 BE1410；5. 国网浙江省电力公司，杭州市 310007)

对于多重或复杂故障以及存在警报信息丢失或畸变等复杂情况，如何准确诊断所发生的故障和评价保护装置的动作性能仍是值得研究的问题。在此背景下，提出一种基于规则网利用故障录波信息进行高压输电线路故障诊断和评价保护与断路器动作性能的新方法。首先，对故障录波信息进行预处理，利用小波变换技术从电气模拟量信息中提取线路故障特征量，得到电流突变事件和保护动作事件序列。在此基础上，建立计及警报信息时序特性的高压线路故障诊断规则网络模型，并确定故障假说集与期望的保护和断路器状态，并利用它们之间存在的因果与时序关系确定故障原因以及对保护和断路器动作性能进行评价；之后，对故障录波做进一步分析以判别故障类型、故障性质和故障位置；最后，用实际电力系统故障案例对所提出的方法进行说明。

高压线路；故障诊断；故障录波信息；规则网络；小波理论

0 引 言

高压输电线路的故障诊断及相应保护和断路器的动作性能评判大多是基于保护和断路器的动作等离散量信息[1-5]，但多重或复杂故障以及存在警报信息丢失或畸变等复杂情况，难以保证上述分析模型评判结果的准确性和完整性。为此，已有学者提取连续电气量的故障特征，并采用离散的保护和断路器动作信息和连续的电气量信息实现故障的综合分析判断[6-17]。文献[6]引入故障录波信息，实现对利用保护和断路器动作信息不能判定故障元件时的进一步分析。文献[8]建立了基于故障录波信息的变电站事故分析专家系统，利用线性时态逻辑对从模拟电气量信息提取保护、断路器动作的时序信息进行了分析。文献[9]采用小波理论，确定超高压电力系统发生故障的时刻。文献[10]探讨了采用小波分析方法解决电力系统故障录波数据的压缩与重构时的小波基选择问题。文献[11]优化了融合信息理论的电力系统故障诊断解析模型。

故障时序，即事故过程再现(包括对断路器、保护和自动装置的动作性能分析)，是电力系统事故判别的重要依据。另一方面，也可利用警报信息的时序特征来改善故障诊断的准确性和效率。文献[12-14]建立了基于警报时序特性的电力系统在线警报处理和故障诊断的数学模型，但如何保证这些模型在警报信息不完整或有误时的适应性尚有待深入研究。近年来，基于Petri网的电力系统故障诊断受到了相当多的关注，已经取得了一些接近实用的研究成果[15-17]，但还未见实际应用的报道。

在上述背景下，针对110 kV和220 kV高压线路，本文研究从故障发生到故障切除整个过程中高压输电线路的电流变化水平和变化时序，在此基础上利用保护和断路器动作之间的逻辑关系，提出一种基于故障录波信息的高压线路故障诊断及保护和断路器动作性能评价方法。首先，对故障录波信息进行预处理，利用小波变换技术从电气模拟量信息中提取线路故障特征量，得到电流突变事件和保护动作事件序列；在此基础上，建立计及信息时序特性的高压线路故障诊断规则网络模型，并确定故障假说集以及期望的保护和断路器状态。之后，利用保护和断路器动作事件序列及它们之间存在的因果关系和时序关系确定故障原因和对保护和断路器动作性能进行评价。最后，采用实际电力系统的故障案例验证所提方法的可行性和有效性。

1 故障录波信息预处理

1.1 基于提升小波理论的信号奇异性检测

故障发生、故障切除、重合闸的时刻等均可通过线路故障暂态信息的小波变换模极大值对奇异点检测来确定[9]。文献[9-10]通过对各种符合工程应用的bior2.2～2.6、bior3.1～3.5和bior4.4等小波基双正交提升小波应在电力系统故障信息提取性能进行综合比较后可知，bior3.1小波基在压缩比、失真率、故障时间检测及运算量等方面都有一定优势，比较适合故障暂态信号的压缩与重构。

基于文献[8]的研究，本文对故障录波数据的故障检测进行了如下改进：

(1)对A、B、C三相电流分别进行bior3.1提升小波分解，利用第一尺度(尺度越小，小波系数的模极大值点与突变点的对应就越准确；第一尺度即为最小尺度)上的高频系数，求出对应的模极大值，将其对应的采样点作为突变点；

