張力中
摘?要:調度中心通過對系統(tǒng)級故障進行診斷,處理分析故障信號與動作信息,且其分別由保護器與斷路器發(fā)出,監(jiān)控人員憑借自身的經(jīng)驗,再利用電網(wǎng)保護邏輯,可推斷出故障的具體位置和類型,這就叫電網(wǎng)故障診斷。目前,智能算法廣泛應用于電網(wǎng)故障診斷當中,常見的有人工神經(jīng)網(wǎng)絡、專家系統(tǒng)以及模糊集理論,還包括信息融合技術、多智能體技術等。對此,本文對智能算法的相關概念做了簡單介紹,詳細闡述了電網(wǎng)故障診斷存在的問題及未來發(fā)展趨勢。
關鍵詞:電網(wǎng)故障診斷;研究現(xiàn)狀;發(fā)展趨勢
電網(wǎng)故障診斷關系到電力系統(tǒng)的穩(wěn)定性,這是一個關鍵性問題。不斷擴大電網(wǎng)規(guī)模之后,電網(wǎng)結構變得越來越復雜,這就要求故障診斷系統(tǒng)必須達到更高的要求。本文先闡述了電網(wǎng)故障診斷當前的研究狀況,接著分析了電網(wǎng)故障診斷常見的幾種問題,最后就電網(wǎng)故障診斷的發(fā)展趨勢,提出了個人見解。
一、電網(wǎng)故障診斷研究現(xiàn)狀
(一)基于人工神經(jīng)網(wǎng)絡的故障診斷
人工神經(jīng)網(wǎng)絡屬于一種智能算法,主要是對人類神經(jīng)系統(tǒng)進行模擬,以此達到處理信息目的,神經(jīng)網(wǎng)絡系統(tǒng)由多個處理單元形成,其結構相當復雜。神經(jīng)網(wǎng)絡的學習能力十分強大,訓練樣本有利于推理規(guī)則的進一步優(yōu)化,而且還能提高預測能力,以便更好解決未知的問題。經(jīng)研究發(fā)現(xiàn),前饋神經(jīng)網(wǎng)絡經(jīng)常應用于電網(wǎng)故障診斷中,它最大的特色就是徑向基、BP這兩種神經(jīng)網(wǎng)絡。想要優(yōu)化神經(jīng)網(wǎng)絡,可采用主成分分析法,這樣就能縮減輸入量,減少樣本所需的馴良時間,以防噪聲帶來干擾。雖然神經(jīng)網(wǎng)絡具備一定的學習能力,同時具備良好的魯棒性,且容錯能力比較強,但仍存在不足之處。第一,學習神經(jīng)網(wǎng)絡需要參照大量的樣本,可一般很難獲取到優(yōu)質樣本;第二,神經(jīng)網(wǎng)絡無法解釋自身的推理過程;第三,神經(jīng)網(wǎng)絡在推理過程中很難遵循啟發(fā)式規(guī)則。今后,對電網(wǎng)故障診斷進行研究,應側重于神經(jīng)網(wǎng)絡如何獲取有價值的樣本、解釋自身的推理過程等方面。唯有如此,故障診斷才能應用到大規(guī)模電網(wǎng)當中。
(二)基于優(yōu)化技術的故障診斷
多種智能算法統(tǒng)稱為優(yōu)化技術,其中包括蟻群、遺傳以及粒子群優(yōu)化,此外還包括交叉熵算法等。電網(wǎng)故障診斷通過應用優(yōu)化技術,已經(jīng)取得了顯著的成效。應用電網(wǎng)故障診斷期間,對優(yōu)化技術進行推理,需結合故障元件之間的關系。因此,故障問題可用最小的目標函數(shù)來表示,同時進行整數(shù)規(guī)劃,使問題得以解決。想要對診斷模型進行整體解析,需要對粒子群算法做相應的改進,這樣診斷準確性才能得到提高。電網(wǎng)故障診斷法必須以優(yōu)化技術的相關理論為基礎,其推理過程相當嚴謹,采用優(yōu)化算法可有效診斷各類故障。即使缺少故障信息,也能保證診斷結果的全面性。當然,這種方法也存在不足之處:采用優(yōu)化算法進行診斷,需要持續(xù)不斷地完成數(shù)據(jù)迭代,因此需耗費較長時間;數(shù)據(jù)在迭代過程中,難免產(chǎn)生局部優(yōu)值,或丟失最優(yōu)解。今后,應用優(yōu)化技術時,必須重點研究數(shù)學模型,加快數(shù)據(jù)的迭代速度。
