基于物聯(lián)網(wǎng)的加權(quán)模糊petri網(wǎng)電網(wǎng)故障診斷研究

孫 霞,劉 順

(安徽理工大學(xué)電氣與信息工程學(xué)院,安徽 淮南 232001)

隨著電力用戶對(duì)電能可靠性的需求越來越高,電網(wǎng)的結(jié)構(gòu)也日益復(fù)雜。及時(shí)、正確地診斷電網(wǎng)故障是保證電網(wǎng)穩(wěn)定持續(xù)運(yùn)行的前提,比較常見電網(wǎng)故障診斷的方法有基于神經(jīng)網(wǎng)絡(luò)的方法、基于專家系統(tǒng)的方法,另外還有貝葉斯網(wǎng)絡(luò)[1]、神經(jīng)算法[2]、petri網(wǎng)等。其中,petri網(wǎng)因其強(qiáng)大的離散并行處理能力,廣泛地應(yīng)用在電力系統(tǒng)故障診斷中。

近年來,學(xué)者們基于petri網(wǎng)進(jìn)行了許多電網(wǎng)故障診斷的研究。文獻(xiàn)[3]提出模糊petri網(wǎng)在電力系統(tǒng)故障診斷中達(dá)到了滿意的判斷效果。文獻(xiàn)[4]39考慮故障因素的不同影響程度提出了加權(quán)模糊petri網(wǎng)電網(wǎng)故障診斷的方法。文獻(xiàn)[5]提出按故障元件蔓延方向建立加權(quán)模糊petri網(wǎng),該方法具有較高的容錯(cuò)性和適應(yīng)性。文獻(xiàn)[6]提出基于改進(jìn)的petri網(wǎng)電網(wǎng)故障診斷方法,需要按故障元件蔓延方向進(jìn)行建模,同時(shí)根據(jù)故障原理構(gòu)建復(fù)雜的petri網(wǎng)模型。文獻(xiàn)[7]將BP神經(jīng)網(wǎng)絡(luò)與模糊petri網(wǎng)相結(jié)合,通過優(yōu)化權(quán)值、閾值和確信度提高故障診斷的結(jié)果取值。上述學(xué)者在研究時(shí)總結(jié)前人的經(jīng)驗(yàn),不斷完善petri網(wǎng)在電網(wǎng)故障診斷的應(yīng)用,但仍存在一些不足,如沒有考慮不同事件對(duì)故障發(fā)生的影響程度且按元件建立龐大的電網(wǎng)拓?fù)浣Y(jié)構(gòu)petri網(wǎng)模型,不適用于拓?fù)浣Y(jié)構(gòu)多變的電網(wǎng);權(quán)值的確定沒有嚴(yán)格的定義,權(quán)值大多定義均分為0.5,權(quán)值的作用被忽略;監(jiān)測(cè)中心采集的信息漏報(bào)誤報(bào)時(shí)會(huì)影響故障診斷結(jié)果[8],導(dǎo)致出現(xiàn)故障元件診斷錯(cuò)誤的情況。

因此,為了提高電網(wǎng)故障診斷結(jié)果的可靠性,本文提出基于物聯(lián)網(wǎng)的加權(quán)模糊petri網(wǎng)電網(wǎng)故障診斷方法,以可疑故障元件為中心按不同方向構(gòu)建多個(gè)模糊petri網(wǎng)模型,充分考慮保護(hù)與斷路器動(dòng)作信息對(duì)故障發(fā)生的影響程度,并在診斷結(jié)果的基礎(chǔ)上增加補(bǔ)充信息,最后結(jié)合仿真實(shí)驗(yàn)進(jìn)行分析,以期為電網(wǎng)故障診斷提供更有效的方法。

1 加權(quán)模糊petri網(wǎng)

1.1 加權(quán)模糊petri網(wǎng)定義

定義：加權(quán)模糊petri網(wǎng)(Weighted Fuzzy Petri NET,WFPN)可以定義為一個(gè)九元組[9]

SWFPN={P,T,I,O,a,Th,W,θ,U}

其中,

1)P為所有庫所節(jié)點(diǎn)組成的有限集合,P={P1,P2,…,Pn};

2)T為所有變遷節(jié)點(diǎn)組成的有限集合,T={t1,t2,…,tm};

