賴宏毅,汪 旸,楊 雯,周超凡,徐 彪,尹項(xiàng)根,簡(jiǎn) 程

(1. 國(guó)家電網(wǎng)華中電力調(diào)控分中心,湖北 武漢 430077;2. 華中科技大學(xué) 強(qiáng)電磁工程與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430074)

0 引言

當(dāng)電網(wǎng)發(fā)生故障時(shí),快速準(zhǔn)確的故障診斷對(duì)加快事故處理和系統(tǒng)恢復(fù)進(jìn)程、保證電力系統(tǒng)的安全可靠運(yùn)行至關(guān)重要。然而隨著電網(wǎng)的不斷發(fā)展和互聯(lián),在故障發(fā)生后的短時(shí)間內(nèi),保護(hù)及斷路器動(dòng)作等大量告警信息涌向調(diào)度中心,且可能伴隨信息缺失、畸變等不確定性,利用告警信息快速準(zhǔn)確地識(shí)別故障元件能為電網(wǎng)實(shí)時(shí)調(diào)控運(yùn)行提供重要的決策支持。

目前較為實(shí)用的電力系統(tǒng)故障診斷方法主要包括基于專家系統(tǒng)[1]和基于解析模型[2-4]的方法。此外,人工神經(jīng)網(wǎng)絡(luò)[5]、貝葉斯網(wǎng)絡(luò)[6]、支持向量機(jī)[7]、Petri網(wǎng)[8]等理論方法也逐步應(yīng)用于電力系統(tǒng)故障診斷研究。其中,Petri網(wǎng)因推理過(guò)程簡(jiǎn)單、物理意義清晰、推理邏輯嚴(yán)密一直是電網(wǎng)故障診斷研究領(lǐng)域的熱點(diǎn),模糊Petri網(wǎng)的提出有效彌補(bǔ)了傳統(tǒng)Petri網(wǎng)在處理不確定性問(wèn)題上的缺陷。文獻(xiàn)[9]提出了基于加權(quán)模糊推理Petri網(wǎng)的電網(wǎng)故障診斷模型,通過(guò)優(yōu)化模型結(jié)構(gòu)來(lái)降低模型矩陣的規(guī)模,提高了診斷的準(zhǔn)確性和速度;文獻(xiàn)[10]提出基于方向性加權(quán)模糊Petri網(wǎng)的診斷方法,通過(guò)分別在各故障蔓延方向上建立診斷模型,以改善模型的容錯(cuò)性和對(duì)網(wǎng)絡(luò)拓?fù)渥兓倪m應(yīng)性。為消除時(shí)序不一致和錯(cuò)誤告警信息的影響,文獻(xiàn)[11]利用保護(hù)和斷路器的動(dòng)作時(shí)序關(guān)系,建立與某元件相關(guān)的多個(gè)庫(kù)所時(shí)序關(guān)聯(lián)矩陣,對(duì)比典型時(shí)序關(guān)聯(lián)模型對(duì)保護(hù)和斷路器的告警信息進(jìn)行糾錯(cuò);文獻(xiàn)[12]對(duì)線路兩側(cè)不同保護(hù)、斷路器之間的時(shí)序進(jìn)行交叉檢查,得到保護(hù)與斷路器之間時(shí)序配合的一致性并修正診斷模型;文獻(xiàn)[13]考慮元件故障、保護(hù)動(dòng)作和斷路器跳閘之間的延時(shí)約束,通過(guò)將時(shí)序約束網(wǎng)絡(luò)和模糊Petri網(wǎng)進(jìn)行融合實(shí)現(xiàn)錯(cuò)誤警報(bào)的自動(dòng)過(guò)濾。

上述方法應(yīng)用于電網(wǎng)故障診斷有一定的容錯(cuò)性和適應(yīng)性,但存在以下局限:①對(duì)于告警信息時(shí)序特性的利用主要局限于告警信息的篩選和驗(yàn)證階段,難以制定完善的告警信息時(shí)序比較規(guī)則,且說(shuō)服力不強(qiáng);②時(shí)序信息計(jì)算量大,難以滿足電力系統(tǒng)在線診斷的需求;③在保護(hù)和斷路器誤動(dòng)/拒動(dòng)、告警信息缺失/錯(cuò)誤的情況下,模型的容錯(cuò)性不強(qiáng),處理復(fù)雜故障時(shí)可能得不到明確的診斷結(jié)果。

在上述背景下,本文提出一種基于事件起點(diǎn)的層次化加權(quán)模糊時(shí)序Petri網(wǎng)TWFPN(Temporal Weighted Fuzzy Petri Net)故障診斷方法,以故障發(fā)生時(shí)刻作為事件起點(diǎn),提出基于事件起點(diǎn)的保護(hù)和斷路器時(shí)序約束檢查方法,針對(duì)可疑故障元件的TWFPN模型,通過(guò)逆向時(shí)序推理獲得該元件的故障時(shí)間點(diǎn)約束,再通過(guò)正向時(shí)序推理對(duì)告警信息的初始置信度予以修正,IEEE 39節(jié)點(diǎn)系統(tǒng)仿真算例和電網(wǎng)實(shí)際故障算例表明該方法能夠在保護(hù)和斷路器誤動(dòng)/拒動(dòng)、告警信息缺失/錯(cuò)誤等復(fù)雜狀態(tài)下識(shí)別真實(shí)故障元件,提高了故障診斷的準(zhǔn)確度和容錯(cuò)性。通過(guò)與現(xiàn)有應(yīng)用時(shí)序信息的故障診斷方法相比,本文提出的故障診斷方法充分利用了報(bào)警信息的時(shí)序信息與約束關(guān)系,時(shí)序推理過(guò)程簡(jiǎn)明清晰,對(duì)網(wǎng)絡(luò)拓?fù)涞淖兓m應(yīng)性強(qiáng),運(yùn)算速度快,滿足在線診斷需求。

