王守鵬，趙冬梅，袁敬中，高楊，姜宇，張立斌

(1.國網(wǎng)冀北電力有限公司經(jīng)濟(jì)技術(shù)研究院，北京 100038；2.華北電力大學(xué) 電氣與電子工程學(xué)院，北京 102206)

電網(wǎng)故障診斷是電網(wǎng)智能調(diào)度決策的基礎(chǔ)課題，通過分析判斷調(diào)度技術(shù)支持系統(tǒng)采集的故障信息來找出故障原因、確定故障設(shè)備，對于減少停電時(shí)間、提高故障處理水平具有重要的意義[1-3]。近年來，為有效提高電網(wǎng)故障診斷水平，許多專家、學(xué)者對該課題展開了深入的研究，如專家系統(tǒng)[4-5]、人工神經(jīng)網(wǎng)絡(luò)[6-7]、貝葉斯網(wǎng)絡(luò)[8]、Petri網(wǎng)[9-10]、解析模型[11-12]、數(shù)值計(jì)算分析[13-14]等。這些研究可在一定程度上解決電網(wǎng)故障診斷問題，并在提高故障信息完整度和精確度方面取得一定成效。然而在實(shí)際應(yīng)用中，如何構(gòu)建完備的故障診斷模型仍然有許多問題需要解決。

在電網(wǎng)故障診斷的各種算法和模型中，基于先驗(yàn)知識的模式匹配算法能夠迅速確定已知的故障，但在故障告警不確定及故障知識不完備時(shí)，很難準(zhǔn)確診斷故障情況?；诮馕瞿Ｐ偷墓收显\斷不需要先驗(yàn)知識，可以有效識別未知故障，但解析模型主觀分配權(quán)重及應(yīng)用單目標(biāo)優(yōu)化技術(shù)求解，診斷結(jié)果受主觀因素影響。利用電氣數(shù)據(jù)進(jìn)行數(shù)值計(jì)算分析的故障診斷可以顯著提高診斷結(jié)果的準(zhǔn)確性，然而在實(shí)際應(yīng)用中，電氣量數(shù)據(jù)的使用會受到數(shù)據(jù)量級的限制，進(jìn)而影響診斷效率。單一算法的應(yīng)用難以避免診斷過程中所面臨的這些問題；因此，需要精心挖掘和全面考量各種故障相關(guān)因素，進(jìn)行不同診斷方法的融合，設(shè)計(jì)更為完備、高效的診斷模型，以解決現(xiàn)有電網(wǎng)故障診斷面臨的問題。

免疫系統(tǒng)識別抗原的機(jī)制和電網(wǎng)故障診斷識別故障元件的機(jī)制具有相似性。免疫系統(tǒng)可以非特異性辨識并消滅抗原，維持機(jī)體免于抗原侵?jǐn)_；電網(wǎng)故障診斷能夠檢測告警信息并確定故障情況，及時(shí)消除故障，避免電網(wǎng)事故的發(fā)生。本文借鑒和參照免疫系統(tǒng)的防御機(jī)制、有關(guān)原理，探究免疫系統(tǒng)與電網(wǎng)故障診斷的相似功能和原理，構(gòu)建一種能夠適用電網(wǎng)故障診斷的分層免疫模型。該模型結(jié)合模式匹配、解析模型和數(shù)值計(jì)算分析等方法，應(yīng)用開關(guān)量數(shù)據(jù)、電氣量數(shù)據(jù)，分層分步開展故障診斷，有利于診斷系統(tǒng)獲得更為高效的性能和更為準(zhǔn)確的結(jié)果。

1 生物免疫多層防御機(jī)制

免疫系統(tǒng)憑借多層防御結(jié)構(gòu)保護(hù)機(jī)體免受體外、體內(nèi)各種抗原的侵害，構(gòu)成對抗原的保護(hù)屏障[15]，其結(jié)構(gòu)如圖1所示。

圖1 多層免疫防御機(jī)制Fig.1 Multi-layer immune defense mechanism

在多層防御機(jī)制中，固有免疫利用非特異性抗原識別在防御初期發(fā)揮重要效用，并能夠推動適應(yīng)性免疫的活化[16]。適應(yīng)性免疫用以實(shí)現(xiàn)固有免疫難以實(shí)現(xiàn)的防御機(jī)能，其利用免疫記憶和免疫學(xué)習(xí)特性，在消除抗原的后期和抗原再一次侵害的預(yù)防階段發(fā)揮重要作用[17]。

