1国网天津市电力公司检修公司 天津 300250；2天津电气科学研究院有限公司 天津 300301
摘要：随着电力系统规模的不断扩大，电网拓扑结构中智能化电力设备的应用逐步增加，对电网及其设备的可靠性及安全性要求日益提高。电力网络和运行设备存在的非线性、时变性、多变量耦合等特点，以及装置结构和参数具有的不确定性和随机性等因素使得对电网及其设备的状态监控与故障诊断愈发困难。同时，电网运行数据庞大、关联性强，脆弱性与连锁性质明显，重要数据难以实时获取，这些都对电网及其设备的故障诊断提出更高要求。
关键词：电力系统；电力设备；数据驱动；智能故障诊断
1电网及其设备的故障诊断概述
电网及其设备故障诊断就是搜索潜在性故障征兆，对各级各类保护装置产生的报警信息、断路器的状态变化信息以及电压电流等电气量测量的特征进行分析，从众多状态和参数变化中推断出导致这些变化的故障位置及故障类型，并进行有效风险评估。电网及其设备的故障诊断涉及：故障发生机理及特征，故障数据获取与处理，故障识别与决策，故障风险评估与调控。由于数据量庞大，仅依据经验难以快速、准确地进行故障定位及归类，必须找出其中的特征量和潜在的规律，实质上是对电网及其设备运行状态的识别、估计和重构。
图1 基于数据驱动与智能技术的故障诊断方法
2电网及其设备故障诊断的关键问题
电力系统的故障诊断方法主要有：基于模型的方法、基于数据的方法和基于知识的方法。基于模型的方法需要建立被诊断对象的较为精确的数学模型，采用参数辨识或状态估计的方法进行基于模型的故障诊断，首先重构被控对象的状态，通过与可测变量比较构成残差序列，再应用状态观测器构造适当模型并用统计方法将故障特征从残差序列中检测出来。基于数据的方法对模型要求不高，而是直接利用信号和数据处理，诸如相关分析、频谱分析和小波分析、聚类分析等方法进行故障诊断。基于知识的方法使用定性的模型获取状态检控的量度，利用知识或经验驱动进行定性与定量相结合的模型描述，采用专家经验和人工智能在处理非线性和自学习等方面的优势实现更加复杂和更加智能的故障诊断。
电网及其设备故障诊断的关键在于对被诊断对象故障机理的认识和对不确定性动态耦合特征的描述。对电力设备的运行规律和故障特征的深刻认知是进行准确高效故障诊断算法设计的前提。建模方面，对电网动态特征和电力设备故障特征的机理建模、基于数据驱动的数据建模和基于知识经验的描述建模相互混合，并且存在模糊性、随机性与不确定性等特征。计算方面，需要对稳定运行和故障前后的系统状态监控，对模糊和不确定性的多源信息进行分析融合。算法方面，要求故障诊断算法的准确性、快速性和鲁棒性，并能够在线诊断。
3电网及其设备故障诊断的新方法
3.1基于数据驱动的鲁棒故障诊断方法
基于数据驱动的鲁棒故障诊断方法结合数据驱动的无模型约束与数据挖掘技术和鲁棒故障诊断的应对不确定性的优越性能。通过对稳定运行和故障数据进行处理，将传感器故障、执行器故障、电气元件参数变动、电磁及负荷扰动和外界因素等高维特征空间的数据降维，处理混合冗余数据、模糊边界等，挖掘其中潜在的信息规律。根据H2或H∞性能指标设计残差生成器，用于鲁棒故障诊断。其面临的主要问题是：对被诊断对象的不确定性的处理和数据驱动引起的数据的高维、多尺度及动态耦合等特性的处理，以及电网及其设备在故障诊断过程中的鲁棒性能指标的选择。
3.2基于人工智能的协同智能自主故障诊断方法
随着人工智能与智能科学的发展，越来越多的智能算法应用在电网或电力设备的故障诊断领域，如基于专家系统的诊断方法、模糊推理诊断方法、神经网络诊断方法、基于信息理论的方法等，与人工智能相关的数据挖掘、贝叶斯方法也成功应用于故障诊断领域。尽管人工智能方法在故障诊断领域蓬勃发展，但各种方法在实际应用中都存在各种问题。以神经网络算法为例，神经网络故障诊断具有优越的联想和并行处理能力、自适应性和容错性能，但神经网络的结构选取、收敛问题、耦合非线性，尤其是面对电力设备的突变故障等仍存在很大问题。