1 TWFPN

1.1 TWFPN的定義

傳統(tǒng)的模糊Petri網(wǎng)(FPN)[14]考慮了保護(hù)和斷路器動(dòng)作的不確定性以及誤動(dòng)/拒動(dòng)的可能性,采用加權(quán)方式描述不同保護(hù)和斷路器動(dòng)作對(duì)診斷結(jié)果的影響,通常定義為一個(gè)8元組:SFPN={P,R,I,H,O,W,M,U}。其中，P=[p1,p2,p3,…,pm](m≥0)為m維庫(kù)所向量,用于表示命題,m為庫(kù)所數(shù)量;R=[r1,r2,r3,…,rn](n≥0)為n維變遷向量,用于表示推理規(guī)則,n為變遷數(shù)量;I=(δij)m×n為直接輸入矩陣,表示庫(kù)所P到變遷R的映射關(guān)系,δij∈{0,1},當(dāng)庫(kù)所pi存在到變遷rj的直接有向弧,即pi是rj的直接輸入時(shí),δij=1,否則δij=0;H=(γij)m×n為抑制輸入矩陣,γij∈{0,1},當(dāng)庫(kù)所pi存在到變遷rj的抑制輸入弧,即pi是rj的抑制輸入時(shí),γij=1,否則γij=0;O=(ζij)n×m為輸出矩陣,ζij∈{0,1},表示變遷R到庫(kù)所P的映射關(guān)系,當(dāng)變遷ri存在到庫(kù)所pj的有向弧,即pj是ri的輸出時(shí),ζij=1,否則ζij=0;W=(ωij)m×n為輸入弧的權(quán)值矩陣,ωij∈{0,1},表示命題對(duì)相應(yīng)規(guī)則的影響程度;M=[M1,M2,M3,…,Mm]T為m維庫(kù)所置信度向量,Mi表示庫(kù)所pi對(duì)應(yīng)的命題為真的置信度,庫(kù)所的初始置信度向量用M0表示;U=diag(μ1,μ2,μ3,…,μn)為規(guī)則的置信度矩陣,μi為變遷ri的置信度。

鑒于篇幅限制,TWFPN的運(yùn)算規(guī)則及推理過(guò)程此處不詳述,具體可參考文獻(xiàn)[10-11]。

為了充分利用保護(hù)和斷路器的動(dòng)作時(shí)序信息和約束關(guān)系,本文研究一種基于事件起點(diǎn)的層次化TWFPN,f為可疑故障元件,將元件f故障發(fā)生的時(shí)刻tf定義為事件起點(diǎn),引入保護(hù)動(dòng)作時(shí)限約束以及保護(hù)動(dòng)作和對(duì)應(yīng)斷路器跳閘之間的時(shí)間約束,通過(guò)時(shí)序約束檢查來(lái)修正其對(duì)應(yīng)的初始置信度向量M0,將TWFPN定義為一個(gè)11元組:STWFPN={P,R,I,H,O,W,M,U,t,T,D}。

其中，P、R、I、H、O、W、M、U與前述定義一致；t=[tp1,tp2,tp3,…,tpm](m維)為系統(tǒng)獲取的庫(kù)所初始狀態(tài)信息發(fā)生時(shí)間,tpi對(duì)應(yīng)庫(kù)所pi的告警信息獲取時(shí)間點(diǎn);T={T(tpi)|pi∈P}為時(shí)間點(diǎn)約束集合,與t中元素相對(duì)應(yīng),T(tpi)表示庫(kù)所pi對(duì)應(yīng)的告警信息應(yīng)該出現(xiàn)的時(shí)間區(qū)間;D={D(tf,tpi)|pi∈P}為時(shí)間距離約束集合,D(tf,tpi)表示庫(kù)所pi所對(duì)應(yīng)的告警信息的獲取時(shí)間與事件起點(diǎn)tf之間的時(shí)間距離約束。

1.2 TWFPN中的時(shí)序約束

定義TWFPN模型中各初始庫(kù)所的時(shí)序?qū)傩詾閧pi,tpi,T(tpi),D(tf,tpi)},過(guò)渡庫(kù)所無(wú)實(shí)際物理意義,不具備時(shí)序?qū)傩?。時(shí)序?qū)傩悦枋隽藥?kù)所pi告警信息的獲取時(shí)間、時(shí)間點(diǎn)約束及與事件起點(diǎn)間的時(shí)間距離約束。其中,tpi可直接獲取,若沒(méi)有則此項(xiàng)為空;T(tpi)需根據(jù)后文2.3節(jié)中基于事件起點(diǎn)的保護(hù)和斷路器的時(shí)序約束檢查方法來(lái)確定;D(tf,tpi)根據(jù)保護(hù)和斷路器的動(dòng)作規(guī)則確定。

電網(wǎng)故障后的告警信息主要包含各保護(hù)和斷路器動(dòng)作信息及其發(fā)生時(shí)刻,可將其表達(dá)為保護(hù)出口動(dòng)作時(shí)刻(R,tR)和斷路器跳閘時(shí)刻(CB,tCB)。為保證保護(hù)動(dòng)作的選擇性,不同保護(hù)設(shè)定了不同的動(dòng)作延時(shí),保護(hù)動(dòng)作時(shí)刻和其對(duì)應(yīng)斷路器的跳閘時(shí)刻之間也存在著時(shí)間約束。定義D(tf,tm)、D(tf,tmf)、D(tf,ts)分別為元件故障到主保護(hù)、斷路器失靈保護(hù)、遠(yuǎn)后備保護(hù)動(dòng)作的時(shí)間距離約束,D(tR,tCB)為保護(hù)動(dòng)作到其對(duì)應(yīng)的斷路器跳閘的時(shí)間距離約束。給定各時(shí)間距離約束[16]為:

