多维度数据融合的输电线路故障智能诊断系统

申 元，林 卿，黄修乾，宋文波，王 科

（1.云南电网有限责任公司电力科学研究院，云南昆明650217；2.国网电力科学研究院武汉南瑞有限责任公司，湖北武汉430074；3.云南电网有限责任公司云南昆明650011；4.云南电网文山供电局云南文山663000）

多维度数据融合的输电线路故障智能诊断系统

申 元1，林 卿2，黄修乾3，宋文波4，王 科1

（1.云南电网有限责任公司电力科学研究院，云南昆明650217；2.国网电力科学研究院武汉南瑞有限责任公司，湖北武汉430074；3.云南电网有限责任公司云南昆明650011；4.云南电网文山供电局云南文山663000）

针对当前输电线路故障诊断的需求，结合智能电网运行中产生的大量结构多样、来源复杂的数据，将这些大数据归类于不同的维度，设计了基于多维度数据融合的输电线路故障智能诊断系统。对多维度的诊断结果融合架构、融合方法等进行了设计，并给出了故障智能诊断系统的主要功能模块和整体结构。最后，通过该系统的运行，表明了多维度数据融合的诊断结果具有较高的诊断速度和准确度，在电力行业故障诊断方面具有良好的应用前景。

多维度；故障诊断；特征降维；数据融合；架构设计

随着物联网和智能电网的快速发展，产生了大量结构多样、来源复杂的数据，传统的输电线路诊断方法大多为单一的诊断方式，准确性较差[1]。当前出现了对数据融合的一些研究：基于改进的粒子群算法提升D-S的证据理论融合性能[2]；利用神经网络进行新型融合提高数据融合的精度[3]；一种支持多用户决策的多源异构数据融合，考虑决策者偏好提高了多用户决策结果的可靠度；针对复杂环境下提出了基于VxWorks的多目标数据融合；针对传感器信号不确定会产生冲突证据的问题，提出了一种基于改进证据理论的多传感器信息融合故障诊断方法[4-9]。

面对现今智能电网的大数据，文中采用基于多维度数据融合[10]技术的故障诊断方法，将电网系统信息、环境数据、开关量数据、电气量等数据进行融合，充分利用多维度的诊断结果融合，使得诊断结果更加精确。有利于指导运行人员有针对性地开展输电线路技术改造，提高输电线路运行维护水平。

1 多维度的输电线路故障诊断结构与功能

通过对输电线路故障诊断过程的研究，不难发现，诸多因素影响最后的诊断结果，其中包含特征的选取、检测的误差和算法选择等等。如图1所示可以清晰地看到这些因素都与诊断结果存在较强的联系。

图1 电网故障诊断中各部分的因素影响

多维度故障诊断系统包括多维度数据管理、多维度诊断、多维度融合和多维度决策，多维度故障诊断结构设计如图2所示。

图2 多维度故障诊断结构设计图

在多维度故障诊断系统中，多维度数据管理主要是对故障进行分解，提取出特征值，然后进行故障诊断的维度分配；多维度诊断负责在各维度下匹配特征值；多维度融合对不同诊断结果进行冲突消解，得出局部诊断结论的一致性描述，最后通过多维度决策综合给出故障的诊断结果[11-12]。

2 多维度的数据融合架构设计及方法

2.1 数据融合体系结构

数据融合最早用于军事领域，定义为一个处理探测、互联、估计以及组合多源信息和数据的多层次多方面过程，以便获得准确的状态和身份估计、完整而及时的战场态势和威胁估计。多数据融合技术的应用能够明显提高故障诊断的准确性[13]。

按照融合的位置分有集中式融合、分布式融合和结合式融合；按照融合的逻辑结构分为数据层、特征层和决策层的融合。在维度故障诊断系统中，各个维度下的诊断功能独立，主要由多维度融合完成，所以本文采用集中式的决策层数据融合方式。融合体系结构设计如图3所示。

图3 多维度诊断结果集中式融合结构设计

2.2 构造可信度分配矩阵

不同维度下按照自己的自主性对故障数据处理后，将结果反馈给多维度融合模块。融合模块首先考虑不同维度对不同故障诊断结论的可信度，构造可信度分配矩阵，对诊断结论进行初步修正[14]。

可信度分配矩阵可以通过训练样本产生，通过诊断训练样本记录各维度对每一类故障的正确诊断次数。假设有n类故障，某维度对应不同故障诊断正确的统计次数记为T={t1，t2，…，tn}，根据每一类故障正确诊断的统计次数，定义该维度对第1到n类的故障可信度为式（1）：

每个训练样本训练一次，s表示训练样本的总数，即总的诊断次数。rij表示第i个维度得出第j个故障结论的可信度，也称为可信度因子。可信度因子可以理解为维度i对故障j正确诊断的能力。通过式（1）计算的可信度因子范围为[0，1]，与故障诊断结论的表达方式一致。应用统计方法求解不同维度的可信度，计算简单，当训练样本足够多时，可信度满足精度要求。

