故障診斷信息缺失情況下的電網(wǎng)故障診斷系統(tǒng)

吳利劍，朱立忠,王琳琳

(1.沈陽理工大學(xué) 信息科學(xué)與工程學(xué)院，遼寧 沈陽 110159；2.華東師范大學(xué) 信息科學(xué)技術(shù)學(xué)院，上海 200241)

隨著電網(wǎng)規(guī)模的擴大和互聯(lián)程度的提高，故障診斷成為保證系統(tǒng)安全運行的重要手段，故障元件的識別更是其中的關(guān)鍵。目前在電網(wǎng)故障診斷方面，各種理論方法的應(yīng)用使其診斷的效率和準確率都有明顯提高，使人們?nèi)粘Ｓ秒?，工廠用電都得到了更大的保障。其中，基于優(yōu)化技術(shù)診斷的方法在電網(wǎng)故障診斷中運用得比較廣泛。文獻[1-3]根據(jù)保護開關(guān)和故障元件之間的關(guān)系，引入目標函數(shù)，把診斷問題轉(zhuǎn)化為求目標函數(shù)極值的問題，采用遺傳算法等傳統(tǒng)智能方法進行求解，最終得到診斷結(jié)果。文獻[4]研究了文獻[1-3]所采用模型后，發(fā)現(xiàn)其結(jié)果常常會存在錯解，認為其目標函數(shù)的設(shè)定存在問題因而導(dǎo)致診斷結(jié)果的不理想，在重新設(shè)定目標函數(shù)后，對原有算例進行重新診斷，采用新的目標函數(shù)很好地解決了存在錯解的問題。

但是，在以上方法中，所涉及的故障信息都極為完整，對于診斷信息不完整的情況并未加以考慮。在實際電網(wǎng)運行中，元件狀態(tài)量信息常常會出現(xiàn)因各種原因而導(dǎo)致的信息量缺失。在這種情況下，上述方法無法對故障電網(wǎng)進行很好地診斷，甚至無法得到診斷結(jié)果。本文考慮通過對信息缺失元件的上下游元件電流或者功率的變化來對信息缺失元件的狀態(tài)進行重新賦值，從而完善診斷信息，使得電網(wǎng)故障診斷不會因為某個元件缺失而失效，極大限度地保證了電網(wǎng)在出現(xiàn)故障后能有效診斷出故障。

1 SCADA

本文提出的故障診斷方法診斷信息來源為基于.NET系統(tǒng)的SCADA(數(shù)據(jù)采集與監(jiān)視系統(tǒng))系統(tǒng)，根據(jù)SCADA系統(tǒng)中的斷路器動作信息采用故障區(qū)域識別法確定故障目標區(qū)域，防止故障診斷范圍過大，造成診斷效率低下。再將故障區(qū)域的斷路器位置信息和動作信息送入故障診斷選擇模塊進行診斷，得到結(jié)果后發(fā)送至服務(wù)器，供檢修人員查看。系統(tǒng)監(jiān)測各個元件的實時狀態(tài)，并做記錄，為故障診斷系統(tǒng)提供數(shù)據(jù)。

2 故障區(qū)域識別

如圖1所示，由SCADA系統(tǒng)得到的因故障時的保護CB2、CB4、CB7、CB11、CB15、CB17動作跳閘，可由實時分析其接線得到一個虛線區(qū)域網(wǎng)絡(luò)，此虛線網(wǎng)絡(luò)與系統(tǒng)相對孤立，形成無源網(wǎng)絡(luò)，可以判定虛線網(wǎng)絡(luò)即是所要找的故障目標區(qū)域，該區(qū)域中的元件T1、L1、T4可能是故障元件，因此只需對上述三個元件進行相應(yīng)的故障診斷即可，提高系統(tǒng)的診斷效率[5]。

