论文部分内容阅读
【關键词】电力系统;故障诊断;现状与发展
电气系统故障诊断装置是利用继电保护及其信息的，对电气系统故障进行诊断的装置。故障分量的识别是一个关键问题，研究网络故障诊断具有重要意义。由于电力系统结构的扩展性和复杂性，大量的应急信息会在短时间内到达控制中心，这大大超出了操作人员的处理能力，可能导致错误和错误调度。为了适应快速准确的检测，故障诊断系统是电力系统简单和复杂事故的起点，越来越多的报警信号通过各变电站的远程终端进入电力系统调度中心。通过对电力系统故障的仿真分析和仿真，可以提高诊断系统管理人员的经验和工作水平，为能源系统故障诊断提供了不同的方法和技术，包括专家系统、人工神经网络、模糊理论和模糊优化理论。
（一）基于专家系统的诊断方法
目前，专家系统已成功应用于电气系统故障诊断。根据对故障诊断和推理策略的理解，有两个专家系统：
1、该系统是把保护和断路器的动作逻辑及工作人员的诊断经验用规则表示，形成专家系统的故障诊断知识库，采用数据的正向推理将所获得的数据与知识库中的进行对比，得出结论。目前大多数诊断都属于这一类。
2、结合正、反向推理的系统。该系统基于断路器、继电保护和被保护设备之间的逻辑关系，结合了正反推理方法。通过反向推理。可以根据继电保护的重合度和故障假设，有效地减少可能发生的故障，确定其可靠性。故障诊断专家系统综合推理提高了故障诊断专家系统的适应性和自学习能力。
基于专家系统的诊断方法的主要特点是逻辑电路和保护开关操作人员的诊断经验可以很容易地用规则表达出来。并添加到知识库中，保证了诊断系统的实时性和有效性，适合人类的语言和习惯，并具有适当的解释能力，这是一种较好的诊断中小型电力系统和变电站故障的方法。在复杂的故障诊断任务中，还是有一些缺陷存在的，数据库及验证其完整性比较困难，专家系统在复杂的诊断过程中，会出现组合爆炸与推理速度慢等问题;缺乏有效的方法识别错误信息，这些缺陷将使得专家系统出现大规模网络在线故障诊断的需求，主要用于离线故障分析。
（二）基于人工神经网络
与专家系统相比，基于人工神经网络的故障诊断具有很好的鲁棒性和稳定性，目前应用于电力系统故障诊断的神经网络主要有基于BP算法的网络;而神经网络是基于径向基函数的，电气系统输入神经网络输出取决于可能出现的故障。整个学习过程如下：根据当前网络内部表达式计算输入样本;比较网络输出与预期输出的误差。如果误差满足条件，则完成训练;否则，误差信号反向传输，为满足误差精度要求，对数值和阈值进行分层调整。基于不同区域的基本设计算法，得到了最终的故障诊断结果。
基于神经网络的故障诊断方法的主要特点是避免了建立知识库等问题。诊断特殊系统故障所需的费用这种方法只适用于供电困难的中小企业。在利用人工神经网络诊断主要故障问题时，其性能取决于样本的完整性，但对于大规模的能源系统，很难获得完整的样本，与符号数据库的交互作用很弱;不善于处理启发性知识;不能保证神经网络的快速收敛。缺乏解释自身行为和结果的能力，以上缺陷限制了诊断方法在大型电力系统中的应用。如何开发一个适合于大型电力系统的故障诊断系统仍然是一个有待解决的问题。
（三）基于优化技术
随着计算机和计算机技术（特别是人工智能）的发展，国内外科学家提出了各种优化算法，将现有的优化算法用于电网优化是一种新的思路。将优化算法更新到可用状态，根据自适应虚拟故障值，对故障诊断进行优化，使之成为一个无限全局规划的整体问题。在应用遗传算法诊断电网故障时，需要一个基于计算机的故障评估模型。诊断解释报警并提供一种自适应的故障诊断功能，通过故障诊断或与其他优化算法相结合，将诊断转化为全局规划，可以找到最优解。提高诊断速度。从而更好地处理复杂的故障分析。
优化诊断模式具有重要的理论意义，网络故障诊断条件的优化是在功能形成过程中，根据组态原理自动形成所需的保护和停机条件，以优化诊断模式，需要多级后备保护，而优化方法是次要且难以考虑的，如何建立数学模型来诊断网络故障和提高诊断速度是当下重要的研究领域。
（四）基于模糊理论
模糊性是建立一个典型的集合论模型，将语言变量和近似推理引入到智慧的黑暗逻辑中，模糊理论能够适应不确定性;它的模糊知识库是用语言变量表示的。模糊理论在电气系统故障诊断中的应用可以分为两类：
