变电站接地网的信息融合故障诊断

李小方，彭敏放，罗翊君，易志鹏，李凌剑

（1.湖南大学电气与信息工程学院，长沙410082；2．国家电网湖南电力公司培训中心电力营销培训分部，长沙410082）

变电站接地网的信息融合故障诊断

李小方1，彭敏放1，罗翊君2，易志鹏2，李凌剑2

（1.湖南大学电气与信息工程学院，长沙410082；2．国家电网湖南电力公司培训中心电力营销培训分部，长沙410082）

基于人工神经网络、小波变换及信息融合技术提出一种接地网断裂故障诊断方法。该方法通过在直流激励源下，采用人工神经网络的方法对地网的断裂进行诊断；在高频激励源下，建立接地网的高频模型，利用小波分析对地网的断裂进行诊断。但是考虑到上述两种故障诊断方法有其不确定性，为了提高变电站接地网导体故障诊断的可靠性，将上述两种故障诊断的结果作为证据来源利用证据理论实现多种故障诊断方法的融合。最后给出了一个接地网故障诊断的实例，其仿真计算和诊断结果表明，与单一诊断方法相比，故障诊断的可靠性得到了明显提高。

接地网；故障诊断；信息融合；证据理论；神经网络；小波分析

电力系统的接地网是维护电力系统安全可靠运行、保障运行人员和电气设备安全的重要设施，但是由于接地网的腐蚀、断裂等故障，引起或者扩大事故，带来巨大的经济损失。为了考虑接地体周围的土壤放电和同时兼顾接地导体之间的相互耦合作用，真实地反映接地网的实际运行环境，建立了考虑导体电感和电容的接地网高频模型。对接地网进行故障诊断常用的方法有电网络理论法[1-2]和电磁感应原理法[1，3]。目前这些故障诊断方法的准确性都受到各种不确定因素的影响，例如采用神经网络法时，由于接地引下线数目的限制，测试的数据不足导致其准确度受到影响；采用小波分析方法时，由于地网周围的信号干扰和可测及点的数目的限制，导致其准确度受到影响。这些不确定因素使诊断结果模糊起来，可能出现各种诊断方法的诊断结果不一致，甚至相互矛盾的诊断。为了提高接地网故障诊断的准确性，将多种故障诊断方法结合起来进行综合诊断[4-5]。在直流激励作用下采用神经网络法对接地网进行故障诊断，在高频激励作用下采用小波分析法对地网进行故障诊断。将上述两种方法的诊断结果作为证据理论的证据来源。

本文将神经网络法、小波分析法、信息融合、证据融合等有机结合起来，在已有的理论基础之上，提出了基于信息融合的接地网故障诊断方法。

1 接地网的高频激励模型

为了更好地反映接地网的实际情况，考虑高频交流激励情况同时考虑导体的电感以及导体之间和土壤的电容效应，建立了高频激励作用下的接地网模型。其中任意一个接地分支导体的电气参数有电阻R、电感L对地电导G和对地电容C，可用单位长度上的电阻R0、电导G0、电感L0和电容C0来表示[6]，它们分别可表示为

式中：l为接地体的长度；h为接地体埋深；r为接地体等效半径；εr为土壤相对介电常数；ε0为真空相对介质；ρ为土壤电阻率；μ0为土壤的磁系数，单位均为国际标准单位。

将每一个接地分支导体用形等值电路来等效，其等效电路如图1所示，在ATP-EMTP软件中用π等值电路元件来等效代替每一个接地分支导体的单元结构。

本文建立的高频模型的适用频率范围为10 kHz～100 kHz。当激励源的频率越大，感抗分量更为明显。

图1 π形等值电路Fig.1π-style equivalent circuit

2 两种接地网故障诊断方法的原理

常见的接地网故障诊断方法有电网络法、电磁感应法，上述诊断方法均是在接地网电阻模型上提出来的。为了更好地反映接地网的实际运行工作环境，本文建立了高频激励作用下的接地网模型。在高频激励下，会出现和低频时不一样的响应。此时接地网的电感效应会更好地反映出来，能更好地反映接地网的实际情况，接地网的故障诊断提供了更丰富的特征信息。在高频激励下的接地网模型下，利用小波分析法对接地网进行故障诊断。接地网故障诊断的示意如图2所示[1-2，7]。

