人工智能在输配电网络故障诊断中的应用分析

张成洲，王瑜，徐群，魏可情，吴若男

（1.温州墨熵微电子有限公司，浙江温州，325000；2.国网浙江省电力有限公司(温州供电公司)，浙江温州，325000；3.浙江图盛输变电工程有限公司，浙江温州，325000）

新世纪以来，故障诊断技术的发展可谓十分迅速，尤其是近年来面对复杂系统日益提升的诊断需求，使得诊断技术逐步迈入到智能故障诊断的新阶段。

当前，智能故障诊断技术的应用已经十分广泛，主要集中在一系列的工程技术上，且以在输电网络当中的应用最具代表性。就输电网络的故障诊断来看，包括了分析、根据和推断三个方面，其中，分析的是电气量测量特征、保护装置报警信息等内容，根据的是人员经验和保护动作逻辑，推断的是所可能存在故障的类型与位置。因运用传统数学方法对该过程进行描述颇具难度，而智能故障诊断技术在对人类处理问题的模拟上有着显著优势，且具有一系列的特点，如学习能力等，这就为该技术在这一领域应用的广泛性奠定了基础。依靠分析网络缺陷判断所表现出的认知过程，应用最新的人工智能技术成果，如综合知识诊断等，来支持对自动综合判断系统的开发，从而能够在分析缺陷的同时给出相应的监督处理意见，并使检修人员更加有效全面的认识问题[1]。

1 系统构成

如图1所示，是对于系统总体结构的展示。依据图中内容可以看出，系统总体结构为B/C，属于客户浏览器端输出，系统数据库作为计算储存功能，而诊断诊断知识库则发挥了应用层的功能。而在采集信号方面，主要包含了数据采集卡等组件，且这一子系统的参与是基础，能够使得数据采集作用于数据量与模拟量，并使得数字信号的输出得以实现。

图1 系统总体结构

借助于无线网络来支持采集数据由单机向服务器端的传送。诊断专家系统的组成包括了诸多部分，主要有知识库、数据库、解释机制、推理机、人机接口等。依靠正向的推理技术，并在诊断结果的分析推理中强调对知识库知识与采样数据的利用，以确保所得结果较高的合理性。

2 诊断专家系统的设计

就诊断专家系统的组成来看，诸多模块的参与共同支持了其正常的应用。其中，诊断数据库又进一步细分为标准数据库与采样数据库两类；知识数据库主要涉及了诊断数据、动态数据和故障对策；动态数据库则囊括了症状信息、中间结论和最终结论三类数据。

■2.1 专家系统概述

专家系统的建立，其目的主要是借助于某一领域当中的专家知识，来为非专家提供帮助，使之在复杂问题的解决上最大程度的接近专家水平[2]。

在诊断输配电网络故障的过程当中，专家系统应用的一般模式是由产生式规则充当基础的系统，即运用规则来对人员诊断经验、断路器动作逻辑、保护动作逻辑等进行表示，以支持相应知识库的形成，从而以报警信息为根据做出科学的知识库推理，进而以故障诊断结论的获得作为最终成果。

在诊断输配电网络故障方面，以产生式规则为基础的故障诊断专家系统之所以能够在应用上获得广泛青睐，更多是源于两个方面，一是故障诊断所具有的特点，二是这一系统所具有的特点。

（1)就输配电网络而言，对于其保护动作逻辑和断路器间所存在关系的表示，宜选择模块化的直观规则。

（2)对于专家系统当中部分规则的修改或增删是被允许的，以为实现兼具有效性与实时性的诊断系统提供有力保障；一定程度上支持了对不确定性问题的解决；在可以给出与人类语言习惯相符合结论的同时，还能够做出相应解释等。

■2.2 诊断知识库的基本组成

就诊断专家系统而言，在建立其知识库的过程当中，会将诊断知识进一步划分为多个类型，并于知识库当中进行储存，如下，便是对所划分类型的说明。诊断知识库的组成。

（1）结构功能知识。这一知识类型是对于设备部分结构和其间所存在连接关系的描述。以设备功能与设备结构为依据，来赋予诊断知识以显著的分块化特征，在具体诊断时能够结合实际任务来对所需的诊断知识进行调用，使搜索诊断知识的环节更具效率。且出于对此知识类型的更好描述，特引入了一个新颖的概念，即诊断故障树单元[3]。

（2）专家知识。在故障诊断中对于诸多部分都有着需要，而这一知识类型无疑是其中十分重要的部分。分析其作用，主要是支持设备状态的识别与设备故障的诊断。诊断专家系统当中对专家知识的描述需要依赖产生式规则的使用，而规则库当中对于专家知识与经验的获取则需要借助于故障树分析法的应用。