首先，诊断是基于正确的信息，但是故障与保护装置和断路器的相应动作之间存在不确定的相关性，这是通过模糊指令链定量描述的;其次是报警信息的可靠性，根据系统和故障检修操作的网络布局，判断断路器的状态，提供报警信息的可信度，从而使专家系统或人工神经网络的故障诊断结果不清晰。在专家系统的帮助下，模糊理论还可以与其他人工智能技术相结合。为了提高诊断的准确性，分析了不确定性对智能诊断系统的影响，指出模糊集理论的应用不足以达到指令级，无法建立和识别模糊复杂系统模型，语言规则的获取、遗忘和变化限制了这些规则的应用。
为了更有效地研究和应用与电力故障诊断相关的诊断理论现状，该诊断系统实施的条件和实际需求如下：
（一）信息不完整情况下的电力系统故障诊断方法研究。在许多实际的能源供应系统中，现有方法的前提条件不能满足。这些方法的应用必须以这些简化假设为基础。认为继电保护不能获取状态信息的假设是闲置的。这可能与实际情况不符，可能会对数据的可靠性产生不利影响。目前，在电力系统故障中发现的主要问题之一就是对继电保护信息的不完整性。
（二）一种智能故障诊断方法有很大的局限性，如利用多智能理论建立故障诊断模型，为了诊断和提取知识，采用热点搜索理论和粗糙度理论来适应这些特点，存在大量的故障信息，信息冗余、信息丢失或噪声污染。
（三）在电网技术发展的同时，随着电网的发展，网络故障诊断将成为一种现实设备并及时维护。
（四）由于大多数诊断理论都是以知识体系为基础的。因此实际过程的传播在诊断领域、整个智能领域和电力系统故障诊断的实践研究中非常重要。结合电力系统的实际情况，重视综合故障信息的收集和处理，包括建立故障诊断数据库，建立和实施区域网络故障诊断系统，从实际应用中提取关键问题。智能诊断方法用于分析和排除诊断范围内的故障，为操作人员和维修人员提供分析和决策支持工具。以确定故障原因。
电网故障诊断对电网的安全稳定运行至关重要，各种诊断方法和技术层出不穷。然而。这一问题并没有在实际系统中得到很好地解决。电力系统对故障诊断网络、模糊理论提出了更高的要求，上述方法可以从不同的角度解决诊断问题，但在如何将各种诊断算法进行集成，更好地满足实际区域的要求这些问题上，解决方案还不成熟，需要进一步探讨。
一.前言
电气系统故障诊断装置是利用继电保护及其信息的，对电气系统故障进行诊断的装置。故障分量的识别是一个关键问题，研究网络故障诊断具有重要意义。由于电力系统结构的扩展性和复杂性，大量的应急信息会在短时间内到达控制中心，这大大超出了操作人员的处理能力，可能导致错误和错误调度。为了适应快速准确的检测，故障诊断系统是电力系统简单和复杂事故的起点，越来越多的报警信号通过各变电站的远程终端进入电力系统调度中心。通过对电力系统故障的仿真分析和仿真，可以提高诊断系统管理人员的经验和工作水平，为能源系统故障诊断提供了不同的方法和技术，包括专家系统、人工神经网络、模糊理论和模糊优化理论。
二、国内外研究发展状况
（一）基于专家系统的诊断方法
目前，专家系统已成功应用于电气系统故障诊断。根据对故障诊断和推理策略的理解，有两个专家系统：
1、该系统是把保护和断路器的动作逻辑及工作人员的诊断经验用规则表示，形成专家系统的故障诊断知识库，采用数据的正向推理将所获得的数据与知识库中的进行对比，得出结论。目前大多数诊断都属于这一类。
2、结合正、反向推理的系统。该系统基于断路器、继电保护和被保护设备之间的逻辑关系，结合了正反推理方法。通过反向推理。可以根据继电保护的重合度和故障假设，有效地减少可能发生的故障，确定其可靠性。故障诊断专家系统综合推理提高了故障诊断专家系统的适应性和自学习能力。
基于专家系统的诊断方法的主要特点是逻辑电路和保护开关操作人员的诊断经验可以很容易地用规则表达出来。并添加到知识库中，保证了诊断系统的实时性和有效性，适合人类的语言和习惯，并具有适当的解释能力，这是一种较好的诊断中小型电力系统和变电站故障的方法。在复杂的故障诊断任务中，还是有一些缺陷存在的，数据库及验证其完整性比较困难，专家系统在复杂的诊断过程中，会出现组合爆炸与推理速度慢等问题;缺乏有效的方法识别错误信息，这些缺陷将使得专家系统出现大规模网络在线故障诊断的需求，主要用于离线故障分析。
（二）基于人工神经网络
