摘要：智能通信涵盖了统一的电力交流共享平台和传输标准，将一、二级运转信息统一使用到一体化的电力平台中，从而完成了智能信息的智能化、规范化和标准化。高速电力信息通信技术与高标准时间同步技术的迅猛进步，极大可能即时获得和联交共享电网中的多个关键电力节点，为电力系统的持续运转提供智能化的保护。
关键词：电力信息；通信故障；智能诊断
电力信息通信系统运转中出现的组件类目复杂、数据拓扑结构多样的问题，考虑引起故障预警的原因具有各式各样的特征，提出一种电力信息通信故障智能诊断方法，利用建立故障诊断知识库和小波转换解析行波信息获取诊断输出。实验论证可知，利用电力信息通信故障智能诊断方法进行故障诊断的准确率更高。
一、基于人工神经网络原理的电力系统故障诊断
人工神经网络的发展源远流长，有百年的发展历史，是生物学理论在电子信息领域的应用，最早发源于《生理学》，在逐渐发展和完善的过程中，渗透进了生物、电子、信息、数学和物理等学科，成为如今庞大的人工神经网络的系统理论的交叉学科，在丰富其他学科理论的基础上也丰富了人工神经自身的内涵，在一代代研究者和科学家的研究基础上，被广泛地应用于各个领域，有着广泛而重要的影响。人工神经网络的原理是在实现模仿物理体系的层面上，对人类脑中的神经细胞的功能及结构进行模仿的体系，经过多个处理单元相联接，然后再集中工作，进行信息的传播、储存等处理，与神经网络的运作原理相一致，都是并行工作，集中处理。但是在人工神经网络系统中的运算器、存储器和控制器等都由简单的处理器代替，与现代计算机的运行原理相似，但是工作过程和解决体系却相差较大。人工神经的网络原理在于对进入电力体系中的故障进行诊断，是由神经网络的联想记忆、非线性映射能力和较强的在线学习能力决定的，这些优势在电力系统的故障诊断中都能发挥巨大的作用，因此在上世纪80年代末90年代初，被引用到电力系统中，并为此召开了国际的学术会议，获取了全球范围内的肯定及重视。在电力体系诊断故障过程中，人工神经网络发挥了其优势，在故障的检查和测试中、在继电保护过程中、在动态监测过程中、对运行检查过程中、控制暂态稳定过程中、处理警报时、管理负荷及动态的安全监测、潮流计算、适时调度等等环节上都有人工神经网络参与的身影。但在电力系统的故障中，人工神经网络主要针对的是故障时的警报处理和处理电网故障方面。当电网遭遇故障时，会进行警报，事故出现条件的不同，警报的信息组合形式相应的也不一样，在发生故障时，首先根据警报的信息差别对故障的形成条件进行初步判断，然后再对处理警报及判定问题的模式进行细致分析，令其同人工神经网络模式相吻合，这样，神经网络就能够依据问题出现时警报的信息进行数字化的工作，将神经元的输入值进行量化，通过网络神经的分析及计算，输出电力系统故障的结果。
二、电力信息通信故障智能诊断方法
1.建立故障诊断知识库。当大量电气仪器发生通信故障时，检测到的振动频率与电力信息并不是一直都能直接当做故障诊断解析的解决信息，而是以适当的调频信号形式存在于电力信息通信通道。因此，需要利用某种转换手段初始化处理检测信号，获取到能用来解析决定的故障一般特征，从而保证仪器的故障位置和故障发生种类。处理过程必须保证通信故障的原始信息的标准性和精准性，因为智能信息电力系统发生的故障预警信息并不能明确保障其信息被百分百获取，且在线检测也不一定百分百监测出电力信息通信故障的位置并发出有关的预警信息。预警信号通常情况下是不可完全匹配的，造成其信息匹配程度较低。正向处理是根据已知条件推理一般性结果，从一组已知情况出发，应用一定处理原则证明已知事实或命题的成立。反向处理则是根据已知事实或命题，使用一组原则证明发生事实或命题的成立。换言之，即提出假设条件，再逐一检验假设的成立。
