劉曉琴，王晨旭，孫海軍，王 千

（1.遼寧石油化工大學(xué)信息與控制工程學(xué)院，遼寧撫順113001；2.遼寧石油化工大學(xué)石油化工過(guò)程控制國(guó)家級(jí)實(shí)驗(yàn)教學(xué)示范中心，遼寧 撫順113001；3.中國(guó)石油撫順石化公司 熱電廠，遼寧 撫順113008）

當(dāng)前，智能建筑供配電系統(tǒng)的可靠性和安全性已成為百姓關(guān)注的焦點(diǎn)和熱點(diǎn)[1-2]。智能建筑供配電系統(tǒng)日益龐大，不可避免會(huì)出現(xiàn)故障，一旦發(fā)生故障，勢(shì)必會(huì)影響到居民的正常生活，經(jīng)濟(jì)損失嚴(yán)重，甚至?xí)斐扇松韨鍪鹿蔥3]。因此，智能建筑中供配電系統(tǒng)的故障診斷技術(shù)顯得尤為重要。

國(guó)內(nèi)外相關(guān)科研人員研究出多種供配電網(wǎng)絡(luò)的故障診斷方法。文獻(xiàn)[4-5]提出利用神經(jīng)網(wǎng)絡(luò)算法對(duì)電網(wǎng)進(jìn)行故障診斷，其容錯(cuò)和抗干擾能力強(qiáng)，故障診斷速度快。但是進(jìn)行故障診斷時(shí)，需要大量的故障特征學(xué)習(xí)樣本，會(huì)導(dǎo)致學(xué)習(xí)訓(xùn)練收斂速度慢；此外，該方法缺乏對(duì)電網(wǎng)故障診斷結(jié)果解釋能力。文獻(xiàn)[6-7]提出petri 網(wǎng)絡(luò)供配電網(wǎng)故障診斷方法，該方法得到的故障診斷結(jié)果具有較強(qiáng)的直觀性，但不適用復(fù)雜的電網(wǎng)拓?fù)?，而且抗干擾和容錯(cuò)能力差，診斷結(jié)果精確度有待提高。文獻(xiàn)[8]結(jié)合粗糙集理論對(duì)供配電系統(tǒng)進(jìn)行故障診斷，該方法在處理供配電網(wǎng)絡(luò)故障診斷中不確定、不完善、不精準(zhǔn)的故障信息方面具有突出的優(yōu)勢(shì)。但是，應(yīng)用于大規(guī)模電網(wǎng)故障診斷時(shí)，網(wǎng)絡(luò)矩陣維數(shù)多，滿足不了在線診斷的需求。文獻(xiàn)[9-15]核心思想是將復(fù)雜的電網(wǎng)數(shù)學(xué)模型轉(zhuǎn)化為簡(jiǎn)單的“0-1”規(guī)劃問題，該方法能很好地體現(xiàn)供配電網(wǎng)絡(luò)中故障器件與斷路器之間的關(guān)系，但該算法的動(dòng)態(tài)模擬模型難以建立，且模型的魯棒性會(huì)隨著誤差的增大而降低。

本文以智能建筑供配電系統(tǒng)為研究背景，提出一種基于貝葉斯網(wǎng)絡(luò)與小波變換的故障診斷方法。當(dāng)供配電網(wǎng)發(fā)生故障時(shí)，對(duì)電網(wǎng)的幅值、相位角和能量進(jìn)行小波變換，并對(duì)故障特征量進(jìn)行有效、高效提取。采用各種權(quán)重的熵值和簡(jiǎn)單的貝葉斯推理相結(jié)合的方法，得到各部件的故障度。采用量化相位融合方法作為貝葉斯的特征信息。對(duì)智能建筑供配電系統(tǒng)進(jìn)行學(xué)習(xí)和培訓(xùn)，可用于完成智能建筑供配電系統(tǒng)的故障診斷。

1 智能建筑供配電系統(tǒng)的拓?fù)涿枋?/h2>

4 母線、4 線路的供配電電網(wǎng)拓?fù)浣Y(jié)構(gòu)如圖1 所示。其中，A、B、C、D 表示母線；L1—L4 表示線路；CB1—CB8 表示斷路器；m 表示主保護(hù)；p 表示近后備保護(hù)；s 表示遠(yuǎn)后備保護(hù)；f 表示失靈保護(hù)。

