輸電線路能否安全運行不僅直接關(guān)系到整個電力系統(tǒng)能否可靠運行，也關(guān)乎廣大電力用戶的用電安全和質(zhì)量。輸電線路的故障診斷方法一直以來備受各學(xué)術(shù)界和產(chǎn)業(yè)界關(guān)注，成為其共同研究的熱點。隨著大數(shù)據(jù)技術(shù)的不斷發(fā)展，除了廣泛應(yīng)用于互聯(lián)網(wǎng)、金融、物流等領(lǐng)域，在能源電力行業(yè)中大數(shù)據(jù)技術(shù)也進(jìn)入逐步發(fā)展階段。

輸電線路常見故障

輸電線路，作為電網(wǎng)運行中不可或缺的重要組成部分，其不僅是電能傳輸?shù)募~帶，同時也是整個電力系統(tǒng)安全穩(wěn)定運行的根本。隨著國家經(jīng)濟(jì)建設(shè)的不斷發(fā)展，電網(wǎng)布局獲得進(jìn)一步的發(fā)展和改善，同時促進(jìn)了輸電線路建設(shè)的長足發(fā)展。

對于輸電線路來說，因為所處位置環(huán)境相對復(fù)雜，地域分布范圍廣泛，并且桿塔點數(shù)量多、鋪設(shè)線路長，同時長期暴露在野外，不但極易遭受極端氣候的侵襲，而且人為等其他外力的破壞也不容忽視，這些都會導(dǎo)致線路跳閘，從而增加電網(wǎng)停電事故發(fā)生概率。如果輸電線路發(fā)生故障，且不能及時準(zhǔn)確地發(fā)現(xiàn)并采取修復(fù)措施，由此產(chǎn)生的經(jīng)濟(jì)損失將難以估量。因此，做好輸電線路的故障診斷工作是保障電網(wǎng)安全穩(wěn)定運行的重要環(huán)節(jié)，需要我們給予高度的重視。輸電線路中常見的故障按性質(zhì)來分主要涉及自然因素影響和人為因素影響兩個方面[1]：

（1）自然因素的影響

在我國輸電線路的鋪設(shè)一般都是在室外的，在運行過程中處于長時間曝露在室外的狀態(tài)，很容易受到極端氣候的影響，而這些影響因素不但難以預(yù)見，還會給輸電線路帶來極強(qiáng)的破壞。

雷擊。根據(jù)國家電網(wǎng)系統(tǒng)輸電線路故障統(tǒng)計分析，2011～2013年，50%以上的高壓線路跳閘都是由雷擊引起的，足見雷擊仍是造成輸電線路閃絡(luò)最主要的原因。雷擊對輸電線路和電力設(shè)備的影響是極大的。

強(qiáng)風(fēng)。隨著電網(wǎng)規(guī)模的增大以及不可避免的極端氣候的頻發(fā)，輸電線路由于強(qiáng)風(fēng)現(xiàn)象而引發(fā)跳閘的次數(shù)逐年增多，給輸電線路的建設(shè)工作帶來了一定的危害。在暴風(fēng)天氣較多的地方，風(fēng)力對線路的影響更是十分顯著，如颮線風(fēng)會引發(fā)風(fēng)偏放電現(xiàn)象，颶風(fēng)或龍卷風(fēng)則會引起線路倒塌等。

覆冰。對輸電線路而言，覆冰帶來的影響集中體現(xiàn)在我國的北方地區(qū)。輸電線路冰層覆蓋過厚會引發(fā)過負(fù)載事故；冰層覆蓋不均勻時容易引發(fā)桿塔傾倒、線路中斷事故；這些都將進(jìn)而造成巨大的損失。

鳥害。鳥類本身的飛行行為并不會對輸電線路造成很大的影響，但是鳥類飛行時常會叼著雜物，當(dāng)其飛行經(jīng)過輸電線路時，雜物的散落或者附著在線路上都有可能會造成輸電線路故障。除此以外，鳥類筑巢和鳥糞閃絡(luò)都可能造成輸電線路故障。

