电力系统故障诊断的研究现状与发展趋势分析

2021-10-14王嘉林

科技创新与应用 2021年28期

王嘉林

（华北电力大学，河北保定 071000）

电力系统故障的诊断工作主要是通过对系统的元件与系统的故障两个方向进行诊断，故障的识别是一个相对关键的问题。不过，由于电力系统的结构比较复杂，可能会发生由于操作人员的处理能力不强，进而造成错误调度的问题。因此，为了能够更快更合理地进行准确的检测，就需要提升电力系统诊断管理人员的经验与工作水平，同时还需要为能源系统的故障诊断提供相应的解决方法与技术支持，比如专家系统和人工神经网络技术等。

1 电力系统故障诊断国内外的研究发展现状

1.1 专家系统的诊断技术

电力系统的故障诊断技术方法中，专家系统是一种最早的相对成熟的智能技术，并且已经成功应用到电力系统的故障诊断之中。不过，结合其对故障诊断的关键技术与推理策略的了解，分为两类：

（1）第一种专家系统是启发式规则推理系统，该专家系统是通过保护和断路器的动作逻辑，以及工作人员的诊断经验，结合规则的形式进行表示，从而形成一种专家系统故障诊断知识库，并通过对数据的正向推理，将其获取的数据与知识库中存在的数据进行相应的对比，最后得出相应的理论。当前，对电力系统的故障诊断大多都是该类型的诊断。

（2）第二种专家系统是利用正向与反向推理的系统。该类型的专家系统基于断路器、继电保护以及被保护的设备之间存在的逻辑管理，结合正向、反向推理的方式，对其继电保护的重合度以及故障进行假设，进而有效减少可能发生的故障问题，并确定了其可靠性。因此，故障诊断专家系统的综合推理使得故障诊断专家系统的适应性得到进一步的提升。

专家系统的主要诊断方法以及最为关键的部件是专家系统的知识库与推理机。进行专家系统构建时，通过有效结合部分保留的历史数据构成的知识库，基于相应的算法构建出推理机。输入新的故障信息时，那么该系统将会结合知识库中的数据，利用推理机推断出故障发生原因的可能性（详细推理过程见图1）。在故障诊断专家系统结构示意图中，利用x1、x2....xn来表示故障发生过程中存在的异常特征，并用c1、c2....cn等符号来表示专家系统所诊断出的各种系统故障原因，并使两者构成了相应的历史数据。那么，在该历史知识库中，每一个相应的案例都包含了一个故障发生时记录下来的异常特征，并构成了相应的组合。当过程中出现（0，1）时，其代表相应特征的未出现和出现，以及专家系统对其故障诊断出来的故障原因。

图1 故障诊断专家系统结构示意图

由上文所述，在专家系统中，c1则代表了历史数据中发生故障的原因，x1则代表了历史数据中存在的异常问题特征。

因此，专家系统的知识库是由历史数据搭建而成的，不仅包含了知识的本身，同时还包含了专家系统的故障诊断经验以及决策表，所以通过建立相应的决策表以及利用其他算法来约简异常特征的维数，可以有效提升其运行的效率。

不过，在相对复杂的故障诊断任务过程当中，依然存在些许缺陷，使数据库以及完整性的验证相对困难。因此，专家系统在进行复杂的诊断时，可能会出现组合爆炸或者是推理速度变慢的现象。

1.2 人工神经网络技术

随着互联网时代的到来，云计算技术、物联网技术、大数据技术以及人工智能技术的快速发展，从一定程度上促进了电网事业的进步。将人工智能技术科学合理地运用到电力系统故障诊断之中，不仅能够有效解决电力系统故障问题，还有利于提升电力系统的供电安全性与可靠性。所以基于人工智能技术构建出来的人工神经网络技术与专家系统相比，具有更好的稳定性。现阶段应用电力系统故障诊断的神经网络，主要是基于BP算法网络，而神经网络则是基于径向基函数。所以，其整个的学习过程，结合当前的网络内部表达形式计算输入的样本，比较网络输出和预期输出两者之间的误差。当误差满足相应的挑战时，则训练完成，反之，当误差的信号进行反向传输时，未有效满足误差的精度需求，那么其数值与阈值将会被分层调整。所以基于不同区域的基本设计算法，得到相应的故障诊断结果。