2 電網(wǎng)故障診斷問題的提出與解決思路

2.1 對電網(wǎng)故障診斷系統(tǒng)的要求

對電網(wǎng)故障診斷系統(tǒng)而言，涉及的相關(guān)模型及需求復(fù)雜多樣，在深入研究診斷系統(tǒng)模型和需求的基礎(chǔ)上，本文利用數(shù)據(jù)及方法融合的思想構(gòu)建診斷系統(tǒng)，須符合以下要求：

a)在故障診斷系統(tǒng)容錯(cuò)性方面：診斷系統(tǒng)面臨著保護(hù)裝置/斷路器裝置拒動、誤動和警報(bào)信息異常、丟失時(shí)故障征兆混疊現(xiàn)象加劇的問題。因此，診斷系統(tǒng)需要具有在保護(hù)裝置、斷路器裝置動作錯(cuò)誤或警報(bào)信息異常狀況下準(zhǔn)確辨識故障的能力。

b)在基于先驗(yàn)知識的故障診斷的知識庫設(shè)計(jì)方面：診斷系統(tǒng)很難充分考慮電網(wǎng)運(yùn)行中可能出現(xiàn)的故障，并且隨著電網(wǎng)拓?fù)浣Y(jié)構(gòu)的日益復(fù)雜，獲取完整、有效的故障知識變得越發(fā)困難。因此，診斷系統(tǒng)需要具備連續(xù)學(xué)習(xí)的能力，可以不斷增補(bǔ)和更新故障知識。

c)在基于解析模型的診斷系統(tǒng)求解方面：現(xiàn)有診斷模型采用單目標(biāo)優(yōu)化技術(shù)求解時(shí)會面臨主觀分配權(quán)重及各目標(biāo)優(yōu)化進(jìn)程不可控的問題。因此，診斷系統(tǒng)在求解模型時(shí)，需要考慮優(yōu)化算法的尋優(yōu)特性，尋求一種能符合真實(shí)故障場景的高效智能優(yōu)化算法。

d)在基于數(shù)值計(jì)算分析的故障診斷應(yīng)用電氣量方面：診斷系統(tǒng)在使用電氣量時(shí)面臨著數(shù)據(jù)量級影響的問題。例如，當(dāng)電網(wǎng)中某一元件故障后，控制中心能夠接收到大量的波形數(shù)據(jù)，包括與故障直接關(guān)聯(lián)和非關(guān)聯(lián)的波形數(shù)據(jù)。若同時(shí)對這些數(shù)據(jù)進(jìn)行調(diào)用、分析，勢必會影響電網(wǎng)故障診斷的效率，嚴(yán)重降低診斷方法的實(shí)用性。近年來，基于多源信息的數(shù)值分析方法[18-20]亦面臨著上述問題。因此，診斷系統(tǒng)需要兼顧開關(guān)量與電氣量信息的調(diào)用，降低故障信息的規(guī)模，提升診斷系統(tǒng)的推理效率。

2.2 解決思路

本文基于上述要求，仿效和參照免疫系統(tǒng)的防御機(jī)制和有關(guān)原理，構(gòu)建了一種可用于電網(wǎng)故障診斷的分層免疫模型，技術(shù)思路概括如下：

a)研究電網(wǎng)故障診斷機(jī)理和免疫系統(tǒng)防御機(jī)制的相似性，將故障診斷劃分為固有診斷層和適應(yīng)性診斷層，并將分層的診斷模式加入到故障診斷。同時(shí)，選取分步診斷的策略，分階段進(jìn)行已知故障診斷(利用模式匹配算法)、未知故障診斷(利用解析模型算法)，以實(shí)現(xiàn)故障元件的快速、準(zhǔn)確診斷識別。

b)為使診斷系統(tǒng)具備較強(qiáng)的適應(yīng)性，研究模擬免疫系統(tǒng)中的連續(xù)學(xué)習(xí)機(jī)制，利用連續(xù)學(xué)習(xí)機(jī)制對故障知識進(jìn)行增補(bǔ)、更新，使系統(tǒng)的功能得到持續(xù)改進(jìn)。

c)為解決現(xiàn)有采用優(yōu)化技術(shù)的診斷模型存在的不足，應(yīng)用人工免疫系統(tǒng)的相關(guān)算法，研究將多目標(biāo)優(yōu)化技術(shù)應(yīng)用于電網(wǎng)故障診斷，使其轉(zhuǎn)為多目標(biāo)優(yōu)化問題，以減小主觀影響導(dǎo)致的誤差。

d)仿效免疫系統(tǒng)的防御結(jié)構(gòu)，利用開關(guān)信息與電氣信息作分級診斷分析。首先調(diào)用開關(guān)信息進(jìn)行診斷分析，若產(chǎn)生多重解問題，則調(diào)用電氣信息進(jìn)行診斷分析，通過應(yīng)用分層診斷策略，可提高診斷推理的效率。

