基于貝葉斯網(wǎng)絡(luò)和故障錄波數(shù)據(jù)的電網(wǎng)故障綜合診斷方法

王海港，謝民，孫月琴 邵慶祝

(安徽省電力公司, 安徽 合肥 230022)

?

基于貝葉斯網(wǎng)絡(luò)和故障錄波數(shù)據(jù)的電網(wǎng)故障綜合診斷方法

王海港，謝民，孫月琴 邵慶祝

(安徽省電力公司, 安徽 合肥 230022)

電網(wǎng)故障診斷是保證系統(tǒng)安全運(yùn)行的基礎(chǔ)，故障錄波系統(tǒng)提供的信息為電網(wǎng)故障的精確診斷提供了重要依據(jù)。為了有效利用故障錄波數(shù)據(jù)，并在信息缺失或不確定條件下精確診斷電網(wǎng)故障，研究了基于貝葉斯網(wǎng)絡(luò)和故障錄波數(shù)據(jù)的電網(wǎng)故障綜合診斷方法。通過在故障錄波聯(lián)網(wǎng)系統(tǒng)的主站建立輸電網(wǎng)貝葉斯模型，結(jié)合從故障錄波系統(tǒng)得到的模擬量和開關(guān)量數(shù)據(jù)，從而構(gòu)成基于貝葉斯網(wǎng)絡(luò)的電網(wǎng)故障識別模型。將貝葉斯網(wǎng)絡(luò)得出的高可信度診斷結(jié)果融入專家系統(tǒng)的知識庫，形成完備的故障診斷專家系統(tǒng)。實(shí)例分析表明，可快速并準(zhǔn)確地定位故障元件，提高電網(wǎng)故障處理效率。

電力系統(tǒng)；故障診斷；貝葉斯網(wǎng)絡(luò)；故障錄波數(shù)據(jù)；專家系統(tǒng)

0 引 言

提高故障處理效率與準(zhǔn)確性是電網(wǎng)故障診斷研究的核心目標(biāo)[1]。1986年，利用數(shù)據(jù)采集與監(jiān)控系統(tǒng)(SCADA)的電網(wǎng)故障診斷專家系統(tǒng)得以實(shí)現(xiàn)[2]。SCADA系統(tǒng)能夠提供實(shí)時(shí)遙信信息[3]，然而基于SCADA系統(tǒng)故障診斷的準(zhǔn)確性受遙信信息的完備性與準(zhǔn)確性的影響極大。為了提高故障定位的準(zhǔn)確性，包含模擬量和開關(guān)量的故障信息系統(tǒng)數(shù)據(jù)被引入電網(wǎng)故障診斷[4]。然而，由于故障信息系統(tǒng)通過保護(hù)設(shè)備作為數(shù)據(jù)來源，各數(shù)據(jù)的時(shí)序混亂以及保護(hù)設(shè)備本身的信息錯誤嚴(yán)重影響了電網(wǎng)故障診斷的結(jié)果。自 20 世紀(jì)90 年代以來，廣域測量系統(tǒng)的數(shù)據(jù)也開始為電網(wǎng)故障診斷所使用[5]。但是，廣域測量系統(tǒng)采集的是相量，沒有開關(guān)量信息，不能完整記錄故障過程，從而限制了其在電網(wǎng)故障診斷上的應(yīng)用。故障錄波器作為變電站獨(dú)立的在線監(jiān)控設(shè)備，其記錄的模擬量和開關(guān)量數(shù)據(jù)含有豐富而準(zhǔn)確的電網(wǎng)一、二次設(shè)備故障信息。然而，當(dāng)系統(tǒng)發(fā)生故障時(shí)，故障錄波系統(tǒng)記錄的模擬量和開關(guān)量數(shù)據(jù)是海量的?；阡洸〝?shù)據(jù)的有效電網(wǎng)故障診斷分析技術(shù)是實(shí)現(xiàn)故障精確診斷的關(guān)鍵。