D(tf,tm)=[10,40] ms,D(tf,ts)=[600,1 100] ms

D(tf,tmf)=[300,500] ms,D(tR,tCB)=[40,60] ms

TWFPN模型中所有告警信息都可轉(zhuǎn)換到以事件起點(diǎn)為基準(zhǔn)的時(shí)間距離約束下,保護(hù)動(dòng)作告警信息相對(duì)于事件起點(diǎn)的時(shí)間距離約束為D(tf,tR),斷路器跳閘告警信息相對(duì)于事件起點(diǎn)的時(shí)間距離約束為D(tf,tCB)=D(tf,tR)+D(tR,tCB)。

2 基于事件起點(diǎn)的層次化TWFPN電網(wǎng)故障診斷模型

以圖1所示的IEEE 10機(jī)39節(jié)點(diǎn)系統(tǒng)為例,說(shuō)明基于事件起點(diǎn)的層次化TWFPN模型的構(gòu)建方法。

圖1 IEEE 10機(jī)39節(jié)點(diǎn)系統(tǒng)Fig.1 IEEE 10-generator 39-bus system

Petri網(wǎng)運(yùn)用圖形化的表示方法對(duì)于描述具有一定邏輯關(guān)系的離散事件具有很大的優(yōu)勢(shì),且可以應(yīng)用矩陣分析方法進(jìn)行推理,但當(dāng)對(duì)大規(guī)模復(fù)雜電網(wǎng)運(yùn)用Petri網(wǎng)進(jìn)行建模時(shí),可能出現(xiàn)矩陣維數(shù)太大、組合爆炸以及模型的適應(yīng)能力差等問(wèn)題,本文采用層次化建模的方法,通過(guò)分析故障發(fā)生后的保護(hù)和斷路器動(dòng)作過(guò)程,反向建立母線和線路層次化的TWFPN模型。本文在建模時(shí)對(duì)元件的保護(hù)配置考慮如下:每條線路的兩端都配置了主保護(hù)、斷路器失靈保護(hù)以及遠(yuǎn)后備保護(hù);每條母線配置了主保護(hù)和相鄰線路上的遠(yuǎn)后備保護(hù)。其他保護(hù)配置情況則可以根據(jù)實(shí)際的保護(hù)配置對(duì)模型作相應(yīng)調(diào)整即可。對(duì)下文中的Petri網(wǎng)符號(hào)備注如下:B表示母線,L表示線路,CB表示斷路器,R表示保護(hù),并用m、mf和s分別表示主保護(hù)、斷路器失靈保護(hù)和遠(yuǎn)后備保護(hù),R0318m表示線路L0318靠近母線B03一側(cè)的主保護(hù),R1803m表示線路L0318靠近母線B18一側(cè)的主保護(hù),其他依此類推。

2.1 母線和線路的層次化TWFPN模型

當(dāng)線路發(fā)生故障時(shí),首先由線路兩端各自的主保護(hù)動(dòng)作于相應(yīng)斷路器跳閘,當(dāng)某個(gè)斷路器拒動(dòng)時(shí)啟動(dòng)該斷路器的失靈保護(hù)跳開(kāi)該線路母線背側(cè)斷路器,當(dāng)主保護(hù)和斷路器失靈保護(hù)動(dòng)作失敗后,由遠(yuǎn)后備保護(hù)動(dòng)作隔離故障。根據(jù)線路故障后的保護(hù)和斷路器動(dòng)作過(guò)程,反向建立其層次化TWFPN模型,即先對(duì)線路兩端分別建立主保護(hù)、斷路器失靈保護(hù)、遠(yuǎn)后備保護(hù)診斷子網(wǎng),再聯(lián)合3個(gè)保護(hù)診斷子網(wǎng)形成各端的診斷虛擬庫(kù)所,最后聯(lián)合兩端的各自虛擬庫(kù)所得到最后的綜合診斷結(jié)果。以圖1中的線路L0318為例建立的層次化TWFPN模型,如圖2所示。圖中，p1、p2、…、p19為初始庫(kù)所；p20、p21、…、p27為過(guò)渡庫(kù)所；p28為原因庫(kù)所；r1、r2、…、r6為保護(hù)動(dòng)作變遷；r7、r8、…、r13為過(guò)渡變遷。

圖2 L0318的層次化TWFPN模型Fig.2 Hierarchical TWFPN model of L0318

類似地,可以構(gòu)造母線的層次化TWFPN模型,先對(duì)每個(gè)母線出線方向建立主保護(hù)和遠(yuǎn)后備保護(hù)診斷子網(wǎng),再聯(lián)合2個(gè)保護(hù)診斷子網(wǎng)形成各出線方向的診斷虛擬庫(kù)所,最后聯(lián)合各出線方向的虛擬庫(kù)所得到最后的綜合診斷結(jié)果。針對(duì)圖1中的母線B18,建立的層次化TWFPN模型如圖3所示。圖中，p1、p2、…、p8為初始庫(kù)所；p9、p10、…、p14為過(guò)渡庫(kù)所；p15為原因庫(kù)所；r1、r2、r3、r4為保護(hù)動(dòng)作變遷；r5、r6、…、r9為過(guò)渡變遷。

