论文部分内容阅读
[摘 要]本文概述目前研究最多的几种主流电力系统故障诊断技术，包括神经网络、专家系统、Petri网络系统等。简要分析并总结这些方法的故障诊断原理以及适用性和特点，并结合实际实例来分析如何针对性的选取和诊断电力系统故障。并对该种方法在实际应用中所需要注意的问题提出简要性意见，期望能对此领域研究发展做出贡献。
[关键词]电力系统；故障诊断；实例分析
中图分类号：TM76 文献标识码：A 文章编号：1009-914X（2015）08-0232-01
1 电力系统故障诊断方法概述及实例
总的来说，电力系统故障诊断分为三大类：（1）基于知识的诊断方法，最具代表性的就是专家系统。通过对诊断信息的判别、具有较丰富和灵活的知识表达和问题求解能力，适用于各个场合的故障诊断；（2）基于信号处理的诊断方法，提取信号信息进行分析，不需要建立数学模型，在实际解决问题上有广泛的应用。只有故障影响到外部信息的时候才可做出响应，而且只有粗略的判断无法进行直接定位；（3）基于数学模型解析的方法，该方法必须对对象进行数学建模，在模型的基础上对信息加以区分和判断，主要是通过输入与输出值的比较从中获取故障信息。由于模型建立困难和模型自身精度等客观因素往往造成故障诊断的不可靠性。以下就三大类故障诊断方法典型系统做简要概述和分析：
1.1 专家系统
专家系统是目前应用和研究最为成熟的一种诊断方法。其原理是建立一个具有大量技术经验的数据库系统，集合此领域内专家所提供的技术支持、实例经验、专业知识利用计算机进行模拟匹配和推断、模拟人类专家做出决策以解决出现的故障问题。专家系统一般包含有数据库、匹配系统、推断与模拟系统、处理系统和交互系统等。其最大的优势是可以通过大量专家的实际工作经验来解决出现的故障问题，并非以纯理论依据作为基础，但是对于问题的处理往往是非常有效的，而且对于问题的原因及推理判断过程能做出回应。其相比于其他系统来说具有启发性、透明性、灵活性和智能性。同时，由于数据库的存在可以在实际工作中扩充其内容，不断增加遇到的新问题和解决方法。
实际应用中，如美国电气工程师协会于1999年开发的一个利用断路器信息的专家系统。此系统主要是用来判断故障位置并对故障问题处理的动作顺序做出合理化选择。因其采用Prolog语言编写，使用固有反向推理逻辑功能实现此操作步骤。专家系统中包含了三个数据库：电力系统机构数据库、保护动作原理知识数据库、故障位置的规则知识数据库。此专家系统的普遍规则是通用标准，还可有效处理多重故障以及保护断路器误操作等问题。而同样由其开发的关于电力系统稳定性监视、运行状态及控制诊断回路的专家系统也被称之为经典之作。是利用电力系统中的控制回路、△f控制回路、△p控制回路、电压调节器回路等工作状态对系统的稳定性和运行状态的影响，从监视控制回路的故障诊断提取特征量和行为偏差来实现此功能。首先是利用信息预处理器对特征量进行预处理并表示成规范规则，然后对特征量与系统稳定性和运行状态的规则匹配和处理、最后通过正向推理和逆向推理分别实现系统稳定的监视和隔离故障。
但专家系统在实际的运行过程中也存在一些缺点问题：首先需要建立完备的数据库、若建立的知识库不完整，很有可能会导致出现的问题无法进行匹配或是匹配模糊而得出错误结论，这在实际应用中还需要依靠具体判断来实现。其次在搜索过程中如果没有高效的索引选项会导致诊断速度慢等问题，给及时性带来一定影响。最后专家系统的冗余能力不强、即容错性较低，通常是通过匹配其他诊断技术来达到最终目的。
1.2 Petri网络系统
