朱添益，蔣鐵錚，羅杰，宋軍英，謝曉騫

(1．長沙理工大學電氣與信息工程學院，長沙市410076;2． 湖南省電力公司調控中心 長沙市410007)

0 引 言

隨著采集裝置性能的提升，大量準實時的報警信息通過各變電所的遠方終端裝置傳送到各級電網調度中心，利用采集信息對電力系統(tǒng)故障進行準實時的診斷成為可能。故障發(fā)生時，應對采集的報警信息盡可能快速而準確地診斷，并將診斷結果上傳調度端，防止故障的延伸［1］。

以往的故障診斷大多基于數(shù)據(jù)采集與監(jiān)控系統(tǒng)(supervisory control and data acquisition，SCADA)提供的開關量信息，有專家系統(tǒng)［2］、人工神經網絡［3］、粗糙集理論［4］、貝葉斯網絡［5］與Petri 網［6］等方法。然而，SCADA 信息是基于穩(wěn)態(tài)和低密度的采集方式，因此故障診斷需要在完備的保護與開關信息數(shù)據(jù)的條件下才能進行事后機理或數(shù)據(jù)挖掘研究。廣域測量系統(tǒng)(wide area measurement system，WAMS)能夠提供ms 級別的電氣量信息，采集信息準確且容錯性強。采用電氣量信息進行診斷不僅能夠彌補電網保護和斷路器存在誤動與拒動信息的不足，而且能夠提供故障診斷中故障相別等SCADA 無法給出的詳細信息。文獻［7］在取得故障動態(tài)數(shù)據(jù)時，快速計算故障特征值，然后與標準故障特征集進行匹配來診斷故障;文獻［8］提出利用小波分析將三相電流進行故障度計算的方法，故障度最大值的點即為故障點;文獻［9］采用支持向量機方法訓練學習新事件，簡化了事故推理過程。這些方法雖然準確卻沒有考慮到實際工作中數(shù)據(jù)錯誤、冗余問題，計算過程也相對復雜，增加了故障診斷工作的時間。

針對上述問題，本文提出一種基于WAMS 系統(tǒng)電氣量數(shù)據(jù)的輸電線路故障診斷方法。該方法通過創(chuàng)建本地數(shù)據(jù)庫視圖和觸發(fā)器的增量抽取規(guī)則來遠程調用WAMS 數(shù)據(jù);完成對數(shù)據(jù)的故障診斷前預處理工作;利用電氣量信息確定故障區(qū)域;比較故障區(qū)域中電氣量信息變化率最大的點，用以確定故障。實驗結果表明，本文方法能夠在保證一定準確率的情況下較快速地進行故障診斷，在實際電網中具有一定的可行性。

1 電網快速故障診斷模型和算法

1.1 數(shù)據(jù)預處理

WAMS 故障數(shù)據(jù)傳輸與處理流程如圖1 所示。

圖1 WAMS 數(shù)據(jù)傳輸與處理流程圖Fig.1 Data transmission and processing flow chart of WAMS

WAMS 是通過逐步布局電網關鍵測點的同步相量測量單元(phasor measurement unit，PMU)，實現(xiàn)對全網主要電氣量信息的高速同步采集，頻率一般為20 ～40 ms 1 幀。采集的數(shù)據(jù)通過電力調度數(shù)據(jù)網絡實時傳送到廣域監(jiān)測主站系統(tǒng)。電網小擾動和真實故障信息均存入主站數(shù)據(jù)庫的事故擾動表中。主要信息為:時間、站點、元件、三相電壓及電流的幅值、角度、頻率值和其他小擾動報警。

正是由于數(shù)據(jù)的海量上傳，必須在進行故障診斷之前，設立數(shù)據(jù)預處理模式，濾除非故障診斷相關的信息數(shù)據(jù)。這樣能夠減輕診斷模型運算單元，從而達到快速診斷的目的。

(1)本文建立本地數(shù)據(jù)庫DB1 視圖訪問遠程數(shù)據(jù)庫DB2(WAMS 實時數(shù)據(jù)庫)和DB3(WAMS 歷史數(shù)據(jù)庫)，并設置了基于觸發(fā)器的增量抽取規(guī)則，統(tǒng)一訪問接口。視圖訪問和觸發(fā)器的設置減輕了DB1數(shù)據(jù)庫的存儲空間，也加快了DB1 訪問DB2、DB3 的速度。