3)I為P庫所指向T變遷的輸入映射,其值等于φij,φij∈[0,1];當(dāng)Pi為Tj的輸入庫所時(shí),φij的值為該有向弧的權(quán)值,當(dāng)Pi不是Tj的輸入庫所時(shí),φij=0;

4)O為T變遷指向P庫所的輸出映射,其值等于φij,φij∈[0,1];當(dāng)Pi為Tj的輸出庫所時(shí),φij的值為該規(guī)則的可信度,當(dāng)Pi不是Tj的輸出庫所時(shí),φij=0;

5)a則表示庫所對(duì)應(yīng)命題的可信度,a(Pi)∈[0,1];

6)Th為變遷激發(fā)閾值向量,Th∈[0,1],也是一個(gè)映射,對(duì)變遷節(jié)點(diǎn)t定義一個(gè)閾值Th,Th={λ1,λ2,…λm};

7)W為變遷規(guī)則的權(quán)值矩陣,W={w11,w12,…wij},反映規(guī)則中的前提條件對(duì)結(jié)論的支持程度;

9)U為變遷規(guī)則可信度矩陣,U=diag(u1,u2,…,um),uj為tj規(guī)則的可信度,uj∈[0,1]。

1.2 加權(quán)模糊Petri網(wǎng)推理

1)首先計(jì)算每個(gè)變遷的合成輸入可信度

Ek+1=Iθk

2)將合成輸入可信度與變遷閾值相比較

Gk+1=Ek+1?Th

3)如果合成輸入可信度大于變遷閾值,則留下該輸入項(xiàng)。計(jì)算可以發(fā)生變遷的合成可信度

Hk+1=Ek+1⊙Gk+1

4)計(jì)算庫所下一步狀態(tài)

θk+1=I?Hk+1⊕θk

5)如果θk+1=θk,則推理結(jié)束。

其中k初始為0,重復(fù)上述推理步驟直至達(dá)到結(jié)束條件。

1.3 加權(quán)模糊Petri網(wǎng)的改進(jìn)

考慮到電網(wǎng)拓?fù)浣Y(jié)構(gòu)復(fù)雜多變的特點(diǎn),本文提出基于物聯(lián)網(wǎng)的加權(quán)模糊petri網(wǎng)電網(wǎng)故障診斷方法,打破傳統(tǒng)電網(wǎng)故障診斷WFPN模型,對(duì)可疑故障元件各個(gè)蔓延方向進(jìn)行建模,綜合主保護(hù)、近后備保護(hù)、遠(yuǎn)后備保護(hù)以及對(duì)應(yīng)斷路器的信息分析,進(jìn)一步提高故障診斷的準(zhǔn)確性。

加權(quán)模糊petri網(wǎng)在模糊petri網(wǎng)的基礎(chǔ)上增加了權(quán)值的元素定義,提高了系統(tǒng)應(yīng)用的準(zhǔn)確性。不同的事件對(duì)結(jié)果的影響程度不同,如保護(hù)動(dòng)作和斷路器動(dòng)作,當(dāng)保護(hù)動(dòng)作發(fā)生時(shí)對(duì)應(yīng)的斷路器才會(huì)發(fā)生動(dòng)作,因此不能簡(jiǎn)單地將權(quán)值都賦值為0.5。在系統(tǒng)實(shí)際工作中,保護(hù)信息動(dòng)作觸發(fā)斷路器動(dòng)作,因此保護(hù)信息動(dòng)作的權(quán)值應(yīng)大于斷路器動(dòng)作權(quán)值。本文將保護(hù)動(dòng)作的權(quán)值設(shè)為0.55,而斷路器動(dòng)作權(quán)值設(shè)為0.45。經(jīng)過研究發(fā)現(xiàn),電力系統(tǒng)中母線、變壓器以及輸電線路發(fā)生故障時(shí)往往伴有溫度變化的現(xiàn)象,因此在結(jié)合上述改進(jìn)方法基礎(chǔ)上,引入物聯(lián)網(wǎng)技術(shù),通過加入無線傳感器網(wǎng)絡(luò)實(shí)時(shí)采集電網(wǎng)元件的溫度。當(dāng)電網(wǎng)發(fā)生故障后,通過建立WFPN模型分析出可疑故障元件并結(jié)合實(shí)時(shí)采集的溫度數(shù)據(jù)進(jìn)一步確定故障元件。

