基于多种方法综合的智能电网故障诊断研究

智能故障诊断与容错控制报告书 题目： 基于多种方法综合的智能电网故障诊断研究 姓 名： 学 号： 所在学院： 年级专业： 指导教师： 完成时间： 年 月 日 基于多种方法综合的智能电网故障诊断研究 摘 要 随着信息技术的发展、电力系统运行的日益复杂以及电力市场化改革的深 入，传统电网需要与信息技术进行进一步融合。统一坚强的智能电网成为电网 发展方向，概述各种智能故障诊断方法，分析人工智能在输配电网络故障诊断 中的应用，最后提出几种智能方法综合的智能故障诊断系统。 关键词：智能电网；故障诊断；综合 目录 1. 背景 .1 2. 问题 .1 3. 目的 .1 4. 意义 .1 5. 分析 .1 5.1 专家系统 .1 5.2 人工神经网络 .1 5.3 模糊理论 .2 5.4 遗传算法 .3 5.5 几种智能方法综合 .3 6. 结论 .5 参考文献 7 1 1. 背景 我国电力正处于一个高速发展的时期,电力系统的迅速发展、受端负荷的持 续增长、跨区域联网规模的扩大、电力工业市场化改革以及生态环境的约束使 电网结构和运行方式日趋复杂,使电网状态趋近其运行极限,系统运行的不稳定 因素增多,种种情况导致因偶发故障引发大规模停电风险的概率增高。电网是国 民经济发展的大动脉,一旦发生大面积停电,后果不堪设想。2003 年,美国、加 拿大及欧洲先后发生的大面积停电事件以及我国 2008 年雪灾中部分地区的电网 事故,都造成了巨大的经济损失和社会影响。随着社会经济的发展,科学技术的 进步以及人民生活水平的提高,人们对电力的需求和依赖性越来越大,对安全、 优质供电的需求越来越强。 2. 问题 工业与人们的日常生活及社会经济活动联系密切，停电事故影响深远，必 须快速进行故障恢复。电力系统故障恢复可分为故障诊断与故障恢复两个阶段。 故障诊断是指基于SCADA信息对网络进行拓扑分析以确定故障位置和故障类型， 这个过程需要很多逻辑判断；故障恢复过程要考虑大量的离散控制方法及制约 因素，建立数学模型比较困难。 3. 目的 近年来，各种智能系统方法的应用在广度和深度方面都得到了发展，但依 靠单一智能技术的故障诊断，已难以满足复杂的输配电网络故障诊断的全部任 务要求，由2种以上智能方法构成的混合系统在输配电网络故障诊断中的应用越 来越广泛，将多种不同的智能技术结合起来的混合诊断系统，是智能化故障诊 断研究的一个发展趋势。 4. 意义 目前，能够模拟人类决策过程的人工智能技术成为最早成功应用于故障恢 复实现系统的重要方法。另外，分布技术及数学规划法的应用弥补了人工智能 技术无法有效处理复杂大系统的缺陷。人工智能技术和数学规划法与分布技术 有机结合的故障恢复实现方案将是未来的发展方向。 1 5. 分析 5.1 专家系统 专家系统在输配电网络故障诊断中的典型应用是基于产生式规则的系统， 即把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成 故障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，获得故障 诊断的结论。 基于产生式规则的故障诊断专家系统得以广泛应用于输配电网络故障诊断 中，主要是由故障诊断特点和基于产生式规则的专家系统的共同特点所决定的。 1)输配电网络中保护的动作逻辑与断路器之间的关系易于用直观的、模块 化的规则表示。 2)专家系统允许增加、删除或修改一些规则，以确保诊断系统的实时性和 有效性；能够在一定程度上解决不确定性问题；能够给出符合人类语言习惯的 结论并具有相应的解释能力等。 传统的方法是，故障时DFR自动启动，记录并存储相关数据之后，保护工程 进行离线分析，评估保护系统的效果；而Reliant专家系统可省掉上述过程，自 动从DFR提取数据，分析并撰写报告，然后通过Fax或Email的形式发送给系统 调度或相关人员。 虽然专家系统能够有效地模拟专家完成故障诊断的过程，但是在实际应用 中仍存在一定缺陷，其主要问题是知识获取的瓶颈问题、知识难以维护，以及 不能有效地解决故障诊断中许多不确定因素，这些问题大大影响了故障诊断的 准确性。 5.2 人工神经网络 运用神经网络对电力系统的输配电网络进行自适应保护和控制，虽网络的 结构较为复杂，但为便于研究可以将大型输电网络分区，对各个区域分别建立 基于BP算法“1的故障诊断网络，随后将这些分布神经网络的结果综合起来得出 最终的故障诊断结论。