3 分層免疫故障診斷模型結(jié)構(gòu)

本文將免疫系統(tǒng)的防御機(jī)制和有關(guān)原理應(yīng)用于故障診斷，構(gòu)建一種能夠適用于電網(wǎng)故障診斷的分層免疫模型，如圖2所示。

圖2 分層免疫故障診斷模型Fig.2 Hierarchical immune fault diagnosis model

該模型搭建2層架構(gòu)，由固有診斷層與適應(yīng)性診斷層組成，計(jì)及了免疫系統(tǒng)的分層防御機(jī)制、固有免疫和適應(yīng)性免疫互相觸發(fā)的結(jié)構(gòu)，以及免疫系統(tǒng)的連續(xù)學(xué)習(xí)能力；同時(shí)，采用分層、分步診斷的策略，利用各種故障相關(guān)信息實(shí)現(xiàn)已知故障的快速診斷、未知故障的有效識別和新故障的連續(xù)學(xué)習(xí)等功能。

3.1 固有診斷層

固有診斷層模擬固有免疫系統(tǒng)的防御機(jī)制，以體液免疫原理為理論基礎(chǔ)，模擬其防御抗原侵?jǐn)_的機(jī)制和結(jié)構(gòu)[15]，起到第1層診斷的作用。該層級由模式匹配模塊、故障知識庫及體液免疫學(xué)習(xí)模塊構(gòu)成。利用體液免疫學(xué)習(xí)模塊構(gòu)造知識庫和訓(xùn)練新的故障，對于已知故障，利用模式匹配模塊完成快速識別。

該診斷層以開關(guān)量信息為輸入，實(shí)現(xiàn)相互獨(dú)立的已知故障的有效辨別。該診斷層利用先驗(yàn)知識和模式匹配對故障信息進(jìn)行診斷分析和知識推理，有利于提升診斷速度。

3.2 適應(yīng)性診斷層

適應(yīng)性診斷層模擬適應(yīng)性免疫系統(tǒng)的防御機(jī)制，主要完成固有診斷無法匹配的故障的分析，由未知故障診斷識別模塊和故障解集辨識模塊組成。

a)未知故障診斷識別模塊。構(gòu)建基于解析模型的診斷模塊，根據(jù)人工免疫的免疫記憶及免疫學(xué)習(xí)的原理，將多目標(biāo)優(yōu)化的算法[21]應(yīng)用于故障診斷。通過對構(gòu)造的多目標(biāo)模型的求解，診斷出固有診斷層未匹配的故障。同時(shí)，將結(jié)果反饋到固有診斷層中體液免疫學(xué)習(xí)模塊中連續(xù)學(xué)習(xí)該新故障。

b)故障解集辨識模塊。對未知故障診斷識別模塊的多重解，調(diào)用電氣量信息進(jìn)行診斷分析，建立母線、線路、變壓器等故障相關(guān)元件的電氣量判據(jù)，并用判據(jù)結(jié)果辨識多重解，以確定最終結(jié)果。同時(shí)也要將該結(jié)果反饋到固有診斷層的體液免疫學(xué)習(xí)模塊進(jìn)行連續(xù)學(xué)習(xí)。

