模型诊断在配电线路故障诊断中的应用分析

张 虎

（湖北省大冶市供电公司，湖北 大冶 435100）

随着我国经济持续的快速发展，居民生活水平不断提高，广大用户不仅要求供电的可靠性，而且要求较高的电能质量，然而，配电网容量及规模不断扩大，这就增加了其发生故障的概率，由于配电网直接面向用户，其故障会对用户供电造成严重影响，扰乱社会正常的生产与生活，甚至对国家安全造成严重威胁，因此必须进行及时处理[1]。在繁冗的配电线路中有效而准确地判断出故障发生区域并对故障元件进行有效隔离，缩短停电时间，减小停电风险是配电网故障诊断的核心问题[2]。为了实现快速监测及故障消除的基本功能，确保配电网的安全稳定运行，有必要对配电网故障诊断进行深入研究。本文分析了模型诊断在配电线路故障诊断中的应用。

1 模型诊断的基本思想及基本过程

1.1 模型诊断的基本思想

作为人工智能领域的一个重要分支，模型诊断的基本思想如图 1所示，其核心观点为[3]：利用行为知识的有效性和内部结构的逻辑判断来诊断系统故障。首先根据系统的结构及元件之间的连接情况构建待诊断系统的功能，结构及行为模型，通常可以采用一阶逻辑语句对这种模型进行描述。其次人们根据系统的模型描述及输入情况，通过逻辑推理判断出系统在正常情况下的预期行为，如果观测到的实际行为与预期行为存在较大的差异，则说明该系统具有故障，最后利用一些模型诊断的逻辑推论确定引发故障的元件集合。

图1 事故信号回路图

1.2 模型诊断的基本过程

通常将模型诊断的过程分为四个阶段[4]，即：系统建模→冲突识别→候选产生→诊断鉴别。

1）系统建模。该阶段的主要任务是对待诊断系统建立一个适当的模型。一般使用一阶逻辑语句对待建模的系统进行描述，确保所建系统的推理复杂度简单，建模精度准确，能够对用户关心的全部问题进行诊断。

2）冲突识别。该阶段以系统的观测和描述为基础，主要完成最小冲突集的构建工作。冲突识别的主要方法有推理引擎法、定理证明器法等。

3）候选产生。构建系统的最小冲突集后应通过最小碰集算法计算出系统的最小碰集，完成系统的最小候选诊断。

4）诊断鉴别。进行诊断鉴别的主要目的是区分候选过程产生的多个候选诊断，进而得到满意的诊断结论。在该过程中通常引入元件的故障模型或元件的故障定性概率来对观测值进行筛选，同时采用贝叶斯定理对候选诊断的故障概率进行计算，最终通过对故障概率的排序来求出最终的故障点。

2 最小冲突集的计算方法

冲突识别作为模型诊断中最为关键的一步，将产生所有的最小冲突集，直接关系着候选诊断的准确度。传统的模型诊断方法是通过在线完成冲突识别与最小冲突集的搜索的[5]，每次进行在线诊断运行时都需要重新载入已完成识别的部分，识别效率较低，且在许多实际系统中由于系统状态与结构的监测信息都是固定不变的，因此可以利用这一条件来分析系统所产生的解析冗余来完成最小冲突集的识别，这个过程可在线下完成。在进行在线诊断时只需在线下已完成识别的数据中搜索最小冲突集。这种冲突识别策略能减小最小冲突集搜索的空间，使冲突识别具有良好的实时性。

本文在这种搜索思想的基础上，改进了冲突识别方法，将搜索最小冲突集的过程分为两步，首先利用关系导向算法在离线的状态下搜索所有最小候选冲突集，然后通过自底向上的算法进行在线诊断，在最小候选冲突集中识别出最小冲突集，即得到了系统所有的最小冲突集。

