基于停电区域和灰色理论的电力系统故障诊断新方法

唐建平，黄大荣，赵 玲

(重庆交通大学信息科学与工程学院，重庆 400074)

电力系统故障诊断是利用电力系统数据采集装置采集到的保护和断路器信息对故障元件和误动作的保护和断路器进行识别，其中关键问题是故障元件识别［1］.目前已经提出了多种故障诊断方法，包括结合专家系统［2］、人工神经网络［3］、优化技术［4］、Petri网络［5］、贝叶斯网络［6］等的电力系统故障诊断方法.这些方法都各有其优势和特点，例如基于优化技术的方法在诊断模型理论上是严密的，而且能够给出全局最优或者局部最优的多个可能的诊断结果［7］.然而对于保护信息不完整或者保护和断路器存在误动、拒动情况下，以上方法的效果都不太理想，存在局限性.灰色系统理论是研究如何利用系统的已知信息确定系统的未知信息，即系统的白化问题，这与故障诊断的目标相吻合，而灰色系统理论是研究信息不完备不确定系统的一种有效方法［8－9］，且灰色关联分析不会出现与定性分析不一致的反常现象.基于此，本文提出了基于停电区域和灰色理论的电力系统故障诊断方法.

1 灰色关联度分析

设 X0={X0(k)|k=1，2，…，n}为标准模式向量，Xi={Xi(k)|k=1，2，…，n}为待检模式向量，Xi(k)与X0(k)的关联系数为:

其中称为ρ分辨系数，一般取0.5，m=minimink|△|，M=maximaxk|△|和分别称为两级最小差及两级最大差.定义灰色关联度［10］为:

可以看出，关联度是把各个点的关联系数集中为一个平均值，即把分散的数据集中处理，灰色关联分析基本思想是根据曲线几何形状的相似度来判断其联系是否紧密，曲线越接近，相应序列之间的关联度就越大.

2 停电区域的快速识别

电力系统的元件发生故障后，相关的保护和断路器会动作，将故障元件与电源隔断，切除故障，形成停电区域，故障元件就在停电区域中，故障诊断就可以在停电区域中进行，减小了诊断难度并且提高了诊断速度.形成停电区域的原理，就是利用断路器的实时信息，采用实时结线分析方法来识别故障前后的系统拓扑结构，找到两个拓扑结构的不同处，即为停电区域［11］，具体步骤［12］如下:

1)对正常的电力系统进行结线分析，把对应于发电机或等效电源的元件标注为有源结点;

2)对故障后的系统重新进行结线分析，这时会产生几个子系统;

3)依次搜索每个子系统中的结点，判别每个结点下的元件是否有源，如果是，则该子系统为正常的，停止对它的搜索;否则，当一个子系统中所有元件查寻完毕后，还没有找到有源元件，可判断该子系统为故障区域.

3 故障元件识别模型的建立与分析

3.1 基于停电区域的数学建模

故障元件的识别就是找到最能解释警报信息的故障假说，可表示为下面目标函数的最大化问题:

式中:i:单故障总数目，等于元件数和线路数之和;n:向量元素数目，等于保护和断路器数量之和;u:分辨系数;F0(k):待检故障向量;Fi(k):单个元件故障向量或者单条线路故障向量，简称单故障向量;Ri:待检故障向量与单故障向量近似程度，即关联度.

3.2 故障向量构造及向量元素赋值规则

状态向量由保护和断路器信息联立构造，设有m个保护，n个断路器，则状态向量形式为(r1，r2，…，rm，c1，c2，…，cn)，对于待检故障向量元素，保护动作时取值1，否则取0;断路器跳开时取值1，否则取值0;对于单故障向量元素，保护动作时取值1，否则取0;断路器跳开时取值1，否则取值0;当同一元件或线路故障状态的两种模式中保护或者断路器信息有冲突时，即一个模式取值为1，另一个模式取值为0，取0.5作为该保护或者断路器的值.

3.3 故障元件识别规则

规则1 关联度最大的一定为故障元件或故障线路.

规则2 以关联度平均值为阈值，关联度大于关联度平均值的，认定为故障元件或故障线路.

4 基于灰色理论的电力系统故障诊断步骤

1)读入系统数据，包括电力系统的拓扑结构及保护动作和断路器跳闸的信息;

2)识别出停电区域，并在停电区域中，列举出保护动作和断路器跳闸原理;

3)根据保护动作和端路器跳闸原理，导出单故障状态时，保护和断路器状态信息;

4)导出各元件故障模式状态向量，并导入待检故障状态向量;

5)计算关联系数和关联度;

6)进行关联度分析，根据识别规则，诊断出故障元件.