（2）人為因素的影響

目前，由于人為因素引起的輸電線路跳閘事故呈逐年上升趨勢。在輸電線路防護(hù)區(qū)內(nèi)私建房屋、大肆修路、開山放炮、圍堰挖塘、焚燒等違章違法行為屢禁不止，導(dǎo)致輸電線路和電網(wǎng)系統(tǒng)安全穩(wěn)定運行遭到嚴(yán)重威脅。因此，對于人為因素造成對輸電線路的毀壞同樣不可忽視的。

這些故障的發(fā)生往往不能被有效預(yù)測，造成的危害十分巨大，直接威脅著輸電線路以及人民生命財產(chǎn)的安全。

故障診斷方法

廣義上，故障診斷方法是采用檢查和測試方法來查找設(shè)備或者系統(tǒng)故障的過程，其在各個行業(yè)領(lǐng)域都有廣泛應(yīng)用。在電力行業(yè)，故障診斷主要被應(yīng)用在輸變電設(shè)備上，這是由于輸變電設(shè)備分布廣泛、距離遠(yuǎn)、情況復(fù)雜的特點所決定的。

故障診斷的四大主要任務(wù)分別為：檢測故障、判斷故障類型、確定故障位置以及恢復(fù)故障。檢測到故障的發(fā)生所需用時越少，檢測到的故障信號越小，故障誤報率與漏報率越低，故障分離能力越強(qiáng)，故障辨識能力越強(qiáng)，說明故障診斷方法越優(yōu)秀。

一個優(yōu)秀的故障診斷方法能幫助電力部門制定合理的檢測方案，減少故障持續(xù)時間，降低人力資源成本，也能大大減少因為故障而對工業(yè)用電、居民用電產(chǎn)生的影響。因此如何提高故障診斷的能力，是一個具有現(xiàn)實意義的課題。

1.1.傳統(tǒng)診斷方法

（1）阻抗法

阻抗法主要是根據(jù)測量線路阻抗與線路長度成正比這個原理來進(jìn)行故障測距與定位。阻抗的測量則可以利用發(fā)生故障時線路中的電壓、電流量來進(jìn)行計算。該方法操作簡單，但是在某些線路結(jié)構(gòu)和故障情況下是無法使用阻抗法進(jìn)行測距，存在著測距死區(qū)問題。

在實際應(yīng)用中，阻抗法可以用來輔助尋找故障波頭，從這個方面來看，阻抗法也有著比較重要的研究價值。

（2）行波法

根據(jù)電壓和電流行波在線路上有固定的傳播速度這一特點，提出了行波故障診斷方法。行波法主要工作原理是利用行波在測量點與故障點往返一次的時間，經(jīng)過簡單的計算得到故障距離，從而進(jìn)行故障定位。

行波法主要有兩種方式，一是通過電壓行波的測距方法，二是通過電流行波測距，也有從業(yè)人員結(jié)合兩種方法來提高測距精度。由于行波法利用了故障初期出現(xiàn)的行波電壓、行波電流信息，因此它能夠在短時間內(nèi)檢出故障。

1.2.基于大數(shù)據(jù)的診斷方法

隨著大數(shù)據(jù)技術(shù)地不斷發(fā)展，其除了廣泛應(yīng)用于互聯(lián)網(wǎng)、金融、物流等領(lǐng)域，在電力等能源行業(yè)中，大數(shù)據(jù)技術(shù)也邁入發(fā)展階段。

而在諸多大數(shù)據(jù)技術(shù)中，數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)分析處理技術(shù)在電力行業(yè)中的應(yīng)用是最為常見的，主要就是應(yīng)用于對電力系統(tǒng)的故障的診斷以及安全評估。

電力系統(tǒng)中的數(shù)據(jù)具備大數(shù)據(jù)標(biāo)志性的“4V”特征，即規(guī)模（Volume）大、類型（Varity）多、價值（Value）密度低和處理速度快（Velocity），如圖1所示。

在電力系統(tǒng)不斷革新的同時，系統(tǒng)中設(shè)備的科技化程度也在不斷提高，傳統(tǒng)的故障診斷方法也迫切需要得到改進(jìn)，基于大數(shù)據(jù)技術(shù)輸電線路故障診斷方法開始邁入智能化階段。大數(shù)據(jù)分析是指通過數(shù)據(jù)挖掘、深度學(xué)習(xí)、信息融合等方法對前期預(yù)處理的海量數(shù)據(jù)進(jìn)行整合分析，從中挖掘有價值的信息以滿足用戶需求。