与专家系统相比，基于人工神经网络的故障诊断具有很好的鲁棒性和稳定性，目前应用于电力系统故障诊断的神经网络主要有基于BP算法的网络;而神经网络是基于径向基函数的，电气系统输入神经网络输出取决于可能出现的故障。整个学习过程如下：根据当前网络内部表达式计算输入样本;比较网络输出与预期输出的误差。如果误差满足条件，则完成训练;否则，误差信号反向传输，为满足误差精度要求，对数值和阈值进行分层调整。基于不同区域的基本设计算法，得到了最终的故障诊断结果。
基于神经网络的故障诊断方法的主要特点是避免了建立知识库等问题。诊断特殊系统故障所需的费用这种方法只适用于供电困难的中小企业。在利用人工神经网络诊断主要故障问题时，其性能取决于样本的完整性，但对于大规模的能源系统，很难获得完整的样本，与符号数据库的交互作用很弱;不善于处理启发性知识;不能保证神经网络的快速收敛。缺乏解释自身行为和结果的能力，以上缺陷限制了诊断方法在大型电力系统中的应用。如何开发一个适合于大型电力系统的故障诊断系统仍然是一个有待解决的问题。
（三）基于优化技术
随着计算机和计算机技术（特别是人工智能）的发展，国内外科学家提出了各种优化算法，将现有的优化算法用于电网优化是一种新的思路。将优化算法更新到可用状态，根据自适应虚拟故障值，对故障诊断进行优化，使之成为一个无限全局规划的整体问题。在应用遗传算法诊断电网故障时，需要一个基于计算机的故障评估模型。诊断解释报警并提供一种自适应的故障诊断功能，通过故障诊断或与其他优化算法相结合，将诊断转化为全局规划，可以找到最优解。提高诊断速度。从而更好地处理复杂的故障分析。
优化诊断模式具有重要的理论意义，网络故障诊断条件的优化是在功能形成过程中，根据组态原理自动形成所需的保护和停机条件，以优化诊断模式，需要多级后备保护，而优化方法是次要且难以考虑的，如何建立数学模型来诊断网络故障和提高诊断速度是当下重要的研究领域。
（四）基于模糊理论
模糊性是建立一个典型的集合论模型，将语言变量和近似推理引入到智慧的黑暗逻辑中，模糊理论能够适应不确定性;它的模糊知识库是用语言变量表示的。模糊理论在电气系统故障诊断中的应用可以分为两类：
首先，诊断是基于正确的信息，但是故障与保护装置和断路器的相应动作之间存在不确定的相关性，这是通过模糊指令链定量描述的;其次是报警信息的可靠性，根据系统和故障检修操作的网络布局，判断断路器的状态，提供报警信息的可信度，从而使专家系统或人工神经网络的故障诊断结果不清晰。在专家系统的帮助下，模糊理论还可以与其他人工智能技术相结合。为了提高诊断的准确性，分析了不确定性对智能诊断系统的影响，指出模糊集理论的应用不足以达到指令级，无法建立和识别模糊复杂系统模型，语言规则的获取、遗忘和变化限制了这些规则的应用。
三.电力系统故障诊断研究发展方向
为了更有效地研究和应用与电力故障诊断相关的诊断理论现状，该诊断系统实施的条件和实际需求如下：
（一）信息不完整情况下的电力系统故障诊断方法研究。在许多实际的能源供应系统中，现有方法的前提条件不能满足。这些方法的应用必须以这些简化假设为基础。认为继电保护不能获取状态信息的假设是闲置的。这可能与实际情况不符，可能会对数据的可靠性产生不利影响。目前，在电力系统故障中发现的主要问题之一就是对继电保护信息的不完整性。
（二）一种智能故障诊断方法有很大的局限性，如利用多智能理论建立故障诊断模型，为了诊断和提取知识，采用热点搜索理论和粗糙度理论来适应这些特点，存在大量的故障信息，信息冗余、信息丢失或噪声污染。
（三）在电网技术发展的同时，随着电网的发展，网络故障诊断将成为一种现实设备并及时维护。
（四）由于大多数诊断理论都是以知识体系为基础的。因此实际过程的传播在诊断领域、整个智能领域和电力系统故障诊断的实践研究中非常重要。结合电力系统的实际情况，重视综合故障信息的收集和处理，包括建立故障诊断数据库，建立和实施区域网络故障诊断系统，从实际应用中提取关键问题。智能诊断方法用于分析和排除诊断范围内的故障，为操作人员和维修人员提供分析和决策支持工具。以确定故障原因。
四.结语
电网故障诊断对电网的安全稳定运行至关重要，各种诊断方法和技术层出不穷。然而。这一问题并没有在实际系统中得到很好地解决。电力系统对故障诊断网络、模糊理论提出了更高的要求，上述方法可以从不同的角度解决诊断问题，但在如何将各种诊断算法进行集成，更好地满足实际区域的要求这些问题上，解决方案还不成熟，需要进一步探讨。