基于电网结构异常变化的故障诊断方法研究

宋紫嫣 杨历伟 刘 哲

（河南省濮阳市濮阳供电公司，河南 濮阳 457000）

电网故障诊断指的是在调度中心进行的系统级的故障诊断，它的目的是在电力系统发生故障的时候，根据可以获得的各种故障信息，判定故障区域、故障性质和评价保护和继电器动作行为，为调度员的决策提供相关的判据。电网故障诊断的方法研究主要集中在专家系统、人工神经网络、模糊集、粗糙集、优化方法和Petri网等。文献[1]将神经网络与专家系统方法相结合,以期在多重故障或保护和断路器异常动作的情况下能得到准确的诊断结果。文献[2]提出了一种基于粗糙集理论的故障诊断方法，以从大量的保护和断路器动作信息中挖掘隐含的知识，为建立故障诊断专家系统提供更加简洁有效的规则。文献[4]提出了动态关联路径的概念,构造了利用警报信息时序特性的电力系统故障诊断的一种解析模型，描述了现代电力系统多

种保护配置下保护和断路器的动作时序关系，以期在面对复杂故障可以得到更为明确的诊断结果。虽然故障诊断的研究有一段历史，采用了不少方法，但在实用化方面一直未有太大发展。本文根据我国电网实际，提出了一种实用化的电网故障诊断方法。

1 故障诊断实用化面临的问题

目前制约电网故障诊断进入应用阶段的最关键问题依然是数据源的问题。SCADA系统虽然可以覆盖整个电网采集继电保护和断路器动作的开关量信息，但它只能采集稳态的模拟量数据，开关量动作信息是对于故障的间接反映，但也无法反映故障的基本性质，如短路类型、持续时间等等，这就使得依靠 SCADA所采集的信息进行电网故障诊断只能依赖对于继电保护和断路器动作的逻辑关系的分析，而这些信息只能间接反映故障，所以逻辑分析中缺乏分析起点，只能先假定故障设备，再分析相关信息的动作序列是否符合预先设定的行为特征。这也使得推理中存在大量的假设和不确定因素，当面对存在保护和断路器拒动和误动的情况时，往往无法给出确定性结论，而确定性的结论和决策支持却是电网运行中必须保证的。

2 基于电网结构异常变化的故障设备确定方法

通过上述分析可知，现阶段电网故障诊断必须依赖 SCADA系统，而故障信息系统只能起到辅助作用，甚至无法利用其所采集的数据，所以现在的研究主要集中于通过分析故障时所采集的继电保护和断路器动作的开关量信息和故障之间的关系来进行，而这类方法将设计较为复杂的推理算法以应对电网的较为复杂的实际故障事件。

为了在现有的数据源的基础上完成故障诊断的基本任务，本文采用了一种更为简单直观的分析思路，在现有 SCADA数据的基础上实现电网故障诊断的基本任务。这种分析的理论基础是电网正常操作和故障跳闸之间的状态变化差异。

而电网发生故障的时候，故障设备被断路器由电网中切除出去，由于电网结构发生了变化，功率潮流发生突然变化，最典型的就是故障设备不再流过原有的功率。这一变化过程是随机的，未能被电网所预见，但由于继电保护和断路器会按照人工预先设定的顺序动作，即使发生了存在开关误动作的复杂故障也严格符合预设规则，因此故障跳闸的过程是可一个可以用断路器开关量变位描述的可测可观但不可以预见的离散事件序列。

举例来讲：如图1中的局部电网，假设图中母线A为唯一电源。在正常操作111线路停电的时候，所有的停电顺序都由调度员预先设定，其下级母线在111线路停电前会被转入空载运行状态，此时流过111线路的功率为0，当开始对111线路操作时，首先会来拉开负荷侧的断路器，也就是112开关，然后再拉开111开关，这一顺序由人工操作实现，112开关分和 111开关分之间一般需要以分钟计算的较长时间。

而当111线路发生故障的时候，此时其对应的继电保护动作触发断路器111跳闸，实现了对于故障的切除。但111开关分是调度员所未预见的随机事件，并造成了112线路和1#变所带负荷的失电，111线路上流过的较大功率跃变为0。