對(duì)1 個(gè)具有m 條母線、n 條線路的供配電系統(tǒng)，可用m×n 階關(guān)聯(lián)矩陣S 表示其拓?fù)浣Y(jié)構(gòu)，S 中的非零元直觀反映線路與母線之間的連接關(guān)系。將關(guān)聯(lián)矩陣S 中的非零元置換為連接母線和線路的斷路器，再將斷路器狀態(tài)分別置換為對(duì)應(yīng)保護(hù)裝置，可以先后實(shí)現(xiàn)對(duì)系統(tǒng)斷路器和保護(hù)裝置的拓?fù)涿枋觥橛行П碚飨到y(tǒng)中各元件的端口特性，將關(guān)聯(lián)矩陣S 中的非零元分別按行置換為對(duì)應(yīng)母線，或按列置換為對(duì)應(yīng)線路，得到母線和線路拓?fù)渚仃?。系統(tǒng)的關(guān)聯(lián)矩陣可通過(guò)潮流計(jì)算數(shù)據(jù)獲得。

關(guān)聯(lián)矩陣S：

線路拓?fù)渚仃嘗：

母線拓?fù)渚仃嘙：

斷路器拓?fù)渚仃嘋B：

母線保護(hù)拓?fù)渚仃嘙m：

線路主保護(hù)拓?fù)渚仃嘗m：

近后備拓?fù)渚仃嘗p：

近后備拓?fù)渚仃嘗s：

失靈保護(hù)拓?fù)渚仃嘋Bf：

2 故障診斷流程

2.1 智能建筑供配電系統(tǒng)故障特征提取

當(dāng)智能建筑供配電系統(tǒng)發(fā)生故障時(shí)，通常有三種故障度，分別為相角故障度、電壓電流故障度和能量大小故障度。利用小波變換法對(duì)信號(hào)的分解與重構(gòu)，借助熵值法得到權(quán)重，進(jìn)而得到結(jié)果。假設(shè)智能建筑供配電系統(tǒng)中某一次故障有n 個(gè)元件。

（1）相角故障度。在發(fā)生故障前，將n 個(gè)元件各個(gè)相角進(jìn)行小波變換后，得到系數(shù)矩陣，并進(jìn)行奇異分解，得對(duì)角矩陣Λna：

在發(fā)生故障后，將n 個(gè)元件各個(gè)相角進(jìn)行小波變換后，得到系數(shù)矩陣，并進(jìn)行奇異分解，得對(duì)角矩陣Λnb：

則其相角故障度Sn可表示為：

（2）電壓電流故障度。在發(fā)生故障前，將n 個(gè)元件電壓和電流幅值進(jìn)行小波變換后，取系數(shù)最大值Fna；在發(fā)生故障后，將n 個(gè)元件電壓和電流幅值進(jìn)行小波變換后，取系數(shù)最大值Fnb；則在故障發(fā)生前后電流和電壓的幅值變化量為：

其電壓和電流故障度xn可表示為：

（3）能量大小故障度。在發(fā)生故障前，將n 個(gè)元件的能量進(jìn)行m 個(gè)分辨率小波變換，得到系數(shù){Dna(k)}，n=1，2，…，k=1，2，…，則小波變換m 次后，能量ena為：

當(dāng)發(fā)生故障后，將n 個(gè)元件的能量進(jìn)行m 個(gè)分辨率小波變換，得到系數(shù){Dnb(k)}，n=1，2…，k=1，2，…，則小波變換m 次后，能量enb為：

則強(qiáng)弱大小故障度為：

將上述三種故障度歸一化處理，得到加權(quán)電氣故障度特征：

智能建筑供配電網(wǎng)絡(luò)中的電氣元件的開關(guān)量的故障度T =[T1,T2,K,Tn]，則：

將加權(quán)后的三個(gè)故障特征Ci與電氣元件的開關(guān)量的故障度T 進(jìn)行融合，得到新的特征性故障度：

熵法通過(guò)計(jì)算“熵”來(lái)確定權(quán)重，即根據(jù)各特征的差異程度確定各指標(biāo)的權(quán)重。當(dāng)待確定對(duì)象的特征向量的值相差很大時(shí)，熵值很小，表明向量值所提供的信息量很大，其權(quán)重也大；反之，其權(quán)重也小。在對(duì)電流和電壓故障度Xn提取之后，相角量Sn和從配電線路收集到的能量En進(jìn)行相應(yīng)的小波分解和重構(gòu)，權(quán)重確定的方法為：