圖3 B18的層次化TWFPN模型Fig.3 Hierarchical TWFPN model of B18

2.2 TWFPN模型參數(shù)設(shè)置

a. 輸入弧權(quán)值。

在元件的TWFPN模型中,保護(hù)和斷路器對(duì)應(yīng)的輸入弧權(quán)值代表了其對(duì)診斷結(jié)果的影響差別,目前相關(guān)文獻(xiàn)中輸入弧權(quán)值大多根據(jù)經(jīng)驗(yàn)人為設(shè)定[10,12,17],本文認(rèn)為一方面保護(hù)動(dòng)作是斷路器動(dòng)作的前提,元件故障后通常是由保護(hù)動(dòng)作引發(fā)斷路器跳閘,另一方面保護(hù)動(dòng)作與元件故障的關(guān)聯(lián)性更大,一種保護(hù)通常與相應(yīng)元件故障直接關(guān)聯(lián),而一個(gè)斷路器可由多種保護(hù)觸發(fā)使其跳閘,斷路器跳閘與故障元件之間指向性不明顯,需通過(guò)相關(guān)保護(hù)來(lái)加強(qiáng)其判斷,因此保護(hù)相較于斷路器,對(duì)故障診斷結(jié)果的影響更大。對(duì)于某一具體變遷,將輸入庫(kù)所中保護(hù)部分和斷路器部分對(duì)應(yīng)的輸入弧的權(quán)值分別設(shè)定為0.6和0.4;對(duì)線路綜合診斷模型中兩端診斷虛擬庫(kù)所對(duì)應(yīng)的輸入弧權(quán)值分別設(shè)定為0.5和0.5;對(duì)母線綜合診斷模型中各出線方向的診斷虛擬庫(kù)所對(duì)應(yīng)的輸入弧權(quán)值設(shè)為1/α,α表示這條母線的出線數(shù)。

b. 庫(kù)所初始置信度。

電網(wǎng)故障后保護(hù)和斷路器存在誤動(dòng)、拒動(dòng)的風(fēng)險(xiǎn),上傳到調(diào)度中心的告警信息也可能伴隨信息缺失、畸變等不確定性。對(duì)保護(hù)和斷路器對(duì)應(yīng)的庫(kù)所,應(yīng)根據(jù)不同的保護(hù)和斷路器警報(bào)信息對(duì)故障診斷的作用差別給定庫(kù)所的初始置信度,初始置信度的設(shè)置基于全國(guó)電網(wǎng)繼電保護(hù)與安全自動(dòng)裝置動(dòng)作情況統(tǒng)計(jì),具體賦值如表1所示[12]。

表1 已動(dòng)作的保護(hù)和斷路器對(duì)應(yīng)庫(kù)所的初始置信度Table 1 Initial confidence level of corresponding library to operated protection and circuit breaker

考慮到保護(hù)和斷路器警報(bào)信息中可能夾雜著拒動(dòng)信息以及信息存在丟失的情況,對(duì)未收到告警信息的保護(hù)和斷路器對(duì)應(yīng)的庫(kù)所給定一個(gè)較小的置信度,如表2所示。

表2 未動(dòng)作的保護(hù)和斷路器對(duì)應(yīng)庫(kù)所的初始置信度Table 2 Initial confidence level of corresponding library to non-operated protection and circuit breaker

過(guò)渡庫(kù)所和原因庫(kù)所的初始置信度設(shè)為0。

c. 變遷置信度。

考慮到不同類型的保護(hù)其原理、性能及可靠性都不一樣,故在反向的診斷推理過(guò)程中對(duì)診斷結(jié)果的影響程度也不一樣,據(jù)此賦予變遷不同的置信度[17],規(guī)定主保護(hù)、斷路器失靈保護(hù)、遠(yuǎn)后備保護(hù)的變遷置信度分別為1、0.95和0.85,過(guò)渡變遷無(wú)物理意義,將其置信度設(shè)為1。

2.3 基于事件起點(diǎn)的保護(hù)和斷路器時(shí)序約束檢查

在1.2節(jié)TWFPN的時(shí)序約束介紹的基礎(chǔ)上,根據(jù)各告警信息的獲取時(shí)間與事件起點(diǎn)之間的時(shí)間距離約束進(jìn)行保護(hù)和斷路器的時(shí)序約束檢查,包括2個(gè)過(guò)程:通過(guò)逆向時(shí)序推理獲取故障發(fā)生的時(shí)間區(qū)間;再通過(guò)正向時(shí)序推理對(duì)保護(hù)動(dòng)作信息和斷路器跳閘信息進(jìn)行檢查,并修正其對(duì)應(yīng)庫(kù)所的置信度。

對(duì)下文中的時(shí)序約束檢查過(guò)程中的符號(hào)備注如下:T(f)表示可疑故障元件f事件起點(diǎn)的時(shí)間點(diǎn)約束,表示事件起點(diǎn)tf應(yīng)該出現(xiàn)的時(shí)間區(qū)間,特殊地,T(fs)表示由各個(gè)保護(hù)及斷路器告警信息逆向推理直接得到的事件起點(diǎn)的第一推算時(shí)間點(diǎn)約束,T(f)r表示在T(fs)的基礎(chǔ)上經(jīng)過(guò)時(shí)序約束合并得到的事件起點(diǎn)的第二推算時(shí)間點(diǎn)約束。

a. 逆向時(shí)序推理。

結(jié)合可疑故障元件f的TWFPN模型,利用其相關(guān)告警信息獲取時(shí)間tpi和時(shí)間距離約束D(tf,tpi)進(jìn)行逆向時(shí)序推理來(lái)獲取事件起點(diǎn)的時(shí)間點(diǎn)約束,即:

T(f)=tpi-D(tf,tpi)

由各個(gè)保護(hù)及斷路器告警信息得到的事件起點(diǎn)的第一推算時(shí)間點(diǎn)約束分別為T(mén)(f1)、T(f2)、…、T(fs)。

若T(f1)∩T(f2)∩…∩T(fs)≠?,即當(dāng)?shù)谝煌扑銜r(shí)間點(diǎn)約束有區(qū)間重疊時(shí),說(shuō)明f是這些保護(hù)和斷路器告警信息共同的原因事件,即元件f的故障導(dǎo)致了相關(guān)保護(hù)和斷路器的動(dòng)作。將第一推算時(shí)間點(diǎn)約束直接求交集,得到事件起點(diǎn)唯一的第二推算時(shí)間點(diǎn)約束T(f)1=T(f1)∩T(f2)∩…∩T(fs)。