(三)基于信息融合技術的故障診斷
將多數(shù)據(jù)源信息融合在一起,簡稱為信息融合,利用不同的數(shù)據(jù)源來獲取所需信息,對這些信息進行分析,采用融合算法,以此提高綜合結果的準確性,這樣做出的決策可達到較高的精度。將該方法應用于電網(wǎng)故障診斷,可充分表現(xiàn)其優(yōu)越性。通過參照證據(jù)理論、小波神經(jīng)網(wǎng)絡,由此分析數(shù)據(jù)故障,構建信息融合框架,使故障診斷變得更加準確。這種故障診斷法融合了不同數(shù)據(jù)源的電氣量與開關量信息。即使缺乏某種數(shù)據(jù)源信息,或數(shù)據(jù)不完整,診斷系統(tǒng)也可體現(xiàn)出實時性。經(jīng)研究證實,慎重選取信息融合技術,可提高其應用水平,進而產(chǎn)生更大的應用價值。
二、當前面臨的主要問題及未來發(fā)展趨勢
現(xiàn)階段,電網(wǎng)故障診斷面臨以下問題:(1)對一些不完備信息進行診斷時,缺乏一定的容錯性,到目前為止,該問題一直沒有得到有效解決;(2)上文提到過,智能方法存在許多的缺陷,在實際應用過程中,電網(wǎng)故障診斷只是智能方法的一種;(3)網(wǎng)絡拓撲結構、電網(wǎng)運行方式可直接影響故障診斷結果;(4)需加大對電網(wǎng)智能故障診斷的研究力度。
結合電網(wǎng)故障診斷當前存在的問題,對今后的研究方向做了相應調整,具體表現(xiàn)為以下幾點:
(1)通過融合多種智能方法,以此對診斷方法展開研究?,F(xiàn)階段,電網(wǎng)故障診斷主要采用了優(yōu)化技術、專家系統(tǒng)這兩種方法。然而,融合不同的智能技術,可達到取長補短的效果,同時將最新技術引入電網(wǎng)故障診斷中,將成為故障診斷未來的發(fā)展趨勢。
(2)通過研究不同的信息融合技術。將智能技術應用于電網(wǎng)故障診斷系統(tǒng),同時利用各種開關量信息,這樣不僅能提高精確度,還能改善容錯性,使電氣量的優(yōu)勢得到充分發(fā)揮。通過融合數(shù)據(jù)源的電氣量與開關量,實現(xiàn)故障信息的最大化利用,可得到更加精確的診斷結果。
(3)要研究故障診斷,必須建立在分布式智能技術的基礎之上。分布式故障診斷可用于診斷分布式故障,解決了大電網(wǎng)故障診斷目前面臨的難題。
(4)研究在線電網(wǎng)故障診斷也很有必要,尤其應側重其實用化方面。目前,專家學者通過研究電網(wǎng)故障診斷理論,取得了顯著的成效。然而,這只是停留在理論階段,必須對實用化方面展開深入研究。今后,不管是從理論角度還是實用化角度,都要做到理論與實際相結合,這將成為一個重點研究課題。通常,故障診斷要體現(xiàn)出實用化,必須具備預處理功能,整個故障診斷系統(tǒng)圍繞它展開,同時它可以保證故障診斷系統(tǒng)能夠穩(wěn)定運行。因此,必須深入研究故障診斷預處理功能,這樣才能體現(xiàn)出電網(wǎng)故障診斷的實用性。
三、結語
結合國內智能電網(wǎng)當前的運行環(huán)境,可知電網(wǎng)故障診斷主要采用的是人工智能算法,這將成為電網(wǎng)故障診斷今后的發(fā)展趨勢,目前取得了顯著的研究效果。本文主要圍繞智能算法,對其所取得的研究成果進行論述,同時介紹了智能算法的優(yōu)勢特征,包括存在的缺陷,以及電網(wǎng)故障診斷當前所面臨的主要問題,分析了電網(wǎng)故障診斷今后的發(fā)展走向。
參考文獻:
[1]李紅衛(wèi),楊東升,孫一蘭,等.智能故障診斷技術研究綜述與展望[J].計算機工程與設計,2013,34(02):632-637.
[2]韓迎春,童曉陽.基于動態(tài)推理鏈的電網(wǎng)故障診斷方法[J].電網(wǎng)技術,2017,41(4):1315-1324.