电网故障诊断作为电网调度决策智能化需要解决的基础课题之一,其通过对调度自动化平台所采集的故障数据进行分析判断,发现故障原因,确定故障设备,对于缩短停电时间和提高故障处理效率具有重要意义。随着智能电网建设的深入,诊断系统所在数据环境越来越复杂,使得故障诊断过程中所面临的不确定性因素增加,系统的建模与维护工作也更为繁重。此种背景下,对电网故障诊断的准确求解和精确建模提出了更为紧迫的现实需求。本文在总结当前各类电网故障诊断研究方法的基础上,以提高故障诊断系统的容错性、运行效率以及易维护性为目标,对电网故障诊断模型的总体结构设计、相应诊断模块构建与求解方法以及诊断系统建模与测试等技术进行了研究。主要工作及成果归纳如下:借鉴免疫系统的多种重要机制及分层防御机理,提出一种面向电网故障诊断的分层免疫模型。该分层免疫模型采用双层结构,通过层级间的交互作用传递诊断参数、信号及诊断结果;模型第一层是固有诊断层,其主要完成对故障在发生概率上彼此独立的已知故障的快速诊断,并包括免疫学习机制和故障知识库的建立与维护;第二层是适应性诊断层,以自适应的方式解决固有诊断层未能识别的新故障,包括采用多目标优化方式进行诊断的未知故障诊断识别环节和应用电气量判据进行多重解判定的故障解集辨识环节。该分层免疫模型还引入了分步诊断的思想,分步、分阶段利用各类故障相关信息进行相应免疫层级的故障诊断,能够使信息资源得到合理利用。在固有诊断层,以体液免疫原理为基础,提出了基于体液免疫原理的电网故障诊断。首先建立体液免疫应答过程与电网故障诊断过程所涉及的基本量的对应关系;在此基础上,模拟体液免疫抵御抗原入侵的免疫机制和结构,构建了基于体液免疫应答机制的电网故障诊断学习模型。该模型具有较强的容错能力,不仅可以根据先验知识诊断出已知故障,而且能够通过系统的连续学习功能实现未知故障的连续学习,故障诊断知识的不断完善和补充,一定程度上克服了故障知识不完备的问题,提高了诊断系统的易维护性。在适应性诊断层的未知故障诊断识别环节,提出了基于免疫克隆约束多目标优化方法的电网故障诊断。该诊断方法可以有效解决采用优化技术求解的现有故障诊断解析模型存在权值分配受人为主观因素影响的问题。首先,在剖析原有诊断模型目标函数的基础上,提出采用多目标优化的方式,将电网故障诊断问题转变为多目标优化问题,并采用Pareto最优解的方法进行求解,降低了故障诊断过程中人为主观因素造成的误差。其次,考虑现有数学模型采用罚函数法处理约束问题的不足之处,将约束条件转化为一个目标函数,使约束多目标优化问题转化为无约束多目标优化问题,进而提出采用免疫克隆约束多目标优化算法进行求解,制定了适用于电网故障诊断问题的多目标Pareto优化算法流程。最后,采用模糊集理论对Pareto最优解集中的解进行评价。在适应性诊断层的故障解集辨识环节,研究构建电气量判据进行可疑故障元件辨识的方法。对可疑元件为输电线路的元件进行故障定位求解,提出了一种换模量伪根识别法,并以此方法构建电气量判据进行故障支路与非故障支路的辨识;对可疑元件为母线的元件应用流入母线电流和的电气量判据进行辨识;对可疑元件为变压器的元件应用电流正序故障分量相位差的电气量判据进行辨识。将所构建的电气量判据与应用开关量优化求解的解析模型相配合,提出了一种分级电网故障诊断方法。该方法采用一种逐步调用开关量信息和电气量信息的分级诊断模式。首先应用开关量对所构建的解析模型进行第一级诊断;对于可能出现的多重解问题,再通过电气量判据进行第二级诊断识别。此分级诊断模式增强了故障诊断针对性,通过对故障信息的分级调用减少了对电气量数据的需求,有效提高了诊断效率。在D5000系统的仿真模块上对本文所发展的分层免疫电网故障诊断模型及方法进行了仿真测试,测试结果验证了所提模型与方法的有效性和正确性。