電網(wǎng)故障診斷的研究現(xiàn)狀和發(fā)展趨勢

摘 要：綜述目前在電網(wǎng)故障診斷中應(yīng)用較為廣泛的智能算法，包括：專家系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)，模糊集理論，Petri網(wǎng)，多智能體技術(shù)和信息融合技術(shù)等。簡要介紹各種智能算法的理論概念以及在電網(wǎng)故障診斷的一些研究成果。指出各種智能算法的優(yōu)勢和缺陷，以及未來的發(fā)展趨勢。

關(guān)鍵詞：電網(wǎng)；故障診斷；智能算法；研究現(xiàn)狀；發(fā)展趨勢

DOI：10.16640/j.cnki.37-1222/t.2018.17.176

1 引言

當前堅強智能電網(wǎng)的建設(shè)已經(jīng)接近尾聲，面對即將到來的全面的智能電網(wǎng)，電網(wǎng)的故障診斷越來越成為一個重要的問題。電網(wǎng)的故障診斷即當電網(wǎng)發(fā)生故障后，斷路器等保護開關(guān)動作以及根據(jù)電網(wǎng)中電壓，電流波形的變化判斷故障類型，找到故障位置，識別故障元件。電網(wǎng)發(fā)生故障時會瞬間導(dǎo)致各種異常，大量報警信息匯入控制中心，在短時間內(nèi)迅速判斷故障位置并切斷故障源是很困難的，因此需要快速準確的故障診斷方法。目前對于電網(wǎng)故障診斷已經(jīng)有很多研究成果，基于人工智能算法的故障診斷方法相較于傳統(tǒng)的依靠調(diào)度員經(jīng)驗分析有很大的優(yōu)勢。也是未來的發(fā)展趨勢。本文綜述當前在電網(wǎng)故障診斷應(yīng)用較為廣泛的智能算法，包括：專家系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)，模糊集理論，Petri網(wǎng)，多智能體技術(shù)和信息融合技術(shù)等[1，2]。并參考國內(nèi)外在電網(wǎng)故障診斷方面的研究成果的基礎(chǔ)上，介紹各種智能算法在電網(wǎng)故障診斷的一些應(yīng)用，并指出優(yōu)點和不足?？偨Y(jié)當前電網(wǎng)故障診斷方面面臨的亟待解決的問題，以及未來的研究方向。

2 電網(wǎng)故障診斷研究現(xiàn)狀

2.1 基于專家系統(tǒng)的故障診斷

專家系統(tǒng)[3]（Expert System）最早由Feighbaum教授于1968年提出，把專家經(jīng)驗編輯成程序，通過知識推理解決一些復(fù)雜的問題。從70年代開始被引入到電網(wǎng)故障診斷中，陸續(xù)出現(xiàn)了很多研究成果，并取得了較為成功的效果。在電網(wǎng)故障診斷中應(yīng)用的流程：首先建立故障信息知識庫和產(chǎn)生式規(guī)則，然后故障發(fā)生時，推理機接收到故障信息，依靠知識庫中的推理規(guī)則識別故障元件。

專家系統(tǒng)在電網(wǎng)故障診斷中依靠專家的知識可以高效地解決很多復(fù)雜故障問題，但目前專家系統(tǒng)還有很多缺陷：（1）知識庫中的專家經(jīng)驗知識需要實時更新以滿足故障診斷的需要，后續(xù)工作量大。（2）保護和斷路器誤動或拒動時，由于知識庫不全面，可能會給出錯誤的診斷結(jié)果，容錯性差。對于專家系統(tǒng)的缺陷，未來可以通過和其它智能算法結(jié)合形成優(yōu)勢互補。文獻[4]運用模糊集理論優(yōu)化專家系統(tǒng)，利用模糊集對不確定信息的推理能力改善專家系統(tǒng)的容錯性。