圖1 局部電網(wǎng)模型

3 診斷模塊

3.1 狀態(tài)缺失元件的狀態(tài)量修正模塊

定義pM,i為保護i動作，但是信息漏報的概率；

pE,i為收到保護i的信息，但是保護信息被錯報為動作的概率；

pT,i為保護i動作的概率；

pH,i為保護i未動作的概率。

由SCADA系統(tǒng)中長期存儲的故障數(shù)據(jù)可以得到，pM,i一般在0.1～0.2之間，pE,i一般在0.05～0.10之間。

可以得到初步預(yù)測的保護i動作的概率為

在收到了保護的后續(xù)動作信息時，通過如下方法利用保護的后續(xù)信息對保護狀態(tài)進行狀態(tài)值修正。

3.1.1 保護元件狀態(tài)動作判定條件

(1)若保護i存在上流元件，且流過該上游開關(guān)的電流(功率)在故障時刻突然下跌，跌幅和第i臺元件流過的電流(功率)幅度大體相同；

(2)若保護i的電流(功率)在故障時刻突然下跌至大約為0；

(3)收到第i臺元件在故障時刻的故障信息。

3.1.2 保護未動作的判定條件

由于保護未動作時，無法得到保護的后備保護信息。因此，僅僅根據(jù)電網(wǎng)對各個保護長期運行數(shù)據(jù)統(tǒng)計得到的概率來確定未得到缺失的保護狀態(tài)未動作的概率。

綜合判定

當以上兩個判定條件不矛盾時

否則，以上兩個判定條件得到的結(jié)果需要修正，有

綜合上述信息，最終判定元件故障的診斷有兩種情況：

得到的PC,i與設(shè)定的一個權(quán)值Q(根據(jù)電網(wǎng)長期故障數(shù)據(jù)及經(jīng)驗，Q一般在0.8～0.9之間取值，本文取0.8)進行比較，如果大于權(quán)值Q則將狀態(tài)信息缺失的保護i的狀態(tài)值設(shè)為1，否則設(shè)為0。

3.2 實例驗證

根據(jù)保護規(guī)則，對系統(tǒng)1進行研究，如圖2所示。

圖2 模擬電網(wǎng)模型

圖2所示電網(wǎng)模型中共有5個元件,即A、B、C、L1和L2 (依次用s1～s5表示)。6個斷路器CB1～CB6 (依次用c1～c6表示),15個保護即Am、Bm、Cm、L1Am、L1Bm、L2Bm、L2Cm、L1Ak、L1Bk、L2Bk、L2Ck、L1As、L1Bs、L2Bs和L2Cs(依次用r1～r15表示)[8]。這里,A、B、C表示母線,L表示線路,下標m表示主保護,下標k表示第一后備保護,下標s表示第二后備保護，主保護和后備保護的動作原理參見文獻[1]。

根據(jù)文獻[2]給出的針對該例子的各個保護的期望狀態(tài)表達式，建立相對應(yīng)的邏輯真值表，可以更加直觀地看出元件狀態(tài)和各級保護之間的關(guān)系。由于數(shù)據(jù)較大，分三個表格列出部分真值表作為研究對象。

表1 r1～r7真值表

表2 r8、r9真值表

表3 r10、r11真值表

上述三個數(shù)據(jù)表格中各取2組數(shù)據(jù)，把每組數(shù)據(jù)的某幾個元件狀態(tài)量設(shè)置為缺失(因傳遞或者硬件原因，表格中用x表示)，如表4～表6所示。

表4 取表1的第3、4組數(shù)據(jù)

表5 取表2的第1、6組數(shù)據(jù)

表6 取表3的4、5組數(shù)據(jù)

如上三組數(shù)據(jù)是傳遞給SCADA系統(tǒng)的數(shù)據(jù)，其中某幾個元件狀態(tài)量缺失。在SCADA系統(tǒng)得到上面的數(shù)據(jù)后，由于所需要的診斷依據(jù)信息不全，仍依照文獻[1-3]的方法，將不能對故障進行有效診斷，進而將導(dǎo)致無法得到診斷結(jié)果。在這種情況下根據(jù)本文方法對上述表格中的缺失數(shù)據(jù)進行處理，以表1中的第四組數(shù)據(jù)為例，當r3、r5、r6均未能把故障狀態(tài)傳遞到系統(tǒng)中時，則出現(xiàn)如下情況，如表7所示。