目前，對于事故處理中包含的大量難以用傳統(tǒng)的數(shù)學(xué)方法描述的內(nèi)容，可用人工智能技術(shù)進(jìn)行定性分析，如專家系統(tǒng)[6]、人工神經(jīng)網(wǎng)絡(luò)[7]、Petri 網(wǎng)等技術(shù)[8]。然而，上述方法對數(shù)據(jù)的完備性和準(zhǔn)確性的要求較高，在面對因保護(hù)或斷路器誤動、拒動等因素而導(dǎo)致的故障信息不完備、不確定的問題時(shí)存在明顯局限性。

基于概率理論和圖論的貝葉斯網(wǎng)絡(luò)是目前處理信息不確定性及不確定數(shù)學(xué)表達(dá)的有效模型之一，在診斷不確定因素引起的故障具有很大的優(yōu)勢。因此，為了實(shí)現(xiàn)對全系統(tǒng)復(fù)雜多重故障的精確診斷，增強(qiáng)專家系統(tǒng)的容錯性，通過在故障錄波器聯(lián)網(wǎng)系統(tǒng)主站建立故障診斷貝葉斯網(wǎng)絡(luò)模型，結(jié)合從故障錄波系統(tǒng)獲得的信息數(shù)據(jù)，實(shí)現(xiàn)對電網(wǎng)故障的快速診斷。將貝葉斯網(wǎng)絡(luò)得出的高可信度診斷結(jié)果融入故障診斷專家系統(tǒng)的知識庫，在原有知識的基礎(chǔ)上進(jìn)行輔助預(yù)測和決策分析。實(shí)例分析驗(yàn)證了該模型的有效性和實(shí)用性。

1 基于故障錄波數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)故障診斷模型

1.1 輸電網(wǎng)模型

在故障錄波系統(tǒng)主站，通過與調(diào)度數(shù)據(jù)網(wǎng)互聯(lián)，實(shí)時(shí)獲取輸電網(wǎng)網(wǎng)絡(luò)結(jié)構(gòu)及一、二次設(shè)備模型。輸電網(wǎng)部分輸電線路結(jié)構(gòu)如圖1所示，主接線方式為3/2接線。線路保護(hù)配置包括以分相電流差動和零序電流差動為主體的快速主保護(hù)，由三段式相間和接地距離及兩個(gè)零序方向過流構(gòu)成的全套后備保護(hù)。母線保護(hù)配置母線差動保護(hù)、母聯(lián)充電保護(hù)、母聯(lián)死區(qū)保護(hù)、母聯(lián)失靈保護(hù)、母聯(lián)過流保護(hù)、母聯(lián)非全相保護(hù)以及斷路器失靈保護(hù)。變壓器保護(hù)配置穩(wěn)態(tài)比率差動、差動速斷、工頻變化量比率差動、零序比率差動、復(fù)合電壓閉鎖方向過流、相間阻抗與接地阻抗等保護(hù)。

L和R分別表示線路的送端和受端，m、p分別表示主保護(hù)和后備保護(hù)。結(jié)合圖1分析，對于線路L5a，L5aRm是線路右側(cè)主保護(hù)，L5aRp是線路右側(cè)后備保護(hù)，L5aLm是線路右側(cè)主保護(hù)，L5aLp是線路右側(cè)后備保護(hù)。當(dāng)主保護(hù)拒動時(shí)，L5aRp觸發(fā)斷路器21DL和22DL跳閘切除故障。變壓器保護(hù)動作過程和線路保護(hù)類似。對于母線A5，主保護(hù)A5m只保護(hù)母線本身，動作時(shí)觸發(fā)斷路器18DL、20DL、23DL、26DL跳閘。當(dāng)斷路器拒動時(shí)，啟動斷路器失靈保護(hù)跳開與該斷路器相連的所有斷路器，如14DL斷路器失靈保護(hù)將觸發(fā)斷路器1DL、2DL、13DL、15DL、21DL、22DL跳閘。

