多源信息融合的故障元件诊断*

李郁侠　张凯华　谭雅岚,　李　石　何小军　陈　波

(1.西安理工大学　西安　710048)(2.国家电网陕西省汉中局　汉中　723099)



多源信息融合的故障元件诊断*

李郁侠1张凯华1谭雅岚1,2李石2何小军2陈波2

(1.西安理工大学西安710048)(2.国家电网陕西省汉中局汉中723099)

摘要分析了故障诊断信息的主要来源,对比了各个信息的相同点和不同点,建立了面向元件的故障诊断模型,该模型简化了以往的故障诊断计算的复杂度,使得故障诊断的效率可以显著提高,提出了新的故障诊断方法。该方法首先通过计算各个元件的贝叶斯疑似度获得可疑故障元件,并结合了基于综合阻抗的故障线路识别方法,能够对故障线路具体相别进行识别,然后提出保护动作的时序约束,对保护动作信息进行识别,从而提高故障诊断的准备性。通过SIMULINK验证了模型的有效性及正确性。

关键词故障诊断; 综合阻抗; 时序约束; 贝叶斯疑似度

Class NumberTM41

1引言

作为经济持续发展的支柱型行业,电力工业对于国计民生的重要性日渐凸显。电力系统的安全性与稳定性在我国的发展历程中将会一直占据极高的战略地位。因此电网在发生事故后,快速诊断并隔离故障,及时恢复对用户的可靠安全供电,成为智能电网的一个研究方向,电网故障诊断方法的研究一直是国内外研究的重点课题。

多类型故障数据的应用促进了信息融合技术在电网故障诊断问题中的研究。在当前研究中,根据所用基本原理的不同主要采用WAMS采集电气量信息结合小波变换的多源信息融合电网故障诊断方法[1～5]。然而在系统运行总存在很多不确定因素导致元件发生故障的异常情况,按照基于结合继电保护信息优化模型[6～7]。对于线路部分存在很大问题,不能精确的诊断故障元件。为了解决这一问题,本文在结合了基于综合阻抗的故障线路识别方法下,提出了改进的优化模型,利用有向二分图法降低了故障诊断过程运算的复杂度,提高了诊断速度。

2基于面向的有向二分图压

有向二分图法是对贝叶斯网络的简化,可以简单明了地表达出故障与征兆之间的关系[8]。有向二分图法具有一定的建模能力,降低了运算的复杂度,能够弥补贝叶斯网络在故障诊断过程中的一些不足。

有向二分图由三部分组成： 1) 故障节点和征兆节点组成的集合V,V=F∪S,其中S为征兆集,F为故障集； 2) 有向边集合E,E=F×S,由故障指向征兆； 3) 权重p(s|f)组成的集合PF×S,PF×S={p(s|f)|f∈F,s∈S},其中p(s|f)指在故障f发生的条件下,征兆s发生的概率值,0≤p(s|f)≤1。

图1　有向二分图

图1是由三个故障节点、四个征兆节点组成的概率加权二分图,其中故障集F={f1,f2,f3},征兆集S={s1,s2,s3,s4}。征兆s1可能由故障f1引起,记为Domain(s1)={f1},类似的有Domain(s2)={f1,f2},同理有Domain(s3)={f1,f3},Domain(s4)={f2,f3}。故障f1可能引起征兆s1,s2,s3,记为Symptom(f1)={s1,s2,s3},同理有Symptom(f2)={s2,s4},Symptom(f3)={s3,s4}。图中Pf=(0.004,0.007,0.003)为各故障发生的先验概率,而故障f发生的条件下,征兆s发生的概率值

3贝叶斯疑似度

在上述模型中定义贝叶斯疑似度[9],记作Bsd(f,SN),其代表的意义为观察到的征兆SN导致某故障f发生的概率与信息完备条件下该故障发生的绝对概率的比值,其值越大,该故障发生的可能性越大。可由下式计算[10]：

(1)

其中,

(2)

在诊断过程中应对Domain(SN)中的每个故障进行贝叶斯疑似度计算,其中SN对于为诊断模型中的征兆。以故障元件为对象,按照从大到小的顺序对其贝叶斯疑似度排序,直到Symptom(f)覆盖了所有观察到的征兆SN。则可知在该观察征兆下,按照故障发生的可能性大小,即可得到最优故障假设集F。