在人工智能技术的支持下，建立起来的电力故障信息采集子系统与故障类型子系统，都是利用各项采集系统以及设备进行数据信息收集，并将其传入到总中心站进行汇总。而采集子系统会将收集到的信息数据传输到故障类型诊断子系统当中，进而有效确保最终获取到的故障数据更加有利于后期电力设备的维护与处理。

由于诊断特殊系统故障所需的费用问题，该诊断方法只适用于供电相对困难的中小企业。而在利用人工神经网络对电力系统故障进行诊断时，其性能取决于问题样本的完整性，不过相对较大规模的能源系统，很难获取到相对完整的样本。同时，由于缺乏解释自身行为以及结果的能力，进而使得人工神经网络诊断技术方法在大型电力系统中的应用受到了限制。所以，如何有效开发一个适用于大型电力系统的故障诊断系统也是当前需要解决的问题。

1.3 优化技术诊断方法

现阶段，计算机和人工智能技术的快速发展，国内外的科学家提出了对电力系统进行故障诊断的各项优化算法，将现有的优化算法应用到电网优化当中。不过，将优化算法更新到可利用的状态中，结合其自适应的虚拟故障值，对电力系统的故障诊断进行显影的优化，从而使其成为一个无限全局规划的整体问题。同时再结合遗传算法，在对电力系统进行故障诊断的过程中，建立一个相应的故障评估模型。结合优化技术、多媒体技术以及数据库技术构建出一种新的故障诊断系统。通过故障诊断或者是其他相应的优化算法使两者相互结合，将其诊断转化为全局的规划，这样一来就可以找到最优的解决方式，进而有效提升电力系统故障诊断的速度，从而使得相对复杂的故障问题能够得到更好的分析。

因此，优化故障诊断的模式具有重要的理论意义，结合组态的原理自动形成所需要的保护和停机条件，通过优化技术构成的诊断模式，建立数学模型提升电力系统的网络故障诊断速度，才是当前需要研究的方向。

1.4 Petri网诊断方法

Petri网是以网络理论为基础的一种诊断方式，通过系统中离散随机时间之间的逻辑关系，以及带书矩阵的运算进而演绎系统中，同时发生、次序发生或循环发生的各种类型的动态活动。同时，Petri网不仅可以通过相应的位置阶段和变迁阶段的静态对系统做出分析，还有利于各个相互节点之上的动态，对系统的行为进行分析。

电力系统发生故障的原因本质上属于一个相对离散事件的动态系统，通过对该系统各层级以及各类的保护动作来反映电力系统中的故障问题。并将其排除故障动作视为一系列事件活动的结合体。因此，事件序列与对应的实体相互联系在一起，是基于Petri网所具备的独特诊断手段，才可以进一步对电力系统中同时发生、次序发生或者循环发生的故障问题进行定性与定量的分析。所以，Petri网诊断方法在电力系统中具有一定的优越性。但是，也存在的些许不足之处：

（1）当电网结构的复杂程度相对较大、节点较多时，所建立的完整Petri网就需要足够的经验知识才能够进行建设。

（2）针对错误问题的识别能力相对较差，对误报警的信息不能够做出相对合理的判断。

（3）基础Petri网不能够对时间的特征进行要求，不过由于相对较高的行为特征的描述，在进行相对复杂的系统建模时，就需要采用更高级的Petri网。

2 电力系统故障诊断发展的趋势分析

首先，现阶段我国对电网的建设在不断加强，计算机技术与网络技术的发展、数学与智能技术的发展，使电力系统故障诊断方法不断革新。从现阶段对电力系统故障诊断的理论以及相应的方法研究中可以清楚地认识到，故障诊断系统的研究仍然处于理论层次与模型等方面的研究与探索，并没有向成功且实用的方向发展。其次，由于之前的技术过于陈旧，设施过于粗糙，导致信息资源相对有限，所以电力系统的故障诊断系统，大部分依赖于调度端或者是变电站，之后再通过利用SCADA系统的实时信息或者是站内综合的自动化系统进行相应的信息收集来实现调度。

