论文部分内容阅读
[摘 要]本文主要介绍电力系统故障诊断的研究现状和发展趋势，分析了电力系统的诊断方法和存在的问题，并对电力系统故障的诊断的发展趋势进行了分析。
[关键词]电力系统故障；发展现状；发展趋势
中图分类号：TU712.3 文献标识码：A 文章编号：1009-914X（2018）44-0349-01
1.前言
随着电力系统的不断发展壮大，对电力系统故障的诊断有了更高的要求，因此，如何迅速、准确的诊断出电力系统中出现的故障，找出故障发生的位置和原因成为相关工作人员关注的重点。
2.国内外关于电力系统故障诊断的研究发展现状
2.1以专家系统为依据的诊断方法
专家系统采用专家推理方法支持的计算机模型来解决电力系统故障诊断方法。目前该方法已在国内外得到广泛应用。目前，专家系统诊断电力系统故障的效率很高。对于故障诊断和如何表达诊断知识有不同的推理方法。专家系统主要分为两类：
2.1.1结合正面和负面推理的系统是结合正面和负面方向的混合推理方法。它可以基于继电保护和路由器与受保护设备之间的逻辑关系建立电力系统故障推理规则。该推理系统还采用了逆推理的方法，可以有效缩短故障发生的范围，并通过故障推断与动作继电保护的一致程度来计算推理结果的可信度。
2.1.2基于启发式规则的推力系统主要用于表示断路器和保护动作逻辑以及操作人员使用的所有故障诊断经验规则，最终形成具有动力诊断专家系统的知识库。当系统出现故障时，采用前向推理将故障发生后的观测情况与知识库中设定的规则相结合，推断电力系统故障的结论。目前使用的专家系统主要是基于启发式规则的推理系统。
基于专家系统的诊断方法的主要特点是能够系统，细致地显示保护和断路器操作逻辑以及操作人员使用规则的多年工作经验。同时，建立知识库并建立知识库。在此过程中，可以根据需要进行适当的增加和删除，以确保知识库能够满足使用期间电力系统故障诊断工作的需要。然而，这种基于专家的诊断方法仍存在一些不足和缺陷：1）知识库建设过程比较困难，知识库的完整性无法验证；2）知识库中信息的正確性无法分析；专家系统知识库维护工作困难；3）复杂故障诊断过程中专家系统推理速度慢。专家系统中的这些问题使专家系统无法满足大型电力系统的故障诊断。目前，专家系统主要用于离线故障分析。
2.2以人工神经网络为基础的诊断方法
该诊断方法与专家系统相比具有学习能力强，容错性强的特点。目前用于电力系统故障诊断工作的人工神经网络包括：基于径向基函数的神经网络和基于BP算法的前向神经网络。然而，由于人工神经网络训练难以获得完整的样本集，目前基于人工神经网络的诊断方法主要应用于中小型电力系统的故障诊断。目前人工神经网络诊断方法存在的问题是：1）性能和样本完整性受到很大影响，大规模电力系统样本采集极其困难；2）不擅长处理启发式知识；3）与符号数据库中的数据交互的能力很差；4）缺乏解释自己行为并最终输出结果的能力。这些基于人工神经网络的诊断方法的上述缺点使其不可能应用于大型电力系统故障诊断工作。
2.3以粗糙集理论为基础的诊断方法
1982年，波兰教授提出了一种新的数学工具粗糙集理论来处理不确定性和不完整性问题。粗糙集理论的主要思想在于分类能力不变的前提下。通过简化知识并导出分类规则或问题的决定。除了处理数据之外，此诊断方法不需要提供任何相关信息。它还可以有效地处理和分析不完整的不一致，不准确和不完整的数据，并从中挖掘隐藏的知识。公开一些存在的潜在规则。鉴于粗糙集理论与其他两种诊断方法的优越性，越来越多的研究者开始将粗糙集理论用于电力系统故障诊断。
2.4基于模糊集理论的诊断方法
模糊集理论在电力系统故障诊断中的应用分为两种：一种基于信息被认为是正确的，但是故障与动作保护装置和断路器状态存在不确定的相关性，的模糊成员资格。度量的程度描述了这种可能性；另一类认为诊断所依据的告警信息的可信度不是1，告警信息根据系统网络拓扑和故障的动作保护和断路器状态进行分配。置信度，则专家系统或ANN给出故障诊断结果的模糊输出。在前一类中，认为故障和动作的保护装置，动作的保护装置和受控的断路器之间存在不确定的相关性。它们之间的关系可以用模糊数学来描述。
根据可能的故障，可以找到从故障点到告警信息的可能路径，然后找到故障点与可能的保护设备，动作保护设备和可控断路器之间的相关性，以合成完全模糊。用于指示故障诊断可能性的度量。在后一类中，它首先模糊诊断模型所基于的输入信息。根据传输网络拓扑结构的现状，将报警信息的可靠性提供给保护和断路器行为的统计数据，并通过人工神经网络或专家系统进行诊断。模型输出模糊数，然后反模糊系统解释其输出，为操作员提供语言结论。