通过上述方法可以计算得出所有维度对应不同故障的诊断的可信度，形成可信度分配矩阵R：

2.3 方法实例

假设存在对跳闸原因的初步诊断结果如表1所示。

根据以上各个不同维度下数据处理的诊断结果形成原始诊断矩阵，设经过训练样本计算后，得到初始可信度分配矩阵。

在可信度分配矩阵R5×5中，其元素是通过统计方法计算出来的，所以其元素均为相对值。元素值越大，说明当前维度下故障的诊断准确率越高。

表1 跳闸初步诊断结果表

根据公式（2）计算得初步诊断矩阵Y5×5:

设隶属度域值为0.58，即大于域值的故障可能会发生，小于域值则必然不发生，则由初步诊断矩阵和隶属度的域值可以得到融合矩阵为:

3 系统设计与实现

3.1 系统总体设计与功能模块

多维度数据融合的输电线路故障智能诊断系统主要实现以下功能：如图4所示。

图4 故障诊断系统功能图

3.2 故障诊断模块设计与实现

故障诊断模块主要是通过对用户提交的数据，进行分析，通过matlab的程序仿真计算结果，再通过其他系统的实时数据进行融合判断，基本流程如图5。

图5 故障智能诊断流程图

4 结 论

故障诊断广泛存在于各个领域，智能故障诊断是故障诊断技术发展进程中的新里程碑。随着智能电网的快速发展，电网的大数据时代已经来临，本文结合传统故障诊断方法，将大数据充分挖掘，提出了基于多维度数据融合的故障智能诊断技术，充分利用各维度的自主性和智能性，提高了系统的诊断速度和准确度。通过融合实例验证了此方法的有效性，为输电线路故障智能诊断提供了一个有力的保证。

[1]彭向阳，钱冠军，李鑫，等.架空输电线路跳闸故障智能诊断[J].高电压技术，2012（8）:1965-1972.

[2]Lee H J，Ahn B S，Park Y M.A fault diagnosis expert system for distribution substations[J].IEEE transactions on power delivery，2000，15（1）:92-97.

[3]费晶，李赵兴.基于BP和RBF神经网络的新型融合技术研究[J].电子设计工程，2014，22（17）:96-98.

[4]张晟.Petri网在配电网故障定位中的应用[J].机电信息，2016，27:7-9.

[5]寇为刚，李永祥，孙艳军.电力系统故障诊断的研究现状与展望综述[J].自动化与仪器仪表，2015（2）:4-6.

[6]许元斌.基于电力大数据的多源异构参数融合方法的研究与应用[J].电子设计工程，2016，24（14）:14-16.

[7]吴骏，王震，袁海星，等.基于物联网技术的配电网故障定位研究[J].高压电器，2015，51（12）:72-78.

[8]王小红.基于RS并行约简算法的配电网故障诊断方法[J].电子设计工程，2016（1）:181-183，190.

[9]吕朋亮，陈国顺.基于改进PSO和DS的融合方法及其在智能诊断上的应用[J].计算机集成制造系统，2014:1.

[10]姜建华，洪年松，张广云.一种多源异构数据融合方法及其应用研究[J].电子设计工程，2016，24（12）:33-36.

[11]刘雄杰，杨剑锋，郭成城.基于VxWorks的数据融合系统的设计与实现[J].计算机工程与设计，2016，37（3）:623-628.

[12]刘希亮，陈桂明，李方溪，等.基于改进证据理论的多传感器信息融合故障诊断[J].中国机械工程，2014，25（10）:1341-1345.

[13]李再华，刘明昆.电力系统故障的智能诊断综述[J].电气技术，2010（8）:21-24.

[14]刘明，李伟华，严建峰.多Agent信息融合的故障诊断技术[J].Computer Engineering and Applications，2008，44（34）：204-207.

Intelligent fault diagnosis system for transmission line based on multi dimension data fusion

SHEN Yuan1，LIN Qing2，HUANG Xiu⁃qian3，SONG Wen⁃bo4，WANG Ke1
（1.Electric Power Research Institute of Yunnan Power Grid Co.Ltd.，Kunming650217，China；2.State Grid Electric Power Research Institute Wuhan Nari Limited Liability Company，Wuhan430074，China；3.Yunnan Power Grid Co.Ltd.，Kunming650011，China；4.Yunnan Power Grid Yunnan Power Supply Bureau，Wenshan663000，China）

In order to meet the demand of fault diagnosis for transmission lines，a large number of data with complex structure and complicated source are generated，and these data are classified into different dimensions.A intelligent fault diagnosis system based on multi-dimensional data fusion is designed.The fusion structure and fusion method of multi-dimensional diagnosis results are designed，and the main function modules and overall structure of the fault intelligent diagnosis system are given.Finally，the operation of the system shows that the diagnosis result of multi-dimensional data fusion has high diagnostic speed and accuracy，and it has a good application prospect in power industry fault diagnosis.

multidimension；faultdiagnosis；feature dimension reduction；data fusion；architecture design

TM711

A

1674-6236（2017）22-0062-03

2016-10-19稿件编号：201610097

申元（1979—），男，河南虞城人，硕士研究生，工程师。研究方向：电力系统过电压与外绝缘保护。