图1 网络图

3 算法设计

1）算法首先采用的两个基本假设

（1）电网的正常操作是有序进行可以预见的，反映于断路器分合行为上就是可预见的离散化事件序列，而故障时候的断路器分合是不可预见的离散化事件序列。这也就意味着当电网中的断路器变位事件为突发随机事件并造成设备停电的，可以认为停电设备发生故障。

（2）电网正常操作过程中，断路器的分闸要尽量避免对于电网自身运行的冲击，由断路器切除的功率很小，可以为小于正常运行的最小负荷；故障时候断路器的分闸将造成较大功率被切除，可以认为大于断路器所关联的电气设备所带的最小负荷。根据以上假设，设计算法基本流程如下：

首先定义了三个状态和四个离散事件序列描述这三个状态间的过程，状态q1为当前状态，状态 q'为预计的下一个正常状态，状态q2则是电网实际发生变化后的下一个状态，离散序列S1是状态q1到状态 q'之间预计的操作过程描述，离散序列S2为状态q1到状态q2之间的实际发生的断路器变位事件过程描述，离散序列 S3为状态 q1到状态 q2之间的实际发生的包含保护动作和断路器变位的事件过程描述。离散序列 S4为状态 q1到状态 q2之间的应该发生的包含保护动作和断路器动作的事件过程描述。

为了分析故障过程中的继电保护和断路器动作行为是否正确，定义离散事件序列S4，它用以描述当某个电气设备故障时候，继电保护的和断路器的顺序动作。由于继电保护和断路器的动作行为严格依据事先得人工设定，符合相关规则限定，因此事件序列的构建可以依据继电保护的规程设定。

离散序列 S1由断路器顺序动作数组表示，单个断路器动作 k由两个属性构成：编号 C和状态变位z，即 KS1(C, z)。由于正常运行时两个断路器变位之间的时间较长，数组长度一般为1。

离散序列 S2由断路器顺序动作数组表示，单个断路器动作k由两个属性：编号 C'和状态变位 z'，即 KS2(C', z')。正常运行时数组长度一般为1，发生故障时，数组长度可能超过1。

离散序列 S3由遥信顺序动作数组[p1, p2,…]表示，p用来表示继电保护或断路器动作，由两个属性：编号和状态变位。正常运行时数组长度可能不为1。

离散序列 S4由顺序动作数组表示，p用来表示继电保护或断路器动作，它表示当某一电气设备发生故障的时候，相关的继电保护和断路器应该发生地顺序动作行为。

描述状态的离散序列的时间记录长度，一般以s计算，可以取为10s，以完整捕捉故障事件；如果同一断路器在1s内分合重复动作不记录，以减少采样过程中由于节点抖动所造成的扰动。

定义： δ（ q1, s1）= q '，δ为电网正常运行的操作规则。

2）算法的基本流程

（1）根据当前运行状态，设定下一将要变位的断路器数组，正常操作数组中将只有一台断路器，即离散序列 S1中的断路器 KS1(C, z)。

（2）以较低采样周期采集断路器变位信息，采样周期可以设定为 1s；记录采样周期内的断路器 K的变位信息和预先设定的操作过程中的断路器数组相比较，如果，则返回步骤1；否则进行网络拓扑，以确定断路器动作的直接后果。

（4）故障设备 di确定后，以确定的故障设备为逻辑分析起点，进行故障流程的设定，验证故障相关继电保护和断路器 KS2(C', z')的动作行为。

根据上述分析可以看出，算法将整个流程分为两部分离散序列的对比，对电网中离散化的控制手段进行连续性分析，一是以电网中实际动作的断路器和预先设定的断路器动作的比较来捕捉故障发生并确定故障设备，二是以故障过程的继电保护和断路器动作的离散事件的序列对比来确定故障过程中继电保护和断路器的动作行为的正确性，简化网络拓扑工作量，剔除断路器的误动作信号，尽可能的减小数据对于诊断系统的影响，提高算法的正确率。

例证 1：如图 1所示电网，正常情况下，要对1#变进行停电的时侯，会逐步拉开1#变所带负荷的开关，等所有负荷的开关都拉开完后，再拉开1#变负荷侧的开关，即301开关，最后拉开501开关。而当1#变故障时候，301开关和501开关会同时跳开，即实际变位的断路器 KS2(C', z')为 301开关和501开关；而离散序列 S1中的断路器 KS1(C, z)为最先拉开的一个负荷开关，(C, z)≠ KS2(C', z')，1#变被完全隔离，则可以认为1#变即为故障设备。