Petri网络系统是由德国科学家Petri首先提出来的。其是一种利用网格理论作为基础通过描述系统中离散事件的逻辑关系，通过数学模型的方式来表现出系统中的动态活动。基本定义如下：
（1）
（2）
（3）
（4）
Petri网络系统实际上是一种网络流信息模型，其中有两个节点分别是条件和事件节点，在此两类节点上添加表示信息状态的token分布。利用此两类节点的信息状态按照引发规则来驱动事件状态，从而对系统状态做出表征。例如章磊在基于Petri网电力故障诊断技术研究中提及到的模拟输变电路系统中，通过利用故障树对顶层事件的分析、逐步推导出诱发顶层事件的下级库。利用Petri网络代替与门进行多输入变迁代替和分析。通过仿真实验得出在系统运行状态变化时，最终只有在token库中發生改变。通过对原始触发序列的分析找到母线故障问题，与其假设的情况相符合，最终保护断路器的结果。
Petri网络系统用于故障诊断具有结构表达简单化、搜索迅速、依靠建立数学模型等优点可以对循环发生、次序发生、同时发生的的故障进行定性和定量的分析。同时还具有结构表达图形化、推理搜索快速化以及诊断过程数学化等优点，但该方法存在一些缺陷：首先，如果系统过于庞大会导致数学建模过程出现状态组合爆炸；其次Petri网络不具备验证能力、一般很难识别错误信息；最后Petri网络对时间节点要求高的系统行为适应性较差，需要专门建立独立的描述网络。
2.3 神经元网络系统
神经元网络是模仿动物的神经系统特征，依靠信息的并行处理方式建立的数学模型，最早是由心理学家W.S.Meeulloeh和数理逻辑学家W.Pitts建立的。主要依靠高度复杂的系统、通过系统节点的相互逻辑运算关系进行信息处理，其具有学习和适应能力。可以通过预先设定的相对应的数据进行输入-输出，分析输入和输出之间的潜在规律，用新输入的数据模拟推算出输出结果。周昕的基于遗传算法的电力系统故障诊断中利用神经元网络对某地实例的输变电线路遭雷击后A、C两相电路接地做出的保护动作。首先对停电区域的确定计算出主从保护动作，然后对录波文件进行分析两相的正反向计算出方向元件的期望动作。最后对目标函数进行神经元分析确定出8种组合计算出最终线路故障位置。此方法利用二进制编码作为判断元件故障的与非门、在进行神经元分析时进行数学迭代建模，在初始化事件开始时优先选择主保护、通过对后续操作的优劣选择进行概率分析最终确定故障类型和位置。
例如在三层紧奏型小波神经网络为例，其输入量是具体的信息，输出量是诊断状态信息、隐层激活函数作为相应输入层神经元节点模拟分析：
隐层激活函数的表达式为：1≤j≤h
相应的神经元输出表达式为：1≤i≤q
参数a，b是神经元中的修正值，与输出权值ω一起通过具体实例修正来选取数值，利用收敛算法来实现故障定位。神经元网络系统通常具有非线性关系、非常定性、非局限性特点。可以通过自适应和自学性能力处理各种不同的输入信息，故也具有较高的容错性。而一个神经节点通常链接多个其他节点、对单一节点的行为不会对整体造成影响。其不同的节点之间因隐层函数的算法不同也具有独立性。
随着电力系统的不断扩大，以上三种主流的诊断方法都具有其局限性。单一的诊断方法往往只能针对特定的一系列问题作出最优解。因此，目前大多采用多种方法混合使用来实现对实际中电力系统的诊断工作，例如模糊粗糙理论、MAS等。
3 结语
电力系统规模的日益复杂化，在此问题上又重新提出更好的要求。本文就目前主流研究的几种电力系统故障诊断方法做简要概述并结合诊断原理介绍相关案例来进行分析。旨在应用系统理论的研究来提高实际解决问题的能力，有效的推动对此领域的发展。
参考文献
[1] 蒋亚，专家系统在电力系统故障诊断中的应用[J].科技咨询.2011，（02）.
