游昊，石恒初，楊遠(yuǎn)航，顏麗，廖曉春

(1.云南電網(wǎng)有限責(zé)任公司，云南 昆明 650011；2. 武漢華電順承科技有限公司，湖北 武漢 430071)

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，社會(huì)對(duì)電力供應(yīng)的依賴程度增強(qiáng)，對(duì)穩(wěn)定、可靠的供電服務(wù)質(zhì)量要求越來越高，調(diào)度管理的智能化水平和電網(wǎng)事故的快速處理得到越來越多的關(guān)注。繼電保護(hù)領(lǐng)域的保信、錄波和行波3個(gè)主站為調(diào)度機(jī)構(gòu)提供決策支持，3個(gè)主站分別在故障診斷、故障分析和測(cè)距定位方面各擅勝場(chǎng)，但存在保信主站調(diào)取信息不及時(shí)、錄波主站測(cè)距不理想、行波主站自動(dòng)化程度低等弊端。同時(shí)，各主站獨(dú)立運(yùn)行，缺乏有效的信息共享機(jī)制，存在多頭管理、信息孤島、依賴人工干預(yù)等問題，影響繼電保護(hù)輔助決策支持水平。

近年來，國內(nèi)外開展了一些利用保信、錄波和行波故障信息提高繼電保護(hù)輔助決策支持水平的相關(guān)研究。在信息融合效果方面，文獻(xiàn)[1-3]采用時(shí)序貝葉斯網(wǎng)絡(luò)、小波技術(shù)、覆蓋集理論等方法進(jìn)行故障特征提取，綜合保護(hù)動(dòng)作、錄波電氣數(shù)據(jù)進(jìn)行故障綜合判定。上述文獻(xiàn)融合的對(duì)象主要是廠站側(cè)保信和錄波的開關(guān)量和電氣量信息，但保護(hù)故障數(shù)據(jù)點(diǎn)多，在時(shí)間約束下的融合效果并不理想。文獻(xiàn)[4-5]提出了主站監(jiān)控系統(tǒng)一體化的構(gòu)想，考慮了多數(shù)據(jù)源分析進(jìn)程阻塞、信息無法同步獲取的情況，但未給出信息同步正向解決方法，停留于被動(dòng)接收層面的信息融合，融合效果不佳。

在故障定位方面，文獻(xiàn)[6-7]中行波雙端測(cè)距原理簡(jiǎn)單，理論精度高，但存在兼容性差、智能化程度低、波頭識(shí)別難等弱點(diǎn)，自身缺陷短時(shí)間難以攻克。而錄波和保信阻抗測(cè)距法在高阻接地時(shí)存在較大偏差，其他多數(shù)情況下的測(cè)距結(jié)果準(zhǔn)確性較高，行波初始波頭搜索范圍未有效利用錄波和保信的測(cè)距結(jié)果作為參考，是當(dāng)前主站各自為政的弊端。

在融合診斷方法方面，文獻(xiàn)[8-12]提出基于人工神經(jīng)網(wǎng)絡(luò)的信息融合、基于貝葉斯網(wǎng)絡(luò)的信息融合、基于模糊推理的信息融合、基于專家系統(tǒng)的信息融合、基于小波變換的多尺度信息融合、加權(quán)系數(shù)信息融合等方法。這些方法在電網(wǎng)故障診斷中已有廣泛應(yīng)用，但也存在各自缺點(diǎn)，例如：人工神經(jīng)網(wǎng)絡(luò)需要大量樣本訓(xùn)練，訓(xùn)練樣本數(shù)量和完整性難以保證；模糊推理的規(guī)則建立受主觀因素影響；專家系統(tǒng)的知識(shí)庫維護(hù)不及時(shí)。

面對(duì)電網(wǎng)規(guī)模擴(kuò)大、設(shè)備數(shù)量增多、擾動(dòng)數(shù)據(jù)驟增的壓力，局限于廠站側(cè)故障數(shù)據(jù)融合，需要花費(fèi)大量時(shí)間從海量數(shù)據(jù)中提取故障特征，工作繁瑣且低效。為解決以上問題，迫切需要：①故障信息同步，保證廠站側(cè)上傳至主站的數(shù)據(jù)在限定時(shí)間內(nèi)分析完成，加速3個(gè)主站故障信息同步的速度，提高融合前故障信息的可靠性；②同源故障信息融合，利用3個(gè)主站的故障分析結(jié)果，選用合適的智能融合診斷方法進(jìn)行同源故障判定并完成信息融合，提高故障診斷的可靠性。

