產(chǎn)品列表PRODUCTS LIST
隨著電網(wǎng)的不斷發(fā)展和電力走向市場,人們對電網(wǎng)的安全運行和供電可靠性的要求越來越高。電力系統(tǒng)發(fā)生故障時，要求調(diào)度人員迅速準確的判別故障元件與故障性質(zhì)，及時處理故障，恢復電力系統(tǒng)的正常運行。輸配電系統(tǒng)是電力系統(tǒng)中發(fā)電廠與電力用戶之間輸送電能與分配電能的中間環(huán)節(jié)，包括各電壓等級的輸配電線路和變電所。它的故障是不可避免的，而電力系統(tǒng)規(guī)模的不斷擴大和各種監(jiān)控設備的應用使得輸配電網(wǎng)絡故障診斷顯得尤為重要。因為其可靠性指標是影響整個電力系統(tǒng)可靠性的重要因素，其可靠性的改善將給整個電力系統(tǒng)的安全、可靠性和經(jīng)濟運行帶來巨大的效益。所以研究工作者一直致力于發(fā)展先進、準確、的自動故障診斷系統(tǒng).
輸配電網(wǎng)絡故障診斷主要是對各級各類保護裝置產(chǎn)生的報警信息、斷路器的狀態(tài)變化信息以及電壓電流等電氣量測量的特征進行分析,根據(jù)保護動作的邏輯和運行人員的經(jīng)驗來推斷可能的故障位置和故障類型。由于這一過程很難用傳統(tǒng)的數(shù)學方法描述,而人工智能技術則由于其善于模擬人類處理問題的過程,容易計及人的經(jīng)驗以及具有一定的學習能力等特點在這一領域得到了廣泛的應用。通過對網(wǎng)絡缺陷判斷的認知過程的分析，應用綜合知識診斷、模糊理論和神經(jīng)網(wǎng)絡等人工智能技術的成果，開發(fā)出一套綜合自動邏輯分析判斷系統(tǒng)，可對缺陷進行了分析并提供監(jiān)督處理意見，使檢修人員對問題的認識更具全面性、有效性和針對性。本文簡要介紹了相關的人工智能技術,如專家系統(tǒng)（ES）、人工神經(jīng)網(wǎng)絡（ANN）、模糊理論（FZ）、遺傳算法（GA）等的基本概念,并在此基礎上按單一智能方法、綜合智能方法的應用，分別對文獻中提出的相應的輸配電網(wǎng)絡故障診斷方法進行述評,分析他們在輸配電網(wǎng)絡故障診斷中應用的特點以及存在的主要問題，以促進該研究領域的進一步發(fā)展。
1單一智能方法
1．1專家系統(tǒng)
專家系統(tǒng)是人工智能應用研究zui活躍和zui廣泛的課題之一,它是一個智能計算機程序系統(tǒng),其內(nèi)部具有大量專家水平的某個領域知識與經(jīng)驗,應用人工智能技術,根據(jù)某個領域一個或多個人類專家提供的知識和經(jīng)驗進行推理和判斷,模擬人類專家的決策過程,以解決那些需要專家決定的復雜問題[1]。按其所求解問題的性質(zhì)，可把它分為幾種類型，其中的診斷專家系統(tǒng)的任務就是根據(jù)觀察到的情況（數(shù)據(jù)）來推斷出某個對象機能失常（即故障）的原因。