步驟1 標(biāo)準(zhǔn)化處理數(shù)據(jù)。

式中，Xij為i 電分量的j 特征向量的值；min{Xj}、max{Xj}為所有電氣元件j特征向量的最小值和最大值。

步驟2 計(jì)算第i 個(gè)分量的第j 特征向量值的比例。

步驟3 計(jì)算指數(shù)信息熵。

式中，k=1/lna，其中a 為電氣元件的數(shù)量。

步驟4 信息熵冗余度的計(jì)算。

步驟5 計(jì)算指標(biāo)權(quán)重。

式中，h 為特征向量的數(shù)量，h=3。

2.2 基于小波變換和貝葉斯網(wǎng)絡(luò)的供配電故障診斷步驟

故障診斷流程如圖2 所示。采用小波變換的方法對(duì)單相短路、兩相短路、三相短路、兩相接地短路四類常見的故障及正常狀態(tài)的數(shù)據(jù)進(jìn)行預(yù)處理，建模分析，得到故障診斷結(jié)果。

迭代修正公式為：

式中，p(k)為聯(lián)合概率；θ(k)為貝葉斯網(wǎng)絡(luò)的參數(shù)；G(k)為網(wǎng)絡(luò)結(jié)構(gòu)；πi為配置索引因子。

3 算例分析

為驗(yàn)證本文提出方法的有效性，以IEEE-39 多節(jié)點(diǎn)復(fù)雜故障系統(tǒng)為研究對(duì)象，IEEE-39 系統(tǒng)網(wǎng)絡(luò)拓?fù)淙鐖D3 所示。

系統(tǒng)包含39 條母線、46 條線路、92 個(gè)斷路器。線路、斷路器及保護(hù)均根據(jù)母線編號(hào)進(jìn)行編排，如連接母線B03和B18的線路編號(hào)為L(zhǎng)0318，相應(yīng)B03側(cè)的斷路器記為CB0318，對(duì)側(cè)記為CB1803。具體步驟如下：

步驟1 根據(jù)智能建筑物監(jiān)測(cè)中心獲得的電壓電流幅值、相位角、能量強(qiáng)度等相關(guān)的基本電量，進(jìn)行數(shù)據(jù)預(yù)處理工作。

步驟2 將小波變換按幅值、相位角和能量強(qiáng)度進(jìn)行分解和重構(gòu)后，根據(jù)不同的權(quán)重組合電氣故障特征，采用貝葉斯推薦方法計(jì)算相應(yīng)的元件開關(guān)故障特征，IEEE-39 系統(tǒng)先驗(yàn)概率的參數(shù)如表1 所示。從表1 可以看出，利用先驗(yàn)計(jì)算概率可對(duì)各故障度進(jìn)行提取。根據(jù)繼電保護(hù)系統(tǒng)的整定原則，保護(hù)和斷路器告警的置信度及動(dòng)作延時(shí)設(shè)置如表2所示。

表1 IEEE-39 系統(tǒng)先驗(yàn)概率的參數(shù)

步驟3 將步驟2 得到的電氣故障特征量和元件開關(guān)故障特征與簡(jiǎn)單的信息融合計(jì)算相結(jié)合，得到綜合故障特征信息。

步驟4 構(gòu)造貝葉斯網(wǎng)絡(luò)，學(xué)習(xí)和訓(xùn)練步驟3 中獲得的綜合故障特征信息。取60 組訓(xùn)練數(shù)據(jù)，正常數(shù)據(jù)10 組，單相斷路、單相接地短路、兩相相間短路、兩相接地短路、三相短路故障類型數(shù)據(jù)各10 組。對(duì)于故障元件的判定，選取30 組不同類別的數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，迭代次數(shù)為30，根據(jù)式(27)進(jìn)行迭代。

