基于PCA和TS在线辨识模型的GIS故障诊断方法∗

基于PCA和TS在线辨识模型的GIS故障诊断方法∗

薛峰1谢建容1万四维1魏东亮1李双宏2

（1.广东电网有限责任公司东莞供电局东莞523106）（2.上海交通大学自动化系上海200240）

论文针对GIS开关系统的特点，利用PCA技术结合在线辨识TS模型，建立起一种新型的故障诊断方法，再利用TS模型计算的模糊权值根据D-S特征判据来判断分析GIS系统发生故障。PCA降维技术将多传感器采集的故障特征信息进行降维，反映故障的特征信息。再利用TS在线辨识模型实时的修正故障模糊规则库，并利用模糊规则库计算出本状态下的故障特征权值。利用统计的观点，统计出系统的故障特征和正常工作的特征，再利用D-S判据的方法判断出95%置信度的故障发生情况。论文所述的方法可以有效地对多故障信息进行融合，在决策层对故障信息进行融合得到有效的故障诊断结果。

GIS开关系统；PCA；TS模型；故障诊断

Class NumberTP393

1 引言

气体绝缘金属封闭开关设备（Gas Insulated Switchgear，GIS）作为高压配电装置的一种形式，将变电站中除变压器以外的所有一次设备，经优化设计有机地组合成一个整体，并封闭于金属壳内，充SF6气体作为灭弧和绝缘介质，构成一个封闭组合电器，最高配电电压可达1100kV。由于GIS设备的全封闭设计，操作人员无法直接观察到设备的状态，仅依据辅助接点的返回信号和操作人员的现场确认来判断设备是否分合到位。开关刀闸操作后，由于种种原因，可能出现监控后台及现场显示分合成功，但实际触头分合不到位的情况，从而引起电网安全事件，造成相当大的经济损失和严重的社会影响。传统的GIS故障诊断方法，仅针对单个传感器的信息，无法对整个GIS状态进行有效的评估［1～15］。

本文利用PCA方法对故障的状态信息进行降维处理，利用更加精简的信息对GIS系统进行评估，再利用改进TS在线辨识模型对实时状态信息进行融合，建立了多传感器信息的模糊分析与决策模型，解决了GIS多传感器信息的故障诊断判断的问题。

2 PCA降维技术

图1所示为PCA主元分析技术的示意图。主要采用的是PCA主元分析方法，将GIS工作状态X进行降维处理，具体算法为

1）数据标准化处理

多信息采集模块采集到本周期的GIS系统工作状态：

将m个周期的状态写成状态矩阵形式：

将Xm进行归一化处理得到：

图1 PCA主元分析技术的示意图

2）奇异值分解

协方差矩阵进行奇异值分解：

3）取主元元素

取Λ的前k个主元作为分析元素。并取对应的前k个U矩阵的向量：

4）得到X的降维形式

其中T=XP。

3 TS在线辨识模型

基本的TS模糊模型的模糊规则，将输入量进行模糊化处理主要机理分为三个部分：

第i条TS模糊规则对系统输出的贡献分量yi(k+1)可以用“If…Then”语句表示如下：

Then yi(k+1)=+x1+…+xn;i=1,2…c其中，c为模糊规则数目，n为TS模糊模型的输入变量数目，x1(k),x2(k),…,xn(k)为第k时刻及以前的输入输出数据的回归变量，x(k)=[x1(k),x2(k),…,xn(k)]为模糊模型的输入向量，,Ai2,…,为代表各模糊子空间的具有线性隶属度函数的模糊集，可以用来进行第i条规则的模糊推理，,,…,为第i条模糊规则的后件参数。

由于GIS系统的状态是实时变化，需要对实时状态进行不断的辨识判断，所以，基本的TS模型不能满足要求，需要进行TS在线辨识模型的建立。

定义βi为模糊规则i的适应度，那么模型在第(k+1)时刻的输出y(k+1)可以通过下面的公式计算：

其中r=c(n+1)，可以得到：

根据上述的模糊规则建立GIS故障特征模糊规则库，需要通过系统辨识的方法根据实验数据辨识出模糊规则的两个参数Θ和Φ，具体的流程如下：

1）故障特征统计

根据大量GIS开关实验，统计出在降维数据状态X情况下发生故障的概率y，以及在下一次操作会发生故障的概率yf。没有实验获得的概率，通过多维差值得到。

2）在线辨识型TS模型

（1）聚类中心向量V(1)=[v1(1),v2(1),…,vc(1)]的初始值可以用一部分实验数据的离线辨识采用C聚类算法获得，然后进行更新。获得用下面的方程计算输入x(k)与每一个第(k-1)时刻的聚类中心向量的距离：