若T(f1)∩T(f2)∩…∩T(fs)=?,即當(dāng)?shù)谝煌扑銜r(shí)間點(diǎn)約束沒(méi)有共同的重疊區(qū)間時(shí),說(shuō)明這些保護(hù)和斷路器告警信息中存在一部分不是以故障元件f作為原因事件的,而是由其他故障導(dǎo)致的告警信息或者是錯(cuò)誤的告警信息,需對(duì)其進(jìn)行篩選和置信度修正。分別將有重疊區(qū)間的第一推算時(shí)間點(diǎn)約束合并,得到可疑故障元件f的可能的多個(gè)第二推算時(shí)間點(diǎn)約束T(f)1、T(f)2、…、T(f)r。

b. 正向時(shí)序推理。

針對(duì)可疑故障元件f的每個(gè)第二推算時(shí)間點(diǎn)約束,分別進(jìn)行正向時(shí)序推理,得到TWFPN中各初始庫(kù)所的時(shí)間點(diǎn)約束，即：

T(tpi)=T(f)r-D(tf,tpi)

將各初始庫(kù)所告警信息獲取時(shí)間點(diǎn)tpi與基于事件起點(diǎn)進(jìn)行正向推理得到的各初始庫(kù)所的時(shí)間點(diǎn)約束T(tpi)進(jìn)行對(duì)比分析。如果各初始庫(kù)所的告警獲取時(shí)間滿足時(shí)間點(diǎn)約束條件,則認(rèn)為該庫(kù)所的狀態(tài)信息是支持可疑故障元件f在該事件起點(diǎn)下的TWFPN的診斷推理的,將該庫(kù)所的置信度提高。由于線路主保護(hù)及其對(duì)應(yīng)的斷路器、母線主保護(hù)對(duì)應(yīng)的斷路器初始置信度值已經(jīng)很高,接近于1,不必進(jìn)行修正。其余保護(hù)及斷路器在初始置信度值的基礎(chǔ)上增加0.1;如果不滿足時(shí)間點(diǎn)約束條件,將該庫(kù)所的置信度降低,設(shè)為0.1;沒(méi)有收到告警信息的庫(kù)所置信度仍設(shè)為0.2;過(guò)渡庫(kù)所和原因庫(kù)所的置信度仍為0。

3 基于事件起點(diǎn)的層次化TWFPN電網(wǎng)故障診斷流程

基于事件起點(diǎn)的層次化TWFPN的電網(wǎng)故障診斷流程如下：

a. 根據(jù)收到的保護(hù)和斷路器告警信息,利用結(jié)線分析法進(jìn)行搜索,得到故障區(qū)域,確定可疑故障元件集(f1,f2,…,fk);

b. 針對(duì)各個(gè)可疑故障元件fk建立層次化的TWFPN模型,獲取各初始庫(kù)所的時(shí)序?qū)傩?

c. 結(jié)合fk的TWFPN模型,根據(jù)該模型中各個(gè)初始庫(kù)所告警信息獲取時(shí)間和時(shí)間距離約束進(jìn)行逆向時(shí)序推理,并將有重疊區(qū)間的時(shí)序約束合并,得到fk基于事件起點(diǎn)的可能的多個(gè)第二推算時(shí)間點(diǎn)約束T(f)1、T(f)2、…、T(f)r;

d. 針對(duì)得到的可疑故障元件fk的事件起點(diǎn)的第二推算時(shí)間點(diǎn)約束,進(jìn)行正向時(shí)序推理,可以得到TWFPN中事件起點(diǎn)為T(mén)(f)r下各初始庫(kù)所的時(shí)間點(diǎn)約束T(tpi),將其與各初始庫(kù)所告警獲取時(shí)間點(diǎn)tpi進(jìn)行對(duì)比分析,修正初始庫(kù)所的置信度;

e. 結(jié)合fk的TWFPN的診斷模型,進(jìn)行矩陣推理計(jì)算,得到fk在時(shí)間點(diǎn)約束T(f)r下的故障置信度;

f. 針對(duì)可疑故障元件fk的事件起點(diǎn)的可能的多個(gè)第二推算時(shí)間點(diǎn)約束,重復(fù)步驟d、e得到可疑故障元件不同時(shí)間點(diǎn)約束下的多個(gè)可能的故障置信度,通過(guò)對(duì)比取最大值為fk的最終故障置信度,對(duì)應(yīng)的時(shí)間點(diǎn)約束即為故障發(fā)生的時(shí)間區(qū)間;

g. 針對(duì)故障元件集中每個(gè)可疑元件,重復(fù)步驟b—f，綜合得到診斷結(jié)果；

h. 根據(jù)診斷結(jié)果,將故障元件TWFPN模型中各初始庫(kù)所告警獲取時(shí)間點(diǎn)tpi與其在事件起點(diǎn)下的時(shí)間點(diǎn)約束T(tpi)進(jìn)行對(duì)比分析,以判斷保護(hù)與斷路器的拒動(dòng)、誤動(dòng)及漏報(bào)、誤報(bào)情況。

故障置信度閾值的設(shè)定十分重要,是判斷元件故障與否的重要依據(jù),必須保證在故障后保護(hù)和斷路器的極端動(dòng)作情況下,也能準(zhǔn)確地判別出故障?？紤]存在一個(gè)告警信息出錯(cuò)的情況,當(dāng)線路兩端或母線各出線方向均由遠(yuǎn)后備保護(hù)動(dòng)作切除故障時(shí),元件的故障置信度最小,為0.518 5,因此本文取故障置信度的閾值為0.518 5,判定大于0.518 5的元件發(fā)生故障,否則認(rèn)為無(wú)故障。

4 算例仿真分析與比較

以圖1所示IEEE 39節(jié)點(diǎn)系統(tǒng)為例,故障后調(diào)度中心收到的告警信息為(R1803m,0)、(R0318m,2)、(RB03m,5)、(CB0302,58)、(CB0304,63)、(R1803mf,320)、(CB1817,368),時(shí)標(biāo)以收到的第一個(gè)告警信息時(shí)間點(diǎn)為基準(zhǔn),單位為ms。用層次化TWFPN模型對(duì)該案例進(jìn)行故障診斷,完整診斷流程如下。