圖1 部分電網(wǎng)結(jié)構(gòu)示意圖

1.2 貝葉斯網(wǎng)絡(luò)建模及賦值

根據(jù)輸電網(wǎng)保護(hù)動作邏輯，能夠精確建立圖1中電氣元件的貝葉斯網(wǎng)絡(luò)故障診斷模型。以線路L5a為例，其貝葉斯網(wǎng)絡(luò)故障診斷結(jié)構(gòu)圖如圖2所示。

圖2 線路元件的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖

由圖2可知，其由保護(hù)、斷路器、被保護(hù)的元件以及它們之間的依賴關(guān)系連線組成。元件作為貝葉斯網(wǎng)絡(luò)圖的根節(jié)點(diǎn)，有“正常運(yùn)行”和“故障”兩種狀態(tài)，保護(hù)和斷路器有“動作”和“不動作”兩種狀態(tài)。為處理不完備信息下的故障診斷問題，可在貝葉斯網(wǎng)絡(luò)模型中為每個(gè)非根節(jié)點(diǎn)增加一個(gè)“不確定”狀態(tài)。當(dāng)無法得到某節(jié)點(diǎn)的信息時(shí)，即認(rèn)為該節(jié)點(diǎn)處于“不確定”狀態(tài)。對于每個(gè)處于“不確定”狀態(tài)的節(jié)點(diǎn)，定義其為一個(gè)“虛節(jié)點(diǎn)”。

為了準(zhǔn)確診斷故障，需要量化貝葉斯網(wǎng)絡(luò)，通過節(jié)點(diǎn)的先驗(yàn)概率計(jì)算建立每個(gè)節(jié)點(diǎn)的條件概率分布表。節(jié)點(diǎn)的先驗(yàn)概率需要綜合設(shè)備可靠性數(shù)據(jù)、歷史運(yùn)行數(shù)據(jù)和試驗(yàn)?zāi)M數(shù)據(jù)進(jìn)行賦值。一般可以通過一次設(shè)備年故障頻率μ來計(jì)算得到先驗(yàn)概率[16-17]。通過計(jì)算，得到故障元件的故障概率表如表1所示，保護(hù)及斷路器的拒動和誤動概率如表2所示。

表1 設(shè)備故障概率

表2 保護(hù)及斷路器的拒動和誤動概率

根據(jù)元件、保護(hù)、斷路器的先驗(yàn)概率，結(jié)合貝葉斯網(wǎng)絡(luò)拓?fù)鋱D，可得到每個(gè)節(jié)點(diǎn)的條件概率分布。對于上述“虛節(jié)點(diǎn)”，由于無法得到其狀態(tài)信息，在處理中可認(rèn)為該節(jié)點(diǎn)不存在，與其相關(guān)所有子節(jié)點(diǎn)的概率計(jì)算均不考慮該節(jié)點(diǎn)的影響。以T2Lp為例，假設(shè)由于保護(hù)裝置通信故障原因得不到T2Lp保護(hù)的信息，則在T2的故障診斷模型中，7DL和8DL的條件概率分布應(yīng)該重新賦值，7DL只考慮T2Lm和43DLp狀態(tài)條件下的概率， 8DL只考慮T2Lm、7DLp、43DLp狀態(tài)條件下的概率。

2 基于故障錄波數(shù)據(jù)的貝葉斯網(wǎng)絡(luò)故障診斷方法

2.1 故障元件的確定

通過建立每個(gè)元件的故障診斷貝葉斯網(wǎng)絡(luò)，根據(jù)已知節(jié)點(diǎn)的動作狀態(tài)，可通過貝葉斯網(wǎng)絡(luò)的逆向推理得到根節(jié)點(diǎn)各種狀態(tài)下的概率，從而得到元件的故障概率。由于電網(wǎng)中元件數(shù)量多，若要在已知保護(hù)和斷路器動作狀態(tài)下計(jì)算所有元件發(fā)生故障的概率，計(jì)算量大，診斷效率低。