專家系統(tǒng)在輸電網(wǎng)絡故障診斷中的典型應用是基于產(chǎn)生式規(guī)則的系統(tǒng),即把保護、斷路器的動作邏輯以及運行人員的診斷經(jīng)驗用規(guī)則表示出來,形成故障診斷專家系統(tǒng)的知識庫,進而根據(jù)報警信息對知識庫進行推理,獲得故障診斷的結論?；诋a(chǎn)生式規(guī)則的故障診斷專家系統(tǒng)得以廣泛應用主要是由故障診斷和基于產(chǎn)生式規(guī)則的專家系統(tǒng)的特點所決定的。輸電網(wǎng)絡中保護的動作邏輯一級保護與斷路器之間的關系易于用直觀的、模塊化的規(guī)則表示出來;基于產(chǎn)生式規(guī)則的專家系統(tǒng)允許增加、刪除或修改一些規(guī)則,以確保診斷系統(tǒng)的實時性和有效性;能夠在一定程度上解決不確定性問題;能夠給出符合人類語言習慣的結論并具有相應的解釋能力等。此外,框架法專家系統(tǒng)善于表達具有分類結構的知識,能夠比較清楚的表達事物之間的相關性,可以簡化繼承性知識的表述和存儲,在輸電網(wǎng)絡報警信息處理和故障診斷中也有少量應用。
文獻[2]提出了一種知識獲取的多層流式的功能模型,可以自動獲取變電站的拓撲結構和保護配置等方面的知識,用于產(chǎn)生變電站停電后的恢復方案，原理上有創(chuàng)新。文獻[3]介紹了一個基于專家系統(tǒng)和多媒體技術開發(fā)的配電變壓器測試與診斷解釋系統(tǒng)，主要用作培訓工具，以保留和傳播專家的經(jīng)驗與知識。文獻[4]采用面向?qū)ο蠹夹g開發(fā)了用于保護系統(tǒng)設計的專家系統(tǒng)，著重考慮了保護系統(tǒng)設計與電力網(wǎng)絡本身設計的協(xié)調(diào)，以確保保護系統(tǒng)是電力系統(tǒng)運行中的一個繼承的和有效的部分。以輸電線路距離保護的設計為例，揭示了該專家系統(tǒng)的功能。文獻[5]描述了意大利電力公司正在開發(fā)的用于大停電后協(xié)助運行人員進行系統(tǒng)恢復的專家系統(tǒng)的主要目標與軟件結構。著重介紹了在系統(tǒng)部分挺點時，如何決定zui適當?shù)妮旊娡ǖ缹㈦娏斔偷酵＿\的火電廠的機組，以恢復其運行，同時保證系統(tǒng)運行在安全狀態(tài)。文獻[6]介紹了一個用于配電變電站恢復控制的專家系統(tǒng)，作為變電站自動化的一個組成部分。目前只考慮了韓國常見的雙母線、雙斷路器接線方式的變電站。文獻[7]描述了為葡萄牙輸電控制中心研制的智能警報處理和系統(tǒng)恢復輔助專家系統(tǒng)的解釋機制的開發(fā)，增加解釋機制后明顯改善了專家系統(tǒng)的行為。作者開發(fā)這一專家系統(tǒng)用了七八年的時間，已經(jīng)達到實用水平。文獻[8]用多個智能代理的思想設計了以分布式專家系統(tǒng)為基礎的配電自動化的概念性框架。用IA處理不同的專家系統(tǒng)之間的合作，IA之間用標準的信息交換語言KQML來實現(xiàn)。這樣可以把現(xiàn)有的一些專家系統(tǒng)，如負荷預報、配電系統(tǒng)網(wǎng)絡重構、配電系統(tǒng)恢復和保護設備的協(xié)調(diào)等集成為一個配電自動化系統(tǒng)。
雖然專家系統(tǒng)能夠有效的模擬故障診斷專家完成故障診斷的過程,但是在實際應用中仍存在一定缺陷，其主要問題是知識獲取的瓶頸問題、知識難以維護，以及不能有效的解決故障診斷中許多不確定因素，這些問題大大影響了故障診斷的準確性。
1．2人工神經(jīng)網(wǎng)絡
