基于人工智能技术的电网故障诊断与预警系统

王振国，贾 飞，余 洋

(内蒙古电力(集团)有限责任公司乌海电业局，内蒙古 乌海 016000)

0 引 言

近年来，随着电网系统的不断发展，中国已建成世界上最大且最为复杂的电网系统。如何保障电网供电稳定，及时发现并解决电网故障成为急需解决的主要问题。现如今，人工智能技术高速发展，对于电网故障诊断和预警，很多学者已将人工智能技术应用其中，极大地提高了电网故障诊断效率，如文献[1]提出一种基于随机森林算法建立的配网抢修故障量预测模型，对不同的故障进行预测；文献[2]提出AI视频监控，可以及时高效发现故障；文献[3]提出一种基于时序贝叶斯知识库(TBKB)电网故障诊断方法的原型系统；文献[4]提出基于遗传算法优化BP神经网络的电网故障诊断。通过对以上学者研究方向的深入了解，可以总结为在对电网故障进行诊断的同时，需要提前发现电网系统可能存在的问题，并做到及时预警，以保证电网供电更加稳定顺畅。

基于人工智能的电网故障诊断与预警系统，前期可以通过获取乌海地区的电网数据进行预处理，采用多种数据驱动和人工智能算法，构建故障诊断综合模型。该系统平台能自动监控电网运行状态，自动对电网诊断结果进行分析，并以可视化界面展示给工作人员。当电网故障诊断与预警系统预测到电网有大概率出现故障时，通过多种警报方式及时预警，做到提前发现问题、解决问题[5]。

1 乌海地区电网运行现状

目前，乌海各级电网调度中心均配备运行监控、数据采集系统(SCADA)和能量管理系统(EMS)。在输电网络突发故障时，相应的数据监控设备会产生报警信息，如开关跳闸、自动保护装置动作、欠电压、过电流和设备过负荷等信息，并由专用网络上传到电力调度中心。特别是当整体架构规模巨大的电力输送系统发生故障、电网发生复故障或自动装置动作不正常时，会在短时间内产生大量的故障报警信息到达控制中心。其中包括大量的由保护或断路器误动、拒动、信道传输干扰错误、保护动作时间偏差等因素造成的不确定性知识和数据。电网调度中心工作人员面对如此纷繁复杂的报警信息，要从中快速准确的查找到故障源，判断故障类型，进行正确的故障处理，专业知识的匮乏以及精神压力可能会做出误判，进而造成电网故障范围的扩大或延长供电系统恢复时间[6]。

变电设备故障预警是电力调度生产业务的重中之重。因此，构建故障诊断体系可以大大降低故障发生、减少检修成本。

2 电网故障预警系统架构设计

2.1 数据选取与预处理

调研乌海地区的调度、生产相关主站系统数据和图模情况，对多种电网监控系统的跨平台数据进行获取和预处理，主要包括：数据采集渠道与接口技术、数据存储与清洗技术、数据关系预处理。

基于电网设备拓扑模型构建运行数据、设备在线监测及历史故障信息等多维度统一存储方式，结合多种大数据处理方法，对多源信息进行一致性检查、无效值剔除以及缺失值补漏，提供数据利用率，减少重复率。

融合多种统计学模型与智能算法，建立数据关系预处理模型，对设备数据、运行数据和生产数据等多元数据进行预处理。根据电网设备故障分析模型的要求，经数据预处理后，数据规模得到合理控制，并且涵盖设备故障分析所需的所有关键数据，电网分布式数据转化为更适用于设备故障分析与预警的高效数据集。

2.2 模型建立与算法设计

根据变电设备故障相关特征数据、故障原因分析结果等信息，采用多种数据驱动和人工智能算法，针对不同故障模式特点，研究相应的故障诊断方法，构建故障诊断综合模型，实现电力系统变电设备的在线故障诊断和高风险设备故障预警。

采用已构建的故障诊断离线模型，对采集的设备运行数据进行再学习，同时采用强化学习和迁移学习技术，能模拟监控人员的思维方式，处理离线学习结果和设备实际运行状态判定结果。构建变电设备故障诊断自主学习方法，增强模型故障分析处理能力的智能性和迁移能力，完成监控人员的部分工作，减轻相关人员的工作负担。

2.3 系统实现

建立人工智能的电力设备故障分析与预警平台。对现有的电网数据监控系统跨平台采集的变电设备运行数据进行在线展示，通过多种图表要素和图层叠加功能，直观快捷地展示关键变电设备的运行状态。根据平台提供的离线故障诊断模型，在线采集的变电设备运行状态数据，对设备异常和故障进行在线诊断，并采用图标、文字分析等对在线诊断结果进行多维度可视化分析与推送。

2.4 技术架构逻辑

技术架构逻辑如图1所示，系统内部结构分为：基础数据层、核心算法、业务逻辑和可视化展示。其中，外部系统从SCADA、EMS、PMS和在线监测(报告)中获取基本数据，经过数据清洗和校验，形成图形库、模型库、运行数据库和生产数据库等。

图1 技术架构逻辑

经过三层故障判别(先验故障判别决策模块、拓扑关系联动故障识别和检修计划数据异动识别)，结合潮流计算、故障诊断和拓扑分析等算法，最终在可视化展示中根据不同的主题画面提供GIS和系统一次接线图的SVG展示。

2.5 数据服务分析

数据架构由离线计算区和实时计算区构成，遵循电网企业数据库架构要求。数据流包括实时数据流、离线数据流、计算结果返回和在线数据查询。本项主要涉及分析预警类应用，包括离线计算区和实时计算区，离线数据流和在线数据查询两方面内容，整体数据流架构如图2所示。