图2 接地网故障诊断示意Fig.2Scheme of grounding grid on fault diagnosis

2.1 人工神经网络法的原理

电力系统接地网故障诊断是保障系统安全运行的重要设施。人工神经网络法主要是将人工智能技术运用到接地网故障诊断。其基本的原理是通过比较接地网可及测试点的电压测量值与其无故障时的电压计算值来判定接地网故障，再就是利用人工神经网络[8-9]实现智能故障定位。人工神经网络法诊断的思路：通过专家经验和大量实验，归结出具有典型特征的故障样本，组织构造相应的神经网络，采用样本集对网络进行训练，使得网络通过学习，把样本中的输入和目标向量之间的对应关系记忆在网络结构上，通过神经网络推理，可以对接地网故障进行诊断[1-3，7]。

2.2 小波分析法的原理

为了更好地反映接地网的实际运行环境，建立了接地网的高频激励模型。当接地网发生故障时，可及点的电压波形会与正常时的电压波形不一样。根据这点可以利用小波分析来对接地网进行故障诊断。小波分析法是将小波变换运用到接地网故障诊断，其基本原理与诊断过程是：往地下引线向接地网注入较大的高频电流源，在高频激励的作用下，接地网的导体的电感电容效应就会显现出来，当接地网发生故障时，电感、电容和电阻值会发生变化从而导致接地网的可及点的电压波形发生变化。利用小波包对采集到的节点电压波形信号进行分解，分别提取每个信号最后一层从低频到高频的信号特征，得到各个频段内的信号能量，接地网支路出现故障时会对各频带内的信号能量有较大的影响，可以选取能量突变的信号作为故障特征向量，根据能量信号变化对接地网的故障进行诊断[10]。

3 基于信息融合的地网故障诊断模型

为了更好地反映接地网的实际运行情况，为接地网的故障诊断提供更多的信息特征。故在接地网的接地引下线中加入高频激励电源，建立了接地网的高频模型。在高频激励下的接地网，利用小波分析法来对接地网故障进行诊断；当接地网加入直流激励源时，采用人工神经网络法对接地网故障进行诊断。但是每种诊断方法的原理不一样，反映故障的侧重点也不一样，各自有自身的优势和侧重点。从诊断学的角度来看，故障诊断是一个多源信息处理问题，由于故障的多样性和复杂性，故障征兆的不确定性等[11-12]。采用单一方面的信息来反映其状态是不完整的，只有从多方面关于同一对象的多维信息，并加以融合利用，才能对设备进行更可靠的诊断[13-14]。

本文提出了基于信息融合接地网故障诊断模型在对某一接地网进行故障诊断时，得出各自的特征数据，再根据信度函数的获取方法求出对应的信度分配，最后根据一定的准则确定故障的类型。其信息融合故障诊断模型如图3所示。

图3 接地网的信息融合故障诊断模型Fig．3Fault diagnosis model of grounding network via information fusion

当在接地网的引下线接入直流激励源时，将接地网看成纯电阻模型。将可及节点的电压值作为故障特征矢量，作为BP网络的输入量，对接地网的支路故障做出初步判断。当在接地网的引下线接入高频激励时，建立接地网的高频模型，将可及节点的电压波形作为故障特征信号，利用小波分析对电压波形进行分析，根据分析结果对接地网的支路故障做一个初步诊断。通过一级诊断对接地网的支路故障作出了两个初步诊断结论，将初步诊断结论带入决策层进行融合，进行第2次诊断。其中决策层与二级诊断主要是依靠证据理论的证据组合来实现。

