故障诊断信息缺失情况下的电网故障诊断系统

吴利剑，朱立忠,王琳琳

(1.沈阳理工大学 信息科学与工程学院，辽宁 沈阳 110159；2.华东师范大学 信息科学技术学院，上海 200241)

随着电网规模的扩大和互联程度的提高，故障诊断成为保证系统安全运行的重要手段，故障元件的识别更是其中的关键。目前在电网故障诊断方面，各种理论方法的应用使其诊断的效率和准确率都有明显提高，使人们日常用电，工厂用电都得到了更大的保障。其中，基于优化技术诊断的方法在电网故障诊断中运用得比较广泛。文献[1-3]根据保护开关和故障元件之间的关系，引入目标函数，把诊断问题转化为求目标函数极值的问题，采用遗传算法等传统智能方法进行求解，最终得到诊断结果。文献[4]研究了文献[1-3]所采用模型后，发现其结果常常会存在错解，认为其目标函数的设定存在问题因而导致诊断结果的不理想，在重新设定目标函数后，对原有算例进行重新诊断，采用新的目标函数很好地解决了存在错解的问题。

但是，在以上方法中，所涉及的故障信息都极为完整，对于诊断信息不完整的情况并未加以考虑。在实际电网运行中，元件状态量信息常常会出现因各种原因而导致的信息量缺失。在这种情况下，上述方法无法对故障电网进行很好地诊断，甚至无法得到诊断结果。本文考虑通过对信息缺失元件的上下游元件电流或者功率的变化来对信息缺失元件的状态进行重新赋值，从而完善诊断信息，使得电网故障诊断不会因为某个元件缺失而失效，极大限度地保证了电网在出现故障后能有效诊断出故障。

1 SCADA

本文提出的故障诊断方法诊断信息来源为基于.NET系统的SCADA(数据采集与监视系统)系统，根据SCADA系统中的断路器动作信息采用故障区域识别法确定故障目标区域，防止故障诊断范围过大，造成诊断效率低下。再将故障区域的断路器位置信息和动作信息送入故障诊断选择模块进行诊断，得到结果后发送至服务器，供检修人员查看。系统监测各个元件的实时状态，并做记录，为故障诊断系统提供数据。

2 故障区域识别

如图1所示，由SCADA系统得到的因故障时的保护CB2、CB4、CB7、CB11、CB15、CB17动作跳闸，可由实时分析其接线得到一个虚线区域网络，此虚线网络与系统相对孤立，形成无源网络，可以判定虚线网络即是所要找的故障目标区域，该区域中的元件T1、L1、T4可能是故障元件，因此只需对上述三个元件进行相应的故障诊断即可，提高系统的诊断效率[5]。

图1 局部电网模型

3 诊断模块

3.1 状态缺失元件的状态量修正模块

定义pM,i为保护i动作，但是信息漏报的概率；

pE,i为收到保护i的信息，但是保护信息被错报为动作的概率；

pT,i为保护i动作的概率；

pH,i为保护i未动作的概率。

由SCADA系统中长期存储的故障数据可以得到，pM,i一般在0.1～0.2之间，pE,i一般在0.05～0.10之间。

可以得到初步预测的保护i动作的概率为

在收到了保护的后续动作信息时，通过如下方法利用保护的后续信息对保护状态进行状态值修正。

3.1.1 保护元件状态动作判定条件

(1)若保护i存在上流元件，且流过该上游开关的电流(功率)在故障时刻突然下跌，跌幅和第i台元件流过的电流(功率)幅度大体相同；

(2)若保护i的电流(功率)在故障时刻突然下跌至大约为0；

(3)收到第i台元件在故障时刻的故障信息。

3.1.2 保护未动作的判定条件

由于保护未动作时，无法得到保护的后备保护信息。因此，仅仅根据电网对各个保护长期运行数据统计得到的概率来确定未得到缺失的保护状态未动作的概率。

综合判定

当以上两个判定条件不矛盾时

否则，以上两个判定条件得到的结果需要修正，有

综合上述信息，最终判定元件故障的诊断有两种情况：

得到的PC,i与设定的一个权值Q(根据电网长期故障数据及经验，Q一般在0.8～0.9之间取值，本文取0.8)进行比较，如果大于权值Q则将状态信息缺失的保护i的状态值设为1，否则设为0。