例证 2：如图 2所示的局部电网发生电网接地故障，111线路保护动作，断路器111跳闸。在正常操作111线路停电时，其下级母线B在111线路停电前会被转入空载运行状态，当开始对111线路操作时，首先会拉开负荷侧的断路器，也就是112开关，然后再拉开111开关。即离散序列 S1中的断路器KS1(C , z)为 112开关，实际变位的断路器(C', z')为111开关， KS1(C, z)≠KS2(C', z')，进行网络拓扑，111线，112线，母线B，1#变失电，即q2中有4个设备由1→0，进入继电保护信息辅助分析阶段，如果111线路动作的保护 PS3为主保护，则确认故障设备为111线路， KS2(C', z')（111开关）动作正确；如果 PS3的性质无法区分是主保护还是后备保护，则无法确认明确的故障设备，必须依靠故障录波辅助确定。通过对一次设备开关和二次系统保护动作信息的分离、分析，简化推理过程，提高了计算速度和准确率。

图2 故障实例网络图

4 本方法的优点

对比早期开发的诊断系统[4]，本算法在运算速度、决策支持的精确程度上都有着显著的提高，其主要优点如下：

1）由于电网是人工构建的大系统，运行具有严格的规则要求，其操作顺序可以预计，而故障的随机特性则不可预见，如例证1、2所示，本方法可以快速捕捉电网中发生的故障，由于故障本身和正常运行过程中的差异，本方法还能够快速地确定故障设备。

2）本方法可以区分断路器的误动作行为。

3）本方法可减少数据对于诊断系统的影响。

4）本方法对于电网中的离散化的控制手段进行连续性分析，可以简化网络拓扑工作量，有助于提高计算速度。

5）本方法将一次系统和二次系统的动作信息分离分析，简化了推理过程和规则约束的复杂性。

5 结论

在电网故障诊断的研究工作中，复杂故障的诊断依然是难点，其主要问题就是当电气设备主保护拒动作，后备保护动作所带来的故障设备确定的模糊性，虽然复杂故障概率极小，但却是诊断系统中体现其智能特性的关键因素。而依靠开关量变位信息在这种情况下无法给出有效结论，只有依靠故障时候的录波数据才能完整解决这一问题。在今后的研究中，以电网中有限布置的故障信息系统所采集的录波数据来实现对于故障设备的准确定位，是诊断系统必须解决的问题。

[1]CARDOSO G, ROLIM J G, ZURN H H. Identifying the primary fault section after contingencies in bulk power systems. IEEE Trans on Power Delivery, 2008,23 (3): 1335-1342.

[2]HOR C L, CROSSL EY P A, WATSON S J. Building knowledge for substation-based decision support using rough sets. IEEE Trans on Power Delivery, 2007, 22(3): 1372-1379.

[3]郭文鑫,廖志伟,文福拴,等.计及警报信息时序特性的电网故障诊断解析模型[J].电力系统自动化,2008,32(22): 26-31.

[4]张阳,何正友.一种基于DS证据理论的电网故障诊断方法[J].继电器,2008,36(9):5-10.

[5]王林先,李乃永.基于粗糙集理论和故障信息网的电网故障诊断方法[J].继电器,2008,36(8):59-63.

[6]赵洪山,米增强,杨奇逊. 基于冗余嵌入Petri网技术的变电站故障诊断[J]. 电力系统自动化,2002,26(4):32-35.

[7]廖志伟,孙雅明,叶青华.人工智能技术在电力系统故障诊断中应用[J].电力系统及其自动化学报, 2003,15(6):71-79.

[8]赵爽, 任建文, 周明.分层式电网故障诊断系统的设计与实现[J].电力系统自动化,200,27(19):65-68.

[9]SUN J, QIN SH Y, SONG Y H.Fault diagnosis of electric power systems based on fuzzy Petri nets[J].IEEE Transactions on Power Systems,2004,19(4):2053-2059.

[10]XU L, YUEN C M. A classification approach for power distribution systems fault cause identification[J]. IEEE Transactions on Power Systems, 2006, 21(1): 53-60.

[11]WANG W P, BAI X M, ZHAO W, et al. Hybrid power system model and method for fault diagnosis[C].IEEE/PES Transmission and Distribution Conference& Exhibition：Asia and Pacific,Dalian,China,2005.