(2)根據(jù)經典的WAMS 故障判斷啟動［7］:

式中:i(n)為在n 時刻電流采樣值;N 為每基頻周期采點數(shù);Iset為門檻值。當滿足式(1)時，DB1 向DB2、DB3 發(fā)出抽取數(shù)據(jù)指令，獲取當前事故擾動表信息。

(3)記錄電流突變的全過程就能夠準確且快速地判斷故障，因此，本文在DB1 終端計算機上設置PL/SQL 數(shù)據(jù)庫語言濾除事故擾動表中的電壓、頻率與越限信息等數(shù)據(jù)，減少故障判斷需要使用的指標，且設置DB1 收錄電流突變的時間為電流最大值前后200 ms。診斷前的數(shù)據(jù)形式即為:時間、站點、元件、三相電流幅值。

1.2 故障邊界域

目前，停電區(qū)域識別一般依靠SCADA 網絡拓撲結構自動跟蹤［10-13］。這種方式依賴可靠性高的開關和斷路器信息。

故障邊界域是通過斷路器切斷故障區(qū)域而形成，其特點是故障切除后斷路器一側帶電、一側停電。若斷路器和開關正常工作且SCADA 數(shù)據(jù)傳輸及時、準確，那么停電區(qū)域則為兩跳閘斷路器之間的區(qū)域。然而，在電網實際故障發(fā)生時，SCADA 信號可能出現(xiàn)錯誤、丟失或上傳速度較慢的情況，通道斷線、試驗檢修更是在一時間造成無數(shù)據(jù)的可能。因此，需要借助于相量測量單元采集的電氣量信息。

如圖2 所示，線路發(fā)生故障時，若沒有及時獲得準確的斷路器信息，無法判斷故障區(qū)域。然而，故障發(fā)生后，保護會促使斷路器動作，切斷故障線路。

圖2 簡單故障Fig.2 Simple fault

此時，母線B1 左側有電流，右側無電流;母線B2左側無電流，右側有電流，則表示線路2 是故障區(qū)域，母線B1 和母線B2 為故障邊界域。

本文規(guī)定:

式中ISET表示事先定義的閥值，若在故障復雜，跳閘數(shù)較多的情況下，也可以根據(jù)此方法確定最小的故障邊界域。

1.3 電流的變動率指標

變動率指標εROC在證券學中反映了股票的變化趨勢。它將當天的股票收盤價格和N 天前的收盤價格進行對比，計算某一段時間內收盤價變動的比例和應用價格的移動來比較價位動量，達到事先探測股價買賣供需力量的大小，從而分析股價的趨勢，預測其是否有轉勢的可能性。

變動率指標函數(shù)如下:

電網發(fā)生故障時，電流的瞬間變化相當大，會超出該線路的閥值而引起報警。一般情況下，保護會動作，若保護拒動，相應遠保護線路的電流也將發(fā)生瞬間變化從而引起遠保護動作，但電流變化幅度和變化率均小于故障線路。變動率指標應用于本文的故障診斷中，首先，WAMS 掃描各線路的電流幅值，在確定好故障區(qū)域以后，將區(qū)域內各線路電流幅值與該線路設置的最大電流閥值進行比較。

式中:IROC為電流的變動率指標值;I 表示當前測量的電流幅值，IMAX表示故障門檻值。

式(4)計算結果表示每段線路當前幅值超過故障門檻值的百分比。若故障邊界域小，則只需比較故障域內每條線路的IROC的大小。實際故障存在多處連鎖跳閘等復雜情況，故障診斷應該能在故障邊界域大的情況下也能找到故障點，須做如下處理:

式中:xi為故障區(qū)域內第i個元件占據(jù)所有故障區(qū)域內元件變動率指標的百分比;IiROC為故障區(qū)域內第i個元件的電流變動率指標值。式(5)將各線路變動率取平均值，將變動率在平均值中所占比例最大的線路定義為故障線路。該定義能突出i元件在停電區(qū)域的所有元件中電流突變程度的強弱，程度越大說明故障的可能性越大。