基于模糊集理论的诊断方法的主要特点是能够处理信息的不确定性，往往需要与其他各种人工智能技术（如专家系统，人工神经网络等）相结合。在分析模糊系统具体应用的基础上，需要研究以下问题：
①当成员函数描述不确定性问题时，应该建立什么样的有效隶属函数是一个非常关键的问题；
②建立大规模复杂系统模糊模型的难度很大。同时，当诊断系统的结构发生变化时，相应的模糊知识库或规则的模糊性也必须相应修改，可维护性差。
3.电力系统故障诊断的发展趋势
电力系统运行安全稳定的重要性不言而喻。因此，诊断电力系统设备的故障尤为重要。但传统上依靠手工故障分析，故障信息处理和处理已不能满足现代化的要求。目前的诊断系统正在逐渐发展成为计算机智能诊断系统，为了能够更好地利用诊断系统的优点，充分应用于电力系统故障诊断，未来故障诊断的方向可能包括以下几个方面：
3.1更加深入地应用尖端科学和技术对电力系统检测和诊断系统。计算机技术和人工智能技术的不断发展为诊断系统的发展开辟了一条新的道路。在未来的研究中，情报将成为关注的焦点。
3.2以单个设备作为目标的在线监测扩展到整体监测。维护管理将不再局限于单个设备，因为设备的大修涉及整个传输和转换系统的运行。特别是大电网的停电检修还涉及整个地区的运行和电力供需关系的调整。。
3.3系统操作实现远程和网络化的跟踪监控。将设备诊断技术与计算机网络技术相结合，可以及早对设备故障进行诊断和及时维护。
4.结束语
电力系统的故障诊断是保证电力系统正常工作的基础，虽然有很多的诊断办法，但在实际应用中仍存在着很多的问题，所以随着电力系统不断的发展，对电力系统的故障诊断提出了更高的需求，所以我们应该更加努力的解决问题。
参考文献
[1]杜一，张沛超，郁惟墉.基于事例和规则棍合推理的变电站故障诊断系统[J].电网技术，2016（28）：01.
[2]张琦，韩祯祥，文福拴.一种基于粗糙集理论的电力系统故障诊断和警报处理新方法[J].中国电力，2016（31）：04.
[3]冬梅，韩月，高曙.电网故障诊断的决策表约简新算法[J].电力系统自动化，2016（28）：04.
[4]郭创新，朱传柏，曹一家等.电力系统故障诊断的研兄现状与发展趋势明[J].电力系统自动化，2016.
[关键词]电力系统故障；发展现状；发展趋势
中图分类号：TU712.3 文献标识码：A 文章编号：1009-914X（2018）44-0349-01
1.前言
随着电力系统的不断发展壮大，对电力系统故障的诊断有了更高的要求，因此，如何迅速、准确的诊断出电力系统中出现的故障，找出故障发生的位置和原因成为相关工作人员关注的重点。
2.国内外关于电力系统故障诊断的研究发展现状
2.1以专家系统为依据的诊断方法
专家系统采用专家推理方法支持的计算机模型来解决电力系统故障诊断方法。目前该方法已在国内外得到广泛应用。目前，专家系统诊断电力系统故障的效率很高。对于故障诊断和如何表达诊断知识有不同的推理方法。专家系统主要分为两类：
2.1.1结合正面和负面推理的系统是结合正面和负面方向的混合推理方法。它可以基于继电保护和路由器与受保护设备之间的逻辑关系建立电力系统故障推理规则。该推理系统还采用了逆推理的方法，可以有效缩短故障发生的范围，并通过故障推断与动作继电保护的一致程度来计算推理结果的可信度。
2.1.2基于启发式规则的推力系统主要用于表示断路器和保护动作逻辑以及操作人员使用的所有故障诊断经验规则，最终形成具有动力诊断专家系统的知识库。当系统出现故障时，采用前向推理将故障发生后的观测情况与知识库中设定的规则相结合，推断电力系统故障的结论。目前使用的专家系统主要是基于启发式规则的推理系统。
基于专家系统的诊断方法的主要特点是能够系统，细致地显示保护和断路器操作逻辑以及操作人员使用规则的多年工作经验。同时，建立知识库并建立知识库。在此过程中，可以根据需要进行适当的增加和删除，以确保知识库能够满足使用期间电力系统故障诊断工作的需要。然而，这种基于专家的诊断方法仍存在一些不足和缺陷：1）知识库建设过程比较困难，知识库的完整性无法验证；2）知识库中信息的正確性无法分析；专家系统知识库维护工作困难；3）复杂故障诊断过程中专家系统推理速度慢。专家系统中的这些问题使专家系统无法满足大型电力系统的故障诊断。目前，专家系统主要用于离线故障分析。
2.2以人工神经网络为基础的诊断方法