3.2 实例验证

根据保护规则，对系统1进行研究，如图2所示。

图2 模拟电网模型

图2所示电网模型中共有5个元件,即A、B、C、L1和L2 (依次用s1～s5表示)。6个断路器CB1～CB6 (依次用c1～c6表示),15个保护即Am、Bm、Cm、L1Am、L1Bm、L2Bm、L2Cm、L1Ak、L1Bk、L2Bk、L2Ck、L1As、L1Bs、L2Bs和L2Cs(依次用r1～r15表示)[8]。这里,A、B、C表示母线,L表示线路,下标m表示主保护,下标k表示第一后备保护,下标s表示第二后备保护，主保护和后备保护的动作原理参见文献[1]。

根据文献[2]给出的针对该例子的各个保护的期望状态表达式，建立相对应的逻辑真值表，可以更加直观地看出元件状态和各级保护之间的关系。由于数据较大，分三个表格列出部分真值表作为研究对象。

表1 r1～r7真值表

表2 r8、r9真值表

表3 r10、r11真值表

上述三个数据表格中各取2组数据，把每组数据的某几个元件状态量设置为缺失(因传递或者硬件原因，表格中用x表示)，如表4～表6所示。

表4 取表1的第3、4组数据

表5 取表2的第1、6组数据

表6 取表3的4、5组数据

如上三组数据是传递给SCADA系统的数据，其中某几个元件状态量缺失。在SCADA系统得到上面的数据后，由于所需要的诊断依据信息不全，仍依照文献[1-3]的方法，将不能对故障进行有效诊断，进而将导致无法得到诊断结果。在这种情况下根据本文方法对上述表格中的缺失数据进行处理，以表1中的第四组数据为例，当r3、r5、r6均未能把故障状态传递到系统中时，则出现如下情况，如表7所示。

表7 表4第一组数据在某些元件信息量缺失的情况

此时，s1、s2、s3、s4、s5无法根据保护的状态诊断哪个元件出现故障。运用本文方法，对r3、r4、r5状态根据电网长期运行数据进行修正。

表8 表4第二组数据经数据修正后结果

经比较可以发现该数值和在系统正常工作时得到的数据保持一致，说明该方法能很好地解决保护状态在传递过程中缺失所造成的诊断错误甚至无法诊断的情况。

3.3 数据修正结果

按上述原理，对表4、表5和表6的另外5组数据按上述方法处理后，得到表9～表11。

表9 修正后表4

表10 修正后表5

表11 修正后表6

由表9、表10、表11可以发现，原因数据缺失的信息量均得到了恢复。

4 结束语

本文在电网发生故障时首先根据故障元件划分出电网故障区域，缩小故障范围。当故障区域元件保护状态缺失而无法诊断时，根据系统长期运行所统计的故障概率和该元件下游电路元件保护状态值计算出新的故障元件概率，将此概率值与权值比较后最终确定元件状态值。修正后结果表明，缺失数据得到正确修复，为后期的故障诊断提供了正确的诊断信息。该方法和思路可为解决故障诊断系统数据缺失问题提供参考。

[1]文福拴，韩帧祥.基于遗传算法和模拟退火算法的电力系统故障诊断[J].中国电机工程学报，1994,14(3)：29-36.

[2]文福拴，韩帧祥，田磊，等.基于遗传算法的电力系统故障诊断的解析模型与方法[J].电力系统及其自动化学报，1999,10(3)：1-7.

[3]文福栓，钱源平，韩祯祥，等.利用保护和断路器信息的电力系统故障诊断与不可观测的保护的状态识别的模型与Tabu搜索方法[J].电工技术学报，1988,13(5)：1-8.

[4]翁汉琍，毛鹏，林湘宁.一种改进的电网故障诊断优化模型[J].电力系统自动化，2007,31(7)：66-70.

[5]何小飞，童晓阳，周曙.基于贝叶斯网络和故障区域识别的电网故障诊断研究[J].电力系统保护与控制，2010,38(12)：29-34.

[6]T E Dy Liacco,T J Kraynak.Processing by logic programming of circuit-breaker and protectiverelaying information[J].IEEE PAS,1969,88(2):171-175.

[7]T Oyama.Fault section estimation in power system using boltzmann machine[C].Proc.of Second Forum on Artificial Neural Network Applications to Power Systems,JaPan,1993.

[8]曹一家，刘毅，高振兴，等.一种大规模电网故障诊断的多智能体信息融合模型与方法[J].电力自动化设备，2010，30(7)：14-18.