2.1 冲突集的相关定义

1）冲突集

元件集 C是系统(S D, O BS, C OMP)的一个冲突集(C S)，C必须满足两个条件

2）最小冲突集

设元件C是系统的(S D, O BS, C OMP)的一个冲突集(C S)，如果C的任一真子集都不是冲突集，则C是最小冲突集。最小冲突集具有如下特性：若集合A为最小冲突集，且集合B ⊆ C OMPS，集合C ⊆ C OMPS，则：

（1）若集合B⊆A，则集合B不是冲突集；

（2）若集合C⊆A，则集合C为非最小冲突集。

2.2 RGA搜索算法

该算法的主要思想是首先获取系统所有的解析冗余方程，其次根据每个冗余方程中所隐含的信息获取一个初始的计算环境，然后用二分法帅选出基本故障元件，根据基本故障元件的故障概率模型得到最小冲突集候选，依次递归使用二分法，直至所有的故障元件都包含在基本故障元件中，这样就得到了系统的最小冲突集候选。

3 模型诊断在配电线路故障诊断中应用

本文根据所提出的改进冲突识别方法，给出了一个将模型诊断理论应用于配电线路故障诊断的应用方案如下：

3.1 诊断流程

1）首先根据实际的配电网系统建立元件及系统的故障模型，采用约束方程的形式来描述系统中内部元件的关系，定义每个元件初始的节点电压和直流电流变量，通过网络的拓扑结构列写相应的KCL和KVL约束方程。

2）根据所设计的原理模型及观测信息的分布情况，利用RGA算法并结合已知的解析冗余关系，对配电网系统中所有解析关系进行离线搜索，产生最小冲突集候选。

3）利用电流、电压互感器对配电网的故障状态信息进行测量，从最小冲突集候选中搜索出最小冲突集，以元件参数的形式将配电网故障信息代入到系统的冗余关系中，计算相对残差，如果其大于系统所允许的最大相对残差，则确定该最小冲突集候选为最小冲突集。这个过程是从元件数最小的冲突集候选开始，采用自底而上的搜索方法进行的。

4）根据元件的故障概率模型，采用编码算法进行系统的一致性推理诊断分析。在故障诊断中可引入定性故障概率来进行对比及匹配，提高候选诊断的工作效率。

3.2 诊断实例分析

以图2所示的某实际配电网作为模型诊断在配电线路故障诊断中应用的实例，该配电网包含15个节点和14条线路。根据元件的故障模型，作如下3点假设：①变压器的故障概率为0；②母线为可修复系统，故障概率为0.1；③输电线路为可修复系统，故障概率为0.4。

图2 某10kV配电网简化接线图

根据上述已知条件，采用模型诊断方法对配电线路故障诊断结果如表1所示。

表1 配电线路故障诊断结果

将上述结果与该实际 10kV配电网故障线路统计资料对比后发现，所提出的方案能够有效地反映配电线路的故障情况，具有一定的实际应用价值。

4 结论

将人工智能领域的理论和方法应用于配电线路故障诊断中能够加快故障原因判断和搜索，有助于及时恢复供电。实际案例分析表明，本文所提出的基于模型诊断的配电线路故障诊断方法简单可行，提高了配电线路故障诊断效率，减小了故障诊断时间，具有一定的工程应用价值，适宜大规模推广应用。

[1]刘健,倪建立,邓永辉. 配电自动化系统[M].北京:中国水利电力出版社,2003.

[2]王颖,王增平,潘明九.一种基于故障录波信息的调度端电网故障诊断系统[J]. 继电器,2003,31(12):37-40.

[3]毕天妹,倪以信,杨奇逊.人工智能技术在输电网络故障诊断中的应用述评[J].电力系统自动化,2000,24(25):11-16.

[4]段振国,高曙,杨以涵. 一种电网故障智能诊断求解模型研究[J]. 中国电机工程学报,1997,17(6):399-402.

[5]陈维荣,钱清泉,王晓茹. 神经网络在继电保护及故障诊断中的应用[J].电力系统自动化,1997,21(5):5-9.