(2)取每一相第一个突变点判断其突变类型，即该相是否发生了故障；

(3)判断故障相其他对应突变点的突变类型，即判断是故障切除还是重合闸操作等。

电流突变类型的判别在1.2节做了详细介绍。

1.2 电流突变类型分类

在文献[8]的线路电流状态划分的基础上，本文将其拓展划分为3种电流状态：(1)停电状态，记为0，表示线路被断路器切断；(2)正常状态，记为1，表示线路处于正常工作状态；(3)故障状态，记为2，表示线路处于故障状态。可以通过元件突变前后电流的幅值变化程度来确定电流状态，具体方法如下。

对于某条高压线路上电流的小波变换结果D1,D2,…,Dl(l为采样点的个数)，用Tk(k=1,2,…,z)表示应用小波变换技术提取出的突变点(z为突变点的总数)，DTk-1+1,DTk-1+2,…,DTk-1+n表示突变点Tk-1(若无突变点，则取起点)到突变点Tk间的对应小波变换值，Mmax_fore表示该区段采样值的最大值。用DTk+1,DTk+2,…,DTk+m表示从突变点Tk到突变点Tk+1(若无突变点，则取终点)间的对应小波变换结果，Mmax_back表示本区段采样值的最大值。电流提升小波的分解波形见图1。Mmax_fore及Mmax_back可由式(1)计算得到：

(1)

图1 故障电流的提升小波分解波形图Fig.1 Lifted wavelet decomposition waveform of fault current

依据式(2)，可计算得到一个0～1之间的值FI，表示电流信号在突变点Tk前后电流幅值的变化程度。

(2)

可由突变点前后电流幅值水平所发生的变化情况，根据式(3)及初始电流值对电流突变类型进行判断：

(3)

式中：KI表示线路电流的幅值改变系数，取值为0、1、2，分别表示电流从0值到某幅值间的变化、故障电流和正常电流间的变化及在2个正常电流范围内波动。k1和k2为设定的判断阈值，可根据实际系统的正常电流和故障电流的幅度确定。

计及高压线路从故障发生到故障切除全过程中可能出现的单相电流状态改变的所有可能性，可将单相电流的突变情况归纳为表1所示的6种类型。

表1 单相电流突变分类

Table 1 Classification of sudden change of single-phase current

即可从电力的故障录波信息中提取出一系列电流突变事件。可用四元组EI=(No-line,Phase,t,Type)表示电流突变事件。其中：No-line为线路的编号；Phase∈{a,b,c,ab,bc,ca,abd,acd,bad,abc}表示线路的故障发生相；t表示电流突变时刻，ms；Type表示突变模式。例如：E=(311,ac,35,1)表示编号为311的线路的A、C相电流在35ms时由故障状态突变为0状态。

采用Matlab软件对某单电源110kV线路中性点直接接地系统的A相接地短路故障进行分析。采样频率取为4 000Hz，设置0.2s时线路在距离母线20km处发生A相接地短路故障，故障持续时间为0.05s。图2为发生A相接地短路时A、B、C三相的电流波形；图3为相应的经提升小波第一尺度高频系数分解后的波形。采用式(1)—(3)计算确定的A相电流的突变点、突变时刻和突变类型如表2所示。由表2的计算结果可见，基于故障相电流数据，采用小波分析技术可较准确地提取故障时刻。

图2 三相电流波形图Fig.2 Waveform of three-phase current

图3 三相电流的提升小波分解波形图Fig.3 Lifted wavelet decomposition waveform of three-phase current

基于表1所示的单相电流突变模式，根据各复杂故障的特征，建立从简单故障发展成复杂故障，如转换型故障、发展型故障及非全相运行状态的故障突变模式。

表2 A相电流经提升小波提取的突变点和突变类型

Table 2 Mutation moment and pattern obtained by lifted wavelet in phase A grounded fault