人工神經(jīng)網(wǎng)絡（ANN）是模擬人腦組織結構和人類認知過程的信息處理系統(tǒng)，自1943年提出以來,已迅速發(fā)展成為與專家系統(tǒng)并列的人工智能技術的另一個重要分支。它以其諸多優(yōu)點，如并行分布處理、自適應、聯(lián)想記憶等，在智能故障診斷中受到越來越廣泛的重視，而且已顯示出巨大的潛力，并為智能故障診斷的研究開辟了一條新途徑。應用ANN技術實現(xiàn)故障診斷不同于ES診斷方法。ANN方法通過現(xiàn)場大量的標準樣本學習與訓練，不斷調(diào)整ANN中的連接權和閾值，使獲取的知識隱式分布在整個網(wǎng)絡上，并實現(xiàn)ANN的模式記憶。因此ANN具有強大的知識獲取能力，并能有效的處理含噪聲數(shù)據(jù)，彌補了ES方法的不足。文獻[9]采用多個人工神經(jīng)元網(wǎng)絡實現(xiàn)故障診斷，每個ANN負責系統(tǒng)中一部分的診斷。類似的方法早有報道。
ANN在輸電網(wǎng)絡故障診斷中的應用主要是故障定位[10~13]和故障類型識別[14]2個方面,且文獻[10,11]和[14]的研究較典型.其中,文獻[10,11]分別采用2種不同的神經(jīng)網(wǎng)絡模型解決故障診斷問題.文獻[10]基于3層前饋神經(jīng)網(wǎng)絡,用全局逼近的BP學習算法完成故障定位.而文獻[11]則使用局部逼近的徑向基函數(shù)神經(jīng)網(wǎng)絡實現(xiàn)故障定位。文獻[14]則以線路三相電流、三相電壓和零序電流的頻譜密度為輸入,以故障類型為輸出,分別比較了多層前饋網(wǎng)絡和Kohonen網(wǎng)絡在故障類型識別方面的應用。文獻[15]提出擁有限脈沖相應（finiteimpulseresponse）ANN構造單項和三相變壓器的差動保護,這種ANN模型適于處理瞬時信號，研究了3種結構:*種用于檢測單項變壓器的內(nèi)部故障;第2種用于檢測三相變壓器的內(nèi)部故障;第3中由一組第1種結構的ANN組成,用于檢測三相變壓器的內(nèi)部故障。
需要指出，神經(jīng)網(wǎng)絡方法雖然有利于克服專家系統(tǒng)的知識獲取瓶頸、知識庫維護困難等問題，但它不適于處理啟發(fā)性知識。而且，由于ANN技術本身不夠完備，它的學習速度慢，訓練時間長以及解釋功能弱，從而影響了神經(jīng)網(wǎng)絡的實用化。同時，如何設計適用于大型輸電網(wǎng)絡的ANN故障診斷系統(tǒng)仍是一個有待于進一步研究的問題。
ANN一直是一個比較活躍的研究領域,但研究開發(fā)ANN故障診斷系統(tǒng)時,應對上述問題給予充分的考慮。
文獻[16]將大型輸電網(wǎng)絡分區(qū),對各個區(qū)域分別建立基于BP算法的故障診斷網(wǎng)絡,隨后將這些分布神經(jīng)網(wǎng)絡的結果綜合起來得出zui終的故障診斷結論。文獻[17]針對用BP網(wǎng)絡模型進行故障診斷過程中輸入樣本情況影響診斷結果的準確率的情況，提出了在原有神經(jīng)網(wǎng)絡輸入節(jié)點的基礎上再增加一特征輸入節(jié)點，以反映輸入樣本數(shù)據(jù)大小的特征量的新方法，并將之用于電力變壓器，提高了故障診斷的準確率。文獻[18]則在分析BP算法缺點的基礎上，提出了一種變結構神經(jīng)網(wǎng)絡的zui大值算法，通過簡化訓練過程，加快網(wǎng)絡收斂和診斷推理速度，從而提高故障識別率，實現(xiàn)故障的自動診斷和智能化綜合保護。