本文結(jié)合錄波、保信和行波3個(gè)主站自身優(yōu)勢(shì)，建立多源信息融合診斷模型，提出一種基于改進(jìn)Dempster-Shafer(D-S)證據(jù)理論的多源信息智能融合診斷方法。該方法可以在免人工干預(yù)的前提下，利用主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整，加速故障信息的同步速度；基于改進(jìn)D-S證據(jù)理論，根據(jù)融合診斷規(guī)則、流程，完成故障診斷、同源故障識(shí)別和信息融合，最終實(shí)現(xiàn)故障數(shù)據(jù)快速反應(yīng)、多源信息融合診斷和故障信息全景反映，發(fā)布故障報(bào)告供調(diào)度機(jī)構(gòu)直接決策。

1 融合診斷模型

融合診斷模型無需改變?cè)?個(gè)主站的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，通過外圍通信接口和數(shù)據(jù)交換總線進(jìn)行錄波、保信和行波主站之間的信息交互，數(shù)據(jù)接入設(shè)計(jì)靈活，作業(yè)流程標(biāo)準(zhǔn)化，適應(yīng)外部數(shù)據(jù)規(guī)范。該診斷模型主要包含信息集成層、信息支撐層、融合診斷層和全景反映層4個(gè)部分，完成故障信息同步、集成、分類、診斷、融合、發(fā)布等工作，如圖1所示。

圖1 多源信息融合診斷模型Fig.1 Multi-source information fusion diagnosis model

1.1 信息集成層

信息收集：當(dāng)電網(wǎng)產(chǎn)生大擾動(dòng)或故障發(fā)生時(shí)，各主站完成故障數(shù)據(jù)分析，生成故障分析報(bào)告。數(shù)據(jù)交換總線通過短周期輪詢方式訪問各分布式主站本地存儲(chǔ)的故障列表，一旦檢測(cè)到有新的文件生成，集中到信息集成層。

信息同步：錄波分析報(bào)告生成時(shí)，同步進(jìn)行保信和行波報(bào)告的檢查工作，發(fā)現(xiàn)保信和行波故障報(bào)告缺失的情況，召喚與錄波提供的故障信息時(shí)間序列相似的保護(hù)和行波故障數(shù)據(jù)。在啟動(dòng)主動(dòng)激勵(lì)召喚這種干預(yù)模式時(shí)，進(jìn)行任務(wù)優(yōu)先級(jí)的動(dòng)態(tài)調(diào)整，將時(shí)間序列相似的保信和行波數(shù)據(jù)優(yōu)先摘取、分析，提高計(jì)算資源的利用率和故障信息的同步速度。

1.2 信息支撐層

預(yù)處理：將信息集成層匯集的數(shù)據(jù)進(jìn)行規(guī)范化處理，異構(gòu)數(shù)據(jù)自動(dòng)檢查、容錯(cuò)，并轉(zhuǎn)換成標(biāo)準(zhǔn)格式。篩選故障特征，統(tǒng)一描述相同類型特征，避免不規(guī)范的信息在機(jī)器查詢過程中無法識(shí)別的問題。

信息分類：按照調(diào)度機(jī)構(gòu)所需要的輔助決策內(nèi)容，利用一對(duì)一支持向量機(jī)多分類算法(以下簡(jiǎn)稱“一對(duì)一法”)完成故障信息分類工作，對(duì)融合診斷層進(jìn)行信息及時(shí)響應(yīng)和支撐，這是故障信息融合的基礎(chǔ)。

1.3 融合診斷層

信息處理：根據(jù)時(shí)間序列相似性原則，若每個(gè)主站提供的決策類信息都只有1組且信息一致，同源故障可快速確認(rèn)。若故障信息有多組且決策類信息不一致，則要從源端評(píng)價(jià)類和證據(jù)類信息進(jìn)行融合分析。

融合分析：從評(píng)價(jià)類保護(hù)動(dòng)作角度進(jìn)行故障再確認(rèn)，若確實(shí)有保護(hù)元件動(dòng)作發(fā)生，結(jié)合證據(jù)類信息進(jìn)行故障融合分析。利用改進(jìn)D-S證據(jù)理論融合診斷故障，指向同一故障的證據(jù)體，即為同源故障信息。