注：表中的突变点为采样点值，可依据采样频率及采样点计算出突变时刻。

1.3 保护与断路器动作事件

通过扫描故障录波数据中的开关量通道，采用异或检测法可提取保护或断路器动作事件[11]，即用相邻两采样点的开关量状态进行异或运算。若满足以下2个条件：(1)xi＾xi+1=1(＾为异或运算符)；(2)xi之后的连续多个采样点均与xi+1相同，则可判定该开关量发生了变位。其中，xi和xi+1为相邻的2个采样值。

保护动作事件用三元组EP=(Np,Tp,tp)表示。其中，Np为保护通道名称，如“广花线路主保护”；Tp为事件类型，Tp∈{Pt,Pc}，Pt对应跳闸元件出口，Pc对应重合闸元件出口合闸；tp为事件发生时刻，由2.2节介绍的方法从录波信息中提取。

断路器动作事件也用三元组表示，定义EB=(Nb,Tb,tb)。其中，Nb为断路器的编号，如“311线断路器A相”；Tb为事件类型，Tb∈{Bt,Bc}，Bt表示断路器跳闸，Bc表示断路器合闸，二者均为断路器位置信号；tb为断路器动作时刻，由2.2节介绍的方法从录波信息中提取。

2 计及警报信息时序特性的高压线路故障诊断与保护/断路器动作性能评价

以图4所示的某220kV局部电力系统为例，介绍用于诊断线路故障及评价保护和断路器动作性能的计及警报信息时序特性的规则网络模型。

图4 某电力系统局部接线图Fig.4 A part of a power network

2.1 电流突变事件、保护和断路器动作间的因果逻辑关系

在文献[9]研究的基础上，通过考虑保护和断路器正确动作、误动、拒动等情景条件下，可将线路故障后保护和断路器的响应归纳为以下5种典型情况：(1)主保护和断路器都正确动作；(2)主保护拒动，线路装置中的后备保护正确动作，断路器正确动作；(3)主保护正确动作，但断路器拒动，之后断路器失灵保护正确动作；(4)主保护拒动，后备保护正确动作，但断路器拒动，之后断路器失灵保护正确动作；(5)线路无故障，保护或断路器误动。考虑到现有220 kV以上的高压线路一般采用近后备保护，当断路器拒动时将起动断路器失灵保护，上述分类方法基本覆盖了220 kV高压线路常见的故障响应情况。

根据电网的拓扑结构、线路继电保护配置、保护整定值及断路器分(合)闸时间，以上述5种故障响应情况为例，下面建立用于诊断线路故障及评价保护和断路器动作性能的计及警报信息时序特性的规则网络模型。对于图4所示系统，线路L2252发生故障时相关联的保护与断路器的动作原理和时序特性如表3所示。

表3 与线路L2252相关联的继电保护动作原理

Table 3 Operating principle of protective relays associated with line L2252

注：表3中的t1至t8可根据保护的定值配置及断路器动作时间确定。

上述归纳方式并未完全覆盖实际电力系统所有可能出现的复杂故障。对于各种实际故障(如死区故障导致失灵动作及区外故障保护误动等情况)，可以参照上述方法进行建模分析。

2.2 计及警报信息时序特性的规则网络模型

根据表3及保护动作、断路器动作与电流突变事件间的因果逻辑关系，可构建计及警报信息时序特性的线路L2252的规则网络模型，如图5所示，由节点、弧及时间距离构成。其中，节点代表故障元件、原因事件、电流突变事件、保护动作和断路器的动作事件；弧表示故障线路与故障原因的所属关系 (如线路的单相接地、两相短路等)、电流突变事件与保护动作间的因果关系、保护动作事件与断路器动作间的因果关系；时间距离表示电流突变事件间的时间距离约束。

2.2.1 基本定义

(1)故障元件，即故障线路。在图5中，故障线路为L2252。

(2)原因事件ci，指引起模拟电气量发生突变、保护及断路器动作的根本原因，如“线路L2252发生故障，主保护动作，断路器断开，重合闸动作”。在图5中，c1、c2、c3和c4表示原因事件，对应表3中的典型故障。

(3)EIi表示经故障信息预处理后得到的电流突变事件，如图5中的EI1和EI2；由故障发生和保护动作机理可知，每个事件可能对应多个原因事件。定义Ccause(EIm)={ci|i=1,2,…,r}为可能引起电流突变事件EIm发生的原因事件集合。