（2）评价输入x(k)对每一个聚类中心vi(k-1)的隶属度：

（3）基于第(k-1)时刻x(k)的隶属度和模糊规则学习率，利用如下公式修正聚类中心向量V(k-1)：

vi(k)=vi(k-1)+λu′i(k)2[x(k)-vi(k-1)]

（4）根据新获得的聚类中心向量V(k)更新输入x(k)与中心点的距离与隶属度：

（5）计算当输入为x(k)时，第i条规则对系统输出的适应度：

然后可以求得向量：

（6）根据公式y(k+1)=Φ(k)TΘ(k)，已知y(k+1)和Φ(k)，利用最小二乘法得到：

通过上述步骤，就通过系统辨识的方法得到了模糊规则的两个参数Θ和Φ，就建立起了y模糊规格库。利用同样的方法，也可以建立起yf的模糊规则库。

4 基于PCA和TS在线辨识模型的故障诊断方法

4.1故障特征的降维

利用PCA技术，对不同来源的传感器测量的数据进行降维，得到降维后的数据反应了GIS系统的特征信息，防止维数多了之后后续的模糊特征库的存储数量太大。得到的降维后的数据，输入到TS在线辨识模型中。

4.2模糊特征融合

采用第3节所述的TS在线辨识模型的方法，如图2图3根据每个时刻的状态向量，首先对聚类中心及隶属度进行修正，然后利用模糊规则库计算本次各个故障的权值，在计算得到本次故障得到的故障权值。在线辨识过程，采用数据向量X与统计对应的故障概率进行辨识计算，辨识结束后，则只进行X输入计算Y的形式，不再进行辨识。

图2 PCA和TS模型的故障诊断方法

图3 模糊故障特征融合

4.3基于D-S机制的故障判断

根据D-S证据理论的思想，利用上节计算的故障权值的统计量，分布在0～1的区间内，如图4。

图4 D-S证据理论判据

BEL（A）为置信度函数，如果故障的权值y达到统计的发生故障的上限值Au，则根据统计

其中，A为事件确信95%以上统计概率发生故障Au为确信95%以上统计概率发生故障的故障权值，ymax为故障权值能够计算的最大值。

定义PL（A）函数为BEL（A）的似真度函数

本函数为统计不能满足95%以上概率发生故障的故障权值，超过本区间的故障权值判断为拒绝区间，也就是判断没有发生故障。当置信度函数在BEL与PL之间的时候，则无法根据本信息判断出GIS是否发生故障，此时，就需要根据下述的方法进行判断：

首先，采集优先级比较高的几种故障类型，定义为F，根据F的故障发生概率F的数值之间的关系，构建起新的故障权值；

如果F的故障权值大于发生故障的概率，则直接判断整个系统发生故障；

如果F没有超过发生故障的概率，则判断整个系统没有发生故障。此时，对F分析可以直接分析整个系统的故障情况。

5 故障诊断方法在GIS的应用

GIS故障主要是由于GIS为封闭的系统无法直接观测系统的工作状态，所以采用多种传感器的测量方式，将信号采集到计算机中，再利用上述的故障诊断的方法来对故障进行特征提取、故障融合及故障判断。由于漏气和功率损耗的异常可以直接判断出GIS系统发生故障，所以，信息融合的TS模型阶段只采用工作状态进行建模与分析［16～19］。

图5GIS故障诊断流程

图5 为GIS故障诊断流程，故障诊断的结构可以通过多重传感器采集GIS的当前状态，然后利用信号处理将不同传感器的电压信号调整为统一的范围，再进行故障特征的提取。通过信息融合模块进行主元分析，得到精简后的状态信息，建立起TS故障模糊模型，利用故障模糊规则库计算出每一次状态对应的故障权值，在进行故障的判断。其中，漏气异常和日常功率损耗异常情况的优先级最高，可以直接根据这两种情况判断出GIS当前处于故障状态，起到日常故障预测的作用。