2.2 基于人工神經(jīng)網(wǎng)絡(luò)的故障診斷

人工神經(jīng)網(wǎng)絡(luò)[5]（Artificial Neural Network）是模擬人類神經(jīng)系統(tǒng)來進行信息處理的智能算法，通過大量基本的處理單元互聯(lián)形成的復(fù)雜的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。神經(jīng)網(wǎng)絡(luò)的優(yōu)勢在于具有強大的學(xué)習能力，可以通過訓(xùn)練樣本不斷的進行優(yōu)化推理規(guī)則，并具有一定的預(yù)測能力，對未知的問題具有一定的解決能力。目前研究中，在電網(wǎng)故障診斷應(yīng)用最廣泛的是前饋神經(jīng)網(wǎng)絡(luò)，其中最有特色的是BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)和徑向基神經(jīng)網(wǎng)絡(luò)。文獻[6]運用主成分分析法優(yōu)化神經(jīng)網(wǎng)絡(luò)，達到診斷時神經(jīng)網(wǎng)絡(luò)輸入量大量縮減的效果，減少樣本馴良時間的同時抑制了噪聲的干擾。

神經(jīng)網(wǎng)絡(luò)雖然有強大的學(xué)習能力、容錯能力、良好的魯棒性等，但仍有如下缺點：（1）神經(jīng)網(wǎng)絡(luò)的學(xué)習需要大量樣本，而完備優(yōu)質(zhì)樣本的獲取和收集是很困難的。（2）神經(jīng)網(wǎng)絡(luò)缺乏對自身推理過程的解釋能力。（3）神經(jīng)網(wǎng)絡(luò)對于啟發(fā)式規(guī)則的推理比較困難。在未來，神經(jīng)網(wǎng)絡(luò)在電網(wǎng)故障診斷的研究中，重點需要解決的問題還是有價值樣本的獲取、對自身診斷推理過程的解釋等。這樣才能逐漸適用于大規(guī)模電網(wǎng)的故障診斷。

2.3 基于Petri網(wǎng)的故障診斷

Petri網(wǎng)最早是由德國Petri博士在1960年提出的，Petri網(wǎng)有嚴謹?shù)臄?shù)學(xué)公式表達，也有形象的圖形表示，利用各個元件間的關(guān)系構(gòu)成有向圖的數(shù)學(xué)模型。對于描述離散事件的順發(fā)、并發(fā)等有獨特的優(yōu)勢。90年代初被引入到電網(wǎng)的故障診斷建模中，表現(xiàn)出良好的故障診斷效果，具有很好的應(yīng)用前景。電網(wǎng)的故障是典型的離散事件，Petri網(wǎng)正是處理和解決離散事件問題的理想模型。

Petri網(wǎng)可以有效地對離散事件的建模和分析，并有諸多優(yōu)點。但隨著對Petri網(wǎng)應(yīng)用研究的深入，逐漸暴露出一些問題：（1）Petri網(wǎng)目前只適用于小型電網(wǎng)故障診斷，對于網(wǎng)絡(luò)拓撲較大的系統(tǒng)，易發(fā)生狀態(tài)空間爆炸的情況。（2）對于保護和斷路器拒動、誤動等多重復(fù)雜故障，容易得出錯誤的診斷結(jié)果。未來的研究方向是將Petri網(wǎng)和別的智能算法相結(jié)合或?qū)etri網(wǎng)自身升級，利用高級Petri網(wǎng)進行復(fù)雜電網(wǎng)的故障診斷。文獻[7]提出方向性加權(quán)模糊Petri網(wǎng)即一種高級Petri網(wǎng)模型，提高了診斷的自適應(yīng)性和容錯性。

2.4 基于優(yōu)化技術(shù)的故障診斷

優(yōu)化技術(shù)是多種智能算法的統(tǒng)稱。常見的優(yōu)化算法有：遺傳算法，蟻群算法，粒子群優(yōu)化算法和交叉熵算法等。目前優(yōu)化技術(shù)在電網(wǎng)故障診斷領(lǐng)域的應(yīng)用也有比較好的效果。在電網(wǎng)故障診斷應(yīng)用中，優(yōu)化技術(shù)的推理是根據(jù)故障元件于保護和斷路器的動作關(guān)系，將故障問題表示為目標函數(shù)最小化的0-1整數(shù)規(guī)劃的最優(yōu)解問題。文獻[8]利用改進粒子群算法解析整體診斷模型，提高了診斷準確性。