(4)保护动作事件用pi来表示，如“C4的断路器主保护动作”，在图5中用p1表示。

(5)bi表示断路器动作事件，如“C4跳三相”，在图5中用b1表示。

(6)Eexpected(ci)={pk|k=1,2,…,m}∪{bj|j=1,2,…,s}为原因事件ci对应的期望保护及断路器集合，即原因事件ci发生时，引发的相关保护或断路器动作事件。

图5 计及警报信息时序特性的线路L2252的规则网络模型Fig.5 Rule network with temporal sequence information of alarm messages for L2252

2.2.2 规则库

(1)(ci,EIm)：表示原因事件ci的发生引起电流突变事件EIm的出现。在图5中，(c1,EI1)和(c2,EI1)属于这种类型的规则。

(2)(EIm,pj)：表示保护动作事件pj由电流突变事件EIm引起。在图5中，(E1,p1)和(E1,p2)属于这种类型的规则。

(3)(pj,bk)：表示保护动作事件pj的发生会引起断路器动作事件bk的出现。在图5中，(p1,b1)和(p3,b2)属于这种类型的规则。

(4)(bk,EIn)：表示断路器动作事件bk的发生会引起电流突变事件EIn的出现。在图5中，(b1,EI3)和(b3,EI6)就属于这种类型的规则。

(5)(EIm,EIn)：表示电流突变事件Em和En由同一个原因事件引起，且EIm先于EIn发生。

(6)D(Em,En)表示原因事件ci发生时，故障时刻tem(对应电流突变事件Em)与故障切除时刻ten(对应电流突变事件En)之间的时间距离约束。如图6所示，选取故障时刻tem作为时间参考点，ten∈T(ten)，T(ten)=[ten-,ten+]，ten-和ten+分别为时间区间T(ten)的起点和终点，则D(Em,En)=[ten--tem,ten+-tem]。时间距离约束D(Em,En)等于线路关联保护的整定时间区间和断路器跳闸时间区间之和。在图5中，D(EI1,EI3)和D(EI1,EI6)就属于这种类型的规则。

图6 时间距离约束Fig.6 Time-distance constraints

3 故障诊断方法

3.1 总体框架

基于规则网并采用故障录波信息的故障诊断与保护和断路器动作性能评价系统的基本框架如图7所示。

3.2 故障原因分析

对故障录波文件进行预处理后，得到的电流突变事件序列为Esequ={EI1,EI2,…,EIr}，r为Esequ中所包含的电流突变事件个数；得到的保护动作事件序列为Psequ={p1,p2,…,ps}，s为Psequ中所包含的保护动作事件个数。故障原因分析就是要找到最能解释Esequ和Psequ的原因事件ci。由于相邻站出线发生故障时，与故障线路电气距离较近的本站线路也会启动录波，这样对于电流突变事件序列{EI1EI2}，就有以下2种情况。

图7 基于规则网络采用故障录波数据的 高压线路故障诊断的基本架构Fig.7 Rule network based framework for fault diagnosis of HV lines employing fault recorder data

(1)EI1的突变模式为正常到故障，EI2的突变模式为故障到正常。这种情况下可以判断发生了区外故障。

(2)EI1的突变模式为正常到故障，EI2的突变模式为故障到0。这种情况下线路发生故障。

对于情况(1)，仅给出诊断结果为“区外故障，线路无故障”，而对于情况(2)，则做如下进一步分析。

(1)确定原因假说集合H。首先，取电流突变事件EI1对应的Ccause(EI1)，即

(4)

(2)对H中的原因假说进行真实性评估。由3.1节归纳的6种典型故障情况可以看出，故障原因假说集合H中原因事件的n可能为：1、2、3或4。下面对此作进一步的评估：

1)n=1，H={ci}，ci即为要寻找的原因事件。

2)n>1，H={ci,cj}。在这种情况下，需要依据电流突变事件的个数和与故障线路相关联的主、后备保护的动作情况来确定。

首先依据Esequ中电流突变事件的个数n进行判断。假设mi和mj分别为原因事件ci和cj发生时引发的电流突变事件的个数。若n=mi，则确定原因事件ci为故障原因分析结果；若n=mi=mj，即原因事件ci和cj发生所引发的电流突变事件的个数相同，则定义2维0-1向量P1=[p1,p2]与Expected(ci)中线路相关联的主、后备保护的动作情况一一对应；2维0-1向量PActual=[pActual1,pActual2]为从故障录波文件获取的主保护和后备保护动作情况，与实际线路相关联的主保护和后备保护的动作情况一一对应，PActual=1和0分别表示保护动作和未动作。若P1=PActual，则确定原因事件ci为故障原因分析结果。