表7 表4第一組數(shù)據(jù)在某些元件信息量缺失的情況

此時，s1、s2、s3、s4、s5無法根據(jù)保護的狀態(tài)診斷哪個元件出現(xiàn)故障。運用本文方法，對r3、r4、r5狀態(tài)根據(jù)電網(wǎng)長期運行數(shù)據(jù)進行修正。

表8 表4第二組數(shù)據(jù)經(jīng)數(shù)據(jù)修正后結(jié)果

經(jīng)比較可以發(fā)現(xiàn)該數(shù)值和在系統(tǒng)正常工作時得到的數(shù)據(jù)保持一致，說明該方法能很好地解決保護狀態(tài)在傳遞過程中缺失所造成的診斷錯誤甚至無法診斷的情況。

3.3 數(shù)據(jù)修正結(jié)果

按上述原理，對表4、表5和表6的另外5組數(shù)據(jù)按上述方法處理后，得到表9～表11。

表9 修正后表4

表10 修正后表5

表11 修正后表6

由表9、表10、表11可以發(fā)現(xiàn)，原因數(shù)據(jù)缺失的信息量均得到了恢復(fù)。

4 結(jié)束語

本文在電網(wǎng)發(fā)生故障時首先根據(jù)故障元件劃分出電網(wǎng)故障區(qū)域，縮小故障范圍。當故障區(qū)域元件保護狀態(tài)缺失而無法診斷時，根據(jù)系統(tǒng)長期運行所統(tǒng)計的故障概率和該元件下游電路元件保護狀態(tài)值計算出新的故障元件概率，將此概率值與權(quán)值比較后最終確定元件狀態(tài)值。修正后結(jié)果表明，缺失數(shù)據(jù)得到正確修復(fù)，為后期的故障診斷提供了正確的診斷信息。該方法和思路可為解決故障診斷系統(tǒng)數(shù)據(jù)缺失問題提供參考。

[1]文福拴，韓幀祥.基于遺傳算法和模擬退火算法的電力系統(tǒng)故障診斷[J].中國電機工程學(xué)報，1994,14(3)：29-36.

[2]文福拴，韓幀祥，田磊，等.基于遺傳算法的電力系統(tǒng)故障診斷的解析模型與方法[J].電力系統(tǒng)及其自動化學(xué)報，1999,10(3)：1-7.

[3]文福栓，錢源平，韓禎祥，等.利用保護和斷路器信息的電力系統(tǒng)故障診斷與不可觀測的保護的狀態(tài)識別的模型與Tabu搜索方法[J].電工技術(shù)學(xué)報，1988,13(5)：1-8.

[4]翁漢琍，毛鵬，林湘寧.一種改進的電網(wǎng)故障診斷優(yōu)化模型[J].電力系統(tǒng)自動化，2007,31(7)：66-70.

[5]何小飛，童曉陽，周曙.基于貝葉斯網(wǎng)絡(luò)和故障區(qū)域識別的電網(wǎng)故障診斷研究[J].電力系統(tǒng)保護與控制，2010,38(12)：29-34.

[6]T E Dy Liacco,T J Kraynak.Processing by logic programming of circuit-breaker and protectiverelaying information[J].IEEE PAS,1969,88(2):171-175.

[7]T Oyama.Fault section estimation in power system using boltzmann machine[C].Proc.of Second Forum on Artificial Neural Network Applications to Power Systems,JaPan,1993.

[8]曹一家，劉毅，高振興，等.一種大規(guī)模電網(wǎng)故障診斷的多智能體信息融合模型與方法[J].電力自動化設(shè)備，2010，30(7)：14-18.