從文獻[16~18]中可以看出，通過對神經(jīng)網(wǎng)絡結構或算法的改進在一定程度上可以提高故障診斷的有效性。而由于專家系統(tǒng)方法與神經(jīng)網(wǎng)絡方法在許多方面可以協(xié)調(diào)工作、互為補充，因此，如何取長補短將神經(jīng)網(wǎng)絡技術與故障診斷專家系統(tǒng)融為一體，以彌補診斷中的不足，并提供新的診斷技術和方法，具有很大的潛力和廣闊的前景，是值得我們深入探討和研究的。
1．3模糊理論
在故障診斷中，故障與征兆之間的關系往往是模糊的，這種模糊性即來自故障與征兆之間關系的不確定性，又來自故障與征兆在概念描述上的不性，因而診斷結果也必然是模糊的，解決模糊診斷問題的傳統(tǒng)方法一般根據(jù)專家經(jīng)驗在故障征兆空間與故障原因空間之間建立模糊關系矩陣。常用的方法是將各條模糊推理規(guī)則產(chǎn)生的模糊關系矩陣進行組合，或與或并。隨著模糊理論的發(fā)展及完善,模糊理論的一些優(yōu)點逐步被重視,如模糊理論可適應不確定性問題;其模糊知識庫使用語言變量來表述專家的經(jīng)驗,更接近人的表達習慣;模糊理論能夠得到問題的多個可能的解決方案,并可以根據(jù)這些方案的模糊度的高低進行優(yōu)先程度排序等。目前,模糊理論已被引入輸配電網(wǎng)絡故障診斷領域.
輸電網(wǎng)絡故障診斷的不確定因素對于要求嚴格匹配搜索的專家系統(tǒng)來說，很容易導致錯誤的結果。當在專家系統(tǒng)中融入模糊理論后，由推理變?yōu)榻仆评?，在相當程度上增強了專家系統(tǒng)的容錯性。
文獻[19]應用多目標模糊決策方法進行故障測距與故障類型辨識，并做了現(xiàn)場測試。文獻[20]研究了在配電網(wǎng)絡中，當每個設備的運行狀況可以大致知道時，如何決定其適當?shù)木S修水平，以兼顧運行安全和維修成本。先用模糊集方法描述設備的運行狀況，之后構造了決定適當維護水平的模糊現(xiàn)行規(guī)劃模型。
由于一般的模糊系統(tǒng)采用了與專家系統(tǒng)類似的結構，所以它也具有專家系統(tǒng)的一些固有的缺陷：（1）模糊系統(tǒng)在推理時也要搜索知識庫內(nèi)一定的規(guī)則集才能得出診斷結論，所以當系統(tǒng)比較大時完成診斷的速度也比較慢。（2）當輸電網(wǎng)絡的結構或自動裝置的配置發(fā)生變化時，模糊系統(tǒng)的知識庫或相關規(guī)則的模糊度也要進行相應的修改，即模糊系統(tǒng)也存在維護的問題。（3）模糊系統(tǒng)也不具備學習能力。總之，模糊理論與其它人工智能技術結合構成的診斷系統(tǒng)雖然可以增強處理不確定性的能力，在一定程度上提高診斷的準確度，但是它不能*消除專家系統(tǒng)所固有的缺點。
1．4遺傳算法
遺傳算法是基于自然選擇和遺傳機制，在計算機上模擬生物進化機制的尋優(yōu)搜索算法。它能在復雜而龐大的搜索空間中自適應的搜索，尋找出*或準*解，且算法簡單，適用，魯棒性強。遺傳算法對待求解問題幾乎沒有什么限制，也不涉及常規(guī)優(yōu)化問題求解的復雜數(shù)學過程，并能夠得到全局*解或局部*解集，這是它優(yōu)于傳統(tǒng)優(yōu)化技術之處。
