李小東

摘 要：作為國家發(fā)展的重要支撐，若電網(wǎng)系統(tǒng)出現(xiàn)斷電事故或是故障，對群眾生活有很大的影響。另外，還將對企業(yè)甚至是國民經(jīng)濟(jì)帶來沉重的損失。正因?yàn)榇?，一個精準(zhǔn)的電網(wǎng)故障診斷系統(tǒng)有助于及時(shí)地發(fā)現(xiàn)和分析故障設(shè)備，找出故障原因和有效排除。本文運(yùn)用貝葉斯網(wǎng)絡(luò)診斷方法，構(gòu)建以MAS為支撐的電網(wǎng)故障診斷體系，判斷電網(wǎng)故障診斷中該方法的應(yīng)用方法與策略，旨在提高電網(wǎng)診斷總體的效率。

關(guān)鍵詞：Agent網(wǎng)絡(luò);電網(wǎng)故障;診斷

電力系統(tǒng)中，電網(wǎng)是非常關(guān)鍵的一個部分，重點(diǎn)負(fù)責(zé)輸送、配電和轉(zhuǎn)變電壓的系統(tǒng)。近些年，居民用電需求逐步地增長，電網(wǎng)運(yùn)行及其結(jié)構(gòu)更為復(fù)雜，故障率成倍提高。該情況下，建立一個精準(zhǔn)的電網(wǎng)故障診斷系統(tǒng)，關(guān)系到電力系統(tǒng)能否正常地運(yùn)轉(zhuǎn)。伴隨電網(wǎng)規(guī)模的不斷擴(kuò)大，分層分布式的系統(tǒng)架構(gòu)以及多智能體系統(tǒng)在陸續(xù)地研究中，重點(diǎn)是利用分層分區(qū)來對任務(wù)進(jìn)行分解，減小調(diào)度端面臨的解題壓力，使大電網(wǎng)中的復(fù)雜故障得到順利地化解。

一、電網(wǎng)故障診斷的研究現(xiàn)狀

（1）專家系統(tǒng)。以計(jì)算機(jī)技術(shù)為支撐，運(yùn)用專家積累的經(jīng)驗(yàn)構(gòu)建起專家知識庫。結(jié)合知識庫，對專家獨(dú)特的推理過程進(jìn)行模擬。電網(wǎng)故障診斷中，專家系統(tǒng)相對較早、成熟度高。診斷結(jié)果，和故障原因之間密切相關(guān)，體現(xiàn)出了故障特征，接近于人類的診斷思維。

（2）人工神經(jīng)網(wǎng)絡(luò)。通過對人類神經(jīng)系統(tǒng)進(jìn)行模擬，處理信息的一種人工智能技術(shù)。它將電網(wǎng)保護(hù)以及開關(guān)信息量當(dāng)作是人工神經(jīng)網(wǎng)絡(luò)中重要的輸入端，將故障狀態(tài)納入輸出端，建立樣本訓(xùn)練模型。對神經(jīng)網(wǎng)絡(luò)而言，只有兩種診斷方法。一是輸入，二是輸出，無需過多的專業(yè)知識。正因?yàn)榇?，它的容錯能力明顯要比專家系統(tǒng)更具優(yōu)勢，并保留神經(jīng)網(wǎng)絡(luò)獨(dú)特的優(yōu)勢和學(xué)習(xí)能力，有較強(qiáng)的自適應(yīng)性。

（3）貝葉斯網(wǎng)絡(luò)。貝葉斯網(wǎng)絡(luò)（Bayesian Network），將概率論知識、圖形理論之間進(jìn)行結(jié)合，有扎實(shí)的理論基礎(chǔ)。貝葉斯網(wǎng)絡(luò)，是基于貝葉斯公式確立和發(fā)展的數(shù)學(xué)模型。按照設(shè)備的關(guān)聯(lián)性及其不確定性，可以完成概率推理。步驟：在不同狀態(tài)上建立起相關(guān)概率，結(jié)合故障特征找到故障率最高的設(shè)備。

（4）模糊推理?；谀：碚摚凑掌毡榈墓收显?、原因構(gòu)建起知識數(shù)據(jù)庫。結(jié)合模糊數(shù)學(xué)模型和使用者的經(jīng)驗(yàn)，按模糊隸屬度對對象的精確性進(jìn)行描述，從數(shù)據(jù)庫中尋找類比概率相對最高的故障原因或是元器件，容錯能力相對較好。模糊理淪，實(shí)際上是將傳統(tǒng)的集合理論進(jìn)行模糊化，引入語言變量以及模糊邏輯，是一項(xiàng)成熟的推理體系。通常，模糊系統(tǒng)的內(nèi)部結(jié)構(gòu)類似于前述的專家系統(tǒng)，包括模糊知識庫、推理機(jī)以及人機(jī)界面這幾個不同的部分。換句話說，模糊系統(tǒng)也可以看作是模糊理論、專家系統(tǒng)結(jié)構(gòu)二者的結(jié)合。