首先利用結(jié)線分析法搜索故障區(qū)域,得到可疑故障元件為線路L0318、母線B03和母線B18,分別建立其層次化TWFPN模型。

根據(jù)圖2所示L0318的層次化TWFPN模型,收集與L0318相關(guān)的告警信息,可得(R1803m,0)、(R0318m,2)、(CB0302,58)、(CB0304,63)、(R1803mf,320)、(CB1817,368)。根據(jù)各初始庫(kù)所報(bào)警信息獲取時(shí)間點(diǎn)和時(shí)間距離約束進(jìn)行逆向時(shí)序推理,得到L0318事件起點(diǎn)的第一推算時(shí)間點(diǎn)約束為:

T(L03181)=tR1803m-D(tf,tm)=[-40，10] ms

T(L03182)=tR0318m-D(tf,tm)=[-38，-8] ms

T(L03183)=tCB0302-D(tf,tm)-D(tR，tCB)=

[-502，-282] ms

T(L03184)=tCB0304-D(tf,tm)-D(tR，tCB)=

[-497，-277] ms

T(L03185)=tR1803mf-D(tf,tmf)=[-180,-20] ms

T(L03186)=tCB1817-D(tf,tmf)-D(tR，tCB)=

[-192，-28] ms

T(L03181)∩T(L03182)∩T(L03183)∩T(L03184)∩T(L03185)∩T(L03186)=?,分別將有重疊區(qū)間的時(shí)間點(diǎn)約束合并,得到L0318事件起點(diǎn)的第二推算時(shí)間點(diǎn)約束T(L0318)1=[-38,-10] ms和T(L0318)2=[-497,-282] ms。

針對(duì)T(L0318)1=[-38,-10] ms進(jìn)行正向時(shí)序推理,得到各初始庫(kù)所的時(shí)間點(diǎn)約束為:

T(R1803m)=T(L0318)1+D(tf,tm)=[-28,30] ms

T(CB0302)=T(CB0304)=T(CB1817)=

T(L0318)1+D(tf,tmf)+D(tR,tCB)=

[302,550] ms

T(R1803mf)=T(L0318)1+D(tf,tmf)=[262,490] ms

將各報(bào)警信息獲取時(shí)間與其時(shí)間點(diǎn)約束進(jìn)行對(duì)比分析,R1803m、R0318m、R1803mf、CB1817告警獲取時(shí)間滿足其時(shí)間點(diǎn)約束,RB03m、CB0302、CB0304不滿足其時(shí)間點(diǎn)約束,修正庫(kù)所的置信度向量為M0=[0.991 3,0.2,0.991 3,0.2,0.2,0.85,0.85,0.2,0.2,0.2,0.2,0.991 3,0.2,0.991 3,0.2,0.9,0.95,0.2,0.2,0,0,0,0,0,0,0,0,0]T,根據(jù)L0318的層次化TWFPN模型列出其余網(wǎng)絡(luò)矩陣參數(shù),通過(guò)矩陣推理計(jì)算得到最終的庫(kù)所置信度向量為M=[0.991 3,0.2,0.991 3,0.2,0.2,0.1,0.1,0.2,0.2,0.2,0.2,0.991 3,0.2,0.991 3,0.2,0.9,0.95,0.2,0.2,0.674 78,0.349 02,0.17,0.674 78,0.907 89,0.17,0.674 78,0.907 89,0.7913 35]T,庫(kù)所L0318的置信度為0.791 335,即該時(shí)間點(diǎn)約束下L0318的故障置信度為0.791 335。

類似地,針對(duì)T(L0318)2=[-497,-282] ms進(jìn)行正向時(shí)序推理并修正庫(kù)所的置信度向量為M0=[0.1,0.2,0.1,0.2,0.2,0.95,0.95,0.2,0.2,0.2,0.2,0.1,0.2,0.1,0.2,0.1,0.1,0.2,0.2,0,0,0,0,0,0,0,0,0]T,通過(guò)矩陣推理計(jì)算得到庫(kù)所L0318的置信度為0.327 75。

通過(guò)對(duì)比在T(L0318)1=[-38,-10] ms和T(L0318)2=[-497,-282] ms下的故障置信度,取較大值0.791 335為L(zhǎng)0318的最終故障置信度,對(duì)應(yīng)的時(shí)間點(diǎn)約束[-38,-10] ms即為故障發(fā)生的時(shí)間區(qū)間。

類似地,構(gòu)建B03和B18的TWFPN模型,利用其相關(guān)報(bào)警信息進(jìn)行故障診斷,診斷結(jié)果如表3所示。

綜合以上診斷結(jié)果,判定L0318和B03分別在[-38,-10] ms和[-35,-5] ms發(fā)生故障,B18無(wú)故障,根據(jù)故障元件TWFPN模型中各初始庫(kù)所的時(shí)間點(diǎn)約束,對(duì)比實(shí)際告警信息的獲取時(shí)間,分析得到如下結(jié)論:L0318故障后,線路兩端主保護(hù)正確動(dòng)作,跳開(kāi)線路兩端斷路器,CB0318正確動(dòng)作但其報(bào)警信息丟失,CB1803拒動(dòng),由CB1803的斷路器失靈保護(hù)動(dòng)作跳開(kāi)CB1817以隔離故障；B03故障后,母線主保護(hù)正確動(dòng)作跳開(kāi)與母線相連的斷路器CB0318、CB0302和CB0304,CB0318告警信息丟失。

用本文所提出的故障診斷方法對(duì)測(cè)試系統(tǒng)中的多種故障場(chǎng)景進(jìn)行測(cè)試,并且將其與文獻(xiàn)[12]、[15]的診斷結(jié)果進(jìn)行對(duì)比,部分測(cè)試結(jié)果如表4所示。