文獻[21~23]嘗試使用遺傳算法解決輸電網(wǎng)絡故障診斷問題。文章建立了根據(jù)報警信息估計故障點的數(shù)學模型，并從診斷結果應該能夠盡可能解釋所有報警信息的角度出發(fā)，給出了故障診斷問題的適應度函數(shù)，從而將輸電網(wǎng)絡故障診斷問題轉化為0~1整數(shù)規(guī)劃問題。在此基礎上，文獻[21]分別用簡單的和改進的遺傳算法實現(xiàn)了故障診斷系統(tǒng)，對交叉和變異算子做過調(diào)整的改進遺傳算法的故障診斷效果比較理想。文獻[24]延用[21]提出的故障診斷的數(shù)學模型，設計了基于進化規(guī)劃方法的故障診斷系統(tǒng)。進化規(guī)劃方法與遺傳算法的區(qū)別在于進化規(guī)劃的編碼方式不局限二進制編碼，因此編碼方式比較靈活，而且進化規(guī)劃只采用變異算子和競爭機制產(chǎn)生下一代。在個體數(shù)目比較少的情況下計算效率比較高。
遺傳算法從優(yōu)化的角度出發(fā)基本上可以解決故障診斷問題，尤其是在復故障或存在保護、斷路器誤動作的情況下，能夠給出全局*或局部*的多個可能的診斷結果。但是如何建立合理的輸電網(wǎng)絡故障診斷模型是使用遺傳算法的主要“瓶頸”。如果能夠建立合理的數(shù)學模型，那么不僅可以使用遺傳算法解決故障診斷問題，還可以使用其他類似的啟發(fā)式優(yōu)化算法解決故障診斷問題，如螞蟻系統(tǒng)算法、TABU搜索算法等。從不同的交叉和變異算法的應用比較可以看出，不同的交叉和變異算子對結果的影響比較大，如何確定*的交叉和變異算子及相應的參數(shù)也有待進一步研究。
2幾種智能方法的綜合
以上各種智能診斷方法，是從不同的途徑去解決故障診斷問題的，但同時也存在缺陷。為了構造性能較好的應用智能系統(tǒng)，需要綜合應用（集成）ES、NN、GA、FZ這幾種技術。集成的基本思路是：根據(jù)被求解問題的需要把系統(tǒng)分為若干個模塊，每個模塊，分別用ES、NN、GA、FZ技術實現(xiàn)，在以某種方式集成來形成主體系統(tǒng)結構，也可采用串接、嵌入或變換模塊的方法來取長補短，構造功能完善的應用系統(tǒng)。例如，人工神經(jīng)網(wǎng)絡與模糊理論可以用2種方式結合：第1種方式是先模糊化神經(jīng)網(wǎng)絡的輸入，進而得到的輸出也是一個模糊數(shù)。第2種方式是根據(jù)神經(jīng)網(wǎng)絡的特點設計的。因為人工神經(jīng)網(wǎng)絡的輸出本身就是一個介于0~1時間的書，所以可把神經(jīng)網(wǎng)絡的輸出作為模糊系統(tǒng)的輸入，用模糊系統(tǒng)去解釋神經(jīng)網(wǎng)絡的輸出。zui終提供給運行人員一個語言化的結論，便于運行人員理解。這在一定程度上彌補了神經(jīng)網(wǎng)絡不具備解釋能力的弱點。
文獻[25]開發(fā)了一個電力系統(tǒng)故障診斷的模糊專家系統(tǒng)，以可能性診斷理論為基礎，重點放在處理不確定性問題如保護和斷路器誤動與拒動、通信問題引起的信息錯誤等。這種方法還可以比較方便的處理多重故障情況。此外，本文還對故障診斷中的處理不確定性的幾種現(xiàn)有方法作了比較分析。文獻[26]應用了一種改進的TS方法和專家系統(tǒng)實現(xiàn)配電系統(tǒng)*網(wǎng)絡重構，優(yōu)化目標為損耗zui小和電壓質(zhì)量zui高，同時保證足夠的供電可靠性。供電可靠性指標是根據(jù)在預想事故發(fā)生的情況下，重構后的網(wǎng)絡結構能否向用戶恢復供電來衡量的。所采用的改進的TS方法可以在搜索過程中自動調(diào)整有關參數(shù)，無需由使用人員憑經(jīng)驗給定。文獻[27]結合ES和ANN實現(xiàn)對以變電站故障診斷為基礎的分層分布時故障診斷系統(tǒng)。文獻[28]基于模糊理論與神經(jīng)網(wǎng)絡理論，根據(jù)特征氣體法和改良IEC三比值法，建立了模糊神經(jīng)網(wǎng)絡的變壓器故障診斷模型。該模型有效的處理了故障診斷中的不確定因素，并具有較強的知識獲取能力。文獻[29]從基于人類思維發(fā)展模式的角度，融合設備故障診斷的ES和ANN模型，構造了電力變壓器的故障診斷分析系統(tǒng)。
