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(shù)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(shù)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(guān)的人工智能技術(shù),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(shù),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(jié)論。基于產(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(guān)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(jié)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(jié)構(gòu)的知識,能夠比較清楚的表達事物之間的相關(guān)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(jié)構(gòu)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(shù)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(shù)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(jié)構(gòu)。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(gòu)、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(jié)構(gòu)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(shù)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(shù)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(quán)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(gòu)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(jié)構(gòu):*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(jié)構(gòu)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(shù)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(jié)果綜合起來得出zui終的故障診斷結(jié)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(jié)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(jié)構(gòu)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(jié)構(gòu)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(shù)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(shù)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(guān)系往往是模糊的，這種模糊性即來自故障與征兆之間關(guān)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(jié)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(guān)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(guān)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(jié)果。當在專家系統(tǒng)中融入模糊理論后，由推理變?yōu)榻仆评恚谙喈敵潭壬显鰪娏藢＜蚁到y(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(gòu)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(jié)構(gòu)，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(jié)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(jié)構(gòu)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(guān)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(shù)結(jié)合構(gòu)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(shù)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(jié)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(zhuǎn)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(jié)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(jié)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(gòu)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(shù)。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(shù)實現(xiàn)，在以某種方式集成來形成主體系統(tǒng)結(jié)構(gòu)，也可采用串接、嵌入或變換模塊的方法來取長補短，構(gòu)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(jié)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(jié)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(gòu)，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(gòu)后的網(wǎng)絡結(jié)構(gòu)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(guān)參數(shù)，無需由使用人員憑經(jīng)驗給定。文獻[27]結(jié)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(gòu)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(shù)結(jié)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(shù)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(jié)構(gòu)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(jié)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(shù)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(shù)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(shù)結(jié)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(jié)合的技術(shù)有基于規(guī)則專家系統(tǒng)和ANN的結(jié)合，模糊邏輯、ANN與專家系統(tǒng)的結(jié)合等等。其中，模糊邏輯、ANN與專家系統(tǒng)結(jié)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)倪壿嬓缘龋侵档蒙钊胙芯康摹?br />
總之，綜合已有的人工智能技術(shù)，揚長避短，并探索新的診斷技術(shù)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。