表中,案例1—3為信息完備情況下的診斷,雖然保護(hù)和斷路器的誤動(dòng)、拒動(dòng)導(dǎo)致了故障區(qū)域的擴(kuò)大,但利用本文提出的基于事件起點(diǎn)的層次化TWFPN方法可以識(shí)別出誤動(dòng)或拒動(dòng)信息而得出正確的診斷結(jié)果；案例4—7模擬存在保護(hù)和斷路器誤動(dòng)、拒動(dòng)以及告警信息缺失/錯(cuò)誤等復(fù)雜狀況下的故障診斷,本文提出的方法均能準(zhǔn)確地得到診斷結(jié)果,提高了故障診斷的準(zhǔn)確度和容錯(cuò)性。

表3 故障案例診斷結(jié)果Table 3 Diagnosis results of fault case

對(duì)廣州地區(qū)電力系統(tǒng)實(shí)際故障案例[15]進(jìn)行測(cè)試,鑒于篇幅限制,層次化TWFPN的建立及故障診斷的步驟和過(guò)程不詳細(xì)給出,可疑故障元件的故障置信度及時(shí)間點(diǎn)約束分別為(L2943,0.890 32,[-38,-21] ms)和(B4,0.434 99,[232,278] ms)。綜合診斷結(jié)論如下:線路L2943在-38～-21 ms期間發(fā)生故障線路兩端主保護(hù)正確動(dòng)作并作用于相應(yīng)斷路器跳閘,由于C12拒動(dòng),其斷路器失靈保護(hù)動(dòng)作跳開(kāi)母線B4背側(cè)斷路器以隔離故障。故障診斷結(jié)果和實(shí)際發(fā)生的故障情況相符。

本文所提的電網(wǎng)故障診斷方法采用MATLAB工具實(shí)現(xiàn),以上述算例為例,在主頻為2.6 GHz雙核處理器、內(nèi)存容量為2 GB的PC機(jī)上,故障診斷過(guò)程所耗時(shí)間均在18 ms以內(nèi),能夠滿足電網(wǎng)故障診斷的在線要求。

此外,將本文方法與近年提出的2種利用時(shí)序信息的電網(wǎng)故障診斷方法進(jìn)行了詳細(xì)的性能對(duì)比分析,結(jié)果如表5所示。表中,β為收到的報(bào)警信息的數(shù)目;γ為可疑故障元件的數(shù)目。

通過(guò)表4中診斷結(jié)果的對(duì)比和表5中性能的對(duì)比可以發(fā)現(xiàn),本文提出的方法充分利用了報(bào)警信息的時(shí)序信息與約束關(guān)系,通過(guò)將告警信息全部轉(zhuǎn)換到以故障發(fā)生時(shí)刻為基準(zhǔn)的時(shí)序約束關(guān)系下,對(duì)保護(hù)、斷路器告警信息進(jìn)行時(shí)序約束檢查,不僅可以得到設(shè)備的故障時(shí)間點(diǎn)約束,在保護(hù)和斷路器誤動(dòng)/拒動(dòng)、告警信息缺失/錯(cuò)誤等復(fù)雜狀況下具有較好的容錯(cuò)性,而且對(duì)網(wǎng)絡(luò)拓?fù)涞淖兓m應(yīng)性強(qiáng),時(shí)序推理過(guò)程簡(jiǎn)明清晰,運(yùn)算速度快,滿足在線診斷需求。

表4 基于事件起點(diǎn)的層次化TWFPN方法的故障案例診斷結(jié)果Table 4 Diagnosis results of fault cases for hierarchical TWFPN model based on event-starting point

表5 本文方法與現(xiàn)有方法的對(duì)比Table 5 Comparison between proposed method and existing methods

5 結(jié)語(yǔ)

本文研究一種基于事件起點(diǎn)的層次化TWFPN故障診斷方法,以故障發(fā)生時(shí)刻作為事件起點(diǎn),提出基于事件起點(diǎn)的保護(hù)和斷路器時(shí)序約束檢查方法,通過(guò)逆向和正向時(shí)序推理對(duì)保護(hù)和斷路器動(dòng)作信息置信度予以修正,提高了故障診斷的準(zhǔn)確度和容錯(cuò)性。IEEE 39節(jié)點(diǎn)系統(tǒng)仿真算例和電網(wǎng)實(shí)際故障算例表明該方法能夠在保護(hù)和斷路器誤動(dòng)/拒動(dòng)、告警信息缺失/錯(cuò)誤等復(fù)雜狀態(tài)下識(shí)別真實(shí)故障元件,還可以得到設(shè)備故障的時(shí)間點(diǎn)約束,有利于進(jìn)一步分析故障原因和故障事態(tài)發(fā)展。該方法充分利用了報(bào)警信息的時(shí)序信息與約束關(guān)系,時(shí)序推理過(guò)程簡(jiǎn)明清晰,對(duì)網(wǎng)絡(luò)拓?fù)涞淖兓m應(yīng)性強(qiáng),運(yùn)算速度快,滿足在線診斷需求,具有良好的應(yīng)用前景。

參考文獻(xiàn)：

[ 1 ] 趙偉,白曉民,丁劍,等. 基于協(xié)同式專家系統(tǒng)及多智能體技術(shù)的電網(wǎng)故障診斷方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào),2006,26(20):1-8.

ZHAO Wei,BAI Xiaoming,DING Jian,et al. A new fault diagnosis approach of power grid based on cooperative expert system and multi-agent technology[J]. Proceedings of the CSEE,2006,26(20):1-8.

[ 2 ] 張巖,張勇,文福拴,等. 融合信息理論的電力系統(tǒng)故障診斷解析模型[J]. 電力自動(dòng)化設(shè)備,2014,34(2):158-164,174.

ZHANG Yan,ZHANG Yong,WEN Fushuan,et al. Analytical model for power system fault diagnosis integrated with information theory[J]. Electric Power Automation Equipment,2014,34(2):158-164,174.