2 診斷流程

快速診斷流程實現(xiàn)如圖3 所示。

圖3 快速診斷流程圖Fig.3 Flow diagram of rapid diagnosis

依據(jù)圖3 所示，當WAMS 遠方測控單元監(jiān)測有故障發(fā)生時，第一時間將報警信號傳送至調度終端。首先，本文設置了觸發(fā)器的增量抽取方式對事故擾動表中新增數(shù)據(jù)進行抽?。?4-16］(事件觸發(fā)DB1 調用DB2/DB3 數(shù)據(jù))，并通過視圖訪問該新增數(shù)據(jù)。然后，進行數(shù)據(jù)的預處理以及對電流是否突變的判斷工作，這一步濾除了本文不需要的診斷指標以及非輸電線路的報警數(shù)據(jù)，僅保留時間、站點、元件以及相應電流幅值信息。下一步，結合當時的SCADA 開關量信息和本文提出故障邊界域判斷方法一起確定故障區(qū)域。最后，根據(jù)式(4)、(5)計算故障區(qū)域內的所有線路元件電流變動率，通過計算得出各元件的故障概率，將故障概率最大的信息保留即為本文故障診斷的結果。

3 算例分析

選取某電網某處的故障案例［8］，簡化后進行本文方法的故障診斷，如圖4 所示。

故障發(fā)生在L1 處，由于保護拒動、SCADA 通道斷線，導致事故的擴散，一時間調度端沒有可靠的開關量信息，事故過程如下:

(1)L1 處雷擊導致單相接地短路，同時SCADA主通道、備用通道斷線;

(2)L1 線路B1 側零序I 段，高頻距離保護動作，CB1 跳閘;

(3)L1 線路B4 側保護未動作，CB2 未跳，造成L4 線路B5 側零序IV 段保護動作，CB4 跳閘;

圖4 局部繼電保護系統(tǒng)圖Fig.4 System diagram of local relay protection

(4)L5 線路保護未動作，造成L8 線路B7 側保護動作，跳開CB10，L7 線路B7 側保護動作，CB8、CB9 跳閘。

當故障診斷啟動后，根據(jù)式(2)，找出故障邊界域。本文故障區(qū)域內線路包含:L1、L4、L5、L6、L7、L8。根據(jù)式(4)、(5)算出故障區(qū)域內每條線路的電流變動率百分比，如表1 所示。

表1 算例中每條線路的變動率百分比結果Tab.1 Percentage results of change rate of every line in example

根據(jù)診斷結果，L1 為所有線路電流變動率最大點，故判斷L1 出現(xiàn)故障，診斷結果準確。

本文所提診斷方法可以在沒有開關保護的動作信息時為調度運行人員提供備用診斷條件，因此，具有很好的應用價值。由于WAMS 數(shù)據(jù)量大，實際驗證工作中僅調取華中某省網500 kV 輸電線路的DB3數(shù)據(jù)庫中故障擾動表中信息。利用本文的診斷方法得出的結果與調度日志事故統(tǒng)計對比，結果如圖5所示。

圖5 跳閘次數(shù)統(tǒng)計對比圖Fig.5 Statistical contrast of trip-out times

從圖5 可以看出，該省網500 kV 線路實際跳閘次數(shù)與本文診斷結果算出的跳閘次數(shù)幾乎重疊，正確率達到96.7%。通過調查，沒有檢測到的跳閘形式一般為二次設備異?；蛑鱾溆猛ǖ廊繑嗑€而引起的跳閘，這說明，本文方法能夠檢測一般情況下的事故跳閘，具有一定的實用性。

4 結 論

電網發(fā)生故障時，必須進行精確又快速的故障診斷。由于開關斷路器信息時常出現(xiàn)錯誤或缺失，使得故障診斷工作延遲，一時間導致調度員無計可施，從而擴大故障。本文利用WAMS 中的電氣量信息，提出了一種簡單又精確的診斷方法。