根據(jù)繼電保護(hù)的最大保護(hù)范圍，利用故障信息表來縮小故障區(qū)域，從而減小計(jì)算量。以圖1所示的電網(wǎng)為例，若已知故障發(fā)生后，L5aRp、L5bRp、22DL、25DL動作，其它保護(hù)和斷路器均不動作，則根據(jù)保護(hù)的保護(hù)范圍，可以將故障區(qū)域縮小為L5a、L5b、A6，只需要計(jì)算這三個(gè)元件的故障概率即可。

通過貝葉斯網(wǎng)絡(luò)的逆向推理，即計(jì)算已知故障信息條件下元件故障的后驗(yàn)概率，可以得到故障區(qū)域內(nèi)各元件的故障概率表P(M)={PM1,PM1,…,PMn}，若PMn>0.8，則認(rèn)為該元件是故障元件。

2.2 拒動和誤動的判定

為了判別拒動和誤動的保護(hù)和斷路器，將故障區(qū)域內(nèi)各故障元件的故障概率帶入各自的貝葉斯網(wǎng)絡(luò)進(jìn)行正向推理得出保護(hù)和斷路器的動作概率，將其與真實(shí)的故障動作信息表相比較便可得出拒動和誤動的保護(hù)和斷路器。

由于保護(hù)和斷路器拒動或誤動等原因會導(dǎo)致部分未故障元件的故障概率變大，若用原始概率進(jìn)行正向推理難以得出準(zhǔn)確的拒動和誤動結(jié)論，因此需對這部分元件的故障概率予以修正。取故障概率PMn=0.2為分界點(diǎn)，PMn∈(0.2,0.8)的元件故障概率需要修正，PMn<0.2的元件故障概率不需要修正。

假設(shè)故障元件集為M，需要進(jìn)行概率修正的元件集為V，則V中各元件經(jīng)過修正后的故障概率為：

(1)

將經(jīng)過修正后的故障概率帶入貝葉斯網(wǎng)絡(luò)進(jìn)行正向推理，得到各保護(hù)和斷路器的動作概率。若某保護(hù)或者斷路器在不同貝葉斯網(wǎng)絡(luò)中均出現(xiàn)，則將正向推理得到的動作概率取平均值，得到最終的保護(hù)或斷路器動作概率表P(W)。PWn>0.5即認(rèn)為應(yīng)該動作，PWn<0.5即認(rèn)為不應(yīng)該動作。將P(W)與獲取的相應(yīng)保護(hù)或斷路器動作信息相比較，得到拒動和誤動信息。

同時(shí)，在不完備信息下的故障診斷中，將經(jīng)過修正后的故障概率帶入完備貝葉斯網(wǎng)絡(luò)進(jìn)行正向推理，可以得到缺失信息的相關(guān)保護(hù)或斷路器的動作信息，其擁有的高可信度可以使其作為已知信息去詳細(xì)分析故障。

2.3 故障綜合診斷

故障診斷專家系統(tǒng)擁有包含大量故障診斷知識和經(jīng)驗(yàn)的知識庫。當(dāng)系統(tǒng)發(fā)生故障時(shí)，專家系統(tǒng)將接收到一系列來源于多個(gè)變電站的故障錄波數(shù)據(jù)，包含系統(tǒng)報(bào)警和事件信息。專家系統(tǒng)根據(jù)這些信息模型庫中進(jìn)行模擬，搜索出與所獲得的報(bào)警或事件一致的故障原因。

用貝葉斯網(wǎng)絡(luò)模擬盡量多的故障過程，得到診斷結(jié)果，并選擇高可信度的貝葉斯診斷結(jié)果融入專家系統(tǒng)的知識庫。假設(shè)貝葉斯診斷結(jié)果可信度為Rbayes，則定義：