[2] 章磊，基于petri网电力故障诊断技术研究[J].制造业自动化.2012，34（6）.
[3] 朱俊敏，景利学，饶克克等.基于小波神经网络的电网故障诊断研究[J].电气开关，2011，49（6）.
[关键词]电力系统；故障诊断；实例分析
中图分类号：TM76 文献标识码：A 文章编号：1009-914X（2015）08-0232-01
1 电力系统故障诊断方法概述及实例
总的来说，电力系统故障诊断分为三大类：（1）基于知识的诊断方法，最具代表性的就是专家系统。通过对诊断信息的判别、具有较丰富和灵活的知识表达和问题求解能力，适用于各个场合的故障诊断；（2）基于信号处理的诊断方法，提取信号信息进行分析，不需要建立数学模型，在实际解决问题上有广泛的应用。只有故障影响到外部信息的时候才可做出响应，而且只有粗略的判断无法进行直接定位；（3）基于数学模型解析的方法，该方法必须对对象进行数学建模，在模型的基础上对信息加以区分和判断，主要是通过输入与输出值的比较从中获取故障信息。由于模型建立困难和模型自身精度等客观因素往往造成故障诊断的不可靠性。以下就三大类故障诊断方法典型系统做简要概述和分析：
1.1 专家系统
专家系统是目前应用和研究最为成熟的一种诊断方法。其原理是建立一个具有大量技术经验的数据库系统，集合此领域内专家所提供的技术支持、实例经验、专业知识利用计算机进行模拟匹配和推断、模拟人类专家做出决策以解决出现的故障问题。专家系统一般包含有数据库、匹配系统、推断与模拟系统、处理系统和交互系统等。其最大的优势是可以通过大量专家的实际工作经验来解决出现的故障问题，并非以纯理论依据作为基础，但是对于问题的处理往往是非常有效的，而且对于问题的原因及推理判断过程能做出回应。其相比于其他系统来说具有启发性、透明性、灵活性和智能性。同时，由于数据库的存在可以在实际工作中扩充其内容，不断增加遇到的新问题和解决方法。
实际应用中，如美国电气工程师协会于1999年开发的一个利用断路器信息的专家系统。此系统主要是用来判断故障位置并对故障问题处理的动作顺序做出合理化选择。因其采用Prolog语言编写，使用固有反向推理逻辑功能实现此操作步骤。专家系统中包含了三个数据库：电力系统机构数据库、保护动作原理知识数据库、故障位置的规则知识数据库。此专家系统的普遍规则是通用标准，还可有效处理多重故障以及保护断路器误操作等问题。而同样由其开发的关于电力系统稳定性监视、运行状态及控制诊断回路的专家系统也被称之为经典之作。是利用电力系统中的控制回路、△f控制回路、△p控制回路、电压调节器回路等工作状态对系统的稳定性和运行状态的影响，从监视控制回路的故障诊断提取特征量和行为偏差来实现此功能。首先是利用信息预处理器对特征量进行预处理并表示成规范规则，然后对特征量与系统稳定性和运行状态的规则匹配和处理、最后通过正向推理和逆向推理分别实现系统稳定的监视和隔离故障。
但专家系统在实际的运行过程中也存在一些缺点问题：首先需要建立完备的数据库、若建立的知识库不完整，很有可能会导致出现的问题无法进行匹配或是匹配模糊而得出错误结论，这在实际应用中还需要依靠具体判断来实现。其次在搜索过程中如果没有高效的索引选项会导致诊断速度慢等问题，给及时性带来一定影响。最后专家系统的冗余能力不强、即容错性较低，通常是通过匹配其他诊断技术来达到最终目的。
1.2 Petri网络系统
Petri网络系统是由德国科学家Petri首先提出来的。其是一种利用网格理论作为基础通过描述系统中离散事件的逻辑关系，通过数学模型的方式来表现出系统中的动态活动。基本定义如下：
（1）
（2）
（3）
（4）