3.3 保护和断路器动作性能评价

假设接收到的事件顺序告警信息集合为A={(p1,tp1),(p2,tp2),…,(pm,tpv),(b1,tb1),(b2,tb2),…,(bn,tbw)}。其中，v和w分别为A中所包含的保护和断路器动作事件个数；(pi,tpi)表示保护动作事件pi在t=tpi时刻发生；(bj,tbj)表示断路器动作事件bj在t=tbj时刻发生。如果故障线路的原因分析结果确定为ci，则可将保护和断路器动作性能评价问题转化为寻找满足ci触发动作的信息，进而识别出异常或漏报的警报。具体方法如下：

首先，找到A中与故障线路相关联的警报集合Aci，Aci={pj|pj∈Expect(ci)}∪{bk|bk∈Expect(ci)}。之后，以Aci中最早发生的保护动作事件pj为基准，遍历Aci中其他元素Aci(i)(即pj或bk)，计算它们之间的时间距离约束d(tpj,tpci)。若满足式(5)：

d(tpj,tpci)∈D(ci)

(5)

则说明警报Aci(i)((pj,tpj)或(bk,tbk))是正确的；否则，警报Aci(i)发生的时间点存在异常。

集合{bk|bk∈Expected(ci)∧bk∉Aci}对应缺失的断路器动作信息。

4 算 例

以图8所示的某实际电力系统局部220 kV网络为例来说明所提出的方法。某日16时26分43秒，L2279线黄埔厂侧发生C相接地故障，线路纵联距离保护和阻抗I段动作，线路L2279的C相跳闸；976 ms后C1断路器C相重合，但重合于故障，线路L2279的阻抗II段保护加速出口动作，C1断路器三相跳闸。表4给出了从L2279线黄埔厂侧故障录波文件中得到的电流突变事件序列。

为便于描述，在表5中对故障原因、保护动作和断路器动作事件进行了编号。部分规则网及用户定义规则库分别如图9和表6所示。

图8 某实际电力系统局部220 kV网络Fig.8 Local 220 kV network of an actual power system表4 线路电流突变事件序列Table 4 Sudden change events of line current

表5 事件及其编号Table 5 Events and associated numbers

图9 算例系统的部分规则网Fig.9 partial rule-network for sample example表6 部分规则库表Table 6 A partial of rule base

注：表中的时间距离约束规则是依据保护配置及断路器开断电流的时间来确定。

所形成的部分故障诊断简报见表7。

表7 部分故障诊断简报

Table 7 A part of the brief report of fault diagnosis

5 结 论

基于规则网络并利用故障录波信息，提出了高压线路故障诊断与保护和断路器动作性能评价方法。采用实际系统的算例分析结果表明，所提出的方法能准确诊断高压线路故障、判别故障类型及故障性质，并正确评价保护或断路器的动作性能。这在相当程度上克服了仅依赖保护和断路器信息进行故障诊断时有可能无法获得明确诊断结果的弊端，为对高压线路故障进行准确分析提供了新的思路。

本文的研究工作主要针对线路故障，下一步将引入相量测量单元、电压变化量及功率方向变化量等信息，对模型做进一步研究。

[1]LEE H J，AHN B S，PARK Y M. A fault diagnosis expert system for distribution substations[J]. IEEE Transactions on Power Delivery，2000，15(1)：92-97.

[2]MIAO H J，SFORNA M，LIU C C. A new logic-based alarm analyzer for on-line operational environment[J]. IEEE Transactions on Power Systems，1996，11(3)：1600-1606.

[3]文福拴，韩祯祥. 基于覆盖集理论和Tabu搜索方法的电力系统警报处理[J]. 电力系统自动化，1997，21(2)：18-23. WEN Fushuan，HAN Zhenxiang. A new approach to alarm processing in power systems based upon the set covering theory and Tabu search method [J]. Automation of Electric Power Systems，1997，21(2)：18-23.