基于GIS开关设备的分合闸试验数据的分析，建立典型故障数据库，构建故障诊断信息融合模型及异常数据树模式。试验测试的主要工作包括试验平台的搭建、典型故障构建和数据获取及分析。如图6（a）110 kV GIS系统为上海交通大学智能电网研究中心实验设备，基于霍尔电流传感和数字存储式示波器可构建完整的GIS开关设备分合闸试验平台。项目通过构建典型机械和电气故障，记录对应场景下分合闸电流波形，为故障诊断和GIS开关设备开合状态判断提供数据基础。图6（a）为GIS开关系统，图6（b）为构建的GIS故障诊断专家系统。通过多传感器技术测量GIS系统的实时状态，并结合智能专家系统进行故障诊断实验。

图6 实验平台实物

首先采集大量的GIS状态数据，并对不同的故障数据进行标签，输入到TS模糊模型中进行系统辨识，主要包括故障类型为：操动机械故障，其他机械故障，主电路电气故障，控制回路电气故障，日常二次回路功率异常故障，SF6漏气故障。其中，日常二次回路功率异常和SF6漏气故障起到故障预测的作用，可以直接判断出下一个时刻GIS系统出现故障。

多源信息采集模块，信息融合模块，故障检测模块。利用多源信息采集模块结合多种传感器技术采集GIS工作的状态信息，信号调理电路将传感器输出信号调节到板卡能够识别的范围，再通过信号采集板卡输入到电脑中的信息融合模块中；多源状态信息在信息融合模块中构成故障特征向量，利用信息融合技术进行降维处理；利用降维后的信息建立起基于TS模糊模型的故障决策机，来判断当前的GIS开关系统是否正常工作，并利用本状态的信息对故障进行预报。

再利用GIS模拟平台设定出GIS不同的故障，输入到GIS故障诊断专家系统中进行故障的识别，得到仿真的故障特征如图7所示。

根据图7为采集的故障状态的信号特征示例，利用所有的传感器采集的信号进行调理，就可以得到传感器的状态向量，再把每个采样周期的信号写成行向量的形式，就得到了可以进行PCA降维处理的矩阵。

GIS系统故障诊断的实际操作流程如下：

1）采集各类型的传感器采集的当前信息，包括：操动机械故障，其他机械故障，主电路电气故障，控制回路电气故障等8维的向量构成原始故障向量空间：

x(k)=[x1(k),x2(k),…,x8(k)]

然后，采用PCA降维技术，将8维的空间向量进行降维得到主元分析矩阵，选取4个最大的主元得到：

图7 不同的故障特征采样信号

2）再根据TS模型的特征，选取不同的模糊特征数和学习因子初始化模型参数。模型参数包括聚类中心数量4(c＞1)，模糊规则学习率0.5(0＜λ＜1)，模糊因子2(m＞1)。数据采样个数与误差的关系如表1所示：

特别的，聚类中心向量：

初始值可以用实验数据的离线辨识获得，也可以直接给定V(1)=0。然而，在仿真测试过程中，这两种方法使得模型具有相似的性能，因此V(1)=0可以作为首选初始值。采集1000组实际生产的数据进行规则辨识，计算的聚类中心和后件参数分别为

表1 采样个数与误差关系

3）根据上述的方法计算得到故障阈值为：78.2%，34.2%。根据D-S判据，如果计算的BAL小于34.2%，则位于支持区间，说明本状态下发生故障的概率为95%；计算的BAL大于78.2%则位于拒绝区间，说明本次发生发生故障的概率非常低，本次为正常的工作状态。如果位于两者之间，则无法根据本方法判断出GIS系统是否发生故障，则需要根据GIS的气体漏气的情况和日常功率异常的状态，在进行GIS故障的判断。如果，上述两种检测指标都没有发生异常，则说明本次为正常工作状态，反之，如果有一种发生异常，则判断本次发生故障。

6 结语

本文通过分析GIS故障的特征，设计了一套基于信息融合的GIS系统故障诊断方法。分析了信息融合技术在GIS开关系统故障诊断过程的可行性，采用PCA主元分析技术对故障信息进行降维，得到反映故障本质的故障特征信息，再利用TS在线辨识模型对故障信息进行实时建模与故障权值的计算。统计故障信息的权值与正常信息的权值，利用D-S证据判据，对满足95%置信度的故障权值定义为故障，通过本方法可以很好的判断出GIS系统是否发生故障。

［1］Kam S，Nielsen S，Ledwich G.A systematic review of a sta⁃tistical vacuum circuit breaker model for condition moni⁃toring［J］.IEEE Transactions on Dielectrics and Electrical Insulation，2013，20（2）：620-627.