详细的故障诊断流程图如图1所示.

5 算例分析

为了验证所提方法的正确性，以文献［13］中所列系统的故障情况进行算例分析.

假设发生报警信息为保护Am，L2Bm和L2Cm动作，断路器CB1，CB2，CB4和CB5断开，根据第4部分提出的第一步和第二步可以画出停电区域，如图2所示.

根据停电区域，列出保护动作和断路器跳闸原理，如表1所示.

表1 保护动作和断路器跳闸原理Tab，1 Work principle ofprotective relays and circuit breakers

图1 故障诊断流程图Fig.1 Flow chat of fault diagnosis

图2 停电区域Fig.2 Power failour zone

保护下标m、s和p分别表示主保护、第1后备保护和第2后备保护.

根据表1，推导出单故障时保护和断路器状态信息，如表2所示.

表2中，保护动作时取值1，否则取0;断路器跳开时取值1，否则取值0.

根据表2，联合保护和断路器信息，生成元件故障状态向量，如表3所示.

表2 保护和断路器状态信息Tab.2 State information of protective relays and circuit breakers

表3 元件故障状态向量Tab.3 Components fault state vectors

表 3 中，r1，r2，…，r14分别表示14 个保护器，c1，c2，c3，c4，c5分别表示5 个断路器.根据警报消息，可得到待检模式状态向量为(r1，r5，r6，c2，c4，c5)，由表3 中数据，计算关联系数，分辨系数取值 0.5 时，计算出关联度，得到:

排序可得:rA＞rL2＞rB＞rL1，根据判定规则1，元件A一定发生故障，计算关联度平均值r=0.7128，根据规则2，元件A、线路L2都发生故障，与定性分析结果相符.运用本文提出的方法对文献［13］中系统各种故障情况进行诊断的结果同其诊断结果一致，说明本方法是有效的.

6 结束语

电力系统发生故障后，在停电区域以外寻找故障元件既费时又毫无意义;灰色关联分析不要求数据具有典型分布，计算简便，且信息量越大结果越准确.为了实现故障元件的快速识别，基于停电区域，提出了利用灰色关联分析进行电力系统故障诊断的方法，利用保护和断路器信息生成各元件故障模式状态向量，与待检模式状态向量进行关联度计算分析，从而实现故障元件识别，算例结果表明，提出的方法是正确有效的.然而本方法在信息融合和规则制定上存在一定的主观性，还需要进一步完善，而且本方法只适用于故障出现之后.如何利用保护和短路器信息，利用灰色理论中的GM模型进行故障预测，为元件和线路检修提供决策依据，提高系统安全性，是笔者正在进行的研究工作.

［1］文福拴，韩祯祥，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，第一部分:模型与方法［J］.电力系统及其自动化学报，1998，10(3):1－7.

［2］Vazquez E M，Chacon O L M，Altuve H J F.An on－line Expert System for Fault Section Diagnosis in Power Systems［J］.IEEE Trans on Power Systems，1997，12(1):357－362.

［3］Cardoso G，Rolim J G，Zum H H.Application of Neural－network Modules to Electric Power System Fault Section Estimation［J］.IEEE Trans on Power Dilivery，2004，19(3):1034－1041.

［4］文福拴，韩祯祥.基于模拟进化理论的电力系统故障诊断［J］.电工技术学报，1994，9(2):57－63.

［5］林振智，文福拴，钟志勇，等.Petri网在电力系统中的应用［J］.电力系统及其自动化学报，2007，19(5):14－21.

［6］徐建政，李强，李建.应用贝叶斯网络模型的电力系统故障诊断［J］.电力系统及其自动化学报，2010，22(1):91－95.

［7］王家林，电力系统故障诊断研究现状与展望［J］.电力系统保护与控制，2010，38(18):210－216.

［8］黄大荣，黄丽芬.灰色系统理论在故障预测中的应用现状及其发展趋势［J］.火箭发射与控制学报，2009(3):88－92.

［9］王小帅，杨作宾 ，罗永丰，等.灰色关联分析在装备故障诊断中的应用［J］.四川兵工学报，2010，31(11):50－52.

［10］王会歌，何祖军.基于灰色关联分析的柴油机故障诊断研究［J］.船海工程，2010，39(4):101－103+107.

［11］文福拴，邱家驹，韩祯祥.只利用断路器信息诊断电力故障的高级遗传算法［J］.电工技术学报，1996，11(2):58－64.

［12］文福拴，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，1998，13(5):1－8.

［13］孟祥萍，耿卫星，刘春玲，等.基于停电区域电力系统故障诊断的矩阵算法［J］.长春工程学院报，2006，7(3):20－23.