步驟5 對(duì)于給定的故障特征，利用步驟3 獲得的綜合故障特征信息進(jìn)行貝葉斯推理預(yù)測(cè)，并通過(guò)最大后驗(yàn)概率值的檢驗(yàn)和估計(jì)來(lái)實(shí)現(xiàn)故障診斷。

表2 保護(hù)和斷路器告警的置信度及動(dòng)作延時(shí)設(shè)置

將本文的方法分別以單一的電氣故障特征量作為貝葉斯的特征輸入，單一元件故障開關(guān)量作為輸入進(jìn)行對(duì)比。算例測(cè)試結(jié)果如表3 所示。案例1-7的故障場(chǎng)景參考文獻(xiàn)[13]，案例1-3 為告警信息完備情況的故障場(chǎng)景，案例4-7 為存在時(shí)標(biāo)錯(cuò)誤、信息漏報(bào)、誤報(bào)等情況時(shí)的故障場(chǎng)景。從診斷結(jié)果可以看出，所提方法診斷故障元件與文獻(xiàn)[13]的結(jié)果相同，但對(duì)于真實(shí)故障元件置信概率更高，非故障元件置信概率更低，同時(shí)能夠推理得到元件的故障時(shí)間點(diǎn)約束區(qū)間，一定程度上提高了模型對(duì)故障元件的辨識(shí)能力。案例8 為本文算法對(duì)系統(tǒng)復(fù)雜故障的測(cè)試算例，該場(chǎng)景涵蓋系統(tǒng)復(fù)雜多重元件故障，且伴隨保護(hù)或斷路器的拒動(dòng)、誤動(dòng)及漏報(bào)等情況。本文算法與現(xiàn)有幾種方法的故障診斷結(jié)果如表4 所示。

表3 IEEE-39 節(jié)點(diǎn)系統(tǒng)算例測(cè)試結(jié)果

續(xù)表3

表4 本文算法與現(xiàn)有幾種方法的故障診斷結(jié)果

仿真結(jié)果表明，所提方法對(duì)于簡(jiǎn)單故障以及復(fù)雜多重故障情況都能夠正確判別故障元件，且在保護(hù)及斷路器存在拒動(dòng)、誤動(dòng)、漏報(bào)、誤報(bào)以及時(shí)標(biāo)錯(cuò)誤等情況下均能有效判別故障元件，同時(shí)能夠推理得到元件故障的時(shí)間點(diǎn)約束區(qū)間，具有較高的容錯(cuò)性。診斷時(shí)間均不超過(guò)1 s，且與故障復(fù)雜程度無(wú)關(guān)。如預(yù)先進(jìn)行結(jié)線分析縮小故障診斷范圍，診斷速度將進(jìn)一步提升。此外，保護(hù)配置方案發(fā)生改變時(shí)，僅需調(diào)整貝葉斯網(wǎng)絡(luò)和小波變換模型的推理路徑。假如目標(biāo)電網(wǎng)未配置失靈保護(hù)或失靈保護(hù)暫時(shí)退出運(yùn)行，僅需刪除貝葉斯網(wǎng)絡(luò)和小波變換模型中的失靈保護(hù)推理路徑即可，拓?fù)溆成滢D(zhuǎn)換規(guī)則以及矩陣推理流程完全不變。

4 結(jié) 論

結(jié)合智能建筑供配電系統(tǒng)的特點(diǎn)，對(duì)其電網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和故障特征從理論上進(jìn)行詳細(xì)的故障特征分析，確定其故障類型。提出了一種基于小波變換和貝葉斯網(wǎng)絡(luò)的智能建筑供配電網(wǎng)絡(luò)故障診斷方法。與同類型方法相比，具有如下優(yōu)勢(shì)：（1）具有較強(qiáng)的適應(yīng)性，并可以有效解決故障診斷的模糊性問題。（2）節(jié)省儲(chǔ)存空間，大大降低計(jì)算的復(fù)雜程度，電網(wǎng)模型越大越具有優(yōu)勢(shì)。（3）具有較強(qiáng)的抗干擾和容錯(cuò)能力，當(dāng)外界因素干擾時(shí)，診斷結(jié)果不受影響。（4）診斷精度高，速度快。最后，以IEEE-39 系統(tǒng)為研究對(duì)象進(jìn)行仿真，結(jié)果表明，故障識(shí)別度高。