(1)設置了基于觸發(fā)器增量抽取方式抽取事故擾動表中的新增數(shù)據(jù)，并試圖訪問新增數(shù)據(jù)進行數(shù)據(jù)的預處理工作，濾除無用數(shù)據(jù)，僅保留三相電流作為主要判斷依據(jù)，減少了診斷過程中數(shù)據(jù)的使用，克服了大量調用數(shù)據(jù)帶來的時間延遲。

(2)通過三相電流指標估計故障區(qū)域，消除了開關和保護動作信息錯誤或信號失傳時無法確定故障區(qū)域的情況。

(3)利用本文提出的變動率指標函數(shù)對故障區(qū)域內各線路元件電流進行計算，不僅符合故障事實邏輯且能夠快速得出診斷結果，簡化了計算過程，并能夠在線路發(fā)生連鎖故障時，同樣快速、準確地得出相應診斷結果供調度人員參考。

本文方法大大減少了診斷過程需要的數(shù)據(jù)，模型計算簡便，經實際電網數(shù)據(jù)測試，能夠勝任一般情況下實際電網的故障診斷工作，具有一定的研究意義。

致 謝

本文中實驗方案的制定和實驗數(shù)據(jù)的測量記錄工作是在湖南省電力公司胡迪軍、謝培元、陳俊杰等工作人員的大力支持下完成的，在此向他(她)們表示衷心的感謝。

［1］梅念，石東源，李銀紅，等．計及信息畸變影響的電網故障診斷分級優(yōu)化方法［J］．電工技術學報，2009，24(9):178 －185．

［2］晁進，劉文穎．基于多智能體和專家系統(tǒng)的電網智能報警系統(tǒng)研究［J］．現(xiàn)代電力，2010，27(5):1 －5．

［3］畢天姝，倪以信，吳復立，等． 基于新型神經網絡的電網故障診斷方法［J］．中國電機工程學報，2002，22(2):73-78．

［4］束洪春，孫向飛，司大軍．基于粗糙集理論的配電網故障診斷研究［J］．中國電機工程學報，2001，21(1):73-78．

［5］Teive R C G，Coelho J，Camargo C B，et al． A Bayesian network approach to fault diagnosis and prognosis in power transmission system［C］//16th International Conference on Intelligent System Application to Power Systems，2011:1-6．

［6］孫靜，秦世引，宋永華． 一種基于Petri 網和概率信息的電力系統(tǒng)故障診斷方法［J］．電力系統(tǒng)自動化，2003，27 (13):10-14．

［7］周子冠，白曉民，李文鋒，等． 基于廣域測量系統(tǒng)的電網故障在線智能化診斷與分析方法［J］． 中國電機工程學報，2009，29(13):1-7．

［8］郭創(chuàng)新，彭明偉，劉毅．多數(shù)據(jù)源信息融合的電網故障診斷新方法［J］．中國電機工程學報，2009，29(31):1-7．

［9］郭創(chuàng)新，馬韜韜，朱少華，等． 一種快速電網智能報警方法［J］． 中國電機工程學報，2010，30(S1):6-11．

［10］董明，張勇，張巖，等．含電氣量信息的電力系統(tǒng)故障診斷解析模型［J］．電力系統(tǒng)自動化，2013，37(6):55-61．

［11］梅念，石東源，楊雄平，等．基于開關變位信息的電網可疑故障元件集識別方法［J］．電網技術，2007，31(15):80-84．

［12］王磊，陳青，李天友，等．停電區(qū)域邊界斷路器信息缺失時的電網故障診斷［J］．中國電機工程學報，2013，33(22):127-134．

［13］孫偉，李林川，盧慶聰，等．基于停電區(qū)域的電力系統(tǒng)故障診斷的一種新模型［J］．電網技術，2004，28(5):30-34．

［14］戴浩，楊波．ETL 中的數(shù)據(jù)增量抽取機制研究［J］．計算機工程與設計，2009，30(23):5552-5555．

［15］王濤．基于數(shù)據(jù)倉庫ETL 技術的數(shù)據(jù)提取與數(shù)據(jù)轉換研究［D］．吉林:吉林大學，2011．

［16］張峰，張莉莉．觸發(fā)器在數(shù)據(jù)處理過程中的應用研究［J］． 計算機工程與科學，2008，30(5):156-158．