电网故障多源信息智能融合诊断方法

游昊，石恒初，杨远航，孔德志，陈璟

（云南电力调度控制中心，云南 昆明 650011）

0 前言

随着社会经济的快速发展，社会对电力供应的依赖程度增强，对稳定、可靠的供电服务质量的要求越来越高，电网管理的智能化水平和电网故障的快速处理被越来越多的关注[1]。

继电保护领域的保信、录波和行波三个主站为调度机构提供决策支持，是保障电网稳定供电的重要手段之一。三个主站系统分别在故障诊断、故障分析和测距定位方面各擅胜场，但存在保信主站调取信息不及时、录波主站测距不理想、行波主站自动化程度低等弊端。利用单一主站进行故障分析，信息不全面，依赖人工验证，影响故障判定的准确性。本文对三个主站系统进行优劣势互补，通过主站信息融合，提高电网故障分析结果的准确性。

三个主站的故障信息融合最大技术难点在于主站故障信息的同步获取和信息的融合诊断方法。国内外针对电网故障提出了多种智能诊断方法，如专家系统、人工神经网络、贝叶斯网络、模糊推理、因果网络及petri网[2-6]等，利用智能融合诊断技术来判定故障的方法有人工神经网络信息融合、基于贝叶斯网络的信息融合、基于模糊推理的信息融合、基于专家系统的信息融合、基于小波变换的多尺度信息融合、加权系数信息融合[7-9]等。文献[10]提出对故障快速反应和可靠决策主要依赖于录波主站，并未参考保信和行波主站的故障数据，故障分析结果可靠性风险高，依赖人工验证；文献[11-12]利用小波技术、覆盖集理论，提出改进优化模型，对故障开关量和电气量信息进行特征提取，对小波奇异度、故障度和能量度三者计算可信度来诊断故障，但保护故障数据量大，整理速度慢，数据上送可靠性差，录波和保信电气量信息在时间约束下的融合效果并不理想，且行波故障测距准的优点未有效利用，故障测距还需要人工干预。面对电网规模扩大、设备数量增多、扰动数据骤增的压力，局限于厂站侧故障数据融合，需要花费大量的时间从海量数据中提取故障特征，工作繁琐且低效。为解决以上问题，迫切需要：

1）任务的动态调整，保证厂站侧上传至主站的数据或主动激励获取到的数据在限定时间内处理完成，保证融合前故障信息的可靠性；

2）利用多源信息智能融合诊断技术，结合三个主站的故障分析结果综合判定故障，提升故障分析的准确性。

本文提出基于D-S证据理论的综合录波、保信和行波主站故障信息的多源信息智能融合诊断方法。通过纵向连通加强装置与链路的状态监视，提高故障数据上送的可靠性和处理的及时性；横向连通将故障反应速度快的录波主站、故障判定准的保信主站和测距精确度好的行波主站之间进行故障信息共享，实现同源故障信息融合。利用D-S多源信息智能融合诊断方法，对录波、保护和行波故障数据在主站侧完成数据分析、信息分类、同源故障融合等一系列动作，调度机构根据融合后的故障报告可直接决策和处理故障，不依赖人工干预，对保障电网稳定运行具有重要的作用。

1 系统设计

1.1 总体架构

本文所提的电网故障多源信息智能融合诊断系统，是为满足当前形势下电网故障精细化、智能化管理的要求，按电压等级划分调度管辖范围，形成纵向贯通、横向互连的电网故障信息实时动态交互场景，实现各调度系统三大主站独立运行且彼此之间互相联系，详如图1所示。

图1 总体架构

1.2 功能架构

该系统重点考虑数据状态监控和信息融合诊断两个核心部分，旨在确保厂站侧设备监控到的扰动或故障数据可以正确完整传输到主站系统，在经过数据计算、故障分析、信息分类、同源故障融合后生成故障分析报告，确保最终发布的故障信息完整且准确。故障信息智能融合诊断系统主要包含数据状态监控、信息融合诊断两个部分，如图2所示。

图2 信息融合诊断系统框架

1）数据状态监控：该功能由数据转换模块、通道映射模块、控制模块三个部分组成。

数据转换模块：采用开放式的功能模块，格式转换接口依据各厂家数据自定义格式进行整合，将各采集设备输出的原始数据转换成标准格式。这种处理方法可降低厂家自定义格式不统一的弊端，当有新的设备接入组网时，将该设备的转换接口库加入其中实现扩展。

通道映射模块：监控数据接口正常稳定性，查看数据传输链路的实时状态，避免传输数据量大造成的网络拥堵问题。该功能主要是将厂站侧标准格式数据及时传输给对应主站，确保主站接收到的故障数据完整正确。