對(duì)于電網(wǎng)元件的故障診斷,首先對(duì)電網(wǎng)拓?fù)浣Y(jié)構(gòu)進(jìn)行分析,了解各類保護(hù)的動(dòng)作原理;再利用接線分析法找出可疑故障元件,按照可疑故障元件的蔓延方向,繪制不同方向上的加權(quán)模糊petri網(wǎng);最后,通過SCADA系統(tǒng)獲取故障的保護(hù)動(dòng)作和斷路器動(dòng)作信息,計(jì)算出元件不同方向上的故障可信度,進(jìn)而均分得到故障結(jié)果。本文規(guī)定可疑故障元件的故障結(jié)果可信度大于0.65,則判定為故障元件。

2.1 電網(wǎng)拓?fù)浣Y(jié)構(gòu)

圖1為局部電網(wǎng)示意圖,由32個(gè)元件、40個(gè)斷路器和84個(gè)保護(hù)組成。32個(gè)元件分別表示為:電源G1～G4,母線A1～A4,雙母線B1～B8,變壓器T1～T8,線路L1～L8。40個(gè)斷路器表示為CB1～CB40。其中,保護(hù)分為主保護(hù)和后備保護(hù),而后備保護(hù)分為近后備保護(hù)和遠(yuǎn)后備保護(hù)。36個(gè)主保護(hù)表示為:A1m～A4m,T1m～T8m,B1m～B8m,L1Sm～L8Sm,L1Rm～L8Rm。48個(gè)后備保護(hù)為:T1p～T8p,T1s～T8s,L1Sp～L8Sp,L1Ss～L8Ss,L1Rp～L8Rp,L1Rs～L8Rs。在上述表達(dá)中,m表示主保護(hù),p表示近后備保護(hù),s表示遠(yuǎn)后備保護(hù),S和R表示線路的送端和受端。本文規(guī)定左端為送端,右端為受端。

圖1 局部電網(wǎng)示意圖

通過電網(wǎng)拓?fù)浞治稣页隹梢晒收显10]16。由于電網(wǎng)結(jié)構(gòu)復(fù)雜,保護(hù)和斷路器數(shù)量過多,傳統(tǒng)分析方法建立的petri網(wǎng)模型結(jié)構(gòu)龐大,不利于分析拓?fù)浣Y(jié)構(gòu)變化的電網(wǎng),因此需要新的電網(wǎng)拓?fù)浞治龇?。根?jù)接線分析法可知,當(dāng)電力系統(tǒng)發(fā)生故障后,保護(hù)和斷路器動(dòng)作會(huì)將故障元件進(jìn)行隔離[11],因此故障元件肯定被隔離在一個(gè)無源區(qū)域中。基于此原理,將元件母線、變壓器和線路進(jìn)行順序編號(hào)。通過依次取元件判斷是否與閉合的斷路器相連構(gòu)成有源集合,構(gòu)成無源集合中的元件則為故障元件,具體步驟如下:

1)建立一個(gè)集合a,并將所有元件編號(hào)放入其中;

2)建立一個(gè)子網(wǎng)集合Ni,取元件編號(hào)i放入其中,并找出與之相連的閉合斷路器,若無閉合斷路器,則轉(zhuǎn)到步驟6;

3)找出與閉合斷路器相連的其他元件,并將元件編號(hào)放入子網(wǎng)集合中;

4)繼續(xù)搜索由第3步得到元件的其他相連閉合斷路器;

5)重復(fù)步驟3～4,直至結(jié)束;