綜上所述，將不同的人工智能技術結合在一起,分析不確定因素對智能診斷系統(tǒng)的影響,從而提高診斷的準確率，是今后智能診斷的發(fā)展方向。
3其他方法
隨著人工智能技術的不斷發(fā)展，新的方法也在不斷涌現(xiàn)，其應用范圍也在不斷擴大，為故障診斷領域注入了新的活力。
文獻[30]采用小波變換對故障后的暫態(tài)現(xiàn)象進行分析，以快速識別故障類型，可用于高速保護。文獻[31]提出用小波變換和ANN檢測變壓器故障。先用EMTP程序產(chǎn)生變壓器在正常運行和故障時的信號（主要是電流信號），之后用小波變換進行處理，提取特征量，zui后用ANN進行訓練和估計。通過應用小波變換提取重要的特征量，ANN的結構得以簡化，訓練速度得到提高。
輸電網(wǎng)絡中各級、各類保護系統(tǒng)反應于故障，并有選擇的切除故障的過程整數(shù)于系統(tǒng)同時發(fā)生或次序發(fā)生的活動的范疇，適用于Petri網(wǎng)絡來描述。文獻[31]以輸電網(wǎng)絡中的元件為單位，首先研究了故障清除過程的Petri網(wǎng)絡模型，進而對其求逆得到了故障診斷的Petri網(wǎng)絡模型，再把它們組合在一起就形成了整個輸電網(wǎng)絡的Petri網(wǎng)絡故障診斷系統(tǒng)。整套系統(tǒng)的物理概念清晰，易于實現(xiàn)，診斷速度也比較快。此外，文獻[32]還分析了保護、斷路器的誤操作對Petri網(wǎng)絡模型的影響，并分別給出了識別保護和斷路器誤操作的模板。
近2年來，從分析、模擬保護系統(tǒng)動作邏輯入手，解決輸電網(wǎng)絡故障診斷問題也是一種趨勢。除上述方法以外，還有其他基于邏輯的方法，如基于邏輯蘊含式的方法，基于外展邏輯的方法等。
4結語
本文介紹了近年來專家系統(tǒng)、人工神經(jīng)網(wǎng)絡、模糊理論等人工智能技術在輸配電網(wǎng)絡故障診斷中的應用，分析了其優(yōu)缺點，從中可以看出，依靠單一智能技術的故障診斷已難以滿足復雜的輸配電網(wǎng)絡診斷的全部任務要求，因此，將多種不同的智能技術結合起來的混合診斷系統(tǒng)是智能化故障診斷研究的一個發(fā)展趨勢。主要結合的技術有基于規(guī)則專家系統(tǒng)和ANN的結合，模糊邏輯、ANN與專家系統(tǒng)的結合等等。其中，模糊邏輯、ANN與專家系統(tǒng)結合的診斷模型是發(fā)展前景的也是目前人工智能領域的研究熱點之一。而其中許多問題，例如模糊邏輯與神經(jīng)網(wǎng)絡的組合機理、組合后的實現(xiàn)算法，如何使智能系統(tǒng)既具有ANN的學習能力又具有靈活的知識表達能力和嚴謹?shù)倪壿嬓缘?，是值得深入研究的?br />
總之，綜合已有的人工智能技術，揚長避短，并探索新的診斷技術和理論方法，研究開發(fā)完善的智能輸配電網(wǎng)絡故障診斷系統(tǒng)是擺在研究工作者面前的重要課題，是今后發(fā)展的主要方向。