1.4 全景反映層

決策報(bào)告：錄波主站是3個(gè)主站中具備自主分析能力并能提供故障分析報(bào)告的系統(tǒng)，在錄波分析報(bào)告的基礎(chǔ)上，消納保信的保護(hù)動(dòng)作和行波的測(cè)距結(jié)果，發(fā)布完整的故障報(bào)告供調(diào)度機(jī)構(gòu)直接決策[13-17]。

2 融合診斷方法

2.1 融合診斷思路

保信、錄波和行波主站所反映的故障信息是同源、不同角度的，利用3個(gè)主站故障信息之間的冗余性，進(jìn)行同源故障判斷；利用3個(gè)主站信息的不同角度，進(jìn)行信息融合，反映故障全景。首先，根據(jù)故障反應(yīng)迅速的錄波分析結(jié)果，通過主動(dòng)激勵(lì)召喚與錄波已識(shí)別故障時(shí)間序列相似的保信和行波數(shù)據(jù)，利用任務(wù)優(yōu)先級(jí)的動(dòng)態(tài)調(diào)整快速完成保信和行波數(shù)據(jù)分析，形成保信和行波故障報(bào)告；其次，進(jìn)行多源異構(gòu)故障信息預(yù)處理，利用一對(duì)一法按照調(diào)度機(jī)構(gòu)所需的決策內(nèi)容對(duì)故障信息進(jìn)行分類；再次，根據(jù)時(shí)間序列相似性原則，在決策類信息只有1組且信息一致的情況下，直接認(rèn)定為同源故障；在決策類信息不一致的情況下，利用改進(jìn)D-S證據(jù)理論對(duì)源端評(píng)價(jià)類故障度和證據(jù)類故障度進(jìn)行融合，診斷故障并確定故障同源性；最后，綜合錄波分析結(jié)果、保信保護(hù)動(dòng)作情況和行波測(cè)距結(jié)果，實(shí)現(xiàn)同源故障信息的融合。

2.2 多源異構(gòu)故障信息預(yù)處理

a)智能容錯(cuò)處理：依據(jù)暫態(tài)數(shù)據(jù)交換通用格式(common format for transient data exchange，COMTRADE)標(biāo)準(zhǔn)的釋義與常見錯(cuò)誤匯編對(duì)故障波形制訂容錯(cuò)方案。對(duì)于信息不全或冗余的情況，調(diào)取補(bǔ)償列表進(jìn)行信息補(bǔ)全或刪減。對(duì)于補(bǔ)償列表之外不能識(shí)別的問題，主站端調(diào)取一次定值模型重新生成標(biāo)準(zhǔn)配置參數(shù)，再次進(jìn)行修正并自動(dòng)判斷波形文件智能容錯(cuò)處理是否成功。

b)無損轉(zhuǎn)換技術(shù)：讀取3個(gè)主站故障報(bào)告，對(duì)不同參數(shù)信息進(jìn)行細(xì)粒度處理，利用參數(shù)差異度指標(biāo)衡量不同系統(tǒng)模型參數(shù)之間差異的大小，匹配校驗(yàn)后的參數(shù)映射到統(tǒng)一描述的參數(shù)通道；對(duì)于時(shí)間序列相似的故障波形采用線性重采樣及故障起始點(diǎn)擬合以實(shí)現(xiàn)采樣頻率歸一化和時(shí)標(biāo)同步，便于程序裝載運(yùn)用。

c)模型參數(shù)統(tǒng)一：模型參數(shù)無損轉(zhuǎn)換后，以公共模板作為中間件進(jìn)行多源異構(gòu)模型參數(shù)的一致性關(guān)聯(lián)和參數(shù)信息的映射，形成格式統(tǒng)一的故障報(bào)告，完成不同系統(tǒng)模型參數(shù)的無偏差一致化處理，降低后續(xù)故障信息分類協(xié)同處理的復(fù)雜度。

2.3 故障信息分類

利用一對(duì)一法進(jìn)行故障信息分類工作，對(duì)于1個(gè)m類的分類，設(shè)計(jì)成m(m-1)/2個(gè)分類器，每個(gè)分類器單獨(dú)對(duì)樣本信息進(jìn)行分類，通過投票法累加票數(shù)，獲得票數(shù)多的類型即為該樣本信息所屬的類別。故障信息按照調(diào)度機(jī)構(gòu)所需輔助決策內(nèi)容分為證據(jù)類、評(píng)價(jià)類和決策類，如圖2所示。