結(jié)合電力系統(tǒng)的現(xiàn)狀，為了達(dá)到充分挖掘電力大數(shù)據(jù)價值的目的，處理電力大數(shù)據(jù)時需要從以下三個方面著手：第一，建立與大數(shù)據(jù)信息匹配的多維數(shù)據(jù)模型；第二，運用先進(jìn)的數(shù)據(jù)挖掘技術(shù)提取相關(guān)性最高的數(shù)據(jù)特征；第三，運用多個領(lǐng)域的圖形化分析技術(shù)提高決策水平。本文主要介紹以下三種基于大數(shù)據(jù)分析的智能故障診斷的方法：

（1）人工神經(jīng)網(wǎng)絡(luò)診斷方法

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN）與一般人工智能方法相比，擁有強(qiáng)大的自適應(yīng)學(xué)習(xí)能力，分布式信息存儲能力，并行處理能力，非結(jié)構(gòu)化信息處理能力以及強(qiáng)大的推廣能力等。

在神經(jīng)網(wǎng)絡(luò)診斷法中人工神經(jīng)元模擬了腦神經(jīng)的基本特性，它按照不同的權(quán)重接收其他神經(jīng)元傳遞來的信號，而輸出則是這種加權(quán)和信號的非線性函數(shù)值。

類似于人腦的結(jié)構(gòu)，人工神經(jīng)網(wǎng)絡(luò)由一組結(jié)點和連接這些結(jié)點的有向鏈接組成，如圖2所示的前饋網(wǎng)絡(luò)模型，包含輸入層、輸出層以及介于兩者之間的隱藏層（可以有若干層）。每一層都由數(shù)量不等的結(jié)點組成，每一層的結(jié)點通過鏈接只和下一層的結(jié)點相連，這些結(jié)點通常被稱之為神經(jīng)元或者單元。

訓(xùn)練ANN是一個很耗時的過程，且對訓(xùn)練數(shù)據(jù)中的噪音非常敏感，考慮到ANN應(yīng)用于輸電線路故障測距時需要考慮的因素非常多，而且所用的訓(xùn)練樣本數(shù)據(jù)量巨大，導(dǎo)致訓(xùn)練結(jié)果很難收斂，因此，ANN實用于輸電線路故障測距尚需進(jìn)一步研究。

（2）故障樹分析診斷方法

故障樹分析法（Fault Tree Analysis， FTA），又稱事故樹分析法，是一種將設(shè)備或系統(tǒng)中故障形成的可能原因，自上而下按層級細(xì)化尋找故障直接原因和間接原因的演繹分析法。在輸電線路故障診斷應(yīng)用中，故障分析樹將輸電線路運行中最不希望發(fā)生的故障設(shè)為頂層事件，然后向下逐層列出可能導(dǎo)致該事件發(fā)生的全部因素，最后形成故障樹，以此描述事件之間的相互聯(lián)系，從而展開定性和定量分析。故障樹定性分析是故障樹分析的核心，定性分析是一個求最小割集的過程。最小割集是指最低限度導(dǎo)致頂上事件發(fā)生的基本事件的集合。故障樹定性分析通過求得最小割集，以便于快速地分析系統(tǒng)的故障模式。

而定量分析的目的是：根據(jù)已給事件的概率，計算頂層事件的概率。這種方法是比較常用的故障診斷方法，可以將比較復(fù)雜的問題簡化為幾個小問題，主要用于簡單對象的離線診斷。

故障模式及影響分析（Fault Mode and Effect Analysis，F(xiàn)MEA） ，是一種從因果法系出發(fā)，分析系統(tǒng)結(jié)構(gòu)與系統(tǒng)中每個故障對系統(tǒng)產(chǎn)生的影響以消除潛在故障模式的定性分析方法，該方法屬于前瞻性分析方法，在預(yù)防事故發(fā)生中起到了重要的作用。在輸電線路故障診斷應(yīng)用中，通過制定規(guī)范化的FMEA分析表格，首先，明確輸電線路運行過程中可能發(fā)生的各種潛在故障模式；其次，評估每種故障模式可能帶來的影響，以及其嚴(yán)重程度；再者，針對每種故障模式，評估其發(fā)生的原因和發(fā)生機(jī)率的大??；最后，針對危害嚴(yán)重的故障模式，提出相應(yīng)的解決措施。