例如，按功能分块，用几个小网络组成一个大网络，各 个小网络有不同的功能，如网络1用来判断故障类型以及故障的方向，网络2进 行故障测距，网络3判别故障是永久的还是暂时的，网络1的输出触发网络2，网 络2的输出又触发网络3，最后，由网络3输出进行重合或闭锁判断。 人工神经网络广泛用于暂态保护、故障判断及选线，快速而准确，且不受 系统运行方式、故障类型、互感器饱和等因素的影响；用于无线通讯保护，能 提取故障高频信号，取得较好的仿真效果；还用于雷电波，开关操作波及故障 行波的辨识。 应用ANN技术实现故障诊断不同于Es诊断方法。ANN方法通过现场大量的标 准样本学习与训练，不断调整ANN中的连接权和阈值，使获取的知识分布隐含在 整个网络上，并实现ANN的模式记忆。因此，ANN具有强大的知识获取能力，并 能有效地处理含噪声数据，弥补了ES方法的不足。 神经网络方法虽然有利于克服专家系统的知识获取瓶颈、知识库维护困难 等问题，但它不适于处理启发性知识。而且，由于ANN技术本身不够完备，它的 学习速度慢，训练时间长以及解释功能弱，从而影响了神经网络的实用化。同 时，如何设计适用于大型输电网络的ANN故障诊断系统，仍是一个有待于进一步 研究的问题。 通过对神经网络结构或算法的改进，在一定程度上可以提高故障诊断的有 效性。另外，由于专家系统方法与神经网络方法在许多方面可以协调工作、互 为补充，因此，如何取长补短将神经网络技术与故障诊断专家系统融为一体， 以弥补诊断中的不足，并提供新的诊断技术和方法，具有很大的潜力和广阔的 前景。 5.3 模糊理论 在电力系统的输配电网络故障诊断中，故障与征兆之间的关系往往是模糊 的，这种模糊性既来自于故障与征兆之间关系的不确定性，又来自故障与征兆 在概念描述上的非精确性，因而诊断结果也必然是模糊的，解决模糊诊断问题 的传统方法，一般是根据专家经验在故障征兆空间与故障原因空间之间建立模 糊关系矩阵。常用的方法是将各条模糊推理规则产生的模糊关系矩阵进行组合， 用与逻辑或并逻辑。 随着模糊理论的发展及完善，模糊理论的一些优点逐步被重视，如模糊理 论可适应不确定性问题；模糊知识库使用语言变量来表述专家的经验，更接近 人的表达习惯；模糊理论能够得到问题的多个可能的解决方案，并可以根据这 些方案的模糊度的高低进行优先程度排序等。输电网络故障诊断的不确定因素 对于要求严格匹配搜索的专家系统来说，很容易导致错误的结果，若在专家系 统中融入模糊理论后，由精确推理变为近似推理，在相当程度上增强了专家系 3 统的容错性。 实际应用方面，基于模糊集理论的多目标决策方法有BelmarIzaden的最 大化法和模糊优先关系(fizz)r preference relation)法，都已经应用在电力 系统负荷管理和变电站选址规划中。用模糊集方法构造变压器保护原理，以区 别内部故障、选取变压器原、副边的电流为特征量，根据EMTP程序得到的仿真 结果，采取统计方法得到模糊规则，之后，采用Dempste卜sh如r证据理论对模 糊规则进行处理，得到最终结果。还可以采用模糊方法寻求维持系统安全运行 和充分利用输电容量之间的折中系统。安全方面主要考虑了电压稳定性，系统 运行的一些不确定因素，如超负荷量、气象因素的影响及停运时间等，采用模 糊集模拟。 由于一般的模糊系统采用了与专家系统类似的结构，所以也具有专家系统 的一些固有的缺陷：1)当系统比较大时完成诊断的速度也比较慢；2)当输电网 络的结构或自动装置的配置发生变化时，模糊系统的知识库或相关规则的模糊 度也要进行相应的修改，即模糊系统也存在维护的问题；3)模糊系统也不具备 学习能力。 总之，模糊理论与其他人工智能技术结合构成的诊断系统虽然可以增强处 理不确定性的能力，在一定程度上提高诊断的准确度，但也不能完全消除专家 系统所固有的缺点。 5.4 遗传算法 遗传算法从优化的角度出发基本上可以解决输配电网络故障诊断问题，尤 其是在复杂故障或存在保护、断路器误动作的情况下，能够给出全局最优或局 部最优的多个可能的诊断结果。利用遗传算法还可以解决：1)输配电系统的损 失最小化控制问题；2)解决发电规划、输电系统扩展规划；3)实现发电机励磁 系统参数协调的确定；4)求解无功和电压控制问题。 如何建立合理的输电网络故障诊断模型，是使用遗传算法的主要“瓶颈”。 