论文部分内容阅读
摘 要：本文简述了配电网故障的分类和研究意义，介绍了配电网故障诊断的传统方法和以人工智能为基础的几种现代诊断技术。
关键词：配电网；故障诊断当今社会，我国国民经济迅猛发展，人民生活水平不斷提髙，电力在人民物质文化生活中扮演的角色也愈发关键，用户对电能的质量要求也越来越高，一些特殊的用户如医院、炼钢厂等等要求必须实现无间断供电，否则将出现重大事故。拒不完全统计，电网停电中有相当一部分是配电网故障导致的。配电网直接与用户相连，发生故障后只能够先停运，检修排除故障后才能恢复供电，这段时间的停电毫无疑问会导致工厂停产，人民生活受限，更有可能引发为深层次的社会危机。在如何减少配电网故障停电时间的问题上，国内外的学者一直致力于配电网故障恢复系统的研究。我国配电网基本结构形式是树状结构，一般设置一些开关支路提供联络作用以提高可靠性，形成配电网环状结构。配电网也随着电网的发展，线路更加复杂，用户节点增多，发生故障的可能性也越来越大。配电网故障受各种因素制约，很难完全避免， 当故障发生时，应立即对故障区段进行隔离，尽快恢复非故障区段供电，最大限度减小停电波及范围，缩减停电造成的经济损失，另一方面，故障恢复中也应尽量减少供电损耗。
配电网故障诊断
故障发生后，快速诊断和恢复供电是縮短供电中断时间和增强供电可靠性的必要条件。高效的故障诊断方法作为事故恢复的第一步，作为快速、准确定位故障并确定隔离区段的基础，配电网故障诊断技术在现代科学技术进步的大力促进下得到了长足的发展，随着理论研究的不断深入，对该问题的不同数学描述和解决方法也不断涌现出来。传统的方法大多基于图论的知识，而当前的人工智能技术的广泛应用提供了一条新的思路，各种诊断方法都有各自的优势和局限性。
1、传统的诊断方法
传统的方法是一种矩阵算法，这种算法以网络的节点导纳矩阵和故障表征矩阵为基础对开关故障状态信息进行异或计算并进行数字化，以此确定故障所在的位置区间。这种算法缺点比较明显，耗费内存多并且计算量巨大。
2、目前常用的方法
近几年，人工智能技术的智能化优点逐渐体现，模拟人类思维来处理问题、人机交流方便并具有一定学习能力，这种思路正在一步步并被引入电网故障诊断的研究中，并得到了广泛的应用。目前的算法中能够嵌入人工智能技术的，主要有以下几个：专家系统、模糊数学、遗传算法、人工神经网络等。
（1）专家系统
专家系统是指基于知识的智能系统，当研究的对象的数学模型不能够准确描述或定义时，可以考虑使用这种方式进行合理化推测进行解决。专家系统利用一些框架和逻辑词语，来形象表述模型，具有灵活性、高效性和其发行等特征，容易引起人们的进一步思考。目前配电网中所使用的故障定位专家系统，利用产生式规则形式，在实际应用中，这种系统能够依据开关提供的信息来推断故障的位置，实现准确定位，实用性高。但也存在一些问题，最明显的就是过于机械化，容错性能差，不能够靠信息识别故障类型，很容易引起在保护装置误动或者拒动时发生判断失误。
（2）人工神经网络
人工神经网络是人工智能技术的一种，主要是模仿人进行的多信息处理能力，这种能力在机器中很难实现，需要借助有权连接来建立单元与单元之间的联系，这也是其最大特点，故而自我学习能力好，并且容错性能非常髙，具备自我修复的功能，另外单元与单元之间独立，便于信息并行处理。
人工神经网络故障诊断系统的输入量为所有保护和断路器状态，输出量为所有可能的故障位置或元件，采用二进制中的0和1，来代表输入和输出向量的情况，形成计算机能够处理的网络，然后可进行有效的故障诊断。这种方法存在的最严重问题是变通性差。一次的计算时间很长，如果网络结构变化，神经网络必须对应重新训练十分浪费资源。
