电网故障诊断方法及其系统架构的研究

国网嘉兴供电公司电力调度控制中心、国网浙江省电力公司培训中心培训管理部的研究人员陈国恩、李伟、张仲孝，在2018年第1期《电气技术》杂志上撰文指出，随着电力系统规模的不断扩大，电力系统智能化的要求越来越高，电网故障诊断已经成为电力系统研究的重点。

本文结合以往先进的技术和经验，引入知识表示的方法将故障信息进行转化，构建了基于知识表示的电网故障诊断策略。采用分布式的架构建立了电网故障诊断模型，使得电网故障的诊断的效率得到有效提高。最终通过测试对系统的诊断效率和诊断的准确性进行了测试。

随着电力系统规模的不断扩大，设备的不断增多，电力系统故障日趋复杂，其诊断难度也越来越大。目前多种人工智能算法模型被提出并得到应用[1]。本文基于以往的研究基础，利用知识表示的方法，构建了电网故障诊断的算法模型，通过分布式诊断架构的建立，提高了电网故障诊断的效率和诊断结果的准确性，取得了较好的诊断效果，具有一定的参考意义。

1  知识表示的故障诊断算法

图1 系统跃迁系数

在故障诊断过程中，将保护目标以托肯的形式封装并集中到数据库。在系统运行过程中，如图1所示，NCBi是断路器库CBi里托肯的延展系数，一旦线路变迁导致托肯跃迁，延展系数则进行减1操作，托肯系数的跃迁将在延展系数等于零时终止，最终对final库中的托肯进行分析，确定系统故障设备[2]。

图1（a）中线路L1出现故障后，则保护开关CB1动作而CB2处保护不动作，而CB4由于距离保护Ⅲ段条件满足而动作。系统中L1、L2以及B1的托肯跃迁如图1的(b)、(c)、(d)所示。由于L1、CB1以及CB4的托肯能够跃迁到final库中，而L2和B1，CB1的托肯无法到达final库，则得出可能存在问题的设备为L1。

知识表示的故障诊断计算步骤如图2所示。

图2 知识表示的故障诊断流程

2  电网故障分布式诊断结构

2.1  故障数据收集系统结构的构建

如图3所示，在数据收集的集中式处理系统中，厂站侧的故障信息收集完成以后，通过电话向调度中心服务人员上报，再经由服务人员上报调度人员，同时，智能监控系统将采集到的系统信息上传到调度中心，调度人员通过对各类信息的汇总分析进行故障诊断，对事故进行处理[4]。

传统的传输机制耗费力较多的时间和人力资源，已经难以满足智能电网发展的需求。其轮询处理的工作方式，由于下级服务器大量的传输数据很容易导致通信数据堆积，造成通讯拥堵甚至信息丢失[5]。

针对以上的问题，本文采用了分布式信息收集系统结构，把上层应用和信息的获取相独立，利用数据网格对故障信息进行独立分析，从而为上层诊断功能提供了更加简便统一的接口，并且由于调度中心只需接收诊断结果，系统网络堵塞的问题得到解决，同时诊断效率也提高了[6]。

图3 故障诊断系统优化

2.2  故障的分布式诊断架构

整个系统的架构分为三层。变电站层提供了故障诊断的基础数据。客户端软件可以直接读取保护和开关量状态，而对于历史曲线，由于需要占用较大的存储空间，须在服务器中进行存档后在进行上传，综合数据服务器可执行其他数据信息的上传[7]。

位于中间位置的网络层，其主要功能在于故障数据的整理和分配，为确保系统的可靠性和安全性，网络层的通讯往往通过电力系统的专用网络进行。而上层的调度部分，其主要包括故障诊断分析模型。

故障诊断服务器将所需的设备运行状态以及保护信息进行收集分析，并根据相应的诊断模型进行故障分析，得出故障设备并生成故障分析报告[8]。诊断系统的分层结构如图4所示。

图4 诊断系统的分层架构

基于知识表示的电网故障诊断方法，采用多种知识表示对故障信息进行描述，更加完美的表述了元器件间的联系，系统中主保护、后备保护等各种保护的性能参数得到更好的传承，有利于系统的统一建模，算法和诊断方法更加科学、完善。

3  诊断系统平台的应用

我们对某地区的电网为例进行测试分析，该地区中变电站共有9个，中转路由有4台，数据服务器有2台。对诊断系统的诊断消耗时间以及准确率进行测试。图5为系统诊断过程。

图5 故障诊断过程

图中t1为故障报警信息采集消耗的时间，t2为处理分析外围数据消耗的时间，t3是故障诊断分析消耗的时间[9]。我们对上文中的故障诊断模型和传动的诊断模型进行对比测试。

当系统故障波及的变电站有两个，简单接线和复杂接线各有两个时，测试结果如表1所示。

表1 测试结果

当故障波及的变电站数量为7，简单接线和复杂接线数量分别为3和4时。系统诊断的测试结果如表2所示。

表2 测试结果

从测试结果可以看出，分布式的故障诊断模型的效率相对较高。其原因在于报警信息不经过路由器直接进入网络，多个服务器共同分担故障区域和保护可靠性的分析计算任务，系统耗时大大减少，同时分布式计算模型的应用使得诊断过程消耗的时间大大缩短[10]。诊断系统综合耗时对比如图6所示。

图6 诊断系统综合耗时对比

此外通过实际应用对比，传统诊断系统的诊断准确率大约为0.96，而分布式诊断模型的诊断准确率达到了0.99，可见该模型诊断结果具有较高的可靠性。

4  结论

电网故障诊断是电力系统日常运行维护面临的重点和难点问题。本文采用知识表示的方法对电力系统故障进行分析和判断。并针对传统的故障诊断系统结构存在的问题，引入了分布式的故障诊断架构模型，对诊断系统进行分层，使得电网故障诊断的时间消耗大大减少，从实验测试结果可以看出，分布式架构的诊断效率和诊断的准确性都比较高，整个诊断系统获得较好的效果。