左攀 王能乾 廖辉
摘 要 随着我国现代电力技术的迅速发展,电网的结构变得越来越复杂,这也给电网中的故障判断带来了巨大的困难,本文针对750KV电网的复杂性,采用模糊Petri网(FPN)故障研究方法,将故障元件诊断模型分为双网模型,即主网和冗余网两个子网模型,并且在模型中运用信息熵理论,通过一系列模糊推理后得到最小故障诊断范围,最后确定出故障的具体位置,研究结果表明该方法具有一定的实用性。
关键词 750kV变电站 冗余保护 故障分析 信息熵 模糊Petri网
中图分类号:TM76 文献标识码:A
0引言
西北750kV变电站包含三个电压等级,即750kV、330kV、66kV,配有双重保护配置,是西北地区的水火风电外送的大通道,其确保了华北、华中和华东等地区供电的可靠性。当变电站有异常时,各种保护所产生的巨大报警信息会增大故障诊断的难度,很容易出现误判的情况,并且会使得故障范围扩大。因此,750kV变电站的故障诊断对于电网的稳定运行具有重要的研究价值。
目前在故障诊断方面,国际上提出过很多方法,比如神经网络、贝叶斯、遗传算法专家系统、Petri网、粗糙集等。文献[4]提出基于模糊Petri网的诊断方法构建了电网中各线路及元件的模糊Petri网故障模型,并且缩小了故障的定位范围,然后对故障区域元件进行模糊推理,最后通过仿真得到结果。该方法在保护信息不完整时仍可以进行故障诊断,有着较强的通用性。
1冗余知识理论
1.1信息熵理论
文献[5]提出信息熵理论,对于不确定的系统,若有限随机事件的集合X表示它的状态特征,为其取值为x的概率,则=1,(i=1,2,…,n),n为初始库所的个数,集合X中任合一个事件的自信息量为:
I(x)=logz
将的数学期望定义为平均自信息量,称为集合X的信息熵,即
H(X)=logz
1.2冗余知识表示
文献[6]提出先建立元件的各保护子网与线路单侧诊断子网、再建立综合诊断子网的分层建模方法。当750KV电网存在异常时,它的冗余FPN模型可以用一个七元组表示,,由于其具有双网双保护配置,所以进一步把它分成两个子网和,是元件的主网,是元件的冗余网,且。下文中i取m或r。
(1) 是主网和冗余网的模糊库所的集合。
(2) 是主网和冗余网模糊变迁的集合。
(3) 是主网和冗余网的输入函数。
(4) 是主网和冗余网的输出函数。
(5) 是主网和冗余网库所节点处的可信度。
(6) 是主网和冗余网的输入输出权值矩阵。
(7) 是主网和冗余网变迁可信度的阈值。
2冗余知识模型
2.1 750kV变电站系统主接线
图1中的武海Ⅰ线为例子,构建其FPN诊断模型如图2
当武海Ⅰ线故障时,根据保护装置所发出的信息可以将故障元件范围定位在武海Ⅰ线、武古Ⅱ线、330kVⅢ母、330kVⅣ母。
2.2 750KV变电站故障元件诊断
文献[7-8]具体给出了冗余FPN的推理过程如下
(1)确定初始信息可信度
依据冗余知识构建武海Ⅰ线诊断模型中各初始信息的可信度如表1 。
(2)计算每个变迁的合成输入可信度
设武海Ⅰ线诊断模型中所有的变迁输入、输出弧的权值为1/h,输入、输出弧的总个数为h.则每个变迁合成输入可信度为:
(3)比较等效模糊输入可信度与变迁阈值
假设主保护、近后备保护、远后备保护的变迁阈值 分别为0.7、0.2、0.2,则
由于,则
G为m维列向量,m表示已触发变迁的个数。当合成输入可信度大于等于变迁阈值时,gi=1;反之gi=0,i=1,2,…,m。
(4)去掉合成输入可信度中小于变迁阈值的输入项H=EeG,经过这一步计算后,H中只包含变迁触发的合成输入可信度
(5)计算当前可得到的所有模糊输出库所的可信度
(6)将上述所求的结果不断更新并重复步骤2至5,得:
(7)当时结束,得:
冗余网的诊断推理同上,有:
耦合网诊断推理过程也同上,有:
可疑故障元件武古Ⅱ线,330kVⅢ母,330kVⅣ母的故障诊断推理过程同上
最后可得到诊断结果如表2
表2:可疑元件的故障可信度
3结语
由于750KV变电站发生故障时的信息不完整和不确定性,本文采用模糊Petri网(FPN)故障研究方法构建了故障元件的冗余诊断模型,通过模糊推理和仿真缩小故障元件搜索范围,从而大大降低了判断故障诊断的难度,提高了故障诊断的效率,为电网中各种故障判断提供了一种新的研究方法。最后诊断结果表明该方法具有很好的容错性。
基金项目:西北民族大学中央高校基本科研业务费资金资助项目:项目批准号:Y17107 。项目负责人:左攀 。
作者简介:左攀(1994-)男,汉族,西北民族大学电气工程学院在校本科生,主要研究方向为电气工程及其自动化。
参考文献
[1] 刘本粹.加快西北750kV电网工程建设全面推动西电东送北通道进程[J].电网技术,2002,26(03):9-15.
[2] 窦晓波,胡敏强,吴在军等.数字化变电站通信网络的组建与冗余方案[J].电力自动化设备,2008, 28(01):38-43.
[3] 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(06): 55-62.
[4] 吴双,何正友,钱澄浩等.模糊Petri网在高速铁路牵引供电系统故障诊断中的应用[J].电网技术, 2011,35(09):79-85.
[5] Kang,H.G.&P.H. Seong .A methodology for evaluating alarm processing systems using informational entropy based measure and the analytic hierarchy process[J]. IEEE Transactions on Nuclear Science,1999,46(06): 2269-2280.
[6] 谢红涛,童晓阳.基于分层模糊Petri网的电网故障综合診断方法[J].电网技术, 2012,36(01):246-252.
[7] 李再华,白晓民,周子冠等.基于特征挖掘的电网故障诊断方法[J].中国电机工程学报,2010,30(10):16-22.
[8] Luo Xu&K. Mladen.Implementing fuzzy reasoning petri nets for fault section estimation[J].IEEE Transactions on Power Delivery,2008,23(02):676-685.endprint