圖2 信息分類Fig.2 Information classification

a)證據(jù)類信息：主要是錄波、保信和行波原始波形圖，記錄故障發(fā)生時(shí)的暫態(tài)和故障前后的穩(wěn)態(tài)過程信息，包含故障電壓、電流、功率等電氣量信息。

b)評(píng)價(jià)類信息：包含保護(hù)動(dòng)作元件的動(dòng)作時(shí)序、邏輯等信息。保護(hù)動(dòng)作信息具有可靠性高、覆蓋全面的優(yōu)點(diǎn)，可以實(shí)現(xiàn)對(duì)故障區(qū)域的準(zhǔn)確診斷。

c)決策類信息：故障分析報(bào)告，包括故障時(shí)刻、線路名稱、故障類型、跳閘時(shí)刻、重合時(shí)刻、故障測(cè)距等，為調(diào)度機(jī)構(gòu)提供復(fù)電依據(jù)，也為巡線班組提供故障位置的指導(dǎo)。

故障信息分類是從3個(gè)不同角度快速判定故障、識(shí)別故障同源的基礎(chǔ)，其作用是為后續(xù)根據(jù)融合規(guī)則和流程完成故障信息融合診斷做準(zhǔn)備。

2.4 融合診斷方法

將錄波分析所得故障時(shí)間作為輸入特征，以編輯距離來搜索與之時(shí)間序列相似的保信和行波故障數(shù)據(jù)，編輯距離越小，2個(gè)時(shí)間序列的相似度越高。限定保信和行波時(shí)間序列相似匹配裕度范圍為30 min和15 s，時(shí)間序列相似性匹配到的保信和行波主站提供的信息都只有1組且信息一致，即確認(rèn)為同源故障。實(shí)際情況是每個(gè)主站提供的故障信息可能有多組，需要根據(jù)以下融合規(guī)則和流程判斷：

a)決策類信息：在決策類信息一致情況下可直接融合后發(fā)送報(bào)告；不一致的情況下利用評(píng)價(jià)類和證據(jù)類信息從源端對(duì)故障進(jìn)行診斷。

b)評(píng)價(jià)類信息：有保護(hù)動(dòng)作實(shí)施的擾動(dòng)數(shù)據(jù)排除誤動(dòng)基本上就可以確認(rèn)為故障，可以對(duì)錄波分析結(jié)果從保護(hù)動(dòng)作角度再確認(rèn)，避免錄波主站對(duì)擾動(dòng)數(shù)據(jù)的誤判。評(píng)價(jià)類信息存在保護(hù)動(dòng)作元件情況和出口時(shí)序信息，說明確實(shí)有故障發(fā)生，需要結(jié)合證據(jù)類信息進(jìn)行確認(rèn)。

c)證據(jù)類信息：對(duì)來源不同、采樣點(diǎn)各異的波形進(jìn)行采樣率歸一化處理，將來源不同的證據(jù)類信息作為證據(jù)體的一部分，利用改進(jìn)D-S證據(jù)理論對(duì)證據(jù)類和評(píng)價(jià)類故障度進(jìn)行權(quán)重調(diào)整后融合診斷，指向同一故障的證據(jù)體，即為同源故障信息。

融合診斷流程如圖3所示。

圖3 融合診斷流程Fig.3 Fusion diagnosis flow

3 融合診斷關(guān)鍵技術(shù)及算法

電網(wǎng)故障診斷對(duì)時(shí)效性要求較高，為了在限定時(shí)間內(nèi)提高故障數(shù)據(jù)自動(dòng)上送和同源故障信息決策的可靠性，需解決以下2個(gè)關(guān)鍵技術(shù)：

a)故障信息同步：錄波主站自主分析能力強(qiáng)，3 min可以獲得故障分析報(bào)告，但存在保信數(shù)據(jù)點(diǎn)多，整理信息時(shí)間跨度大，行波數(shù)據(jù)碎片化、海量化，無自動(dòng)上傳能力的缺點(diǎn)，依靠現(xiàn)有機(jī)制，故障報(bào)告獲取時(shí)效性低。通過主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整，合理利用資源來提升與錄波時(shí)間序列相似的保信和行波報(bào)告同步速度，從而獲取融合所需要的故障信息，保證3個(gè)主站故障信息的可靠性。

b)同源故障信息融合：傳統(tǒng)故障診斷的模式是依賴3個(gè)主站信息加人工干預(yù)的方式進(jìn)行故障分析判定，故障診斷的可靠性難以保證。在現(xiàn)有智能融合分析方法中，選取基于改進(jìn)D-S證據(jù)理論的多源信息智能融合診斷方法，將源端證據(jù)類和評(píng)價(jià)類信息故障度進(jìn)行權(quán)重調(diào)整后融合診斷，判定同源故障，從而完成同源故障信息融合。