未来具有良好前景的智能故障诊断方法或需几种智能算法的协同，并且需结合计算机和云计算等技术，将人工智能的优势与电力设备的故障机理数据优势和专家经验有机结合，形成自主智能的动态优化网络，才能有效应对电力系统和电力设备的复杂故障诊断与决策。
3.3基于工程博弈论的故障诊断与决策方法
现代电力系统的快速发展使得电力系统的发、输、配、用各个环节的参与者越来越多，电力系统在其运行过程中不可避免地会受到不确定性的影响，如负荷扰动、短路故障、线路跳闸、自动装置误操作等，以及所建立模型的不精确性、控制器的测量误差和输入控制器的参数误差等，这类不确定性的模型因素与行为干扰都可能使得电网或者电力设备的故障发生，如何平衡不同参与主体之间的利益与权重既是电力系统规划调度面临的技术挑战，更是电网及其设备故障诊断在效益与风险之间的博弈。
电网及其设备故障诊断的工程博弈问题是多主体不确定系统的优化问题，其难点问题在于：建模方面，如何处理不确定性的稳定约束与边界条件；求解方面，如何权衡故障诊断后决策的效益与风险。
3.4基于贝叶斯网络理论的故障诊断方法
贝叶斯网络以图论和概率论为基础，通过构造不确定性的推理网络模型，充分利用各种知识成分间的因果关系和先验概率，能够融合和表达多源信息，具有求解速度快、学习能力强和容错性能好等特点。当电网结构过于复杂时，其推理过程显得非常麻烦，因此采用贝叶斯网络和智能优化方法结合的诊断与预测综合方法或许具有更大应用前景。
3.5多源信息融合与实时故障诊断方法
电网及其设备包含众多的控制、传感、检测、保护等机械和电气元件和执行机构，联系密切，功能复杂。而且在长期状态监测过程中，故障信息的来源多种多样，包括庞大的数据、文字、图片信息和不确定的专家经验。故障诊断的过程不仅依靠单层次的信息，而应当集成并融合系统结构、功能和控制等方面的各类信息，多源互补，信息融合。
实时诊断需要提升底层故障数据的传输能力以及诊断程序的运行效率，对硬件要求较高，过于依赖通信链路的信息传送会导致数据拥塞、丢帧甚至数据畸变。采用分层协同的分布式故障诊断方法将数据采集、数据处理以及故障诊断算法分层设计，故障信息数据库与故障诊断算法并行处理可以有效提高实时在线诊断性能。未来，基于云平台与并行计算的分布式故障诊断系统将会是电网与电力设备故障诊断的重要发展趋势。
结语：
电网及其设备的故障诊断与风险评估与前沿技术的融合是未来电网发展的重大趋势。应用数据驱动与智能技术的新方法能够有效应对电网及其设备故障诊断中的关键难题，提供更加安全可靠与高效自主的新型电网运营环境。
参考文献:
[1] 陈维荣. 电力系统设备状态监测的概念及现状[J]. 电网技术，2000，24(11)：12-17.
[2] 王昌长，李福祺，高胜友. 电力设备的在线监测与故障诊断[M]. 北京：清华大学出版社，2006.
[3] 王磊. 电网故障诊断方法及其系统架构研究[D]. 山东大学，2013.
[4] 王宇雷. 数据驱动的故障诊断与容错控制系统设计方法研究[D]. 哈尔滨工业大学，2013.
[5] 吴今培，肖健华. 智能故障诊断与专家系统[M]. 北京：科学出版社，1997.
论文作者:薄婷婷1,郭宝柱1,张中磊2
论文发表刊物:《防护工程》2018年第27期
论文发表时间:2018/12/19
标签：故障诊断论文; 电网论文; 方法论文; 数据论文; 故障论文; 设备论文; 不确定性论文; 《防护工程》2018年第27期论文;