电网故障诊断的分阶段解析模型
强电磁工程与新技术国家重点实验室（华中科技大学）的研究人员徐彪、尹项根等，在2018年第17期《电工技术学报》上撰文指出，当存在错误告警信息时，现有的电网故障诊断解析模型需要扩大变量维数以实现诊断，求解难度大且时效性低。对此，提出了一种电网故障诊断的分阶段解析模型。
模型前一阶段分析不同预想故障元件对目标函数的影响，在此基础上综合保护动作关联和断路器动作关联两个方面建立元件的故障测度指标，实现可疑元件的快速筛选；后一阶段将保护和断路器的实际状态引入故障假说，建立反映保护系统的动作逻辑错误和信息通信错误的诊断目标函数，并通过离散粒子群算法进行求解，能够得到故障元件以及保护和断路器的实际状态。
IEEE 39节点系统的多组算例仿真验证了所提模型的有效性和容错性，表明该方法在存在错误告警信息时仍能快速准确诊断故障元件，并对异常告警信息做出评价，具有较好的应用前景。
电网故障诊断的主要任务是在电网发生故障后有效判别故障元件及故障切除过程，是调控运行部门进行故障应急处置的首要环节，其快速准确的处理对于缩小系统停电范围、加快系统恢复进程具有重要意义[1]。为此，国内外已有多种电力系统故障诊断方法被提出，如基于专家系统[2]、人工神经网络[3]、信息融合[4]、Petri网[5-7]和解析模型[8-10]的方法等。
这些方法能够在一定程度上解决电网故障诊断问题，却也各自存在一定局限性。例如，专家系统在知识库的建立和维护上存在困难，人工神经网络方法难以获取完备的训练样本，模糊理论在建立模糊规则和隶属度函数时缺乏准则，Petri网在自动建模方面存在困难，难以满足在线诊断的需求。
基于解析模型的方法通过建立故障假说，将故障诊断问题转换为整数规划模型，并采用优化算法求解，具有较强的理论依据与数学基础。根据故障假说的不同，可以分为传统解析模型和改进解析模型两大类[8-16]。
传统解析模型最早提出于20世纪90年代[8]，采用停电元件的状态集合为故障假说，并以保护与断路器的实际状态和期望状态偏差最小为目标建立优化模型，实现故障诊断。
在此基础上，文献[9,10]分析了模型多解的原因，引入主、后备保护之间的配合关系对目标函数进行修正，并综合遗传算法（GA） [8]和Tabu搜索（TS） [11]两者优点提出GATS算法对模型进行求解，取得了较好的诊断效果。
文献[12]进一步对目标函数中故障信息的合并相消情况进行了分析，并为不同类型保护及断路器赋予不同贡献因子，在一定程度上提高了解析模型的决策能力。
改进解析模型的特点是在传统故障假说的基础上，引入额外变量描述保护和断路器的拒动、误动或告警信息的漏报、误报等行为，进而对故障诊断的内涵及解析规则进行拓展。如文献[13]在故障假说中引入保护和断路器的拒动、误动变量，对期望状态的解析规则进行了拓展。
文献[14]进一步对故障诊断规则以及保护和断路器的动作逻辑进行完全解析，提出了故障诊断的完全解析模型。文献[15]兼顾告警信号的漏报、误报情况构建了完全解析模型的解集评价指标，并结合先验知识求取模型的最优解，能够提高故障诊断的准确性。
类似的，文献[16]引入随机优化变量以描述信息漏报、误报及时序畸变等情况，并采用变长度染色体遗传算法进行求解，提高了诊断系统的容错性。
显然，传统解析模型具有优化变量维度小、求解速度快的优点，但诊断规则简单，容错性不强。而改进解析模型用较高的变量维度保留诊断规则的完整耦合关系，故障诊断的决策能力强，但求解难度增大。尽管可采用模型诊断[17]等方法实现降维，但需要引入电气量，信息获取时效性不高，且使诊断系统更为复杂。
为此，本文综合上述两类解析模型的优点，提出一种电网故障诊断的分阶段解析模型。模型前一阶段对现有传统解析模型的目标函数展开分析，深入挖掘其故障元件判别机理，在此基础上建立元件的故障测度指标以实现可疑元件的筛选，有效降低故障诊断求解范围。
模型后一阶段将保护和断路器的实际状态引入故障假说，并综合动作逻辑错误和信息通信错误两方面建立新的改进解析模型，通过离散粒子群算法进行求解，能够得到故障元件、保护和断路器的实际状态。最后，通过IEEE 39节点系统的多组复杂故障仿真算例验证了所提模型的有效性和容错性。
图3 分阶段解析模型的故障诊断流程
本文提出了一种电网故障诊断的分阶段解析模型，前一阶段从元件与告警信息的关联性分析出发，建立了停电区域内的元件故障测度指标，通过各元件的故障测度计算结果实现可疑元件的快速筛选，大幅度降低诊断空间维度；后一阶段将保护和断路器的实际状态引入故障假说，并从动作逻辑错误和信息通信错误两个方面建立目标函数，具有变量维度小、物理意义清晰等优点，通过离散粒子群算法对模型进行优化求解，能够快速得到故障元件及保护和断路器的实际状态，并进一步对异常告警信息进行评价。
多组仿真算例表明，所提分阶段解析模型容错性强、诊断速度快，具有良好的应用前景。