(2)

其中P(M)為故障區(qū)域內(nèi)元件的貝葉斯診斷故障概率。當(dāng)所有元件的故障概率均在(0.4,0.8)區(qū)間時(shí)可信度為0，均不在該區(qū)間時(shí)可信度為1，其它情況可信度為0.5。

圖3 故障綜合診斷方法

基于貝葉斯網(wǎng)絡(luò)和故障錄波數(shù)據(jù)的電網(wǎng)故障綜合診斷流程如圖3所示。通過貝葉斯網(wǎng)絡(luò)診斷可以構(gòu)建完備的專家系統(tǒng)知識庫，故障發(fā)生時(shí)，利用完備的知識庫去識別故障以找出故障元件。當(dāng)某故障發(fā)生后專家系統(tǒng)無法判別時(shí)，則采用貝葉斯網(wǎng)絡(luò)進(jìn)行診斷，可信度為零則直接丟棄，結(jié)合故障錄波模擬量的定量分析確定故障類型。

3 實(shí)例分析

以圖1所示的某部分電網(wǎng)為例驗(yàn)證本文所提模型和診斷方法的有效性及實(shí)用性。在故障錄波器聯(lián)網(wǎng)系統(tǒng)服務(wù)器建立圖1所示輸電網(wǎng)所有電力元件的貝葉斯網(wǎng)絡(luò)圖，從故障錄波系統(tǒng)數(shù)據(jù)提取網(wǎng)絡(luò)圖所需要的輸入數(shù)據(jù)，進(jìn)行分析處理，從而得出準(zhǔn)確的診斷結(jié)果。

為了驗(yàn)證貝葉斯網(wǎng)絡(luò)診斷的準(zhǔn)確性和診斷能力，先在圖1所示的電網(wǎng)中模擬一個(gè)不完備信息下的A4母線故障，其中設(shè)置9DL和17DLp信息缺失，17DL拒動，虛線框代表信息缺失(如圖4所示)。

圖4 母線A4故障動作示例

根據(jù)3.1節(jié)故障診斷過程，首先確定故障區(qū)域?yàn)閧L4a，L4b，L5a，L5b，L6a，A4，A6，T1}，在貝葉斯診斷界面上按圖4設(shè)置好各個(gè)節(jié)點(diǎn)的狀態(tài)，得到故障區(qū)域內(nèi)各元件的故障概率表如表3所示。

由表3所示的診斷結(jié)果可知PA4>0.8，其余各元件的故障概率均小于0.8，因此根據(jù)上述故障元件的確定方法可知故障元件為A4。

表3 故障區(qū)域元件故障概率表

為得到保護(hù)和斷路器的拒動和誤動信息，根據(jù)3.2節(jié)所述方法，因只有PL5b∈(0.2,0.8)，僅需對其故障概率予以修正，如下

PL5b=1-PA4=0.052

(5)

將修正后的概率代入各自的貝葉斯網(wǎng)絡(luò)得到保護(hù)和斷路器的動作概率表P(W)，將該動作概率表與現(xiàn)場得到的實(shí)際信息相比較，從而得到拒動和誤動信息，并可以進(jìn)一步得到缺失信息的動作情況。最終的診斷結(jié)果如表4所示。

表4 故障診斷結(jié)果

在實(shí)際運(yùn)行過程中，2013年8月11日發(fā)生了一起L5a線路故障。故障診斷系統(tǒng)從故障錄波數(shù)據(jù)提取出故障信息顯示14DL、15DL、24DL、25DL斷開，線路兩端差動保護(hù)和距離保護(hù)動作，即L5aRm和L5aLm動作，其他保護(hù)和斷路器均不動作。根據(jù)上述故障錄波數(shù)據(jù)，故障診斷系統(tǒng)診斷結(jié)果顯示PL5a=0.992，其余元件故障概率均小于0.2，從而判定L5a故障，進(jìn)一步驗(yàn)證了基于本文所提模型和方法的故障診斷系統(tǒng)的實(shí)用性和有效性。