4诊断流程

4.1故障诊断流程

由于故障诊断系统是基于调度端开发的,因此输入故障诊断模型的调度信息均来自于调度系统。故障发生后,上传至调度系统的信息具有以下特点： 1) 冗余信息太多,有效信息获取困难； 2) 关键信息的不确定性即存在的漏报,对于故障诊断的结果影响非常大。因此,为了得到快速、可信的诊断结果,必须对冗余信息及丢失信息进行处理,故障诊断系统才能输出正确的诊断结果。本文采用如图2所示的征兆信息识别过程对来自调度端的数据进行处理。

图2　信息识别流程

在图2的故障信息识别流程中,首先从电网调度端获取调度数据,通过对电气量进行小波分析,从小波熵的变化判断得到故障发生时刻,从该时刻开始在固定的时间窗内获取调度信息。其中通过开关量获取停电区域,通过电气量获取综合阻抗判断故障发生在那个区域,对保护动作信息进行判断,剔除掉保护信息中的冗余信息。然后进行征兆信息识别,现对征兆信息的识别步骤进行说明。

步骤1固定时间窗内接收警报信息,包括开关量和保护量

步骤2动作信息识别

输入步骤1中接收到的警报信息,按照保护动作的时序约束识别警报信息。

步骤3诊断模型识别故障

将步骤2中识别的警报信息输入诊断模型,得到诊断结果

步骤4故障选相

输入诊断结果,若其中含有线路,则通过基于综合阻抗原理的线路选相识别具体故障相别,若不含有线路,则直接输出步骤3中的诊断结果。

现以图所示系统发生故障后征兆信息识别过程为例,说明上述征兆信息的识别过程。以在固定“时间窗口”中电力系统中SOE(Sequence Of Event)记录的具有时序逻辑的信息作为故障诊断系统的数据处理依据,可提高故障诊断的准确性。“时间窗口”设置太短易漏掉关联信息,设置太长会影响诊断效率,一般根据运行人员的经验值整定为3s～10s[11],在实际的诊断系统中该时间窗口值可以灵活设定。在本文中时间窗口设定为5s。

4.2诊断模型初始化

1) 故障发生的概率p(f)

通过国网公司对继电保护与安全自动装置运行情况分析,可知各个元件故障发生的统计概率,即统计周期内发生故障的次数Nf与运行的设备数量N之间的比值即为故障发生的概率,可作为故障发生的先验概率。不同电压等级的变压器发生故障的概率一般情况下不相等,如对于某地区电网统计数据,如表1所示。

表1　变压器运行情况分析

根据诊断对象的不同,选取具体的先验概率初始化。

2) 故障f发生条件下,征兆s出现的概率p(s|f)

以变压器保护动作的条件概率为例,根据统计概率可得表2[12]。

表2　变压器保护动作情况统计

由表中数据可知,变压器保护故障时正确动作的概率p(s|f)=79.05%。

4.3实例验证

以图3所示的三机九节点电力系统为例,说明本文提出的故障诊断系统的诊断过程。

图3　三机九节点系统图

步骤1固定时间窗内进行接收警报信息。

如图3所示系统故障后,在固定时间窗口内遥信信息如表3所示。

表3　遥信信息

由表2即可得到征兆SN={L5lm(t1)=1,CB15(t2)=1,B7S(t3)=1,L5lb(t4)=1},现根据本文中所述方法进行故障诊断。

步骤2保护动作信息识别

由于L5的主保护和后备保护均指向L5,因此合并为一个保护,可得S0={L5lm(t1)=1,CB15(t2)=1,B7S(t3)=1}

1) 全局完备化

根据网络拓扑关系和继电保护关联结点对信息进行完备化处理,若某一结点的关联结点出现在征兆信息中,则对其状态进行修正。

在S0中存在两个保护,通过网络拓扑查询得到与这两个保护有关联的断路器分别为：L5lm(CB14,CB15),B7S=(CB7,CB14,CB13),但其状态并没有上传,故对断路器CB14,CB7,CB13的状态进行再次读取,读取结果为动作,则将其修正为CB13=1,CB7=1。则有S1={L5lm(t1)=1,CB15(t2)=1,B7S(t3)=1,CB13=1,CB7=1}。

