孫金莉++馮凝++張園園++李茗

摘 要

由于智能變電站二次系統(tǒng)缺陷具有多樣性和不確定性，在各種缺陷之間存在著復雜的聯(lián)系，使得缺陷診斷過程較為復雜，單一的診斷方法難以滿足需求。為了能夠更精確的判斷缺陷類型，需要綜合多方面的缺陷信息進行推理。

【關鍵詞】多參量 缺陷 專家診斷 二次設備

為全面綜合診斷電力二次設備缺陷，參考已有電力二次設備缺陷診斷方法，結合已采集的基準數(shù)據(jù)和電力試驗數(shù)據(jù)，利用自適應算法優(yōu)化網(wǎng)絡和信息歸納演繹技術，提出了一種基于多參量的電力二次設備缺陷綜合診斷模型。

二次系統(tǒng)針對基于其缺陷特征信息，根據(jù)不同信息之間的邏輯關系，通過劃分缺陷特征參數(shù)來構建關系網(wǎng)絡，從不同側面反映二次設備的缺陷原因，同時結合證據(jù)不確定推理的輸出改進證據(jù)體的基本概率分配賦值，充分體現(xiàn)證據(jù)體對單個障模式識別的可信度。

1 二次設備缺陷診斷的概括模型

按照融合對象的層次不同，將信息融合劃分為低層（數(shù)據(jù)級或像素級）、中層（特征級）和高層（決策級）。如圖1所示。

數(shù)據(jù)層融合：直接融合由檢測終端采集到的原始數(shù)據(jù)，合并分析。

特征層融合：信息融合的中間層，對特征信息進行綜合分析與處理。

決策層融合：高級融合，它的結果能夠為控制決策提供依據(jù)，此層融合直接面對決策目標，融合結果對決策水平有直接影響，因此該層融合在一個或幾個信息源失效的情況下也應該能夠繼續(xù)工作，具有容錯性。

2 二次設備缺陷診斷的融合模型

2.1 實現(xiàn)方法

步驟一：數(shù)據(jù)層融合。通常所提取的特征信息應是數(shù)據(jù)信息的充分表示量或統(tǒng)計量，據(jù)此對原始數(shù)據(jù)信息進行分類、匯集和綜合。當缺陷發(fā)生時，站內(nèi)將集中出現(xiàn)大量預告信息、監(jiān)控報警信息及事故信息，本方法將二次系統(tǒng)配置信息、設備在線監(jiān)測信息、綜自告警信息、通信網(wǎng)絡在線監(jiān)測信息等信息統(tǒng)稱為原始數(shù)據(jù)。系統(tǒng)利用從多個智能變電站智能檢測分析儀終端采集到的原始數(shù)據(jù)來提取特征信息。

步驟二：特征層融合。在綜合分析和處理的中間層次過程，缺陷診斷應首先對告警信息進行篩選分類處理，并對原始告警信息進行處理，以一定的通用知識結構將其進行表述，按照不同類別的缺陷特征信息進行不同診斷規(guī)則的匹配。這里的包含一次設備工作狀態(tài)、二次智能裝置工作狀態(tài)、通信網(wǎng)絡性能、通信設備工作狀態(tài)。

步驟三：決策層融合。綜合診斷過程中，將根據(jù)缺陷特征信息分別進行二次智能裝置工作狀態(tài)、輸入/輸出回路完整性、通信網(wǎng)絡性能、通信設備工作狀態(tài)診斷，然后綜合分析中間推理結果，最后將綜合診斷結果輸出，并給出相關診斷解釋說明。

步驟四：診斷分析專家?guī)斓慕⒓巴晟?。智能變電站二次系統(tǒng)缺陷診斷對象主要包括合并單元、保護裝置、智能開關（包括智能組件及開關操作機構）、測控裝置、通信網(wǎng)絡以及通信裝置（主要為交換機），因此，可根據(jù)缺陷診斷對象對知識庫進行分類。由于專家系統(tǒng)獲取缺陷信息的全面程度，決定了其推理規(guī)則的適用范圍，同時，當有新的缺陷案例出現(xiàn)時，通過專家系統(tǒng)的學習機制可對規(guī)則庫進行更新完善。

2.2 舉例

這里以二次設備缺陷引發(fā)開關拒動故障診斷為例：

涉及到的原始數(shù)據(jù)主要包括GOOSE跳閘報文、保護及智能終端裝置自檢報文、goose組網(wǎng)通信設備信息等。

事故發(fā)生期間，保護裝置檢測到故障時，向相應的開關發(fā)出報文動作信息，報文傳輸邏輯過程為保護裝置--GOOSE網(wǎng)--智能組件，因此，開關拒動診斷除需要對GOOSE跳閘報文診斷、智能組件（包括開關本體）進行診斷外，還需要對保護裝置及GOOSE網(wǎng)通信設備工作狀態(tài)進行分析，才能確定開關拒動原因為本體缺陷或者是其他設備原因引起。例如，若檢測到保護裝置有跳閘報文發(fā)送，但智能組件沒有接收到跳閘報文，特征層則可得知開關狀態(tài)正常，決策層分析拒動原因來自于通信網(wǎng)絡異常，如果智能組件有跳閘報文接收，則誤動原因為智能組件缺陷或者為開關本體缺陷等，決策層需要再進一步的診斷。

3 總結

對于缺陷診斷過程中存在的模糊性和不確定性，采用本文所提出的多參量的設備缺陷診斷技術更適合問題的解決，并克服了組合爆炸問題。由于缺陷與征兆之間存在著不同程度的因果關系，在綜臺考慮所有征兆參量的基礎上判斷設備可能發(fā)生的缺陷，就可以有效提高缺陷診斷的準確性，降低漏判的可能性，消除在線監(jiān)測中測量誤差的影響。變電站內(nèi)各設備及通信網(wǎng)絡并不能保證百分之百的檢測出全部缺陷，并將告警信息進行無差上傳，因此，在某些情況下會出現(xiàn)缺陷特征信息或告警信息不全的情況，這時系統(tǒng)可通過其他相關告警信息缺陷進行輔助診斷，并且推斷缺陷告警信息的缺失部分，輔助校驗診斷結果準確性。

參考文獻

[1]畢天姝，倪以信，吳復立，等.基于新型神經(jīng)網(wǎng)絡的電網(wǎng)故障診斷方法[J].中國電機工程學報，2002，22（02）：73-78.

[2]吳姜，蔡澤祥，胡春潮，等.基于模糊正態(tài)分布隸屬函數(shù)的繼電保護裝置狀態(tài)評價[J].電力系統(tǒng)保護與控制，2012，40（05）：48-52.

[3]杜林，李欣，王麗蓉，等.電力系統(tǒng)暫時過電壓多級支持向量機分層識別[J].電力系統(tǒng)保護與控制，2012，40（04）：26-31.

[4]鄭維明，張沛超，王錫生.數(shù)字化變電站中閉鎖邏輯自動生成專家系統(tǒng)[J].電力系統(tǒng)保護與控制，2010，38（17）：125-129.

作者簡介

孫金莉（1982-），女。碩士學位?，F(xiàn)為國網(wǎng)湖北省電力公司檢修公司高級工程師。研究方向為電力系統(tǒng)自動化及故障診斷研究。

作者單位

國網(wǎng)湖北省電力公司檢修公司 湖北省武漢市 430050