一种基于电气量数据的输电线路故障诊断方法

朱添益，蒋铁铮，罗杰，宋军英，谢晓骞

(1．长沙理工大学电气与信息工程学院，长沙市410076;2． 湖南省电力公司调控中心 长沙市410007)

0 引 言

随着采集装置性能的提升，大量准实时的报警信息通过各变电所的远方终端装置传送到各级电网调度中心，利用采集信息对电力系统故障进行准实时的诊断成为可能。故障发生时，应对采集的报警信息尽可能快速而准确地诊断，并将诊断结果上传调度端，防止故障的延伸［1］。

以往的故障诊断大多基于数据采集与监控系统(supervisory control and data acquisition，SCADA)提供的开关量信息，有专家系统［2］、人工神经网络［3］、粗糙集理论［4］、贝叶斯网络［5］与Petri 网［6］等方法。然而，SCADA 信息是基于稳态和低密度的采集方式，因此故障诊断需要在完备的保护与开关信息数据的条件下才能进行事后机理或数据挖掘研究。广域测量系统(wide area measurement system，WAMS)能够提供ms 级别的电气量信息，采集信息准确且容错性强。采用电气量信息进行诊断不仅能够弥补电网保护和断路器存在误动与拒动信息的不足，而且能够提供故障诊断中故障相别等SCADA 无法给出的详细信息。文献［7］在取得故障动态数据时，快速计算故障特征值，然后与标准故障特征集进行匹配来诊断故障;文献［8］提出利用小波分析将三相电流进行故障度计算的方法，故障度最大值的点即为故障点;文献［9］采用支持向量机方法训练学习新事件，简化了事故推理过程。这些方法虽然准确却没有考虑到实际工作中数据错误、冗余问题，计算过程也相对复杂，增加了故障诊断工作的时间。

针对上述问题，本文提出一种基于WAMS 系统电气量数据的输电线路故障诊断方法。该方法通过创建本地数据库视图和触发器的增量抽取规则来远程调用WAMS 数据;完成对数据的故障诊断前预处理工作;利用电气量信息确定故障区域;比较故障区域中电气量信息变化率最大的点，用以确定故障。实验结果表明，本文方法能够在保证一定准确率的情况下较快速地进行故障诊断，在实际电网中具有一定的可行性。

1 电网快速故障诊断模型和算法

1.1 数据预处理

WAMS 故障数据传输与处理流程如图1 所示。

图1 WAMS 数据传输与处理流程图Fig.1 Data transmission and processing flow chart of WAMS

WAMS 是通过逐步布局电网关键测点的同步相量测量单元(phasor measurement unit，PMU)，实现对全网主要电气量信息的高速同步采集，频率一般为20 ～40 ms 1 帧。采集的数据通过电力调度数据网络实时传送到广域监测主站系统。电网小扰动和真实故障信息均存入主站数据库的事故扰动表中。主要信息为:时间、站点、元件、三相电压及电流的幅值、角度、频率值和其他小扰动报警。

正是由于数据的海量上传，必须在进行故障诊断之前，设立数据预处理模式，滤除非故障诊断相关的信息数据。这样能够减轻诊断模型运算单元，从而达到快速诊断的目的。

(1)本文建立本地数据库DB1 视图访问远程数据库DB2(WAMS 实时数据库)和DB3(WAMS 历史数据库)，并设置了基于触发器的增量抽取规则，统一访问接口。视图访问和触发器的设置减轻了DB1数据库的存储空间，也加快了DB1 访问DB2、DB3 的速度。

(2)根据经典的WAMS 故障判断启动［7］:

式中:i(n)为在n 时刻电流采样值;N 为每基频周期采点数;Iset为门槛值。当满足式(1)时，DB1 向DB2、DB3 发出抽取数据指令，获取当前事故扰动表信息。

(3)记录电流突变的全过程就能够准确且快速地判断故障，因此，本文在DB1 终端计算机上设置PL/SQL 数据库语言滤除事故扰动表中的电压、频率与越限信息等数据，减少故障判断需要使用的指标，且设置DB1 收录电流突变的时间为电流最大值前后200 ms。诊断前的数据形式即为:时间、站点、元件、三相电流幅值。

1.2 故障边界域

目前，停电区域识别一般依靠SCADA 网络拓扑结构自动跟踪［10-13］。这种方式依赖可靠性高的开关和断路器信息。

故障边界域是通过断路器切断故障区域而形成，其特点是故障切除后断路器一侧带电、一侧停电。若断路器和开关正常工作且SCADA 数据传输及时、准确，那么停电区域则为两跳闸断路器之间的区域。然而，在电网实际故障发生时，SCADA 信号可能出现错误、丢失或上传速度较慢的情况，通道断线、试验检修更是在一时间造成无数据的可能。因此，需要借助于相量测量单元采集的电气量信息。