控制模块：随着数据传输任务的增加和减少来确定传输链路微线程的利用和释放，自动调节微线程链路占用情况，进行资源的合理利用。

2）信息融合诊断：该功能由通信模块、分析整理模块、融合模块、推送模块和统计模块五个部分组成。

通信模块：利用通信模块，确保厂站和主站之间数据传输以及三个主站之间的信息共享，当所需要的数据未及时上传，启动数据自动召唤，当数据主动召唤失败时，启动主动激励进行干预召唤数据，确保最终三站故障信息的可靠性。

分析整理模块：录波主站对上传的故障波形进行模拟量和形态量分析后整理形成录波故障报告，保信主站对保护动作信息以及采集到的故障波形进行整理形成保信故障报告，行波主站对行波波形以及测距结果进行整理形成行波测距报告。

融合模块：三个主站故障报告里的同一类型信息按规则统一描述后进行分类，对三个主站分类后的特征量进行比对，确认为同源故障进行融合。

推送模块：根据故障发生时间和影响范围，确定故障处理的紧急程度，启动故障信息发布，使调度机构可以根据智能化故障信息推送结果进行故障策略制定和任务下发。

统计模块：统计日报、周报、月报、年报对应的所有故障信息报告，便于统筹管理故障信息的实时跟踪、处理、闭环。

2 软件设计

软件主要包含信息集成层、信息支撑层、底层分析层和应用层，如图3所示。通过外围通信接口和耦合元件进行录波、保信和行波主站信息的共享，并通过设计灵活的数据接入、标准化作业，适应外部数据系统规范。对不同厂家、不同模型和不同格式的数据做统一处理，在同类故障信息描述统一的基础上进行故障信息分类，完成底层数据分析和故障信息融合。上层应用重点开发主站信息管理应用，支撑多种相关电网数据业务，具有良好的服务性、开放性和扩展性。

1）信息集成层：当电网产生大扰动或故障发生时，厂站侧设备采集数据并生成文件上传至对应主站，主站完成故障数据分析生成故障报告。数据交换总线通过短周期性轮询各分布式主站本地存储的故障列表，一旦检测到有新的文件生成集中到信息集成层。由于保护和行波数据量大，数据整理上传有延迟现象，若未同时收取到这两个主站故障报告，采取主动激励的方式调取与录波分析出的故障时间序列相似的保护和行波数据文件，通过数据交换总线，对故障信息进行集成。

2）信息支撑层：主要作用是将信息集成层集成的数据进行规范化处理，筛选故障特征，相同类型特征统一描述完成特征量分类工作，避免不规范的描述在计算机查询过程中无法识别的问题，这是故障信息融合的基础。该层对底层分析层进行数据及时响应和数据支撑。特征量按照类型分有证据类、评价类和决策类，详如图4所示。

图4 故障信息流

?

3）底层分析层：对信息支撑层提供的故障数据进行底层运算，其中证据类包含原始录波波形图、行波波形图和保护波形图，对来源不同，采样点各异的录波和保护波形进行采样率归一化处理，利用时间序列相似性原则对故障时间相近的波形进行形状和特征点的精细比对，确认是否为同一故障波形；评价类包含保护动作启动、复归、跳闸、总动作次数、送动次数、拒动次数、正确动作次数等信息，有保护动作实施的扰动数据排除误动基本上就可以确认为故障，可以对录波分析结果从保护动作角度进行再确认，避免录波主站对扰动数据的误判；决策类包含故障线路、重合闸、测距等信息，在决策类信息一致情况下可直接融合后发送报告，不一致的情况下结合前两类特征量对故障进行定性诊断后确认是否为同源故障。由于数据及时响应是故障分析的基础，为了提高故障数据的完整性和分析的准确性，加入主动激励召唤和任务动态调整两个部分。对上传的故障数据进行计算任务的优先级排序，以确保主站对故障分析的及时性和故障信息的可靠性。

4）应用层：聚焦于主站信息管理，如同厂站设备，信息集成的各主站服务器分布于异地，开发主站管理软件，可以将分布式的录波、保信和行波三大主站进行集中管理，有利于主站故障信息的共享。主站管理覆盖了信息融合分析、故障信息发布、故障影响分析、故障风险预警、故障策略制定、任务下发和故障指挥等一系列环节，可有效辅助调度机构进行快速决策和故障处理跟踪。

3 关键技术

因电网故障处理对时效性要求较高，为了既保证时效性还能提高主站信息融合的准确性，就需要思考如何利用现有资源，提升资源的利用率，保障自动上传至主站的数据或采用主动激励后召唤到的数据在限定时间内分析、整理完成。融合前故障信息的可靠性直接决定了融合后故障分析结果的准确性。