（3）模糊理论
模糊理论是模糊经典集合理论的简称，原理是将语言变量和逻辑推理进行模糊处理引入理论，形成一套解决不确定性问题的方案的技术。在模糊理论的发展过程中，它的一些优点逐渐显露，深受研究者的青睐，例如，模糊理论适用于难以把握的不确定性问题；其专家经验由语言变量表示，更接近人类表达习惯，使用更方便；模糊理论的结果不是单一的，可能是多个可能的解决方案，但这些方案是由优先级的，一般按照模糊度的高低对方案进行排序，便于选择。但是模糊理论本身也有不可忽略的缺陷，例如自主学习能力差（近似没有），数据库的维护复杂，这些问题容易引起模糊系统的误判，造成断路器拒动或者误动，严重时会诱发后续多重故障。
（4）遗传算法
遗传算法出现于60年代后期，是通过模拟生物的遗传与进化过程求解复杂问题的全局或者局部最优解的一种优化技术。遗传算法相对于传统的优化技术有显著的优点，它对于几乎适用于求解所有类型的问题，不涉及常规的最优化问题所必需的的复杂的数学计算过程，并且还有很强的全局寻优能力。在过去的几年时间里，遗传算法得到了充分的发展与应用，并且在工业工程领域取得了一系列研究成果。遗传算法进行故障诊断，首先要建立数学模型，将故障网络进行数字化，利用遗传算法的步骤进行求解。
遗传算法故障诊断系统以全局优化为出发点，在多重故障或保护装置、断路器存在误动的情况等复杂情况下表现优异，结果包含全局最优或局部最优的多个可能的诊断结果，而且容错能力较高。但同时，遗传算法本身存在的问题也很明显，例如如何建立合理的配电网结构、如何建立合理的故障诊断数学模型、如何确定最优的交叉和变异算子以及相应的参数，这些问题都有待于进一步研究。
关键词：配电网；故障诊断当今社会，我国国民经济迅猛发展，人民生活水平不斷提髙，电力在人民物质文化生活中扮演的角色也愈发关键，用户对电能的质量要求也越来越高，一些特殊的用户如医院、炼钢厂等等要求必须实现无间断供电，否则将出现重大事故。拒不完全统计，电网停电中有相当一部分是配电网故障导致的。配电网直接与用户相连，发生故障后只能够先停运，检修排除故障后才能恢复供电，这段时间的停电毫无疑问会导致工厂停产，人民生活受限，更有可能引发为深层次的社会危机。在如何减少配电网故障停电时间的问题上，国内外的学者一直致力于配电网故障恢复系统的研究。我国配电网基本结构形式是树状结构，一般设置一些开关支路提供联络作用以提高可靠性，形成配电网环状结构。配电网也随着电网的发展，线路更加复杂，用户节点增多，发生故障的可能性也越来越大。配电网故障受各种因素制约，很难完全避免， 当故障发生时，应立即对故障区段进行隔离，尽快恢复非故障区段供电，最大限度减小停电波及范围，缩减停电造成的经济损失，另一方面，故障恢复中也应尽量减少供电损耗。
配电网故障诊断
故障发生后，快速诊断和恢复供电是縮短供电中断时间和增强供电可靠性的必要条件。高效的故障诊断方法作为事故恢复的第一步，作为快速、准确定位故障并确定隔离区段的基础，配电网故障诊断技术在现代科学技术进步的大力促进下得到了长足的发展，随着理论研究的不断深入，对该问题的不同数学描述和解决方法也不断涌现出来。传统的方法大多基于图论的知识，而当前的人工智能技术的广泛应用提供了一条新的思路，各种诊断方法都有各自的优势和局限性。
1、传统的诊断方法