二、基于多Agent系統(tǒng)的動態(tài)網(wǎng)絡(luò)電網(wǎng)故障診斷

拓?fù)浣Y(jié)構(gòu)識別故障診斷模型涵蓋3個不同的部分：監(jiān)視器Agent、Aco以及ID Agent。系統(tǒng)模型，見下圖。

（1）實(shí)時(shí)獲取電網(wǎng)診斷狀態(tài)數(shù)據(jù)。電網(wǎng)系統(tǒng)若碰到故障或是異常情況，狀態(tài)數(shù)據(jù)必定有所轉(zhuǎn)變。人工智能agent，可以在最短時(shí)間內(nèi)將診斷對象的全部數(shù)據(jù)進(jìn)行搜集，找到異常信息。如設(shè)備運(yùn)行中，精準(zhǔn)捕捉到繼電保護(hù)以及斷路器信息。同時(shí)，將該類設(shè)備相關(guān)的故障信息逐步傳遞至整個診斷系統(tǒng)，利于診斷與客觀分析。

（2）局部結(jié)線分析agent。電網(wǎng)故障中，該系統(tǒng)的作用在于可以收集到斷路器的相關(guān)信息。運(yùn)行時(shí)，利用接線分析法來辨識鼓聲故障前、后系統(tǒng)的不同狀態(tài)。根據(jù)兩種狀態(tài)彼此的差異，尋找故障的根源，同時(shí)將這些故障原因及時(shí)地向上級系統(tǒng)進(jìn)行反饋。

（3）診斷模型生成agent。電網(wǎng)故障中，診斷模型生成系統(tǒng)同樣也是非常關(guān)鍵的部分，多根據(jù)計(jì)算機(jī)模型來預(yù)測電網(wǎng)中出現(xiàn)的故障原因。診斷系統(tǒng)，能夠從用戶接口位置的agent成功地對線路、母線以及變壓器上的數(shù)據(jù)、信息進(jìn)行接收。運(yùn)用事先設(shè)定的學(xué)習(xí)方法以及算法，進(jìn)行模型診斷，建立起相應(yīng)模型，利于故障診斷。該種基于計(jì)算機(jī)的智能化診斷，顯著地提升了診斷效率。

（4）元件診斷貝葉斯網(wǎng)絡(luò)生成agent。該診斷方法，是按照元件故障診斷模型、元件—保護(hù)—斷路器三者的相關(guān)性，運(yùn)用元件貝葉斯生產(chǎn)方法來對不同元件分別建立起診斷貝葉斯網(wǎng)絡(luò)。生成工作結(jié)束后，將這些數(shù)據(jù)逐一地保存到數(shù)據(jù)庫中。故障出現(xiàn)后，若數(shù)據(jù)庫中找不到元件對應(yīng)的診斷貝葉斯網(wǎng)絡(luò)，可考慮喚醒相關(guān)agent便于生成。

（5）故障診斷agent組。電網(wǎng)診斷中，故障診斷agent是基礎(chǔ)和重點(diǎn)。它集合了若干不同的診斷樞紐，包括診斷控制agent、母線、線路以及變壓器等若干不同的零部件。從工作內(nèi)容上看，各個部件有明顯的區(qū)別。如診斷agent，其功能在于提供專業(yè)的信息管理服務(wù)。電網(wǎng)設(shè)備運(yùn)行階段中，它負(fù)責(zé)和其他系統(tǒng)之間保持溝通。根據(jù)各個系統(tǒng)的功能，劃分相應(yīng)的工作人員，以便對設(shè)備實(shí)施監(jiān)控、協(xié)調(diào)。故障診斷agent組成為系統(tǒng)的核心，說到底是由于它參照了貝葉斯網(wǎng)絡(luò)診斷方法，根據(jù)元件故障、斷路器跳閘以及保護(hù)動作三者的邏輯關(guān)系，構(gòu)建起一套完整的診斷模式。它是一種分布式診斷，可以對電網(wǎng)系統(tǒng)中不同的運(yùn)行狀態(tài)加以監(jiān)控，找出現(xiàn)場故障，同時(shí)進(jìn)行診斷。電力設(shè)備運(yùn)行階段中，診斷效率相對較高?？梢暂^好地控制運(yùn)行中出現(xiàn)的突發(fā)性問題，對電力供應(yīng)較為有利，同時(shí)也適應(yīng)了各地用戶的用電需求。

（6）用戶接口agent。診斷工作中，該系統(tǒng)能夠在診斷者、設(shè)備雙方建立起人機(jī)交互界面，及時(shí)展現(xiàn)診斷結(jié)果與其他信息。另外，診斷者利用該系統(tǒng)可以將診斷知識以及接線狀態(tài)及時(shí)地輸入agent中，創(chuàng)建內(nèi)容，適應(yīng)用戶的指令需求，找出故障背后的根源，采取合理的解決對策。

三、結(jié)語

總體來看，電網(wǎng)系統(tǒng)運(yùn)行中難免會碰到不同類型的故障。不同的故障，其解決方法也會有很大的區(qū)別。本文提倡的解決方法僅僅為其中之一，伴隨技術(shù)的創(chuàng)新與進(jìn)步，網(wǎng)絡(luò)解決方法也將日漸增多，這對電力系統(tǒng)和用電安全有很大的保障。

參考文獻(xiàn)：

[1]朱博，胡燕，趙永標(biāo).人工神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用[J].艦船電子工程，2015，25（1）：91-95.

[2]劉京津.基于多智能體系的故障診斷技術(shù)在智能電網(wǎng)中的應(yīng)用[J].電子與封裝，2017，13（12）：43-48.