3.1 故障信息同步

3.1.1 主動(dòng)激勵(lì)召喚

利用錄波故障特征，在錄波主站發(fā)出故障預(yù)警信號(hào)后，保信和行波開始自動(dòng)召喚數(shù)據(jù)3 min。如果檢測(cè)召喚失敗，從第3 min開始，啟動(dòng)主動(dòng)激勵(lì)機(jī)制，強(qiáng)制召喚與錄波已識(shí)別故障時(shí)間序列相似的保護(hù)和行波故障數(shù)據(jù)。如果召喚成功，交給主站計(jì)算、整理并生成保信和行波故障報(bào)告；如果召喚失敗，以3 min為間隔，再進(jìn)行3次主動(dòng)激勵(lì)召喚；若3次主動(dòng)激勵(lì)都召喚不上來故障數(shù)據(jù)，即為召喚失敗，總時(shí)長(zhǎng)控制在15 min時(shí)間內(nèi)收斂與之相匹配的故障數(shù)據(jù)。此主動(dòng)激勵(lì)機(jī)制可有效解決保信和行波主站難以快速獲取故障數(shù)據(jù)的問題。

3.1.2 任務(wù)動(dòng)態(tài)調(diào)整

由于故障數(shù)據(jù)具有多點(diǎn)驟發(fā)和集中上傳的特性，為了合理分配主站計(jì)算資源，需要對(duì)主站計(jì)算任務(wù)進(jìn)行優(yōu)先級(jí)排序，設(shè)T={T1，T2，…，Tz，…}為主站計(jì)算任務(wù)集合，每個(gè)任務(wù)表示為Tz={Tid,z，Tlen,z，TDL,z，Tval,z}，其中：下標(biāo)z指代第z個(gè)任務(wù)，下同；Tid,z為故障編號(hào)；Tlen,z為故障數(shù)據(jù)長(zhǎng)度；TDL,z為數(shù)據(jù)計(jì)算任務(wù)的截止時(shí)間；Tval,z為數(shù)據(jù)價(jià)值。

利用以下3個(gè)參數(shù)來體現(xiàn)任務(wù)優(yōu)先級(jí)指標(biāo)：

故障數(shù)據(jù)的價(jià)值密度

Tvd,z=Tval,z/Tlen,z，

(1)

數(shù)據(jù)處理的緊迫性

Tres,z=TDL,z-tz，

(2)

數(shù)據(jù)處理的優(yōu)先級(jí)

Pz=Tvd,z/Tres,z，

(3)

式中tz為任務(wù)執(zhí)行時(shí)間。

Tvd,z體現(xiàn)該任務(wù)處理數(shù)據(jù)符合故障數(shù)據(jù)特征的程度；Tres,z表示剩余執(zhí)行時(shí)間；Pz表示任務(wù)Tz在剩余執(zhí)行時(shí)間內(nèi)的價(jià)值密度，Pz越大，任務(wù)處理優(yōu)先級(jí)越高。在主動(dòng)激勵(lì)召喚到匹配的保信和行波故障數(shù)據(jù)后，可以縮短TDL,z截止時(shí)間，加快對(duì)可疑故障任務(wù)的緊急處理。這樣做的意義在于合理分配資源，使時(shí)間序列相似的各主站故障分析結(jié)果在限定時(shí)間內(nèi)計(jì)算、整理完成，加速3個(gè)主站故障信息的同步，提高融合前故障信息的可靠性[18-20]。

3.2 同源故障信息融合

3.2.1 評(píng)價(jià)類故障度提取

根據(jù)保護(hù)動(dòng)作情況可形成可疑故障區(qū)域和可疑故障元件集合，結(jié)合故障元件和主保護(hù)、后備保護(hù)和斷路器之間的動(dòng)作關(guān)系，將故障診斷的問題轉(zhuǎn)化為最優(yōu)問題求解。

設(shè)定可疑故障元件集合中保護(hù)和斷路器動(dòng)作取值為1，沒有動(dòng)作則取值為0，形成可疑元件集合的實(shí)際動(dòng)作集合Y。為了規(guī)避直接取用0和1作為動(dòng)作期望值帶來的局限性，假設(shè)斷路器、主保護(hù)、近后備保護(hù)和遠(yuǎn)后備保護(hù)的取值系數(shù)分別為0.95、0.9、0.85、0.8，形成期望狀態(tài)動(dòng)作集合Y*。利用粒子群優(yōu)化算法對(duì)目標(biāo)函數(shù)

y(x)=min(Y-Y*)