6)列出所有的子網(wǎng)集合,若集合Ni中不含電源則元件i為可疑故障元件。

2.2 基于物聯(lián)網(wǎng)的電網(wǎng)應(yīng)用

研究表明,現(xiàn)階段電網(wǎng)已經(jīng)推廣了一系列通信信息平臺(tái)和自動(dòng)化系統(tǒng),正在往透明電網(wǎng)方向發(fā)展,使電網(wǎng)運(yùn)行透明化,系統(tǒng)可觀可測(cè)[12]。本文選用ZigBee與NB-IoT相結(jié)合的通訊模式,具有電網(wǎng)系統(tǒng)監(jiān)測(cè)的低功耗、成本低、覆蓋廣等優(yōu)點(diǎn)[13]。具體措施為:在變壓器、母線、線路各元件周圍安裝ZigBee模塊,選用CC2530作為主控芯片,溫度傳感器選用DS18B20,整體組網(wǎng)結(jié)構(gòu)采用星星拓?fù)浣Y(jié)構(gòu)。通過協(xié)調(diào)器上的NB-IoT模塊將各終端實(shí)時(shí)采集溫度上傳至云端,便于電網(wǎng)監(jiān)測(cè)中心上位機(jī)觀測(cè)處理數(shù)據(jù)。

2.3 保護(hù)的動(dòng)作原理

1)母線的主保護(hù)動(dòng)作時(shí)跳開與其相連的斷路器,如A2發(fā)生故障時(shí),A2m動(dòng)作斷開CB16、CB17和CB18。母線的遠(yuǎn)后備保護(hù)是當(dāng)主保護(hù)下的斷路器未跳開時(shí),相應(yīng)方向上的遠(yuǎn)后備保護(hù)動(dòng)作且相應(yīng)斷路器跳閘;如A2發(fā)生故障時(shí),CB17未斷開,T4s動(dòng)作斷開CB15。

2)變壓器主保護(hù)動(dòng)作時(shí)跳開其兩端的斷路器,如T2發(fā)生故障時(shí),T2m動(dòng)作斷開CB3和CB5。變壓器的近后備保護(hù)是當(dāng)主保護(hù)拒動(dòng)時(shí),動(dòng)作跳開其兩端的斷路器;如T2發(fā)生故障,而T2m未動(dòng)作時(shí),T2p動(dòng)作斷開CB3和CB5。變壓器的遠(yuǎn)后備保護(hù)用于相鄰區(qū)域故而該區(qū)域保護(hù)未動(dòng)作時(shí),保護(hù)斷路器。

3)線路主保護(hù)分為受端主保護(hù)和送端主保護(hù),也是在發(fā)生故障時(shí)斷開與其相連的斷路器,如L6發(fā)生故障時(shí),L6Rm動(dòng)作斷開CB20,L6Sm動(dòng)作斷開CB32。線路的近后備保護(hù)是當(dāng)主保護(hù)拒動(dòng)時(shí),動(dòng)作跳開其兩端的斷路器,如L6發(fā)生故障時(shí),L6Rm未動(dòng)作,L6Rp動(dòng)作斷開CB20;L6Sm未動(dòng)作,L6Sp動(dòng)作斷開CB32。線路的遠(yuǎn)后備保護(hù)用于相鄰區(qū)域發(fā)生故障時(shí)起保護(hù)作用,用來保護(hù)線路[14]。

2.4 建模

在電網(wǎng)拓?fù)浞治稣页隹赡芸梢晒收显?按照元件不同方向建立加權(quán)模糊petri網(wǎng)故障診斷模型。傳統(tǒng)元件故障診斷模型將其分為3層,并將所有可能發(fā)生的保護(hù)和斷路器動(dòng)作信息繪制在一起,結(jié)構(gòu)復(fù)雜且矩陣計(jì)算量大。而本文構(gòu)建的故障診斷模型只需要兩層即可,且邏輯更加清晰。如圖1所示的局部電網(wǎng)示意圖,若監(jiān)控中心收到警報(bào)信息,斷路器CB11、CB13、CB19動(dòng)作,則根據(jù)上述的接線分析法可以判斷出可疑故障元件為母線B3;然后對(duì)可疑故障元件按不同方向進(jìn)行加權(quán)模糊petri網(wǎng)建模。

圖2具體說明了故障方向WFPN模型的建立方法。當(dāng)判斷出母線B3發(fā)生故障,以診斷元件B3為中心,對(duì)其3個(gè)故障蔓延方向(線路L1、L5,斷路器CB13)分別建立WFPN模型。根據(jù)保護(hù)的動(dòng)作原理將保護(hù)信息和斷路器相連接,圖2中P11、P21均表示虛擬庫所,存放著保護(hù)動(dòng)作原理發(fā)生的可信度。P1、P2、P3為該方向上的故障可信度。圖2中省略了權(quán)值和可信度的標(biāo)識(shí),具體賦值會(huì)在之后列出詳細(xì)信息。