如图2 所示，线路发生故障时，若没有及时获得准确的断路器信息，无法判断故障区域。然而，故障发生后，保护会促使断路器动作，切断故障线路。

图2 简单故障Fig.2 Simple fault

此时，母线B1 左侧有电流，右侧无电流;母线B2左侧无电流，右侧有电流，则表示线路2 是故障区域，母线B1 和母线B2 为故障边界域。

本文规定:

式中ISET表示事先定义的阀值，若在故障复杂，跳闸数较多的情况下，也可以根据此方法确定最小的故障边界域。

1.3 电流的变动率指标

变动率指标εROC在证券学中反映了股票的变化趋势。它将当天的股票收盘价格和N 天前的收盘价格进行对比，计算某一段时间内收盘价变动的比例和应用价格的移动来比较价位动量，达到事先探测股价买卖供需力量的大小，从而分析股价的趋势，预测其是否有转势的可能性。

变动率指标函数如下:

电网发生故障时，电流的瞬间变化相当大，会超出该线路的阀值而引起报警。一般情况下，保护会动作，若保护拒动，相应远保护线路的电流也将发生瞬间变化从而引起远保护动作，但电流变化幅度和变化率均小于故障线路。变动率指标应用于本文的故障诊断中，首先，WAMS 扫描各线路的电流幅值，在确定好故障区域以后，将区域内各线路电流幅值与该线路设置的最大电流阀值进行比较。

式中:IROC为电流的变动率指标值;I 表示当前测量的电流幅值，IMAX表示故障门槛值。

式(4)计算结果表示每段线路当前幅值超过故障门槛值的百分比。若故障边界域小，则只需比较故障域内每条线路的IROC的大小。实际故障存在多处连锁跳闸等复杂情况，故障诊断应该能在故障边界域大的情况下也能找到故障点，须做如下处理:

式中:xi为故障区域内第i个元件占据所有故障区域内元件变动率指标的百分比;IiROC为故障区域内第i个元件的电流变动率指标值。式(5)将各线路变动率取平均值，将变动率在平均值中所占比例最大的线路定义为故障线路。该定义能突出i元件在停电区域的所有元件中电流突变程度的强弱，程度越大说明故障的可能性越大。

2 诊断流程

快速诊断流程实现如图3 所示。

图3 快速诊断流程图Fig.3 Flow diagram of rapid diagnosis

依据图3 所示，当WAMS 远方测控单元监测有故障发生时，第一时间将报警信号传送至调度终端。首先，本文设置了触发器的增量抽取方式对事故扰动表中新增数据进行抽取［14-16］(事件触发DB1 调用DB2/DB3 数据)，并通过视图访问该新增数据。然后，进行数据的预处理以及对电流是否突变的判断工作，这一步滤除了本文不需要的诊断指标以及非输电线路的报警数据，仅保留时间、站点、元件以及相应电流幅值信息。下一步，结合当时的SCADA 开关量信息和本文提出故障边界域判断方法一起确定故障区域。最后，根据式(4)、(5)计算故障区域内的所有线路元件电流变动率，通过计算得出各元件的故障概率，将故障概率最大的信息保留即为本文故障诊断的结果。

3 算例分析

选取某电网某处的故障案例［8］，简化后进行本文方法的故障诊断，如图4 所示。

故障发生在L1 处，由于保护拒动、SCADA 通道断线，导致事故的扩散，一时间调度端没有可靠的开关量信息，事故过程如下:

(1)L1 处雷击导致单相接地短路，同时SCADA主通道、备用通道断线;

(2)L1 线路B1 侧零序I 段，高频距离保护动作，CB1 跳闸;

(3)L1 线路B4 侧保护未动作，CB2 未跳，造成L4 线路B5 侧零序IV 段保护动作，CB4 跳闸;

图4 局部继电保护系统图Fig.4 System diagram of local relay protection

(4)L5 线路保护未动作，造成L8 线路B7 侧保护动作，跳开CB10，L7 线路B7 侧保护动作，CB8、CB9 跳闸。

当故障诊断启动后，根据式(2)，找出故障边界域。本文故障区域内线路包含:L1、L4、L5、L6、L7、L8。根据式(4)、(5)算出故障区域内每条线路的电流变动率百分比，如表1 所示。

表1 算例中每条线路的变动率百分比结果Tab.1 Percentage results of change rate of every line in example