传统的方法是一种矩阵算法，这种算法以网络的节点导纳矩阵和故障表征矩阵为基础对开关故障状态信息进行异或计算并进行数字化，以此确定故障所在的位置区间。这种算法缺点比较明显，耗费内存多并且计算量巨大。
2、目前常用的方法
近几年，人工智能技术的智能化优点逐渐体现，模拟人类思维来处理问题、人机交流方便并具有一定学习能力，这种思路正在一步步并被引入电网故障诊断的研究中，并得到了广泛的应用。目前的算法中能够嵌入人工智能技术的，主要有以下几个：专家系统、模糊数学、遗传算法、人工神经网络等。
（1）专家系统
专家系统是指基于知识的智能系统，当研究的对象的数学模型不能够准确描述或定义时，可以考虑使用这种方式进行合理化推测进行解决。专家系统利用一些框架和逻辑词语，来形象表述模型，具有灵活性、高效性和其发行等特征，容易引起人们的进一步思考。目前配电网中所使用的故障定位专家系统，利用产生式规则形式，在实际应用中，这种系统能够依据开关提供的信息来推断故障的位置，实现准确定位，实用性高。但也存在一些问题，最明显的就是过于机械化，容错性能差，不能够靠信息识别故障类型，很容易引起在保护装置误动或者拒动时发生判断失误。
（2）人工神经网络
人工神经网络是人工智能技术的一种，主要是模仿人进行的多信息处理能力，这种能力在机器中很难实现，需要借助有权连接来建立单元与单元之间的联系，这也是其最大特点，故而自我学习能力好，并且容错性能非常髙，具备自我修复的功能，另外单元与单元之间独立，便于信息并行处理。
人工神经网络故障诊断系统的输入量为所有保护和断路器状态，输出量为所有可能的故障位置或元件，采用二进制中的0和1，来代表输入和输出向量的情况，形成计算机能够处理的网络，然后可进行有效的故障诊断。这种方法存在的最严重问题是变通性差。一次的计算时间很长，如果网络结构变化，神经网络必须对应重新训练十分浪费资源。
（3）模糊理论
模糊理论是模糊经典集合理论的简称，原理是将语言变量和逻辑推理进行模糊处理引入理论，形成一套解决不确定性问题的方案的技术。在模糊理论的发展过程中，它的一些优点逐渐显露，深受研究者的青睐，例如，模糊理论适用于难以把握的不确定性问题；其专家经验由语言变量表示，更接近人类表达习惯，使用更方便；模糊理论的结果不是单一的，可能是多个可能的解决方案，但这些方案是由优先级的，一般按照模糊度的高低对方案进行排序，便于选择。但是模糊理论本身也有不可忽略的缺陷，例如自主学习能力差（近似没有），数据库的维护复杂，这些问题容易引起模糊系统的误判，造成断路器拒动或者误动，严重时会诱发后续多重故障。
（4）遗传算法
遗传算法出现于60年代后期，是通过模拟生物的遗传与进化过程求解复杂问题的全局或者局部最优解的一种优化技术。遗传算法相对于传统的优化技术有显著的优点，它对于几乎适用于求解所有类型的问题，不涉及常规的最优化问题所必需的的复杂的数学计算过程，并且还有很强的全局寻优能力。在过去的几年时间里，遗传算法得到了充分的发展与应用，并且在工业工程领域取得了一系列研究成果。遗传算法进行故障诊断，首先要建立数学模型，将故障网络进行数字化，利用遗传算法的步骤进行求解。
遗传算法故障诊断系统以全局优化为出发点，在多重故障或保护装置、断路器存在误动的情况等复杂情况下表现优异，结果包含全局最优或局部最优的多个可能的诊断结果，而且容错能力较高。但同时，遗传算法本身存在的问题也很明显，例如如何建立合理的配电网结构、如何建立合理的故障诊断数学模型、如何确定最优的交叉和变异算子以及相应的参数，这些问题都有待于进一步研究。