该诊断方法与专家系统相比具有学习能力强，容错性强的特点。目前用于电力系统故障诊断工作的人工神经网络包括：基于径向基函数的神经网络和基于BP算法的前向神经网络。然而，由于人工神经网络训练难以获得完整的样本集，目前基于人工神经网络的诊断方法主要应用于中小型电力系统的故障诊断。目前人工神经网络诊断方法存在的问题是：1）性能和样本完整性受到很大影响，大规模电力系统样本采集极其困难；2）不擅长处理启发式知识；3）与符号数据库中的数据交互的能力很差；4）缺乏解释自己行为并最终输出结果的能力。这些基于人工神经网络的诊断方法的上述缺点使其不可能应用于大型电力系统故障诊断工作。
2.3以粗糙集理论为基础的诊断方法
1982年，波兰教授提出了一种新的数学工具粗糙集理论来处理不确定性和不完整性问题。粗糙集理论的主要思想在于分类能力不变的前提下。通过简化知识并导出分类规则或问题的决定。除了处理数据之外，此诊断方法不需要提供任何相关信息。它还可以有效地处理和分析不完整的不一致，不准确和不完整的数据，并从中挖掘隐藏的知识。公开一些存在的潜在规则。鉴于粗糙集理论与其他两种诊断方法的优越性，越来越多的研究者开始将粗糙集理论用于电力系统故障诊断。
2.4基于模糊集理论的诊断方法
模糊集理论在电力系统故障诊断中的应用分为两种：一种基于信息被认为是正确的，但是故障与动作保护装置和断路器状态存在不确定的相关性，的模糊成员资格。度量的程度描述了这种可能性；另一类认为诊断所依据的告警信息的可信度不是1，告警信息根据系统网络拓扑和故障的动作保护和断路器状态进行分配。置信度，则专家系统或ANN给出故障诊断结果的模糊输出。在前一类中，认为故障和动作的保护装置，动作的保护装置和受控的断路器之间存在不确定的相关性。它们之间的关系可以用模糊数学来描述。
根据可能的故障，可以找到从故障点到告警信息的可能路径，然后找到故障点与可能的保护设备，动作保护设备和可控断路器之间的相关性，以合成完全模糊。用于指示故障诊断可能性的度量。在后一类中，它首先模糊诊断模型所基于的输入信息。根据传输网络拓扑结构的现状，将报警信息的可靠性提供给保护和断路器行为的统计数据，并通过人工神经网络或专家系统进行诊断。模型输出模糊数，然后反模糊系统解释其输出，为操作员提供语言结论。
基于模糊集理论的诊断方法的主要特点是能够处理信息的不确定性，往往需要与其他各种人工智能技术（如专家系统，人工神经网络等）相结合。在分析模糊系统具体应用的基础上，需要研究以下问题：
①当成员函数描述不确定性问题时，应该建立什么样的有效隶属函数是一个非常关键的问题；
②建立大规模复杂系统模糊模型的难度很大。同时，当诊断系统的结构发生变化时，相应的模糊知识库或规则的模糊性也必须相应修改，可维护性差。
3.电力系统故障诊断的发展趋势
电力系统运行安全稳定的重要性不言而喻。因此，诊断电力系统设备的故障尤为重要。但传统上依靠手工故障分析，故障信息处理和处理已不能满足现代化的要求。目前的诊断系统正在逐渐发展成为计算机智能诊断系统，为了能够更好地利用诊断系统的优点，充分应用于电力系统故障诊断，未来故障诊断的方向可能包括以下几个方面：
3.1更加深入地应用尖端科学和技术对电力系统检测和诊断系统。计算机技术和人工智能技术的不断发展为诊断系统的发展开辟了一条新的道路。在未来的研究中，情报将成为关注的焦点。
3.2以单个设备作为目标的在线监测扩展到整体监测。维护管理将不再局限于单个设备，因为设备的大修涉及整个传输和转换系统的运行。特别是大电网的停电检修还涉及整个地区的运行和电力供需关系的调整。。
3.3系统操作实现远程和网络化的跟踪监控。将设备诊断技术与计算机网络技术相结合，可以及早对设备故障进行诊断和及时维护。
4.结束语
电力系统的故障诊断是保证电力系统正常工作的基础，虽然有很多的诊断办法，但在实际应用中仍存在着很多的问题，所以随着电力系统不断的发展，对电力系统的故障诊断提出了更高的需求，所以我们应该更加努力的解决问题。
参考文献
[1]杜一，张沛超，郁惟墉.基于事例和规则棍合推理的变电站故障诊断系统[J].电网技术，2016（28）：01.
[2]张琦，韩祯祥，文福拴.一种基于粗糙集理论的电力系统故障诊断和警报处理新方法[J].中国电力，2016（31）：04.
[3]冬梅，韩月，高曙.电网故障诊断的决策表约简新算法[J].电力系统自动化，2016（28）：04.
[4]郭创新，朱传柏，曹一家等.电力系统故障诊断的研兄现状与发展趋势明[J].电力系统自动化，2016.