1）任务的动态调整：当三个主站中任一主站分析出故障后，需要其他两个主站信息验证，就需要将相似时间序列的故障数据提高优先级安排任务的分析、整理工作。在现有电力基础设施投资的基础上，通过主动激励召唤和任务动态调整，合理利用资源来同步处理同源故障任务，保障三个主站故障信息的可靠性；

2）主站的信息融合：对于具有较高可信度的同源故障进行信息融合，确保最终发布的故障分析报告的准确性。融合后的故障分析报告，可辅助调度机构直接决策，制定全面的故障抢修方案，减少人力、物力、财力损失。

3.1 任务的动态调整

由于故障数据具有多点骤发和集中上传的特性，为了分配局域网的通信和计算资源，需要对上传到主站的任务进行优先级排序，设T={T1,T2,T3,...,Tn}为主站计算任务集合，每一个任务表示为Tm={Tid,Tlength,TDL,Tνalue}。其中，Tid表示故障编号；Tlength表示故障数据长度；TDL表示数据计算任务的截止时间；Tνalue表示数据价值。

AS属于中医学“脉痹”范畴，为正气亏虚，五脏功能失调，痰瘀互结阻于脉道所致，热毒内蕴是易损斑块病机演变的重要环节。临床治疗当随证治之，扶正补虚法、活血化瘀法和清热解毒法常联合使用，通过调节血脂、抗氧化、保护内皮功能、抗血小板聚集黏附、抗血栓及抗血管平滑肌增殖等机制，以发挥中医药多环节、多途径、多靶点治疗AS的优势，全面干预AS的发生和发展。

利用以下三个参数来计算体现任务优先级指标：

1）故障数据的价值密度：

2）数据处理的紧迫性：

3）数据处理的优先级计算：

Tνd体现该任务处理数据符合故障数据特征的多少，Trest代表剩余执行时间，Pm表示任务Tm在剩余执行时间内的价值密度，Pm越大，任务处理优先级越高。在调度过程中，可以缩短TDL截止时间，加快对可疑故障任务的紧急分析。此分析的意义在于进行资源的合理分配，使得故障融合所需的录波故障分析结果、保信保护动作信息以及行波测距结果在限定时间内分析、整理、计算完成，提高主站故障信息的可靠性[13-17]。

3.2 主站的信息融合

D-S证据理论是信息融合的重要方法。对于电网线路故障，特定故障发生会产生许多特征，每个特征下该故障存在一定的发生概率。该理论通过计算主站提供的故障特征的基本概率分配（BPA）函数，根据组合原则计算融合后的信度函数值来判定故障，置信水平更高。

根据图5故障诊断流程，首先进行决策类信息和评价类信息的初步判断，若决策类信息不一致，评价类信息存在保护动作，就需要调取主站证据类故障特征信息。利用D-S证据理论，首先计算保信和录波证据类信息分配到各故障模式的信度函数m1(A1),m1(A2),...,m1(An)，m2(A1),m2(A2),...,m2(An)，再 计 算 主 站 信 息融合后分配到各故障模式上的信度函数值m(A1),m(A2),...,m(An)。本文采用引入目标类型的算法，定义保信或录波主站证据j对目标模式Ai的信度函数为m1j(Ai)，公式如下：

图5 D-S融合故障诊断流程

式（4）-（6）中，K为修正系数；N为证据数目；Nc为目标模式数目；R1j为保信主站证据j的可靠性系数；α1j为保信主站证据j的最大相关系数；β1j为保信主站证据j的相关分配值；W1j为保信主站证据j侦测的环境加权系数，值域为[0,1]；C1j(Ai)为保信主站证据j对目标模式Ai的相关系数。k为两个证据的冲突因子，当k越接近1，证据之间的冲突程度越大，融合结果越不准确；当k越接近0，证据之间的冲突越小，融合结果越准确[18-21]。

4 应用案例

为验证任务的动态调整对主站故障分析可靠性的影响，采用云南电网历史数据库中的故障信息作为数据来源，单线路故障(A1)、多线路故障(A2)、母线故障(A3)、试验模拟(A4)共563个故障样本原始数据汇入。设主站数据分析链路有6条，每个主站数据链路各两条互为备用同时投入使用，Tνd、TDL范围依次为[1,60]、[60,900]，单位分别为兆、秒。采用15分钟倒计时的形式进行Trest计算，利用优先级算法进行P1、P2和P3排序，分别代表高（0.8≤P1≤1）、中（0.5≤P2＜0.8）、低（0＜P3＜0.5）优先级，统计563 个故障任务优先级分布如下图6所示。