随着当前系统技术与计算机技术以及网络技术的发展，使电力系统故障录波专用网络的建设得到了加强。而电力故障诊断系统的建设，使得大量的信息孤岛被纷纷纳入到了系统之中。比如，录波器信息与雷电定位信息、保护装置信息等设备。通过进行相应的采集、运输、存储和处理方式，为电力故障处理提供了强大的信息资源支持。同时，由于该类型的珍贵信息还未在新的电网故障诊断系统中提供相应的基础支撑。为了进一步使电力系统故障诊断的研究方向得到扩展，在对电力故障诊断理论进行实用化的过程当中，需要充分注重对信息的收集，以及实施对电力系统故障进行诊断的数据仓库构建和故障综合信息的预处理及其相应的诊断工作。

3 电力系统故障诊断研究的发展方向

通过对上述电力系统故障诊断技术理论现的状分析与研究，总结了几点优势与不足之处。为了能够适应当前电网规模的发展，后期对电力系统故障诊断的研究可以从以下几个方面入手：

3.1 电力系统健康诊断的研究

电力系统的故障诊断是通过结合其故障的特征，以及对已经发生过的故障系统问题进行准确的定位和对故障问题发展程度进行精准的判断，提出对电力系统的健康诊断研究方向，并对各项设备、网络技术和系统的实时状态进行扫描，结合扫描的结果建立起相应的健康档案。同时，进行动态跟踪，结合其特征的变化、诊断的健康程度，从而及时发现问题并进行报警，如果到了一定程度，可以对其进行消除。因此，可以清楚地认识到电力系统健康诊断不仅包含了故障的诊断，同时还包含了对故障的预测。所以在内容与时间上都得到了进一步延伸。比如，从内容上，就如同由大病逐渐变成了小病；从时间上来看，则是从故障时逐渐延伸到了平时。所以电力系统的健康诊断，可以做到防患于未然。此外，消除电力系统中前者的故障，从而有效防止突发性事故的发生，减少不必要的损失。但是，该方向的研究相对较少，所以还需要进行深入研究。

3.2 电力系统故障诊断的实用化方向研究

首先，尽管电力系统的故障诊断研究时间相对较长，也在研究过程中取得了相应的成果，但是，对于其实质性的需求还有一定的距离，实用性也相对比较差。因此，需要得到电力企业的进一步支持。其次，还需要结合先进的科研机构的研究实力，对电力系统故障诊断的实用化进行加强研究。通过对当前电力系统的实际发展情况、故障综合信息的收集与整理得到充分的认识，以及故障诊断数据库的建立、故障综合信息的预处理等。同时，对区域的电网故障诊断系统建设，可以利用智能化的诊断方式，实现诊断范围中的故障分析处理。并为检修人员在找寻事故原因的过程中提供相应的帮助。

3.3 电网故障发生前的“亚正常”预测

所谓的“亚正常”就是指电网在正常状态下运行时，其中的某些指标已经逐渐偏离了正常的允许范围，并且面临的状况可能会进一步恶化，因此就将该现象称为“亚正常”，将“亚正常”的信息向调度员或者运行中心进行反馈，不仅有利于对故障的发生进行提前预测，还能够及时做出相应的措施来避免该现象的发生。不过，从当前的各项故障诊断方法上来看，没有能够在电力系统故障发生前对其“亚正常”的电气参数以及指标做出相应的反应，所以这也是预防与诊断故障过程中至关重要的部分。