基于優(yōu)化技術(shù)的電網(wǎng)故障診斷方法有嚴謹?shù)耐评砗屠碚摶A(chǔ)，通常的優(yōu)化算法都可以實現(xiàn)正確的故障診斷。且在故障信息殘缺或不足的情況下，也能夠給出多個局部和全面的診斷結(jié)果。同樣該方法也存在自身的缺陷：（1）尋找目標函數(shù)比較困難；（2）優(yōu)化算法的診斷過程需要數(shù)據(jù)一次一次的迭代，直到滿足要求，所以耗時較長；（3）迭代過程中可能陷入局部優(yōu)值或由于隨機因素丟失最優(yōu)解。所以在未來優(yōu)化技術(shù)的應(yīng)用中，全面的數(shù)學(xué)模型和更快的迭代收斂是一個重要的研究方向。

2.5 基于MAS技術(shù)的故障診斷

多智能體（Multi-Agent System， MAS）技術(shù)是分布式人工智能技術(shù)的一種，它是一種軟件工程技術(shù)，綜合了計算機、網(wǎng)絡(luò)和分布式思想。能夠?qū)⒁粋€復(fù)雜的問題拆分為多個Agent，然后對于每個Agent逐個擊破，最后通過各個Agent之間信息的相互協(xié)調(diào)得出最終結(jié)果。文獻[9]提出基于MAS技術(shù)的電網(wǎng)故障診斷，首先智能分解診斷系統(tǒng)，然后協(xié)調(diào)各Agent得出綜合診斷結(jié)果，具有良好的準確性和實時性。

MAS分布式電網(wǎng)故障診斷系統(tǒng)，具有啟發(fā)性、魯棒性和可擴展性。適用于大型分布式電網(wǎng)故障的復(fù)雜性等要求，通過多智能體協(xié)調(diào)工作，可以實時處理大電網(wǎng)復(fù)雜性故障。目前的研究也僅限于理論，未來如何將多Agent系統(tǒng)運用在實際運行的電網(wǎng)中是需要重點研究的問題。

2.6 基于信息融合技術(shù)的故障診斷

信息融合是多數(shù)據(jù)源信息融合技術(shù)[10]的簡稱，即通過不同的數(shù)據(jù)源獲取信息，分別進行分析和處理，然后通過融合算法得出綜合結(jié)果，最終的估計和決策比任何單一信息源精度更高。目前，在電網(wǎng)故障診斷方面，該方法的應(yīng)用研究已經(jīng)表現(xiàn)出其明顯的優(yōu)越性。文獻[11]結(jié)合小波神經(jīng)網(wǎng)絡(luò)和證據(jù)理論，分別進行數(shù)據(jù)層的故障分析和決策層信息融合框架的構(gòu)建，提高故障診斷準確性。

將不同數(shù)據(jù)源的開關(guān)量和電氣量信息進行融合的故障診斷方法，可以避免由于單一數(shù)據(jù)源信息殘缺或不完備造成的誤診情況，同時提高了診斷系統(tǒng)的實時性。在之后的研究中，信息融合技術(shù)主要解決更合適的信息融合技術(shù)的選取以及在實際中的應(yīng)用。

3 當前需要解決的問題及未來發(fā)展趨勢

當前電網(wǎng)的故障診斷方面還有如下問題需要解決：（1）每種智能方法都存在自身的缺陷，都不適合單獨的用于故障診斷。（2）對于不完備信息的故障易得到錯誤的結(jié)果，容錯性差。（3）目前的研究大多是理論上的，缺乏在實際電網(wǎng)中應(yīng)用的研究。