如与B7相关的断路器失灵保护CB14S相关联的结点断路器CB14未动作,CB13动作,CB5动作,但是未上传CB14的状态,则应选择将其作为征兆信息之一,但状态未知。故将S1修正为S2,S2={L5lm(t1)=1,CB15(t2)=1,B7S(t3)=1,CB13=1,CB7=1,CB14=[0]}。其中状态[0]表示该信息缺失,即断路器CB14的动作状态未知。

2) 局部完备化

信息上传过程中的缺失信息有可能是故障诊断的关键信息,必须对这类信息进行修正,即征兆信息的局部完备化。贝叶斯网络则是一种概率意义上的估计,能够根据已有的先验知识和信息,计算出缺失信息结点在不同状态下发生的概率,推断缺失信息的状态。

如对于征兆集为S2,断路器CB14的动作信号缺失,则假设与其相关联结点在已观察到状态下,CB14不同状态的概率,将其概率最大时的状态作为修正的状态。如p(CB14=1|CB14s=1,L5lm=1)=0.2055,p(CB14=0|L5lm=1,CB14s=1)=0.7955,故将CB14修正为0,则最终得到的征兆集为S3={L5lm(t1)=1,CB15(t2)=1,B7S(t3)=1,CB13=1,CB7=1,CB14=0}。

步骤3贝叶斯疑似度的故障诊断模型

1) 征兆信息完备化

根据已知的先验概率初始化故障诊断模型如图4所示。

2) 贝叶斯疑似度计算

由式(1)得：Bsd(fL5,SN)=0.9764,Bsd(fCB14,SN)=1。

3) 得到最优故障假设集

由于Symptom(fT1),Symptom(fCB2)覆盖征兆集S2,因此故障集F={fCB14,fL5}。

图4　故障诊断模型

4) 输出故障诊断结果

由于最优故障假设集中,断路器拒动与线路故障形成助判的关系,因此,诊断结果为变压器故障,断路器拒动。该诊断结果与实际运行相符。

步骤4判断故障元件中是否含有线路

根据步骤3的结果,其中含有L5,因此采用基于综合阻抗的故障线路选相技术对线路的故障相别进行识别[13]。

三机九节点系统,在线路Line5,Line6两端都配备IED装置,可以对电压、电流进行采集。对于线路Line5,Line6作以下区域划分。

图5　区域划分

图6　L5接地短路故障的综合阻抗

区域ⅠABCIm(Zcd)-310.8546.99-310.85Ph(Zcd)-69.1876.05-69.18区域ⅡABCIm(Zcd)-636.6123.46-636.61Ph(Zcd)-89.9872.26-89.98区域ⅢABCIm(Zcd)-636.61-637.67-636.61Ph(Zcd)-90.00-90.83-90.00

由图6的仿真结果可知,通过区域划分后,利用Matlab仿真得出Ⅰ区B相阻抗角为76.05度,阻抗虚部为46.99,Ⅱ区B相阻抗角为72.26,阻抗虚部为23.46,最后判断为L5发生B相接地短路。

5结语

本文对故障元件诊断模型进行了实例验证,结果正确可信,相较于以往的故障诊断方法具体优点有以下突出优点：

1) 采用有向二分图法可有效降低故障诊断过程运算的复杂程度,提高诊断速度；

2) 根据保护动作时序及贝叶斯概率对征兆信息进行完备化处理,解决了征兆信息中存在的不确定性问题；

3) 模型初始化概率来源于历史统计资料,数据真实可靠；

4) 对于故障线路能够进行故障相别诊断。

随着智能电网建设的不断展开以及新能源在电网中的接入,电力系统运行的不稳定因素也在逐步上升,使得越来越多新问题不断涌现并成为故障诊断领域亟待解决的新问题。本文提出的故障诊断方法是对提升电网故障诊断能力的有益尝试,虽然对故障诊断方法进行了改进,仍需在工程应用中不断改善。

参 考 文 献

[1] 文清丰.基于多信息融合的电网诊断技术研究[D].北京:华北大力大学,2014.

WEN Qingfeng. Grid diagnosis based on information fusion technology research[D]. Beijing: University of North China Vigorously,2014.