(4)

求最優(yōu)解。

通過迭代尋優(yōu)獲取最優(yōu)解X={x1，x2，…，xn}，xn為第n個(gè)可疑元件的故障可能性。

若可疑元件集合中有且僅有1個(gè)故障元件，則故障元件可直接鎖定；如可疑故障元件個(gè)數(shù)大于1，需要結(jié)合源端證據(jù)類故障度進(jìn)一步融合診斷。為了和證據(jù)類信息進(jìn)行融合診斷，提出評(píng)價(jià)類故障度Jn，并表示為

(5)

3.2.2 證據(jù)類故障度提取

利用源端證據(jù)類信息可以得到故障前后電流、電壓信號(hào)的變化情況，故障元件的電氣量變化程度遠(yuǎn)遠(yuǎn)大于非故障元件。利用多分辨率分析的小波變換計(jì)算各可疑故障元件在故障前后電流的幅值變化程度。

設(shè)故障信號(hào)為Xn(t)，經(jīng)過小波變換技術(shù)提取故障時(shí)刻t0，得到t0時(shí)刻前、后信號(hào)對(duì)應(yīng)的小波變換結(jié)果Tnf1,Tnf2,…,Tnfm和Tnb1,Tnb2,…,Tnbm，其中m為采樣點(diǎn)個(gè)數(shù)。利用式(6)—(8)求得第n個(gè)元件的故障電流信號(hào)幅值變化程度En。

Enf=max{Tnf1,Tnf2,…,Tnfm}，

(6)

Enb=max{Tnb1,Tnb2,…,Tnbm}，

(7)

(8)

En并不能全面表征元件的故障支持度，利用式(9)進(jìn)行處理，突出故障情況下各元件小波故障度之間的距離，更好地反映故障發(fā)生后第n個(gè)元件證據(jù)類故障度In。

(9)

3.2.3 基于改進(jìn)D-S證據(jù)理論融合診斷

D-S證據(jù)理論是一種處理不確定性問題的方法，廣泛應(yīng)用于信息融合、目標(biāo)模式識(shí)別等領(lǐng)域。在應(yīng)用中發(fā)現(xiàn)此理論存在一票否決、Zadeh悖論和公平等問題，通過修改證據(jù)體權(quán)重進(jìn)行改進(jìn)，提高改進(jìn)后D-S證據(jù)理論的魯棒性。

設(shè)識(shí)別框架Θ={A1，A2，…，An}，x個(gè)證據(jù)在識(shí)別框架下的基本概率分別為m1，m2，…，mx，證據(jù)權(quán)重w反映證據(jù)的相對(duì)可靠程度，將w作為修正系數(shù)，修改原證據(jù)體M={mj(A1),mj(A2),…,mj(An)},得到修正后的證據(jù)體概率分配函數(shù)，利用式(10)—(16)進(jìn)行計(jì)算，操作步驟如下：

a)計(jì)算證據(jù)平均概率

(10)

b)計(jì)算單個(gè)證據(jù)與證據(jù)平均概率的距離

(11)

c)d′j越小，證據(jù)權(quán)重越大，計(jì)算各證據(jù)概率權(quán)重和新的證據(jù)平均概率mave(Ai)：

(12)

(13)

d)利用mave(Ai)計(jì)算每個(gè)證據(jù)與新的證據(jù)平均概率的距離

(14)

e)重新定義各證據(jù)在每個(gè)命題下的權(quán)重并求出加權(quán)平均證據(jù)概率：

(15)

(16)

式中

最后，將wj修正后的證據(jù)類和評(píng)價(jià)類證據(jù)體故障度代入式(17)，獲得每個(gè)命題下的融合結(jié)果m(Ai)：

(17)

式中k為沖突因子，

(18)

k越接近0，表明證據(jù)之間的沖突越小且融合結(jié)果越準(zhǔn)確；k越接近1，表明證據(jù)之間的沖突越大且融合結(jié)果越不準(zhǔn)確。當(dāng)證據(jù)間的沖突因子k增大時(shí)，證據(jù)權(quán)重w降低，形成沖突因子和證據(jù)權(quán)重之間的動(dòng)態(tài)調(diào)整[21-24]。