根据诊断结果，L1 为所有线路电流变动率最大点，故判断L1 出现故障，诊断结果准确。

本文所提诊断方法可以在没有开关保护的动作信息时为调度运行人员提供备用诊断条件，因此，具有很好的应用价值。由于WAMS 数据量大，实际验证工作中仅调取华中某省网500 kV 输电线路的DB3数据库中故障扰动表中信息。利用本文的诊断方法得出的结果与调度日志事故统计对比，结果如图5所示。

图5 跳闸次数统计对比图Fig.5 Statistical contrast of trip-out times

从图5 可以看出，该省网500 kV 线路实际跳闸次数与本文诊断结果算出的跳闸次数几乎重叠，正确率达到96.7%。通过调查，没有检测到的跳闸形式一般为二次设备异常或主备用通道全部断线而引起的跳闸，这说明，本文方法能够检测一般情况下的事故跳闸，具有一定的实用性。

4 结 论

电网发生故障时，必须进行精确又快速的故障诊断。由于开关断路器信息时常出现错误或缺失，使得故障诊断工作延迟，一时间导致调度员无计可施，从而扩大故障。本文利用WAMS 中的电气量信息，提出了一种简单又精确的诊断方法。

(1)设置了基于触发器增量抽取方式抽取事故扰动表中的新增数据，并试图访问新增数据进行数据的预处理工作，滤除无用数据，仅保留三相电流作为主要判断依据，减少了诊断过程中数据的使用，克服了大量调用数据带来的时间延迟。

(2)通过三相电流指标估计故障区域，消除了开关和保护动作信息错误或信号失传时无法确定故障区域的情况。

(3)利用本文提出的变动率指标函数对故障区域内各线路元件电流进行计算，不仅符合故障事实逻辑且能够快速得出诊断结果，简化了计算过程，并能够在线路发生连锁故障时，同样快速、准确地得出相应诊断结果供调度人员参考。

本文方法大大减少了诊断过程需要的数据，模型计算简便，经实际电网数据测试，能够胜任一般情况下实际电网的故障诊断工作，具有一定的研究意义。

致 谢

本文中实验方案的制定和实验数据的测量记录工作是在湖南省电力公司胡迪军、谢培元、陈俊杰等工作人员的大力支持下完成的，在此向他(她)们表示衷心的感谢。

［1］梅念，石东源，李银红，等．计及信息畸变影响的电网故障诊断分级优化方法［J］．电工技术学报，2009，24(9):178 －185．

［2］晁进，刘文颖．基于多智能体和专家系统的电网智能报警系统研究［J］．现代电力，2010，27(5):1 －5．

［3］毕天姝，倪以信，吴复立，等． 基于新型神经网络的电网故障诊断方法［J］．中国电机工程学报，2002，22(2):73-78．

［4］束洪春，孙向飞，司大军．基于粗糙集理论的配电网故障诊断研究［J］．中国电机工程学报，2001，21(1):73-78．

［5］Teive R C G，Coelho J，Camargo C B，et al． A Bayesian network approach to fault diagnosis and prognosis in power transmission system［C］//16th International Conference on Intelligent System Application to Power Systems，2011:1-6．

［6］孙静，秦世引，宋永华． 一种基于Petri 网和概率信息的电力系统故障诊断方法［J］．电力系统自动化，2003，27 (13):10-14．

［7］周子冠，白晓民，李文锋，等． 基于广域测量系统的电网故障在线智能化诊断与分析方法［J］． 中国电机工程学报，2009，29(13):1-7．

［8］郭创新，彭明伟，刘毅．多数据源信息融合的电网故障诊断新方法［J］．中国电机工程学报，2009，29(31):1-7．

［9］郭创新，马韬韬，朱少华，等． 一种快速电网智能报警方法［J］． 中国电机工程学报，2010，30(S1):6-11．

［10］董明，张勇，张岩，等．含电气量信息的电力系统故障诊断解析模型［J］．电力系统自动化，2013，37(6):55-61．

［11］梅念，石东源，杨雄平，等．基于开关变位信息的电网可疑故障元件集识别方法［J］．电网技术，2007，31(15):80-84．

［12］王磊，陈青，李天友，等．停电区域边界断路器信息缺失时的电网故障诊断［J］．中国电机工程学报，2013，33(22):127-134．

［13］孙伟，李林川，卢庆聪，等．基于停电区域的电力系统故障诊断的一种新模型［J］．电网技术，2004，28(5):30-34．

［14］戴浩，杨波．ETL 中的数据增量抽取机制研究［J］．计算机工程与设计，2009，30(23):5552-5555．

［15］王涛．基于数据仓库ETL 技术的数据提取与数据转换研究［D］．吉林:吉林大学，2011．

［16］张峰，张莉莉．触发器在数据处理过程中的应用研究［J］． 计算机工程与科学，2008，30(5):156-158．