Petri网络系统实际上是一种网络流信息模型，其中有两个节点分别是条件和事件节点，在此两类节点上添加表示信息状态的token分布。利用此两类节点的信息状态按照引发规则来驱动事件状态，从而对系统状态做出表征。例如章磊在基于Petri网电力故障诊断技术研究中提及到的模拟输变电路系统中，通过利用故障树对顶层事件的分析、逐步推导出诱发顶层事件的下级库。利用Petri网络代替与门进行多输入变迁代替和分析。通过仿真实验得出在系统运行状态变化时，最终只有在token库中發生改变。通过对原始触发序列的分析找到母线故障问题，与其假设的情况相符合，最终保护断路器的结果。
Petri网络系统用于故障诊断具有结构表达简单化、搜索迅速、依靠建立数学模型等优点可以对循环发生、次序发生、同时发生的的故障进行定性和定量的分析。同时还具有结构表达图形化、推理搜索快速化以及诊断过程数学化等优点，但该方法存在一些缺陷：首先，如果系统过于庞大会导致数学建模过程出现状态组合爆炸；其次Petri网络不具备验证能力、一般很难识别错误信息；最后Petri网络对时间节点要求高的系统行为适应性较差，需要专门建立独立的描述网络。
2.3 神经元网络系统
神经元网络是模仿动物的神经系统特征，依靠信息的并行处理方式建立的数学模型，最早是由心理学家W.S.Meeulloeh和数理逻辑学家W.Pitts建立的。主要依靠高度复杂的系统、通过系统节点的相互逻辑运算关系进行信息处理，其具有学习和适应能力。可以通过预先设定的相对应的数据进行输入-输出，分析输入和输出之间的潜在规律，用新输入的数据模拟推算出输出结果。周昕的基于遗传算法的电力系统故障诊断中利用神经元网络对某地实例的输变电线路遭雷击后A、C两相电路接地做出的保护动作。首先对停电区域的确定计算出主从保护动作，然后对录波文件进行分析两相的正反向计算出方向元件的期望动作。最后对目标函数进行神经元分析确定出8种组合计算出最终线路故障位置。此方法利用二进制编码作为判断元件故障的与非门、在进行神经元分析时进行数学迭代建模，在初始化事件开始时优先选择主保护、通过对后续操作的优劣选择进行概率分析最终确定故障类型和位置。
例如在三层紧奏型小波神经网络为例，其输入量是具体的信息，输出量是诊断状态信息、隐层激活函数作为相应输入层神经元节点模拟分析：
隐层激活函数的表达式为：1≤j≤h
相应的神经元输出表达式为：1≤i≤q
参数a，b是神经元中的修正值，与输出权值ω一起通过具体实例修正来选取数值，利用收敛算法来实现故障定位。神经元网络系统通常具有非线性关系、非常定性、非局限性特点。可以通过自适应和自学性能力处理各种不同的输入信息，故也具有较高的容错性。而一个神经节点通常链接多个其他节点、对单一节点的行为不会对整体造成影响。其不同的节点之间因隐层函数的算法不同也具有独立性。
随着电力系统的不断扩大，以上三种主流的诊断方法都具有其局限性。单一的诊断方法往往只能针对特定的一系列问题作出最优解。因此，目前大多采用多种方法混合使用来实现对实际中电力系统的诊断工作，例如模糊粗糙理论、MAS等。
3 结语
电力系统规模的日益复杂化，在此问题上又重新提出更好的要求。本文就目前主流研究的几种电力系统故障诊断方法做简要概述并结合诊断原理介绍相关案例来进行分析。旨在应用系统理论的研究来提高实际解决问题的能力，有效的推动对此领域的发展。
参考文献
[1] 蒋亚，专家系统在电力系统故障诊断中的应用[J].科技咨询.2011，（02）.
[2] 章磊，基于petri网电力故障诊断技术研究[J].制造业自动化.2012，34（6）.
[3] 朱俊敏，景利学，饶克克等.基于小波神经网络的电网故障诊断研究[J].电气开关，2011，49（6）.