4 應(yīng)用案例

采用云南電網(wǎng)數(shù)據(jù)庫中的原始故障數(shù)據(jù)作為樣本集，包含單線路故障、多線路故障、母線故障，試驗(yàn)?zāi)M共600個(gè)故障原始數(shù)據(jù)，兩側(cè)故障數(shù)據(jù)合計(jì)為1 200個(gè)。設(shè)主站服務(wù)器計(jì)算能力為109～7×109bit/s，任務(wù)密度Tvd和任務(wù)剩余時(shí)間Tres分別為106～107bit和1～900 s，每種故障樣本數(shù)據(jù)分批輸入。

為了體現(xiàn)主動(dòng)激勵(lì)和任務(wù)動(dòng)態(tài)調(diào)整加速故障數(shù)據(jù)同步的效果，以3個(gè)主站在15 min內(nèi)的匹配數(shù)據(jù)分析完成率來度量。以131個(gè)單線路短路故障樣本為例，每10 min輸入13個(gè)故障數(shù)據(jù)，限定總分析時(shí)間15 min，設(shè)計(jì)為只要錄波召喚到匹配的保護(hù)和行波故障數(shù)據(jù)，縮短Tres為5 min，動(dòng)態(tài)調(diào)整任務(wù)到高優(yōu)先級(jí)。比對(duì)主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整后的3個(gè)主站故障數(shù)據(jù)分析完成率與主站自動(dòng)召喚和隨機(jī)排序后的故障分析完成率，如圖4所示，發(fā)現(xiàn)3個(gè)主站在2次主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整后的故障分析完成率提升42%，表明在相同時(shí)間內(nèi)任務(wù)動(dòng)態(tài)調(diào)整能較多地分析故障數(shù)據(jù)，反之也說明3個(gè)主站同步分析故障時(shí)效性提高了。在擾動(dòng)數(shù)據(jù)驟增的情況下，主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整這種主動(dòng)干預(yù)的方式對(duì)在限定時(shí)間內(nèi)完成故障數(shù)據(jù)同步來說有較強(qiáng)的優(yōu)勢(shì)，能加快3個(gè)主站故障信息同步的速度。

圖4 任務(wù)動(dòng)態(tài)調(diào)整和隨機(jī)排序分析完成率比較Fig.4 Completion rate comparison of task dynamic adjustment and random sorting analysis

在3個(gè)主站故障信息能快速同步獲取的基礎(chǔ)上，若發(fā)現(xiàn)3個(gè)主站提供的決策類故障信息不統(tǒng)一，檢查評(píng)價(jià)類存在保護(hù)動(dòng)作元件信息，此時(shí)需要結(jié)合源端證據(jù)類信息診斷故障。

設(shè)評(píng)價(jià)類信息鎖定的故障區(qū)域中可疑故障元件集合為{L1，L2，L3，L4，L5，L6，L7，L8}，構(gòu)造融合決策識(shí)別框架Θ；保信評(píng)價(jià)類、錄波證據(jù)類、保信證據(jù)類和行波證據(jù)類4類證據(jù)記為{E1，E2，E3，E4}。根據(jù)評(píng)價(jià)類和證據(jù)類故障度，求得各類證據(jù)對(duì)各故障元件的基本概率分配函數(shù)值mj(Li)；利用證據(jù)權(quán)重wj修改規(guī)則，求得4類證據(jù)的權(quán)重依次為0.366 2、0.304 2、0.185 3、0.144 3，進(jìn)行評(píng)價(jià)類和證據(jù)類證據(jù)體調(diào)整；利用改進(jìn)D-S證據(jù)理論合成規(guī)則，求取8條可疑故障線路發(fā)生單相短路融合概率分配函數(shù)m(Li)，融合前后的概率分配函數(shù)值如圖5所示。

圖5 D-S證據(jù)理論信息融合結(jié)果Fig.5 Information fusion results based on D-S evidence theory

制訂判定規(guī)則：故障元件的融合概率分配函數(shù)值至少為其他可疑故障元件概率分配函數(shù)值的1.5倍，圖5中的L1線路融合后的概率分配函數(shù)值是其他值的2倍左右，融合后的故障概率分配函數(shù)值提升到0.953 5，不確定性概率0.001 3小于閾值0.01，目標(biāo)線路故障概率分配值遠(yuǎn)遠(yuǎn)大于不確定性概率，判定L1線路發(fā)生單相短路故障。調(diào)取L1線路樣本故障分析報(bào)告進(jìn)行驗(yàn)證，D-S證據(jù)理論融合后的概率分配函數(shù)診斷結(jié)果與3個(gè)主站提供的驗(yàn)證樣本故障分析報(bào)告情況相符，確認(rèn)為同源故障信息。