基于當前面臨的問題，電網(wǎng)故障診斷在未來的研究大概分為以下幾個方面：（1）綜合利用多種智能方法進行故障診斷的研究。在目前的研究中，基本都是采用單一的智能算法，短板比較明顯。而將多種智能方法良好銜接，綜合利用，可以形成優(yōu)勢互補、取長補短。得到更好的故障診斷效果。（2）多數(shù)據(jù)源信息融合的故障診斷研究。當前電網(wǎng)故障診斷大多利用保護和斷路器等開關(guān)量信息。但是開關(guān)量信息有其本身的局限性，且保護開關(guān)的誤動、拒動會應(yīng)影響故障的判斷。相對而言，利用電氣量信息則更加快速，準確。最后將開關(guān)量信息和電氣量信息進行融合的故障診斷，是未來一個重要的研究方向。（3）分布式智能技術(shù)的故障診斷研究。我國電網(wǎng)飛速發(fā)展，對于大規(guī)模電網(wǎng)的故障診斷，分布式的處理是一個非常有效的方向。當前研究成果比較多的多智能體技術(shù)就是一種分布式故障診斷方法。

4 結(jié)語

在我國智能電網(wǎng)的環(huán)境下，采用人工智能算法進行電網(wǎng)故障診斷是必然的趨勢，且目前已經(jīng)取得很多的研究成果。本文綜述了目前研究比較多的智能算法及近年來的研究成果，并介紹了這些方法的優(yōu)勢、缺陷和在當前電網(wǎng)故障診斷中面臨的問題。最后分析了在未來電網(wǎng)故障診斷的發(fā)展趨勢。盡管研究成果眾多，但都還是處于理論階段，缺乏在實際運行電網(wǎng)中的應(yīng)用研究。因此在改進智能算法的同時，也要不斷完善在實際工程中的應(yīng)用，保障電網(wǎng)運行的安全與穩(wěn)定。

參考文獻：

[1]李紅衛(wèi)，楊東升，孫一蘭等.智能故障診斷技術(shù)研究綜述與展望[J].計算機工程與設(shè)計，2013，34（02）：632-637.

[2]鄂加強.智能故障診斷及其應(yīng)用[M].長沙：湖南大學(xué)出版社， 2006：64-65.

[3]Joseph Giarratano.專家系統(tǒng)原理與編程[M].北京：機械工業(yè)出版社，2000：20-23.

[4]Lee H J，Park D Y，Ahn B S，et al.A fuzzy expert system for the integrated fault diagnosis[J].IEEE Trans on Power Delivery，2000，15（02）：833-838.

[5]胡守仁，余少波，戴葵.神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].長沙：國防科技出版社，1992：2-3.

[6]Khom foi S，Tolbert L M.Fault diagnosis system for a multilevel inverter using a principal component neural network[C]//Power Electronics Specialists Conference，37th IEEE，2006：1-7.

[7]楊健維，何正友，臧天磊.基于方向性加權(quán)模糊Petri網(wǎng)的電網(wǎng)故障診斷方法[J].中國電機工程學(xué)報，2010，30（34）：42-49.

[8]劉道兵，顧雪平，李海鵬.電網(wǎng)故障診斷的一種安全解析模型[J]. 中國電機工程學(xué)報，2011，31（34）：85-92.

[9]Lekkas G P，Avouris N M，Papakonstantinou G.Development of distributed problem solving system for dynamic environments[J].IEEE Trans on System Man and Cyberneties， 1995，25（03）：400-414.

[10]劉同明，夏祖勛，解洪成.信息融合技術(shù)及其應(yīng)用[M].北京： 國防工業(yè)出版社，1998：12-13.

[11]FENG Dengchao，Disa Pereira J M.Study on information fusion based on wavelet neural network and evidence theory in fault diagnosis[C]// Electronic Measurement and Instruments， 8th International Conference on，2007：3522-3526.

作者信息：田海霖（1991-），男，河南商丘人，研究生在讀，研究方向：智能電網(wǎng)故障診斷。