[2] 赵冬梅.基于多信息源的电网故障诊断方法研究[D].北京:华北电力大学,2005.

ZHAO Dongmei. Research on power grid fault diagnosis method based on multi information source[J]. North China Electric Power University,2005.

[3] 苏广宁,张沛超,胡炎,等.基于多源信息的电网故障诊断新方法[J].电力系统自动化,2012,36(1):61-65.

SU Guangning, ZHANG Peichao, HU Yan, et al. A new method of power network fault diagnosis based on multi-source information[J]. The Automation of Power System,2012,36(1):61-65.

[4] 朱传柏,郭创新,曹一家.基于调度综合数据平台的大规模电网分层故障诊断[J].电力系统自动化,2009,33(1):51-55.

ZHU Chuanbai, GUO Chuangxin, CAO Yijia. Hierarchical fault diagnosis of large-scale power grid based on scheduling integrated data platform[J]. Automation of Electric Power Systems,2009,33(1):51-55.

[5] 杨胜春,姚建国,高宗和,等.基于调度大二次系统的智能化电网调度辅助决策的研究[J].电网技术,2006,30(增刊):176-180.

YANG Shengchun, YAO Jianguo, GAO Zonghe, et al. Based on power dispatching automation system of intelligent grid scheduling decision[J]. Power System Technology,2006,30(Suppl):176-180.

[6] Ramsay F R F, Nethercot W. Engine ignition faults, and a new method of diagnosis and location running[J]. Power Engineering, Journal of the Institution of Electrical Engineers,1946,93(36):629-635.

[7] SUN J, QIN S Y, SONG Y H. Fault diagnosis of electric power systems based on fuzzy Petri nets[J]. IEEE Transactions on Power Systems,2004,19(4):2053-2059.

[8] 周曙,王晓茹,钱清泉.基于贝叶斯网络的分布式电网故障诊断方法[J].电网技术,2010,34(9):76-81.ZHOU Shu, WANG Xiaoru, QIAN Qingquan. Based on Bayesian network distributed power grid fault diagnosis method[J]. Power System Technology,2010,34(9):76-81.

[9] 徐大可,汲胜昌,李彦明.变压器绕组变形在线监测的理论研究[J].高电压技术,2000,26(3):38-43.XU Dake, JI Shengchang, LI Yanming. Theoretical study on the online monitoring of transformer winding deformation[J]. High Voltage Technology,2000,26(3):38-43.

[10] 索南加乐,刘凯,粟小华,等.输电线路综合阻抗纵联保护新原理[J].电力系统自动化,2008,3:36-41.

SUONAN Jiale, LIU Kai, SU Xiaohua, et al. Transmission line impedance longitudinal link protection principle[J]. Automation of Electric Power Systems,2008,3:36-41.

[11] 王汝言,吴晴,熊余,等.基于贝叶斯征兆解释度的链路故障定位算法[J].计算机应用研究,2013,30(3):712-719.

WANG Ruyan, WU Qing, XIONG Yu, et al. A link fault location algorithm based on Bayesian sign interpretation degree[J]. Computer Application Research,2013,30(3):712-719.

收稿日期:2016年1月7日,修回日期:2016年2月13日

作者简介:李郁侠,男,博士,研究方向:电力系统状态监测与故障诊断。张凯华,男,硕士,研究方向:电力系统分析与优化运行。

中图分类号TM41

DOI:10.3969/j.issn.1672-9722.2016.07.013

Fault Diagnosis of Multi-source Information Fusion

LI Yuxia1ZHANG Kaihua1TAN Yalan1,2LI Shi2HE Xiaojun2CHEN Bo2

(1. Xi’an University of Technology, Xi’an710048)(2. Gird State of Han Zhong, Hanzhong723099)

AbstractThe main source of fault diagnosis information is analyzed, and the fault diagnosis model based on different information is established. The fault diagnosis model is simplified. The efficiency of fault diagnosis can be significantly improved. In this method, the suspicious fault components are obtained by calculating the Bayesian suspected degree of various components and the fault line identification method based on the integrated impedance can be identified, and the timing constraint of the protection action is put forward. The validity and correctness of the model are verified by SIMULINK.

Key Wordsfault diagnosis, synthetic impedance, timing constraint