4 DS证据理论

4.1 证据理论的数学描述

定义1设U为X的所有可能取值的一个论域集合，且所有在U内的元素间是互不相容的，则称U为X的识别框架。

定义2设U为一识别框，U的幂集2U上的一个映m射：2U→[0，1]在满足条件

定义3若A⊂U且m（A）＞0，则称A为焦点元素。所有焦元的集合称为核。

定义4设U为一个识别框架，m：2U→[0，1]是U上的可信度分配，定义函数为

定义5给定识别框U，称1-Be（lA）为A的似然函数，记为p（lA），其中Be（lA）表示对A的怀疑程度，即Be（lA）表示确定不是A的程度。

则称[Bel（A），pl（A）]为A的信任区间，信任区间刻画了对A的信任程度的上下界限。

4.2 D-S证据理论组合规则

设F1和F2是两种诊断方法，设Bel1和Bel2是同一识别框架U上的两个信任函数，m1、m2分别是其对应的基本概率赋值[3，10]，焦元分别用A1，A2，…，AK和B1，B2，…，BK，又设

则有

式中：若Ki≠1，则m确定一个基本的概率赋值；若Ki=1，则m1、m2矛盾，不能对基本概率赋值进行组合。式（11）、（12）为证据组合规则的计算表达式。图4为D-S信息融合故障诊断的示意。

图4 D-S信息融合故障诊断Fig.4D-S informations fusion diagnosis

5 仿真计算

以图5所示的接地网为例，其中长为84 m，宽为52 m，接地体的材料为扁平钢，等值半径r=3 mm，土壤电阻率ρ=300 Ω·m，土壤相对介电常数ε=6，并利用ATP-EMTP软件来搭建此接地网的模型。接地网采用不等间距方式布置。

图5 接地网的平面结构图Fig.5Planar structure of grounding grid

5.1 人工神经网络法

利用人工神经网络法对接地网进行接地网故障诊断时，将接地网看成纯电阻模型。施加的激励源是直流激励源。通过改变地网各段导体的电阻值来模拟接地网的故障，接地网的故障情况有轻度腐蚀、中度腐蚀、重度腐蚀和断裂，在此只考虑地网的断裂情况。利用ATP-EMTP软件搭建的地网模型如图6所示。在节点17施加10 A的直流激励源，取节点3、8、14、23、35、47、58、69、77、80、90为可及节点，并假定{y3、y6、y7、y17、y19、y26、y34、y36}为故障支路集元件。以26支路故障为例，利用人工神经网络来进行智能故障定位。对接地网26支路进行故障识别的流程：故障特征电压提取、运用BP神经网络实现接地网断裂故障识别。当某支路发生故障时用1表示，正常用时用0表示。BP网络对图6所示的接地网故障诊断结果如表1所示。

图6 接地网仿真模型（直流激励源）Fig.6Model of simulated ground network（with DC source）

表1BP神经网络对接地网支路26故障诊断结果Tab.1BP neural network’s fault diagnosis results of grounding grid branch 26

从表1输出值的第1列的输出结果可以看出，接地网支路26发生了故障，人工神经网络能对接地网故障进行有效的识别。但是由于接地网的可及节点数目有限，提取接地网故障特征量有限，这样会使人工神经网络的训练样本量有限，表1输出值的第2行的输出结果可以看出对接地网进行故障诊断时，诊断结果会出现不确定性。

5.2 小波分析法

为了更好地反映接地网真实的运行环境、丰富了接地网的故障诊断信息，建立了高频激励下的接地网模型，如图7所示。在接地网的引下线接入高频激励，会使地网的导体产生电容和电感效应。当地网导体支路发生故障时，会使地网支路的电阻、电容、电感参数发生变化导致使可及节点的电压波形发生变化。本文在搭建接地网的高频模型时，采用的频率为60 kHz。

图7 接地网仿真模型（高频激励源）Fig.7Model of simulated ground network（with high frequency source）