[4]束洪春，孙向飞，司大军. 基于粗糙集理论的配电网故障诊断研究[J]. 中国电机工程学报，2001，21(10)：73-77. SHU Hongchun，SUN Xiangfei，SI Dajun. A study of fault diagnosis in distribution line based on rough set theory [J]. Proceedings of the CSEE，2001，21(10)：73-77.

[5]廖志伟，孙雅明. 基于数据挖掘模型的高压输电线系统故障诊断[J]. 电力系统自动化，2001，25(15)：15-19. LIAO Zhiwei，SUN Yaming. A new data mining approach for fault diagnosis of high voltage transmission line based on rough set theory[J]. Automation of Electric Power Systems，2001，25(15)：15-19.

[6]何赞峰，赵冬梅，高曙，等.一种基于故障录波信息的电网故障诊断方法[J]. 电网技术，2002，26(5)：39-43. HE Zanfeng，ZHAO Dongmei，GAO Shu，et al. A power system fault diagnosis method based on recorded data [J]. Power System Technology，2002，26(5)：39-43.

[7]KEZUNOVIC M，PREDRAG S，FROMEN C W，et al. An expert system for transmission substation event analysis [J]. IEEE Transactions on Power Delivery，1993，8(4)：1942-1949.

[8]乐全明，董志赟，郑华珍，等. 基于时态逻辑技术的高压输电线系统故障诊断[J]. 电力系统自动化，2006，30(6)：38-43. YUE Quanming，DONG Zhiyun，ZHENG Huazhen，et al. Fault diagnosis based on temporal logic technology in HV transmission system [J]. Automation of Electric Power Systems，2006，30(6)：38-43.

[9]郑华珍，乐全明，郁惟镛，等. 基于小波理论的超高压电网故障时刻提取[J]. 电网技术，2005，29(19)：33-38. ZHENG Huazhen，YUE Quanming，YU Weiyong，et al. Location of fault moment by wavelet in ultra-high-voltage network based on fault record data[J]. Power System Technology，2005，29(19)：33-38.

[10]费铭薇，乐全明，张沛超，等. 电力系统故障录波数据压缩与重构小波基选择[J]. 电力系统自动化，2005，29(17)：64-67，97. FEI Mingwei，YUE Quanming，ZHANG Peichao，et al. Wavelets selection of compression and reconstruction algorithm based on digital recorded data from a faulted power system[J]. Automation of Electric Power Systems，2005，29(17)：64-67，97.

[11]张岩，张勇，文福拴，等. 融合信息理论的电力系统故障诊断解析模型[J]. 电力自动化设备，2014，34(2)：158-164，174. ZHANG Yan，ZHANG Yong，WEN Fushuan，et al. An analytical model for power system fault diagnosis integrated with information theory[J]. Electric Power Automation Equipment，2014，34(2)：158-164，174.

[12]钟锦源，张岩，文福拴，等. 基于时间序列相似性匹配的输电系统故障诊断方法[J]. 电力系统自动化，2015，39(6)：60-67. ZHONG Jinyuan，ZHANG Yan，WEN Fushuan，et al. A fault diagnosing method in power transmission systems based on time series similarity matching[J]. Automation of Electric Power Systems，2015，39(6)：60-67.

[13]郭文鑫，文福拴，廖志伟，等. 基于时序约束网络的电力系统在线警报处理解析模型[J]. 电力系统自动化，2009，33(21)：36-42. GUO Wenxin，WEN Fushuan，LIAO Zhiwei，et al. An analytic model for power system on-line alarm processing based on temporal constraint network[J]. Automation of Electric Power Systems，2009，33(21)：36-42.

[14]郭文鑫，廖志伟，文福拴，等. 计及警报信息时序特性的电网故障诊断解析模型[J]. 电力系统自动化，2008，32(22)：26-31. GUO Wenxin，LIAO Zhiwei，WEN Fushuan，et al. An analytic model for power network fault diagnosis with the temporal information of alarm messages taken into account [J]. Automation of Electric Power Systems，2008，32(22)：26-31.