在故障信息同步和同源故障識(shí)別可靠的基礎(chǔ)上，完成3個(gè)主站同源故障信息融合，即融合錄波故障分析結(jié)果、保信保護(hù)動(dòng)作元件信息和行波測(cè)距結(jié)果，生成最終的故障決策報(bào)告。統(tǒng)計(jì)131個(gè)單線路短路故障樣本融合成功率，并與主站獨(dú)立決策、錄波-行波融合、錄波-保信融合成功率進(jìn)行對(duì)比，如圖6所示，在前2次主動(dòng)激勵(lì)后融合成功率達(dá)到85%，3次主動(dòng)激勵(lì)后融合成功率可達(dá)95%以上，與獨(dú)立決策成功率30%相比，3個(gè)主站信息融合成功率提升65%。

圖6 3個(gè)主站融合決策與獨(dú)立決策成功率對(duì)比Fig.6 Success rate comparison of three-station fusion decision and independent decision

為了驗(yàn)證基于改進(jìn)D-S證據(jù)理論的多源信息智能融合診斷方法的可靠性，橫向?qū)Ρ仍颇想娋W(wǎng)數(shù)據(jù)庫中1 200個(gè)故障樣本在3站融合和獨(dú)立決策情況下的數(shù)據(jù)上送可靠性、故障定位精度、數(shù)據(jù)診斷可靠性和故障分析完成時(shí)間共4項(xiàng)指標(biāo)平均值，見表1。

表1 3個(gè)主站融合和獨(dú)立決策指標(biāo)比對(duì)Tab.1 Index contrast of three-station fusion and independent decision

綜合分析可得：

a)主動(dòng)激勵(lì)機(jī)制提升了故障數(shù)據(jù)自動(dòng)上送可靠性，保信和行波數(shù)據(jù)自動(dòng)上送可靠性分別提升25%和80%。

b)基于改進(jìn)D-S證據(jù)理論的融合診斷方法不受故障類型(金屬性和非金屬性)的影響，具備較好的兼容性，可在8 min內(nèi)實(shí)現(xiàn)超過95%的故障融合成功和精準(zhǔn)定位。

5 結(jié)束語

本文介紹了基于改進(jìn)D-S證據(jù)理論的電網(wǎng)故障多源信息智能融合診斷模型、規(guī)則和流程，重點(diǎn)闡述了多源信息智能融合診斷過程中2個(gè)關(guān)鍵技術(shù)難點(diǎn)。利用主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整對(duì)故障數(shù)據(jù)進(jìn)行計(jì)算資源合理分配，提高故障信息的同步速度。利用改進(jìn)D-S證據(jù)理論融合算法，通過證據(jù)類和評(píng)價(jià)類融合概率分配函數(shù)判定故障，得到高可信度的同源故障識(shí)別結(jié)論，完成3個(gè)主站同源故障信息融合。

基于改進(jìn)D-S證據(jù)理論的電網(wǎng)故障多源信息智能融合診斷方法相較3個(gè)主站獨(dú)立決策具有以下優(yōu)點(diǎn)：

a)利用主動(dòng)激勵(lì)召喚和任務(wù)動(dòng)態(tài)調(diào)整的融合診斷方法在故障數(shù)據(jù)自動(dòng)上送可靠性方面優(yōu)于獨(dú)立決策，將信息滯后、依賴人工干預(yù)等智能化程度低的操作進(jìn)行優(yōu)化，提高了故障信息反應(yīng)速度和智能化水平。

b)利用改進(jìn)D-S證據(jù)理論的融合診斷方法在故障分析的時(shí)效性和可靠性上優(yōu)于獨(dú)立決策，解決了3個(gè)主站信息孤島、證據(jù)單一的問題，發(fā)揮各主站在故障診斷方面的優(yōu)勢(shì)，實(shí)現(xiàn)了“1+1+1>3”的應(yīng)用效果，在故障快速可靠決策方面效果顯著。

基于改進(jìn)D-S證據(jù)理論的電網(wǎng)故障多源信息智能融合診斷方法滿足電網(wǎng)調(diào)度精益化管理的需求，調(diào)度機(jī)構(gòu)根據(jù)融合后的故障決策報(bào)告可直接決策。該方法適合于非同型主站之間故障數(shù)據(jù)快速無障礙交互和綜合高效決策，在繼電保護(hù)電子化報(bào)送和芯片化主站建設(shè)領(lǐng)域具有廣闊的應(yīng)用前景。