现在假设地网的26支路发生断裂，可以测得支路正常和故障时的可及节点的电压波形分别如图8和图9所示。

图8 正常Fig.8Normal condition

图9 故障Fig.9Fault

5.3 基于信息融合的接地网故障诊断

现在按照图4所示的接地网信息融合的故障诊断模型，对接地网的故障诊断将人工神经网络、小波分析结果的初步判断，进行证据组合，并得到最终诊断结论。分别用F1、F2表示地网的两种状态：故障、正常，构成故障诊断识别框架U，用F表示框架U的不确定性。人工神经网络的判断结果用基本概率赋值函数m1表示，可及节点电压波形的小波分析结果用函数m2表示。

以图6所示的地网的26支路的故障诊断为例。地网26支路的BP网络输出结果为[0.971 0 0.247 1 0.000 9]，初步诊断结果为地网26支路故障。增加可及节点的电压波形的小波分析结果，进行决策层融合诊断。对BP网络的输出进行归一化，结果为[0.692 8 0.306 5 0.000 7]得到地网26支路故障F1和地网26支路正常F2的基本概率赋值如表2所示。

表2 基本概率赋值Tab.2Basic probability assignment

现在根据证据理论对m1和m2进行证据组合，如表3所示，根据式（11）、（12）计算组合时的不一致因子K1=（0.245 2+0.069 3）=0.314 5，组合后形成新的证据用表3表示，根据表2和式（12），可获得新证据m12对地网的26支路的F1和F2的基本概率赋值如表3所示。

表3m1和m2进行证据组合Tab.3Combinations of evidence with m1and m2

根据证据理论计算得出对人工神经网络法和小波分析法的诊断结果进行组合后得到的置信度分别为

通过证据组合，融合得到的结果可以看出地网26支路的故障诊断结果的置信度得到了极大的提高（由0.692 8提高到0.910 3），地网26支路故障的不确定性为0.000 1。使对地网26支路的诊断结论（故障）更加确定。由此可见，引入基于信息融合的地网故障模型后，故障诊断的可靠性得到了明显提高。

6 结论

（1）本文建立了接地网的高频模型，能更好地反映地网的实际运行环境。

（2）本文在直流激励下采用人工神经网络法对地网进行故障诊断，在高频激励下用小波分析对地网进行故障诊断。一方面可以采用多种诊断手段对地网进行故障诊断，一方面可以有效地排除伪故障。

（3）本文将人工神经网络法、小波分析法、信息融合、证据理论等有机地结合起来，并能有效地运用到接地网的故障诊断。故障诊断的可靠性得到了明显提高。

[1]张晓玲，黄青阳（Zhang Xiaoling，Huang Qingyang）.电力系统接地网故障诊断（Fault diagnosis of grounding grid of electric power plants and substations）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2002，14（1）：48-51.

[2]刘健，王树奇，李志忠，等（Liu Jian，Wang Shuqi，Li Zhizhong，et al）.基于网络拓扑分层约简的接地网腐蚀故障诊断（Grounding grids corrosion diagnosis based on hierarchical simplification of network topology）[J].中国电机工程学报（Proceedings of the CSEE），2008，28（16）：122-128.

[3]陈立，彭敏放，苗文华（Chen Li，Peng Minfang，Miao Wenhua）.信息融合在接地网断点诊断中的应用（Application of Information Fusion to Fault Diagnosis of the Breaking Points in Grounding Grids）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2010，22（5）：25-30.

[4]He Hao，Peng Minfang，Yi Zhipeng，et al.Grounding grid transient simulation and its application based on ATPEMTP[C]//Third International Conference on Digital Manufacturing and Automation，GuiLin，China，2012：454-457.

[5]Yang JianBo，Singh Madan G.Evidential reasoning approach for multiple-attribute decision making with uncertainty[J].IEEE Trans on Systems，Man and Cybernetics，1994，24（1）：1-18.

[6]项玲，胡敏强，郑建勇（Xiang Ling，Hu Minqiang，Zheng Jianyong）.运用EMTP预测变电所接地网雷电暂态效应（EMTP in lightning transient simulation of substations grounding grid）[J].高电压技术（High Voltage Engineering），2005，31（6）：69-72.