(a)線路L1方向上的WFPN模型

2.5 仿真參數(shù)的確定

監(jiān)控中心收到從SCADA系統(tǒng)收集的保護(hù)和斷路器動(dòng)作信息,存在著信息缺失或漏報(bào)的情況,因此,初始保護(hù)和斷路器動(dòng)作信息的可信度需要科學(xué)地確定。根據(jù)文獻(xiàn)[15]和文獻(xiàn)[4]39確定主保護(hù)和斷路器動(dòng)作可信度的方法,得出仿真參數(shù),具體參數(shù)設(shè)置如表1所示。

表1 保護(hù)和斷路器動(dòng)作(未動(dòng)作)可信度設(shè)置

在計(jì)算過程中,文獻(xiàn)[4]32將保護(hù)和斷路器的動(dòng)作信息均取權(quán)值為0.5,未考慮保護(hù)和斷路器的動(dòng)作信息對(duì)規(guī)則影響程度不一致。在SCADA系統(tǒng)中,保護(hù)信息動(dòng)作觸發(fā)斷路器動(dòng)作,因此,保護(hù)信息動(dòng)作的權(quán)值應(yīng)大于斷路器動(dòng)作權(quán)值。本文將保護(hù)權(quán)值設(shè)為0.55,斷路器動(dòng)作權(quán)值設(shè)為0.45。為保證模型的容錯(cuò)性,將閾值設(shè)置為0.2,規(guī)則的置信度設(shè)置為0.95,便于驗(yàn)證仿真結(jié)果的可行性。

2.6 推理過程

案例1 監(jiān)控中心收到如下信息:B3m動(dòng)作,跳開斷路器CB11、CB13、CB19。由跳開的斷路器可推斷出可疑故障元件為母線B3,以診斷元件B3為中心按方向建立WFPN模型,如圖2所示。以圖2(a)為例,根據(jù)定義,可得到輸入輸出矩陣以及變遷閾值矩陣分別為:

根據(jù)監(jiān)控中心收到的信息進(jìn)行參數(shù)初始化,確定保護(hù)和斷路器動(dòng)作的可信度?？傻贸跏伎尚哦葹棣?=[0.968 4,0.983 3,0.4,0.2,0,0,0],其推理過程如下:

θ1=[0.968 4,0.983 3,0.4,0.2,0.926 3,0.294 5,0]

θ2=[0.968 4,0.983 3,0.4,0.2,0.926 3,0.294 5,0.88]

θ3=[0.968 4,0.983 3,0.4,0.2,0.926 3,0.294 5,0.88]

比較兩次推理結(jié)果可知θ2和θ3結(jié)果相同,根據(jù)推理步驟可知推理結(jié)束且母線B3在L1方向上的故障結(jié)果為0.880 0。同理可得母線B3在L5方向上的故障結(jié)果為0.880 0,母線B3在CB15方向上的故障結(jié)果為0.880 0。對(duì)以上3個(gè)方向的診斷結(jié)果進(jìn)行合并,采用均分的方法,得到最終B3的故障結(jié)果為(0.8800+0.8800+0.8800)/3=0.8800。

3 算法的適應(yīng)性和容錯(cuò)性分析

3.1 適應(yīng)性

與傳統(tǒng)電網(wǎng)故障診斷WFPN模型相比,按故障方向建立WFPN模型的優(yōu)勢(shì)在于每條蔓延方向的模型是獨(dú)立的,僅與當(dāng)前路徑上的保護(hù)和斷路器相關(guān)。即在該故障元件方向上增刪一條路徑,都不影響系統(tǒng)的整體結(jié)構(gòu),減少了建模的復(fù)雜度,在電網(wǎng)拓?fù)浣Y(jié)構(gòu)發(fā)生變化時(shí)依然能夠得到準(zhǔn)確的故障診斷結(jié)果。

3.2 容錯(cuò)性

考慮到SCADA系統(tǒng)提供到監(jiān)測(cè)中心的數(shù)據(jù)信息不完整或者數(shù)據(jù)錯(cuò)誤的情況,采用1.3節(jié)所提的方法進(jìn)行改進(jìn),提高系統(tǒng)的容錯(cuò)性。通過以下案例驗(yàn)證保護(hù)和斷路器誤動(dòng)以及信息漏報(bào)情況下該算法的容錯(cuò)性。