图2 系统数据流程架构

3 电网故障预警判别

3.1 先验故障识别

基于当前电网设备，包括变电站内一次设备、二次设备的设备分类与特征，结合先验知识建立决策树集合。针对遥信信号的实时传输，引入信号内容的语法、语义识别，分离变电站设备类型、设备特性、告警内容，在决策树集合中进行并发的瞬时激活及半激活判定。在故障的决策过程中，将海量不同信道的实时数据按先验规则给出故障判定分类，建议包括：故障、异常、越限、变位、告知。故障判别决策模块判定源端包含：断路器、刀闸、接地刀闸、母线、变压器、变压器绕组、容抗器、负荷、交流线段端点、保护节点、终端设备。

3.2 拓扑关联联动故障识别

基于先验故障判别决策集合的判定结果，结合电网拓扑结构，对预判定故障的有效性进行联动二次识别。即时读入遥信信号在电网拓扑中对各类设备进行置位，结合遥测信号对各导线、母线、变压器的负荷等数据，建立二次识别的联动决策树集合。

通过故障的二次联动识别，可以在电网拓扑结构层对故障的有效性进行校核。例如，故障导致开关断开判定，但是通过即时拓扑分析后发现开关关联导线依然存在负荷遥信量，则二次识别将暂时抑制该故障，并在特定延时后再次运行联动识别，给出最终故障判断。由于采用拓扑关联的二次联动故障识别，能够在先验故障判别决策的基础上，有效提高故障的识别率，降低误报可能。

3.3 检修计划故障异动识别

根据检修计划的安排数据，将检修计划与运维计划的内容建立为基于甘特图的决策集合。在拓扑关联联动故障识别的二次判定结果基础上，与检修计划的安排过程进行三次联动识别，对由于检修工作和运维工作导致的设备动作的遥信信号进行标记，识别故障的异动特征，剔除故障误报概率。

由于检修工作与运维工作可能导致电网关联设备的异常动作或短暂越限，因此检修计划故障异动的三次联动识别将包含相关设备的影响评估，对相关设备的故障告警结果进行识别，标定其故障程度，根据决策预评估的方式进行故障等级降低与提升。

3.4 自成长随机森林决策

随机森林是Leo Breiman和Adele Cutler提出的一种组合决策树的分类预测算法，本质是由一组决策树分类器(h(X,θk),k∈(1,n))组成的集成分类器，其中{θk}是服从独立分布的随机变量，n表示随机森林中决策树的个数，在给定自变量X的情况下，每个决策树分类器通过投票来决定最优的分类结果[7]。

基于大规模的遥信数据和遥测数据记录结果，以及在先验故障判定记录、拓扑关联联动故障识别记录和检修计划故障异动识别记录的三级故障判定结果后，对基于随机森林的决策体系进行自修正与自生成，做到决策体系的自成长。

在该系统中，基于机器学习中的随机森林模型，能够有效提高整个三级决策体系的有效性和实用性。通过集成决策树集合的机器学习思想将多棵决策树集成为一种算法，基本单元采用三级决策体系中的决策树，形成自成长的集成学习模块。由于每棵决策树都是一个样本分类器，那么对于一个遥信和遥测信号组合后的故障输入样本，n棵树会有n个不同的分类结果，随机森林模块集成所有的分类投票结果，将投票次数最多的类别指定为最终的输出。

4 现场应用

变压器油色谱数据分析是发现变压器内部故障的重要手段。传统的定期检测油色并分析色谱，很难及时发现变压器潜在的故障。将文中所开发的故障预警系统应用于乌海电业局，通过实时分析该局110 kV千北站主变绝缘油色谱数据，对主变的运行状况进行了及时预警。图3为2020年乌海110 kV千北站主变绝缘油色谱在线监测数据，表1为乌海电业局110 kV千北站主变故障诊断结果。

图3 乌海110 kV千北变油色谱分析

通过绝缘油的热力学研究表明，随着故障点温度的升高，变压器油裂解产生的烃类气体按CH4、C2H6、C2H4、C2H2的顺序推移。故障原因的分析也随着气体间含量比值的变化而改变。

表1 故障类型诊断

5 结 语

通过在三级故障识别过程中采用随机森林模块，能提高故障的识别准确率，可有效的运行在大数据集上。能够处理具有高维特征的输入样本，能评估各个故障特征在分类问题上的重要性。在自生成过程中，能够获取到内部生成误差的一种无偏估计，从而提高参数的识别与辨识效果。

通过三级故障判别模块，以及系统运行过程中的自成长随机森林决策模块，能够结合非同源数据对故障进行综合判定。在判定基础上，引入电网运行信息，能够给出故障影响分析，以及发现未来潜在问题的可能性。

结合不同的电气设备固有特征，可对不同型号、厂家、年代的设备进行数据切片，根据出现不同类型故障的密度，对其他未出现故障设备的潜在故障率进行评估，辅助巡视计划的配置建议。

结合运方潮流运算方案，能够在设备故障后，自动对接指定的运行方式，进行准实时潮流计算，为调度提供故障后的可能电网运行情况，给出参考情况，提升调度操作效率。 结合电网运行状态、运方潮流运算、 负荷预测结果， 能够对未来短期和中期的负荷情况进行潮流试算，发现潜在的超限等问题，从而辅助调度人员提前做好预防准备，合理安排调度方案。