4 結(jié)束語

本文研究了基于貝葉斯網(wǎng)絡(luò)和故障錄波數(shù)據(jù)的電網(wǎng)故障診斷方法，基于電網(wǎng)一次結(jié)構(gòu)及繼電保護(hù)邏輯在故障錄波主站建立貝葉斯網(wǎng)絡(luò)模型，根據(jù)已知故障信息進(jìn)行診斷推理可以有效識別完備和不完備信息下的故障。此外，根據(jù)本文所提模型與方法還能有效診斷保護(hù)和斷路器拒動、誤動等故障，并得到缺失信息節(jié)點(diǎn)的動作狀態(tài)。將貝葉斯網(wǎng)絡(luò)得出的高可信度診斷結(jié)果融入專家系統(tǒng)的知識庫，形成完備的專家系統(tǒng)。利用本文所提故障診斷方法可快速并準(zhǔn)確地定位故障元件，為調(diào)度人員故障處理提供了依據(jù)。

[1] 張旭，魏娟，趙冬梅，等．電網(wǎng)故障診斷的研究歷程及展望[J]．電網(wǎng)技術(shù)，2013，37(10)：2746-2753.

[2] FUKUI C，KAWAKAMI J．An expert system for fault section estimation using information from protective relays and circuit breakers [J]．IEEE Transactions on Power Delivery，1986，1(4)：83-90.

[3] 顧雪平，劉道兵，孫海新，等．面向SCADA 系統(tǒng)的電網(wǎng)故障診斷信息的獲取[J]．電網(wǎng)技術(shù)，2012，36(6)：64-70.

[4] 冀有黨，李偉，王玉玲，等．電網(wǎng)故障信息處理系統(tǒng)的實(shí)用化研究[J]．電力自動化設(shè)備，1994，10(3)：10-14.

[5] 周子冠，白曉民，李文鋒，等．基于廣域測量系統(tǒng)的電網(wǎng)故障在線智能化診斷與分析方法[J]．中國電機(jī)工程學(xué)報(bào)，2009，46(13)：1-7.

[6] CARDOSO G，ROLIM J. G.，ZURN H H．Identifying the primary fault section after contingencies in bulk power systems [J].IEEE Transactions on Power Delivery，2008，23(3)：1335-1342.

[7] 劉超，何正友，楊健維．基于量子神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷算法[J]．電網(wǎng)技術(shù)，2008，32(9)：56-60.

[8] 謝紅濤，童曉陽．基于分層模糊Petri 網(wǎng)的電網(wǎng)故障綜合診斷方法[J]．電網(wǎng)技術(shù)，2012，36(1)：246-252.

A Comprehensive Fault Diagnosis Method Based on Bayesian Network and Fault Recorder Data

Wang Haigang, Xie Min, Sun Yueqin, Shao Qingzhu

(State Grid An Hui Electric Power Company, Hefei Anhui 230022, China)

The data from fault recorder network are not utilized thoroughly at present. In order to overcome the disadvantages of data acquisition of power grid fault diagnosis and the defects of expert system which can not get the valid conclusion under the condition of incomplete information, the work mechanism of Bayesian network is studied by modeling a Bayesian network on the sever of fault recorder network in this paper. By using digital and analog data from fault recorder system, the diagnosis results with a high credibility are input into the acknowledge data base of expert system, which helped build more complete expert system. The result of practical fault diagnosis examples demonstrates the method mentioned above can locate the fault device fast and accurately.

power system; fault diagnosis; Bayesian network; fault recorder data; expert system

10.3969/j.issn.1000-3886.2016.04.029

TM764.1

A

1000-3886(2016)04-0093-04

王海港(1977-)，男，安徽人，高級工程師，主要研究方向：電力系統(tǒng)繼電保護(hù)。

定稿日期: 2016-01-24