2.通过小波转换解析行波信息。小波转换是一种崭新的频波解析工具，能够解析指定宽频与时段内发射的通信信号成分。现实生活中的四相电线之间存在一定范围的电力磁场耦合，不能直接利用四相电路电流，需先通过相模转换进行解耦模拟的初始化，得到四相独立式的电路电流行波信息量。由于采取的是一种信息量解析，可能会造成某些故障的发生和诊断无法进行短时间的行波解析，导致其保护在一定条件下失灵，而这在高压电网电力运转系统中是不被允许的。为最大限度地提升通信故障诊断的灵敏度，需适当采取组合信息处理手段。电路电流组建信息套路是对初始电流、电压行波进行小波转换，程序基本如下：通过CLAOK转换和信息量采集法得到要求的初始电流、电压行波；对初始化的信息量进行逐一小波解析，得到不同时段内的小波解析系数；基于小波转换最大值的相关理论，监测到初始化信息最大值到达峰值的时间；筛选合适的小波解析系数信息名称，联合参与到运算环节。假设电力运转系统有N个子系统，根据电力运转系统各子系统中电力节点的装置设立相应的小行波监测信息，获得子系统中电压与联系支流的电流信息。利用相模转换与小行波的解析，得到子系统电力节点初始化电流的小行波信息，并传输给集中式范围小行波保护决定中心集合地点。搜集到子系统的传输信息后，决定中心集合地点对各个子系统电力设备监测到的电路初始电流小行波信息储量空间大小进行有序排列，其中信息含量最大的子系统距离故障发生地点最近，可判断该子系统就是故障发生位置。
3.诊断输出。为实现故障诊断的要求，行之有效地解决问题，需要对系统运转环境、描述对象以及具有相同信息数据的映射结构加上限制条件。数据信息的采集主要是采集和干预感应器中原始数据的相关信息，生成供数据解析系统进行解析的新数据。数据解析系统主要负责信息采集环节中初始化处理的数据，提取到故障发生信息的特征，并给出适当的处理路径。故障发生的历史数据库中记载、储存的诸多相关仪器运转情况、故障信息及处理手段等一系列数据，可为故障诊断的及时解决提供参照；处理决策中心是按照分析解决的处理过程，对仪器运转情况做出相应的处理，结构如图1所示。
图1智能故障诊断示意图
一方面，驱动远程终端仪器RTU（Remote Terminal Unit）、即时反馈线路远程终端TFTU（Time Feeder Terminal Unit）和转压器远程终端CTTU（Change Transformer Terminal Unit）把配电网设备的运转数据通过通信轨道上传到SCDA的子系统，再存入SCDA的备用数据库内部。另一方面，智能电力信息设备的在线检测系统会把电气仪器监测出的反馈数据的运转状态变化，经过数据模拟处理后传输到即时数据储存库。电力信息通信故障智能诊断从即时数据储存库中获得有效数据，判定仪器变化信息是否异常，同时探寻出与异常变量有关的位置和仪器变量数据。利用智能故障诊断方法可有效诊断电力通信故障的种类和发生位置，并作为初步诊断结果传输到调适中心的故障智能诊断库中。
三、实验论证分析
为保证电力信息通信故障智能诊断方法的有效性，采用相同电力系统中具备相同通信故障的电力信息通道进行论证实验。为保证实验的严谨性，采用传统诊断方法进行论证对比，统计诊断时间和准确率，结果曲线如图2所示。
图2实验论证结果曲线
由图2可知，设计的诊断方法最大限度地保持了诊断的稳定性，且故障诊断准确率近乎100%，相较于传统诊断方法，提高显著。
总之，分析了电力信息通信故障智能诊断方法，结合电力信息采集数据，根据通信传输的效率和数据分析对通信故障进行诊断。实验论证表明，设计的方法具备极高的有效性，以期为电力信息通信故障智能诊断方法提供理论依据。
参考文献：
[1]王伟.浅谈电力信息通信故障智能诊断方法研究.2018.
[2]郎萍.复杂系统的智能故障诊断技术现状及其发展趋势.201
论文作者:李宏宇
论文发表刊物:《电力设备》2019年第5期
论文发表时间:2019/7/8
标签：信息论文; 故障论文; 电力论文; 神经网络论文; 通信论文; 智能论文; 数据论文; 《电力设备》2019年第5期论文;