FTA能系統(tǒng)地、準(zhǔn)確地預(yù)測或者發(fā)現(xiàn)系統(tǒng)安全性問題，F(xiàn)MEA能定性地分析系統(tǒng)的故障模式及其對系統(tǒng)造成的所有影響。FTA方法先是根據(jù)故障間因果關(guān)系以及邏輯關(guān)系建立起一個以事件為節(jié)點的倒樹結(jié)構(gòu)，然后對樹結(jié)構(gòu)進(jìn)行簡化和計算各基本事件的結(jié)構(gòu)重要度，最后進(jìn)行定量以及定性分析。若以FMEA為基礎(chǔ)建立故障樹，能進(jìn)一步提高FTA的客觀性、全面性以及分析結(jié)果的有效性。圖3是為基于FMEA的故障樹分析過程示意圖。

（3）模糊模式識別診斷方法

模糊模式識別方法是利用模糊數(shù)學(xué)中的概念、原理與方法解決分類識別問題。例如，最大隸屬度法，就近原則法和模糊聚類法等。模糊模式識別（Fuzzy Pattern Recognition， FPR）的基本思想是指接受現(xiàn)實中存在模糊現(xiàn)象的事實，把這些模糊事件設(shè)定為研究對象，并將其轉(zhuǎn)變?yōu)橛嬎銠C(jī)能夠進(jìn)行處理的信息，從而達(dá)到模式識別的目的。

例如，輸電線路系統(tǒng)中有許多這種內(nèi)涵確定而外延不確定的概念，例如“過電壓”、“過電流”等。正因為輸電線路系統(tǒng)中的模糊性的存在，這種模糊模式識別的故障診斷方法得到了廣泛的應(yīng)用。

由于傳統(tǒng)的行波測距法存在以下這些不確定性因素：

故障發(fā)生時刻是不確定的，它可能發(fā)生在電壓最小值到最大值之間的任一時刻，這會直接影響行波源的大小。

行波測距時，母線上的接線是不固定的，這會影響母線處的反射，干擾結(jié)果。

輸電線路上存在大量干擾。而這些問題都會導(dǎo)致其可靠性較差。

為了更好地處理這些不確定性因素帶來的干擾，已有學(xué)者提出在原有的行波測距基礎(chǔ)上結(jié)合模糊模式識別技術(shù)。提出一種對輸電線路進(jìn)行分段的獨特思想，發(fā)生在每一段線路內(nèi)的故障與一種模式相對應(yīng)，通過逐一識別各段線路上的故障模式，定位故障發(fā)生位置。針對某一故障可能出現(xiàn)多種候選模式符合的情況下，可以根據(jù)模糊理論定義一個隸屬函數(shù)，來表征故障屬于某種模式的程度。

由于輸電系統(tǒng)運行中產(chǎn)生數(shù)據(jù)體量大、類型繁多的特點，傳統(tǒng)故障診斷方法已經(jīng)無法準(zhǔn)確快速地確定故障點。與傳統(tǒng)故障診斷方法相比，基于大數(shù)據(jù)技術(shù)的智能故障診斷法在信息的獲取和處理方面有著很大的優(yōu)勢，而且它在診斷故障的同時還具備對輸電線路故障的預(yù)測功能。

盡管，大多數(shù)的智能算法在實用于電力系統(tǒng)中仍還需要進(jìn)一步的研究，且還有賴于各項技術(shù)的發(fā)展與成熟。但毫無疑問的是，基于大數(shù)據(jù)分析技術(shù)的智能故障診斷技術(shù)是故障診斷發(fā)展的必然趨勢，而且將其他學(xué)科的知識運用于輸電線路故障診斷的方法具有廣闊的前景，這將為輸電線路故障診斷研究開拓一條新的方法。