（3）过程性知识。这一知识类型指的主要是数据分析相关的一系列知识，其中就包括怎样确定故障的可信度。系统当中对于此类知识的调用，在形式上以函数或子程序居多。而在表示中对于过程性知识的采用也有着一些优点，包括良好的结构性、能够通过直接调用来支持推理等。

（4）基本诊断单元知识。就知识系统而言，其在诊断对象上的最基本表现便是基本诊断单元知识。也正是在这一知识类型的作用下，才使得对于其他知识的操纵得以实现。系统在表示上采用的是“三者合一”的方法，即产生式规则、过程知识和基本诊断单元知识的整合[4]。

■2.3 诊断对象数据库

这一数据库主要由编码信息与数据信息组成，前者涵盖了设备的序列编码、类别编码和型号编码，其作用是支持机组更好的管理采样数据，并为相应专家知识的调配提供便利；后者涵盖了历史数据、当前数据、标准数据、趋势数据灯，其作用主要是对于采样原始数据的记录，使诊断更具准确性。

■2.4 推理机制

推理机制的目的是对于发生基本故障现象的寻找，其所采取的控制策略为一种正向推理，以设备结构功能知识为依据，来找出与该事实或现象相吻合的一个或多个诊断单元，以支持假设的形成，后经由所输入的用户信息、数据库数据、诊断单元结构来实现对最底层诊断的寻找，并由本次推理当中基本诊断单元的最后一级充当结论，来成为下一级推理的开端，进而支持相应对策的获得。

3 系统的实现

C /S模式与B /S模式各具优势，系统将两种模式整合在一起，数据采集子系统与数据库服务器间为C /S模式，数据库服务器与用户间为B /S，且全部数据均于后台关系数据库当中进行记录。

面对不同的诊断对象，专家系统本身也包括了两个部分，分别是故障的巡检与诊断。其中，关于故障巡检，可简单理解为识别和鉴定诊断对象所处状态，并就其后续演变做出预测。即对于之前原因的分析、当下状况的了解和后续演变的预测。故障巡检与故障诊断有着不同的对象，前者面向的是检测部件，后者则面向的是故障。在应用故障巡检的实践中，关键所在是于机械未解体条件下预知隐藏的机械故障和后续发展，从而将故障化解在萌芽状态。故障巡检的实施过程当中，检测机械状态是首要步骤，且主要有两种检测方法，一种是普通仪器与人员感官相结合来检查判断机械所处技术状态，该方法虽然较为简单，但不具有很高的准确度。另一种是借助于一系列仪器来对机械整体或关键部位做连续、定期的精准测定，这一方法在实践中能够获得显著更高的准确度，但也需要相对更多的设备和较为繁琐的过程。本次系统选择后一种方法，以检测结果为依据，引入诊断技术来将故障巡检作用于机械状态。

而这种精确的诊断技术和系统就要依靠于人工神经网络算法，将其运用于输配电网络中，然后通过统计学标准算法可以使得局部结构空间可由函数来表达，数据意义更进一步的达成。另一方面，人工智能学的人工感知领域，能够使得输配电网络诊断人员通过数学统计学的应用工作得到大量帮助，这样更加方面的进行决策。

并且还将模糊理论运用到当前输配电网络故障诊断技术中， 帮助输配电调修人员进行人工智能化推理， 首先将输配电网络中的诊断依据进行系统化输入，将专家系统技术与模糊理论进行接轨，在实现推理的基础上， 加入输配电故障诊断的故障诊断文献，增添了数据的准确性。 为调修管理人员提供故障诊断科学化、准确化的经验数据。基于当前模糊理论技术的多目标决策方法，能够帮助操作人员发现输配电网络在故障诊断数据中的不确定性因素。 通过模糊理论中的模糊集方法对变压器的保护原理进行构造，从内部区别故障、选取变压器以及副边的电流等作为特征数量值，依据电磁暂态程序得到的仿值采取统计计算的方法得到模糊规则，后期采用 D-S 证据理论对得到的模糊规则进行处理，为操作人员得到合理、确定性数据。

4 结论

引入基于故障树分析的层次诊断策略来对专家系统进行设计。借助于专家系统诊断方法来诊断系统故障，其知识库的表示采用的是“三者合一”的方法，即产生式规则、过程知识和基本诊断单元知识的整合，支持了对专家经验、功能知识和领域结构的较好表达。且系统的推理机制是一种正向推理，与实时采集的数据相结合，使得诊断推理过程与专家决策水平更加的接近[5]。