4 分層免疫故障診斷策略

在分層免疫模型中，故障信息利用抗原提呈和激活信號來交互和傳遞，通過不同診斷層的互相協(xié)作，自動更新故障知識，從而優(yōu)化系統(tǒng)的功能。

在固有診斷層，采用模式匹配方法對實(shí)時(shí)監(jiān)測的告警信息和故障知識庫中的已知故障知識進(jìn)行匹配。如果匹配成功，則報(bào)送診斷結(jié)果，否則觸發(fā)適應(yīng)性診斷層，并通過抗原提呈傳送該告警信息。在適應(yīng)性診斷層中，未知故障診斷識別模塊優(yōu)先接收該信息，并且接收固有診斷層傳送的激活信號，通過這些傳遞和交互作用，實(shí)現(xiàn)適應(yīng)性診斷功能。在未知故障診斷識別模塊中，通過解析開關(guān)量故障信息，確定并求解待優(yōu)化的解析模型。如果該告警信息未得到確診(即生成多重解)，那么觸發(fā)故障解集辨識模塊，同時(shí)調(diào)入與多重解中元件相關(guān)的電氣信息，完成多重解辨識，獲得正確的結(jié)果。最后，將適應(yīng)性診斷層獲得的結(jié)果利用學(xué)習(xí)反饋創(chuàng)建故障檢測器，保存至固有診斷層的知識庫內(nèi)，以快速響應(yīng)此類故障。層次間的信號交互如圖3所示。

圖3 層次間交互Fig.3 Interaction between layers

5 故障診斷系統(tǒng)的實(shí)現(xiàn)

以本文設(shè)計(jì)的模型為系統(tǒng)的主功能模塊，搭建適用于調(diào)度支持系統(tǒng)的診斷系統(tǒng)，功能結(jié)構(gòu)如圖4所示。為了驗(yàn)證設(shè)計(jì)模型的有效性及可行性，選取基于高層體系結(jié)構(gòu)的仿真系統(tǒng)[22]進(jìn)行算例分析。

a)算例1：對仿真系統(tǒng)中的五臺站設(shè)置220 kV Ⅰ母A、B相間短路、2201斷路器拒動。與該算例相關(guān)的系統(tǒng)拓?fù)淙鐖D5所示，信息預(yù)處理后的診斷信息見表1。

圖4 系統(tǒng)功能結(jié)構(gòu)Fig.4 System function structure diagram

圖5 算例1的系統(tǒng)拓?fù)銯ig.5 System topology in case 1

表1 算例1的故障信息Tab.1 Fault information of case 1

診斷結(jié)果為：① 220 kV Ⅰ母故障；②五青Ⅰ線PSL-602GM裝置縱聯(lián)距離保護(hù)誤動；③ 城五Ⅰ線2281斷路器誤動；④ 1號主變壓器(以下簡稱“主變”)220 kV側(cè)2201斷路器拒動。該結(jié)果與設(shè)置的故障情況相符。

b)算例2：對仿真系統(tǒng)中的峨眉站設(shè)置110 kV Ⅱ母B、C相間短路，并觸發(fā)2號主變C相發(fā)生故障。與該算例相關(guān)的系統(tǒng)拓?fù)鋱D如圖6所示，診斷信息見表2。診斷結(jié)果為：① 110 kVⅡ母和2號主變故障；② 2號主變RCS-978裝置差動保護(hù)拒動；③ 峨東線1152斷路器誤動。該結(jié)果與模擬發(fā)生的故障情況相符。

可見，采用本文設(shè)計(jì)的電網(wǎng)故障診斷系統(tǒng)能夠定位簡單故障的故障設(shè)備以及含保護(hù)、斷路器拒動或誤動的復(fù)雜故障，仿真結(jié)果符合設(shè)計(jì)要求。

圖6 算例2的系統(tǒng)拓?fù)銯ig.6 System topology in case 2

表2 算例2的故障信息Tab.2 Fault information of case 2

6 結(jié)束語

本文利用免疫系統(tǒng)的分層防御機(jī)制和有關(guān)原理，將固有診斷和適應(yīng)性診斷結(jié)合起來，設(shè)計(jì)了面向電網(wǎng)故障診斷的分層免疫模型。該模型構(gòu)建了固有診斷和適應(yīng)性診斷互相觸發(fā)的結(jié)構(gòu)，建立了基于體液免疫的連續(xù)學(xué)習(xí)機(jī)制，并加入了分步診斷的策略，應(yīng)用各種相關(guān)的故障信息在不同的診斷層開展診斷分析。

所設(shè)計(jì)的分層免疫故障診斷模型通過層間交互傳送診斷信號和結(jié)果，具有已知故障的快速識別、未知故障的有效辨別及新故障的連續(xù)學(xué)習(xí)等功能；同時(shí)，該模型能更好地考慮開關(guān)信息與電氣信息，合理調(diào)用信息資源，有助于提高診斷效率。

本文主要對分層免疫故障診斷模型的整體設(shè)計(jì)及系統(tǒng)功能結(jié)構(gòu)進(jìn)行詳細(xì)描述，下一步將對診斷模型各層級功能的具體實(shí)現(xiàn)方式進(jìn)行更深入的研究。