图6 任务优先级分布

由于保信和行波数据量大，获取数据时效性较低，可通过主动激励机制设5分钟召唤与录波已识别故障时间序列相似的故障数据，如果召唤成功，缩短TDL的时间调整优先级进行故障分析整理工作并生成故障报告；如果召唤失败再进行两次5分钟召唤，直到15分钟时间用尽为止；若三次均召唤不上来，即为数据召唤失败，则无法进行后续的数据融合分析。以A1 131个单线路短路故障样本为例，限定100分钟，比对主动激励召唤数据进行任务动态调整后的故障数据分析完成率与随机排序的故障分析完成率，发现三大主站在任务优先级调整后的故障分析完成率提升19%，表明在相同时间内任务动态调整能较多的分析故障数据，反过来也说明三个主站同步分析单个故障时间时效性提高了。在扰动数据骤增的情况下，任务的动态调整对在限定时间内完成故障数据分析来说有绝对性优势，能有效保障三个主站数据分析的时效性和可靠性。

图7 任务动态调整和随机排序分析完成率比较

当三个主站故障相关信息都有效获取的基础上，若发现三个主站提供的决策类和评价类故障信息不统一，利用D-S证据理论进行录波和保信证据类信息融合，通过调整参数，最终取证据数量N=6，修正系数K=0.2，权系数W1=W2=0.5，故障元件Nc=8，以L1-L8共8条线路诊断发生单相接地短路故障为例，通过保信和录波在各线路上的分配函数m1(A)和m2(B)，求取8条线路发生单相短路的融合信度函数m(θ)。制定“目标故障的信度函数至少为其它故障信度函数值的1.5倍”的判定规则，图8中的L1线路融合后的信度函数值是其它值2个倍数左右，融合后的故障信度函数值提升到0.95352，不确定性概率0.00103小于阈值0.01，判定出的目标线路故障信度函数远远大于不确定性概率，综合判定线路L1为单相短路故障。调取L1对应的Tid=51的盐金线单线路短路故障分析报告进行验证，D-S证据理论融合后的信度函数诊断结果与盐金线录波和保信故障报告情况相符，确认为同源故障。

图8 D-S证据理论信息融合结果

在D-S证据理论融合故障信息能准确判定故障的基础上，以录波和保信故障测距结果作为范围参考，搜寻该范围内的初始波头以及对应的行波测距结果，完成三站同源故障信息融合，即融合录波主站故障分析结果、保护动作元件信息和行波的测距结果，生成最终的故障分析报告。从A1 131个单线路短路故障样本中抽取故障报告100份，线路全长划分为L≤50公里、50公里＜L≤100公 里 和100公里＜L≤150公里三个区间，汇总不同线路长度区间融合后的测距结果求取测距误差平均值，并与单一主站测距结果进行对比，见下表1所示。

表1 故障测距准确度对比

综合分析：

1）主动激励机制和任务的动态调整可以较好地保障故障数据分析计算的及时性和可靠性。在主站交互数据计算量增加的情况下，任务优先级调整可以节省主站故障诊断时间；

2）利用D-S证据理论融合分析算法，单一主站证据不确定度会高于融合后的不确定度，通过信息融合，可得到较高的故障识别率和较低的不确定性，能够准确地判定故障；

3）线路越长，故障测距偏差越大，行波主站高频脉冲测距法区别于录波和保信的阻抗测距法，在故障定位上是对其它主站测距结果的校验。行波自动化程度低，测距依赖人工提供初始波头信息，测距完好率低，而融合诊断在锁定初始波头和测距方面有明显优势；

4）融合三个主站故障分析结论，综合录波分析结论、保信的保护动作和行波的测距结果，不会出现漏判和误判等问题，且故障测距准确度提升显著，三个主站融合可以保证故障分析结果的完整性和准确性。

5 结束语

本文重点介绍了电网故障多源信息融合诊断方法，以纵横连接、动态交互与信息融合为设计目标，在数据共享、动态调度、故障分析、信息融合等方面做精细化的设计。在系统底层分析层加入主动激励召唤和任务的动态调整两个功能，可将海量数据进行计算资源合理分配，提高任务的完成率；基于D-S证据理论融合算法，利用三站融合信度函数值判定故障，得到高可信度的同源故障识别结论；以录波和保信提供的故障距离范围锁定初始波头进行行波测距，融合处理后的测距精度和之前单一主站测距精度比对，发现该电网故障多源信息智能融合诊断方法故障定位更准确，发布故障信息更可靠，提高了继电保护智能化水平，满足当前对电网故障精细化管理需求。