如果能够建立合理的数学模型，那么，不仅可以使用遗传算法解决故障诊断问 题，还可以使用其他类似的启发式优化算法解决故障诊断问题，如蚂蚁系统算 法、TABu搜索算法等。从不同的交叉和变异算法的应用比较可以看出，不同的 交叉和变异算子对结果的影响比较大，如何确定最优的交叉和变异算子及相应 的参数，也有待进一步研究。 5.5 几种智能方法综合 为了构造性能较好的应用智能系统，需要综合应用ES，ANN，GA和FT这几种 技术，设计成集成型智能控制系统。集成的基本思路是：根据被求解问题的需 要把系统分为若干个模块，每个模块分别用ES，ANN，GA和FT技术实现，在以某 种方式集成来形成主体系统结构，也可采用串接、嵌入或变换模块的方法来取 长补短，构造功能完善的应用系统。例如，人工神经网络与模糊理论可以用2种 方式结合：第1种方式是先模糊化神经网络的输入，进而得到的输出也是一个模 糊数；第2种方式是根据神经网络的特点设计的，因为人工神经网络的输出本身 就是一个介于01之间的集合体，所以可把神经网络的输出作为模糊系统的输 入，用模糊系统去解释神经网络的输出，最终提供给运行人员一个语言化的结 论，便于运行人员理解。这在一定程度上弥补了神经网络不具备解释能力的弱 点。 基于信息论、模糊逻辑、ANN与ES结合的诊断模型是最具发展前景的，也是 目前人工智能领域的研究热点之一，它被广泛用于发电机、变压器故障检测， 具有建模方便，同时克服了神经网络收敛费时的缺点，明显改善了收敛性能。 基于遗传算法的模糊神经网络智能控制是将模糊技术、神经网络和遗传算 法互相交叉，有机地结合起来，将三者协调地用于一个系统中，取长补短，形 成了一个新兴科学。下面较详细地介绍基于遗传算法的模糊神经网络智能控制 系统。 本系统采用模糊推理控制器，模糊推理控制器可用一个如图l所示的神经网 络构成。图中e和&为模糊推理控制器的2个输入，NB，NM，PM等是e和e划分的 7个模糊集，可用三角形或型隶属度函数Gauss表示，u*为总的输出，W i为第i个 模糊规则对于输出的作用权值，u i表示第i条模糊推理规则的隶属度。 5 一般模糊神经网络BP学习方法是一种建立和调整模糊推理控制系统的良好 方法，但这种方法本质上是一种只考虑局部区域的梯度法，缺乏全局性，有可 能仅优化到局部极值部分，其调整的收敛性依赖于初始状态的选择。而遗传算 法是一种基于生物进化过程的随机搜索的全局优化方法，它通过交叉和变异大 大减少了初始状态的影响，使搜索得到最优化结果而不停留在局部最小处。遗 传算法不仅可以优化模糊神经推理系统的参数，而且可以优化模糊神经推理的 结构。使用遗传算法可以修正冗余的隶属度函数和网络的节点数，以优化模糊 神经推理系统的结构。为了发挥GA算法和BP算法的长处，我们可用GA算法优化 具有全局性的参数和网络结构，用BP算法调节和优化具有局部性的参数。这样， 在GA算法作为一种离线训练模糊神经推理控制器情况下(粗略学习)，用BP算法 作为一种在线调节神经网络的局部性参数(细调节)。这2种方法综合使用，可以 大大提高模糊神经推理控制系统的自学习性能和鲁棒性。 对于图1所示的模糊神经推理网络，它的前提是部分采用了Gauss型的隶属 函数，其中心参数和宽度参数是全局性参数，可用遗传算法来调整和优化，而 推理规则的结论部分中的权值职具有局部性，所以，我们可采用BP算法在线调 节。这样把2种学习算法结合起来，取长补短，发挥各自的优点。经过GA算法训 练好FNC后，可把FNC接人模糊神经推理智能控制系统中，控制系统的结构如图2 所示。为了使智能控制系统自适应环境(被控对象)的变化，本系统采用在线学 习方式，利用BP最速梯度算法调节网络的权值W i。 6. 结论 近年来，各种智能系统方法的应用在广度和深度方面都得到了发展，但依 靠单一智能技术的故障诊断，已难以满足复杂的输配电网络故障诊断的全部任 务要求，由2种以上智能方法构成的混合系统在输配电网络故障诊断中的应用越 来越广泛，将多种不同的智能技术结合起来的混合诊断系统，是智能化故障诊 断研究的一个发展趋势。综合智能的许多问题，例如模糊逻辑与神经网络的组 合机理、组合后的实现算法，如何使智能系统既具有ANN的学习能力，又具有灵 活的知识表达能力和严谨的逻辑性等，是值得再深入研究的。 7 参考文献 1 董仕镇.电网故障诊断研究方法J. 广东电力，2009,22(5)1-2. 2 张海波，陶文伟 地区电网设备异常和事故