[15]吴文可，文福拴，薛禹胜，等. 基于多源信息的延时约束加权模糊Petri网故障诊断模型[J]. 电力系统自动化，2013，37(24)：43-52. WU Wenke，WEN Fushuan，XUE Yusheng，et al. A weighted fuzzy time Petri net based model with time-delay constraints for power system fault diagnosis employing information from multiple sources[J]. Automation of Electric Power Systems，2013，37(24)：43-52.

[16]张岩，张勇，文福拴，等. 容纳时序约束的改进模糊Petri网故障诊断模型[J]. 电力系统自动化，2014，38(5)：66-72. ZHANG Yan，ZHONG Yong，WEN Fushuan，et al. Power system fault diagnosis with an enhanced fuzzy Petri net accommodating temporal constraints[J]. Automation of Electric Power Systems，2014，38(5)：66-72.

[17]钟锦源，张岩，文福拴，等. 利用电气量和时序信息的改进Petri网故障诊断模型[J]. 电力系统自动化，2015，39(11)：152-159. ZHONG Jinyuan，ZHANG Yan，WEN Fushuan，et al. An improved Petri net model for power system fault diagnosis employing electrical data and temporal constraints[J]. Automation of Electric Power Systems，2015，39(11)：152-159.

(编辑 张媛媛)

A Rule-Network Based Approach for Fault Diagnosis of HV Transmission Lines and Protection Action Performance Evaluation

LIAO Zhiwei1，YUE Ling2，WEN Fushuan3,4，ZHU Bingquan5，XU Lizhong5

(1. School of Electrical Engineering, South China University of Technology, Guangzhou 510640, China;2. State Grid Shandong Zaozhuang Power Supply Company, Zaozhuang 277100, Shandong Province, China;3. School of Electrical Engineering, Zhejiang University, Hangzhou 310027, China;4. Department of Electrical and Electronic Engineering, Institut Teknologi Brunei, Bandar Seri Begawan BE1410, Brunei;5. State Grid Zhejiang Electric Power Corporation, Hangzhou 310007, China)

For the situations of complicated and multiple faults with missing and/or false alarms, it is still a challenging task to develop an accurate approach for fault diagnosis of high-voltage (HV) lines and operating behavior evaluation of protective devices. Given this background, this paper presents a rule-network based approach for this purpose by employing fault recorder data. Firstly, the fault recorder data are pre-processed by using the well-developed wavelet transform to extract the fault characteristics of HV lines from analogue electrical information, and the events of sudden current change and protection action are obtained. On this basis, we construct a rule-network based model for fault diagnosis of HV lines with considering the temporal characteristics of alarm messages, determine the sets of fault hypotheses as well as the expected states of protective relays and circuit breaker, and determine the fault cause and evaluate the performance of protection and circuit breaker with using the causal and temporal relationships between them. In addition, we further analyze the fault recorder to determine the type, characteristics and location of fault. Finally, we adopt actual power system fault cases to demonstrate the proposed method.

high-voltage lines; fault diagnosis; fault recorder information; rule network; wavelet theory

国家高技术研究发展计划项目(863计划)(2015AA050202)；高等学校博士学科点专项科研基金资助项目 (20120101110112)；国网浙江省电力公司科研项目 (5211ZD13000R)；国家电网公司总部科技项目 (52110115009Q)

TM 755

A

1000-7229(2016)02-0034-08

10.3969/j.issn.1000-7229.2016.02.005

2015-11-09

廖志伟(1973)，男，副教授，硕士生导师，主要研究方向为电力系统故障诊断、分析以及电力系统智能控制；

岳苓(1983)，女，硕士，助理工程师，主要研究方向为电力系统保护、控制与自动化；

文福拴(1965)，男，教授，博士生导师，主要从事电力系统故障诊断、系统恢复和电力市场、智能电网与电动汽车等方面的研究工作；

朱炳铨(1967)，男，高级工程师，主要从事电网调度运行管理工作；

徐立中(1983)，男，博士，工程师，主要从事电力系统调度运行控制工作。

Project supported by National High Technology Research and Development Program (863 Program) (2015AA050202)；Specialized Research Fund for the Doctoral Program of Higher Education (20120101110112)