案例2 監(jiān)控中心收到如下信息:L1Rm、T1s動(dòng)作,跳開斷路器CB4、CB11。由跳開的斷路器可推斷出可疑故障元件為線路L1,以診斷元件L1為中心按方向建立WFPN模型,由推理規(guī)則得到L1在不同方向上故障診斷結(jié)果,送端為0.652 0,受端為0.880 0,則故障診斷結(jié)果為(0.6520+0.8800)/2=0.7660。通過反向推理后可知L1Sm和L1Sp未動(dòng)作,CB7拒動(dòng)。由此可知,由于保護(hù)和斷路器信息的漏報(bào),故障診斷的結(jié)果受到了影響,值偏低。此時(shí)根據(jù)物聯(lián)網(wǎng)設(shè)備中獲取的溫度信息,溫度異常則表明L1元件存在發(fā)生故障的可能性,將故障診斷結(jié)果與遠(yuǎn)程測(cè)溫信息相結(jié)合,驗(yàn)證了故障結(jié)果的可靠性,為工作人員快速準(zhǔn)確定位故障元件、實(shí)現(xiàn)電力系統(tǒng)持續(xù)穩(wěn)定運(yùn)行提供了堅(jiān)實(shí)的保障,體現(xiàn)了該方法具有較高的容錯(cuò)性。

4 仿真驗(yàn)證

利用MATLAB中Stateflow模塊搭建可疑故障元件的WFPN模型,進(jìn)行仿真驗(yàn)證。在研究中發(fā)現(xiàn)當(dāng)只存在一個(gè)可疑故障元件,在保護(hù)和斷路器動(dòng)作信息不完整時(shí)仍能得到正確的診斷結(jié)果[16]。因此,本文針對(duì)電網(wǎng)系統(tǒng)診斷中出現(xiàn)多可疑故障元件情況進(jìn)行仿真驗(yàn)證本文方法的有效性和可靠性。

案例3 監(jiān)測(cè)中心收到如下信息:B3m、L7Ss、L5Sp、L5Rm、L1Rs、T3m、T3p動(dòng)作,跳開斷路器CB11、CB14、CB16、CB29、CB31。由跳開的斷路器可推斷出可疑故障元件為變壓器T3、母線B3和線路L5、L7。建立故障診斷仿真模型如圖3所示。由圖3可知,故障診斷結(jié)果與推理規(guī)則得出的結(jié)果相同。

(a)仿真外部框圖 (b)仿真內(nèi)部結(jié)構(gòu)圖

通過對(duì)所有可疑故障元件的建模仿真得到的故障診斷結(jié)果如表3所示。由故障結(jié)果可知最有可能發(fā)生故障的元件為線路L5、變壓器T3和母線B3,故障可信度分別為0.766 0、0.789 4和0.667 9。此時(shí)B3的動(dòng)作情況存在不確定性,但是結(jié)合溫度監(jiān)測(cè)信息,可以排除母線B3為故障元件。通過反向推理可知B3m誤動(dòng),CB19拒動(dòng)。由此證明,此方法在多元件發(fā)生故障時(shí)可以提供有效判斷依據(jù),提高了故障診斷結(jié)果的準(zhǔn)確性。

表3 案例3故障診斷結(jié)果

5 結(jié)論與展望

本文提出基于物聯(lián)網(wǎng)的加權(quán)模糊petri網(wǎng)電網(wǎng)故障診斷方法,實(shí)驗(yàn)結(jié)果證明,該方法適用拓?fù)浣Y(jié)構(gòu)多變的電網(wǎng),在保護(hù)和斷路器動(dòng)作信息不完整時(shí),仍能給出正確的診斷結(jié)果,具有較高的適應(yīng)性和容錯(cuò)性。

本文僅將溫度狀態(tài)作為元件故障的參考,導(dǎo)致故障診斷正確結(jié)果存在一定的偶然性。在未來的研究中,隨著智能電網(wǎng)[17]的發(fā)展,可加入更多智能通信和監(jiān)測(cè)設(shè)備,智能采集電網(wǎng)元件更多的監(jiān)測(cè)信息,提高故障診斷結(jié)果的可靠性。