[7]朱大奇，于盛林（Zhu Daqi，Yu Shenglin）.基于D-S证据理论的数据融合算法及其在电路故障诊断中的应用（Data fusion algorithm based on D-S evidential theory and its application for circuit fault diagnosis）[J].电子学报（Acta Electronica Sinica），2002，30（2）：221-223.

[8]Yi Zhipeng，Peng Minfang，He Hao.Fault locating of grounding grids based on ant colony optimizing Elman neural network[C]//Third International Conference on Digital Manufacturing and Automation，GuiLin，China，2012：406-409.

[9]刘洋，崔翔，赵志斌，等（Liu Yang，Cui Xiang，Zhao Zhibin，et al）.基于电磁感应原理的变电站接地网腐蚀诊断方法（Method of corrosion diagnosis of substations’grounding grids based on electromagnetic induction theory）[J].中国电机工程学报（Proceedings of the CSEE），2009，29（4）：97-103.

[10]Carpenter G A，Martens S，Ogas O J.Self-organizing information fusion and hierarchical knowledge discovery：a new framework using ARTMAP neural networks[J].Neural Networks，2005，18（3）：287-295.

[11]Yang Jian-Bo，Singh Madan G.Evidential reasoning approach for multiple-attribute decision making with uncertainty[J].IEEE Trans on Systems，Man and Cybernetics，1994，24（1）：1-18.

[12]Zheng Rong，He Jinliang，Hu Jun，et al.The theory and implementation of corrosion diagnosis for grounding system[C]//IEEE Industry Applications Conference，Pittsburgh，USA，2002：1120-1126.

[13]Zhang Yinan，Sun Qingwei，Quan He，et al.Uncertain informationfusionwithrobustadaptive neural networks-fuzzy reasoning[J].Journal of Systems Engineering and Electronics，2006，17（3）：495-501.

[14]Liu Congli，Peng Minfang.A new approach for monitoring grounding grid of electrical power system[C]//8th International Conference on Electronic Measurement and Instruments，Xi'an，China，2007：419-422.

气设备状态监测与故障诊断、工程电磁场数值计算与仿真、

配电网故障诊断等。Email：pengminfang@hun.edu.cn

罗翊君（1990—），男，硕士研究生，研究方向为电气设备在

线监测与故障诊断。Email：279310673@qq.com

Fault Diagnosis of Substation Grounding Grid Based on Information Fusion

LI Xiaofang1，PENG Minfang1，LUO Yijun2，YI Zhipeng2，LI Lingjian2
（1.College of Electrical and Information Engineering，Hunan University，Changsha 410082，China；2.Hunan Power Grid National Grid Training Center，Changsha 410082，China）

Based on artificial neural network，wavelet transform and information fusion technology，a fault diagnosis method of ground fracture is proposed.By this method，with the excitation source of DC，the method of artificial neural network is utilized to diagnosis the fault of grounding grid；with the excitation source of high frequency，a high frequency model of grounding gird is constructed and the method of wavelet analysis is used to diagnosis the fault of grounding grid.But considering the uncertainty of the above method grids of fault diagnosis in order to improve the reliability of the fault diagnosis of the grounding of substation，and the results of the two kinds of fault diagnosis as a source of evidence，the evidence theory is used to realize the fusion of multiple faults diagnosis methods.Finally，an instance of grounding grid fault diagnosis is illustrated，simulation calculation and diagnosis results indicate that compared with the single diagnosis method，it can improve the reliability of fault diagnosis obviously.

grounding grid；fault diagnosis；information fusion；evidence theory；neural network；wavelet analysis

TM862

A

1003-8930（2015）12-0036-06

10.3969/j.issn.1003-8930.2015.12.07

李小方（1990—）,男，硕士研究生，研究方向为电气设备在

线监测与故障诊断。Email：lixiaofangm@gmail.com

彭敏放(1964—)，女，博士，教授，博士生导师，研究方向为电

2013-12-24；

2014-08-14

国家自然科学基金资助项目（61173108，61272147，60973032）；湖南省自然科学基金重点资助项目（10JJ2045）