[ 3 ] 梁辰,邰能靈,胡炎,等. 基于保護(hù)信號(hào)的隱性故障檢測(cè)[J]. 電力自動(dòng)化設(shè)備,2016,36(5):154-159.

LIANG Chen,TAI Nengling,HU Yan,et al. Detection of hidden fai-lure based on protection signals[J]. Electric Power Automation Equipment,2016,36(5):154-159.

[ 4 ] 田方媛,張巖,徐兵,等. 多代理系統(tǒng)框架下的主動(dòng)配電系統(tǒng)故障診斷[J]. 電力自動(dòng)化設(shè)備,2016,36(6):19-26.

TIAN Fangyuan,ZHANG Yan,XU Bing,et al. Fault diagnosis based on multi agent system for active distribution system[J]. Electric Power Automation Equipment,2016,36(6):19-26.

[ 5 ] 熊?chē)?guó)江,石東源,朱林,等. 基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的電網(wǎng)模糊元胞故障診斷[J]. 電力系統(tǒng)自動(dòng)化,2014,38(5):59-65.

XIONG Guojiang,SHI Dongyuan,ZHU Lin,et al. Fuzzy cellular fault diagnosis of power grids based on radial basis function neural network[J]. Automation of Electric Power Systems,2014,38(5):59-65.

[ 6 ] 孫明蔚,童曉陽(yáng),劉新宇,等. 運(yùn)用時(shí)序貝葉斯知識(shí)庫(kù)的電網(wǎng)故障診斷方法[J]. 電網(wǎng)技術(shù),2014,38(3):715-722.

SUN Mingwei,TONG Xiaoyang,LIU Xinyu,et al. A power system fault diagnosis method using temporal Bayesian knowledge bases[J]. Power System Technology,2014,38(3):715-722.

[ 7 ] 胡偉,李勇,曹一家,等. 基于LOF和SVM的智能配電網(wǎng)故障辨識(shí)方法[J]. 電力自動(dòng)化設(shè)備,2016,36(6):7-12.

HU Wei,LI Yong,CAO Yijia,et al. Fault identification based on LOF and SVM for smart distribution network[J]. Electric Power Automation Equipment,2016,36(6):7-12.

[ 8 ] CALDERARO V,HADJICOSTIS C N,PIICCOLO A. Failure identification in smart grids based on Petri net modeling[J]. IEEE Tran-sactions on Industrial Electronics,2011,58(10):4613-4623.

[ 9 ] LUO Xu,KEZUNOVIC M. Implementing fuzzy reasoning Petri nets for fault section estimation[J]. IEEE Transactions on Power Deli-very,2008,23(2):676-685.

[10] 楊健維,何正友,臧天磊. 基于方向性加權(quán)模糊Petri網(wǎng)的電網(wǎng)故障診斷方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào),2010,30(34):42-49.

YANG Jianwei,HE Zhengyou,ZANG Tianlei. Power system fault-diagnosis method based on directional weighted fuzzy Petri nets[J]. Proceedings of the CSEE,2010,30(34):42-49.

[11] 楊健維,何正友. 基于時(shí)序模糊Petri網(wǎng)的電力系統(tǒng)故障診斷[J]. 電力系統(tǒng)自動(dòng)化,2011,35(15):46-51.

YANG Jianwei,HE Zhengyou. Power system fault diagnosis approach based on time sequence fuzzy Petri net[J]. Automation of Electric Power Systems,2011,35(15):46-51.

[12] 童曉陽(yáng),謝紅濤,孫明蔚. 計(jì)及時(shí)序信息檢查的分層模糊Petri網(wǎng)電網(wǎng)故障診斷模型[J]. 電力系統(tǒng)自動(dòng)化,2013,37(6):63-68.

TONG Xiaoyang,XIE Hongtao,SUN Mingwei. Power system fault diagnosis model based on layered fuzzy Petri net considering temporal constraint checking[J]. Automation of Electric Power Systems,2013,37(6):63-68.

[13] 張巖,張勇,文福拴,等. 容納時(shí)序約束的改進(jìn)模糊Petri網(wǎng)故障診斷模型[J]. 電力系統(tǒng)自動(dòng)化,2014,38(5):66-72.

ZHANG Yan,ZHANG Yong,WEN Fushuan,et al. Power system fault diagnosis with an enhanced fuzzy Petri net accommodating temporal constraints[J]. Automation of Electric Power Systems,2014,38(5):66-72.

[14] LI Xiaoou,LARA-ROSANO F. Dynamic knowledge inference and learning under adaptive fuzzy net framework[J]. IEEE Transactions on Systems,Man,and Cybernetics:Part C Applications and Reviews,2008,30(4):442-450.

[15] 郭文鑫,文福拴,廖志偉,等. 基于時(shí)序約束網(wǎng)絡(luò)的電力系統(tǒng)在線警報(bào)處理解析模型[J]. 電力系統(tǒng)自動(dòng)化,2009,33(21):36-42,65.

GUO Wenxin,WEN Fushuan,LIAO Zhiwei,et al. An analytic model for power system online alarm processing based on temporal constraint network[J]. Automation of Electric Power Systems,2009,33(21):36-42,65.

[16] 樂(lè)全明. 電網(wǎng)高級(jí)智能故障診斷系統(tǒng)中關(guān)鍵技術(shù)的研究[D].上海：上海交通大學(xué),2006.

LE Quanming. Research on key techniques of advanced intelligent fault diagnosis system for power grid[D]. Shanghai:Shanghai Jiao Tong University,2006.

[17] 陳強(qiáng),程學(xué)珍,劉建航,等. 基于分層變遷的WFPN電網(wǎng)故障分析[J]. 電工技術(shù)學(xué)報(bào),2016,31(15):125-135.

CHEN Qiang,CHENG Xuezhen,LIU Jianhang,et al. The analysis method of power grid fault based on hierarchical transition weighted fuzzy Petri net[J]. Transactions of China Electrotechnical Society,2016,31(15):125-135.