［2］Razi-Kazemi A A，Vakilian M，Niayesh K，et al.Cir⁃cuit-Breaker Automated Failure Tracking Based on Coil Current Signature［J］.IEEE Transactions on Power Deliv⁃ery，2014，29，1，283-290.

［3］Goto K，Sakakibara T，Kamata I，et al.On-line monitoring and diagnostics of gas circuit breakers［J］IEEE Transac⁃tions on Power Delivery，1989，4（1）：375-381.

［4］Ukil A，Zlatanski M，Hochlehnert M.Monitoring of HV Generator Circuit Breaker Contact Ablation Based on Acoustic Emission［J］.IEEE Transactions on Instrumenta⁃tion and Measurement，2013，62（10）：2683-2693.

［5］张天辰，胡岳，李清，等.基于虚拟仪器的GIS局部放电声电联合检测系统［J］.高压电器，2012，11：43-49.

ZHANG Tianchen，HU Yue，LI Qing，et al.Combined Ul⁃trasonic and Electrical Detection System for GIS Partial Discharge Based on Virtual Instrument［J］.Gaoyadianqi，2012，11：43-49.

［6］张永奎，赵智忠，冯旭，等.基于分合闸线圈电流信号的高压断路器机械故障诊断［J］.高压电器，2013，02：37-42.

ZHANG Yongkui，ZHAO Zhizhong，FENG Xu，et al.Me⁃chanical Fault Diagnosis of High Voltage Circuit Breakers Based on Opening/ClosingCoil Current Parameters［J］. Gaoyadianqi，2013，02：37-42.

［7］宋锦刚，许长青，朱统亮.基于波形辨识技术的SF_6断路器分/合闸线圈电流监测［J］.电力建设，2011，03：65-68.

SONG Jingang，XU Changqing，ZHU Tongliang.Coil Cur⁃rent Monitoring of SF6 Circuit Breakers based on Wave⁃form Identification［J］.Electric Power Construction，2011，03：65-68.

［8］陈建志.高压断路器在线监测技术的研究［J］.电测与仪表，2007，44（497）：27-30.

CHEN Jianzhi.The study of HVBC on-line monitoring technique［J］.Electrical Measurement&Instrumentation，2007，44（497）：27-30.

［9］刘君华，姚明，黄成军，等.采用声电联合法的GIS局部放电定位试验研究［J］.高电压技术，2009，10：2458-2463.

LIU Junhua，YAO Ming，HUANG Chengjun，et al.Experi⁃mental Research on Partial Discharge Localization in GIS Using Ultrasonic Associated with Electromagnetic Wave Method［J］.HighVoltageEngineering，2009，10：2458-2463.

［10］沈力，黄瑜珑，钱家骊.高压断路器机械状态监测的研究［J］.中国电机工程学报，1997，17（2）：113-117.

SHEN Li，HUANG Yulong，QIAN Jiali.Research on ma⁃chanical Condition Monitoring for HV Circuit Breakers［J］.Proceedings of the CSEE，1997，17（2）：113-117.

Intelligent Fault Diagnosis Expert System of GIS Based on Information Fusion

XUE Feng1XIE Jianrong1WAN Siwei1WEI Dongliang1LI Shuanghong2
（1.Dongguan Power Supply Bureau，Guangdong Power Grid Corporation Limited，Dongguan523106）（2.Department of Automation，Shanghai Jiaotong University，Shanghai200240）

In this paper，by analysing the characteristics of GIS switch system，the fault diagnosis method is design by using PCA technology and the online identification TS fuzzy model.First，the characteristics of the GIS switch system is studied.The soft measurement system collects information by using Principal Component Analysis technology to get the fault characteristic informa⁃tion.Using the fault information collected by PCA fault，the information database based on TS fuzzy model is established which could judge the fault of the GIS according to the acquisition of current information.The D-S criteria is introduced to judge the fault.This article provides a method for GIS switch system fault detection for information fusion，and the experimental results show that this method is effective.

GIS switch system，PCA，TS model，fault diagnosis

TP393

10.3969/j.issn.1672-9722.2017.05.046

2016年11月10日，

2016年12月29日

广东电网有限责任公司项目（编号：GDKJ00000033）资助。

薛峰，男，硕士，高级工程师，研究方向：高压电器技术。