產品列表PRODUCTS LIST
隨著電網的不斷發展和電力走向市場,人們對電網的安全運行和供電可靠性的要求越來越高。電力系統發生故障時，要求調度人員迅速準確的判別故障元件與故障性質，及時處理故障，恢復電力系統的正常運行。輸配電系統是電力系統中發電廠與電力用戶之間輸送電能與分配電能的中間環節，包括各電壓等級的輸配電線路和變電所。它的故障是不可避免的，而電力系統規模的不斷擴大和各種監控設備的應用使得輸配電網絡故障診斷顯得尤為重要。因為其可靠性指標是影響整個電力系統可靠性的重要因素，其可靠性的改善將給整個電力系統的安全、可靠性和經濟運行帶來巨大的效益。所以研究工作者一直致力于發展先進、準確、的自動故障診斷系統.
輸配電網絡故障診斷主要是對各級各類保護裝置產生的報警信息、斷路器的狀態變化信息以及電壓電流等電氣量測量的特征進行分析,根據保護動作的邏輯和運行人員的經驗來推斷可能的故障位置和故障類型。由于這一過程很難用傳統的數學方法描述,而人工智能技術則由于其善于模擬人類處理問題的過程,容易計及人的經驗以及具有一定的學習能力等特點在這一領域得到了廣泛的應用。通過對網絡缺陷判斷的認知過程的分析，應用綜合知識診斷、模糊理論和神經網絡等人工智能技術的成果，開發出一套綜合自動邏輯分析判斷系統，可對缺陷進行了分析并提供監督處理意見，使檢修人員對問題的認識更具全面性、有效性和針對性。本文簡要介紹了相關的人工智能技術,如專家系統（ES）、人工神經網絡（ANN）、模糊理論（FZ）、遺傳算法（GA）等的基本概念,并在此基礎上按單一智能方法、綜合智能方法的應用，分別對文獻中提出的相應的輸配電網絡故障診斷方法進行述評,分析他們在輸配電網絡故障診斷中應用的特點以及存在的主要問題，以促進該研究領域的進一步發展。
1單一智能方法
1．1專家系統
專家系統是人工智能應用研究zui活躍和zui廣泛的課題之一,它是一個智能計算機程序系統,其內部具有大量專家水平的某個領域知識與經驗,應用人工智能技術,根據某個領域一個或多個人類專家提供的知識和經驗進行推理和判斷,模擬人類專家的決策過程,以解決那些需要專家決定的復雜問題[1]。按其所求解問題的性質，可把它分為幾種類型，其中的診斷專家系統的任務就是根據觀察到的情況（數據）來推斷出某個對象機能失常（即故障）的原因。
專家系統在輸電網絡故障診斷中的典型應用是基于產生式規則的系統,即把保護、斷路器的動作邏輯以及運行人員的診斷經驗用規則表示出來,形成故障診斷專家系統的知識庫,進而根據報警信息對知識庫進行推理,獲得故障診斷的結論。基于產生式規則的故障診斷專家系統得以廣泛應用主要是由故障診斷和基于產生式規則的專家系統的特點所決定的。輸電網絡中保護的動作邏輯一級保護與斷路器之間的關系易于用直觀的、模塊化的規則表示出來;基于產生式規則的專家系統允許增加、刪除或修改一些規則,以確保診斷系統的實時性和有效性;能夠在一定程度上解決不確定性問題;能夠給出符合人類語言習慣的結論并具有相應的解釋能力等。此外,框架法專家系統善于表達具有分類結構的知識,能夠比較清楚的表達事物之間的相關性,可以簡化繼承性知識的表述和存儲,在輸電網絡報警信息處理和故障診斷中也有少量應用。
文獻[2]提出了一種知識獲取的多層流式的功能模型,可以自動獲取變電站的拓撲結構和保護配置等方面的知識,用于產生變電站停電后的恢復方案，原理上有創新。文獻[3]介紹了一個基于專家系統和多媒體技術開發的配電變壓器測試與診斷解釋系統，主要用作培訓工具，以保留和傳播專家的經驗與知識。文獻[4]采用面向對象技術開發了用于保護系統設計的專家系統，著重考慮了保護系統設計與電力網絡本身設計的協調，以確保保護系統是電力系統運行中的一個繼承的和有效的部分。以輸電線路距離保護的設計為例，揭示了該專家系統的功能。文獻[5]描述了意大利電力公司正在開發的用于大停電后協助運行人員進行系統恢復的專家系統的主要目標與軟件結構。著重介紹了在系統部分挺點時，如何決定zui適當的輸電通道將電力輸送到停運的火電廠的機組，以恢復其運行，同時保證系統運行在安全狀態。文獻[6]介紹了一個用于配電變電站恢復控制的專家系統，作為變電站自動化的一個組成部分。目前只考慮了韓國常見的雙母線、雙斷路器接線方式的變電站。文獻[7]描述了為葡萄牙輸電控制中心研制的智能警報處理和系統恢復輔助專家系統的解釋機制的開發，增加解釋機制后明顯改善了專家系統的行為。作者開發這一專家系統用了七八年的時間，已經達到實用水平。文獻[8]用多個智能代理的思想設計了以分布式專家系統為基礎的配電自動化的概念性框架。用IA處理不同的專家系統之間的合作，IA之間用標準的信息交換語言KQML來實現。這樣可以把現有的一些專家系統，如負荷預報、配電系統網絡重構、配電系統恢復和保護設備的協調等集成為一個配電自動化系統。
雖然專家系統能夠有效的模擬故障診斷專家完成故障診斷的過程,但是在實際應用中仍存在一定缺陷，其主要問題是知識獲取的瓶頸問題、知識難以維護，以及不能有效的解決故障診斷中許多不確定因素，這些問題大大影響了故障診斷的準確性。
1．2人工神經網絡
人工神經網絡（ANN）是模擬人腦組織結構和人類認知過程的信息處理系統，自1943年提出以來,已迅速發展成為與專家系統并列的人工智能技術的另一個重要分支。它以其諸多優點，如并行分布處理、自適應、聯想記憶等，在智能故障診斷中受到越來越廣泛的重視，而且已顯示出巨大的潛力，并為智能故障診斷的研究開辟了一條新途徑。應用ANN技術實現故障診斷不同于ES診斷方法。ANN方法通過現場大量的標準樣本學習與訓練，不斷調整ANN中的連接權和閾值，使獲取的知識隱式分布在整個網絡上，并實現ANN的模式記憶。因此ANN具有強大的知識獲取能力，并能有效的處理含噪聲數據，彌補了ES方法的不足。文獻[9]采用多個人工神經元網絡實現故障診斷，每個ANN負責系統中一部分的診斷。類似的方法早有報道。
ANN在輸電網絡故障診斷中的應用主要是故障定位[10~13]和故障類型識別[14]2個方面,且文獻[10,11]和[14]的研究較典型.其中,文獻[10,11]分別采用2種不同的神經網絡模型解決故障診斷問題.文獻[10]基于3層前饋神經網絡,用全局逼近的BP學習算法完成故障定位.而文獻[11]則使用局部逼近的徑向基函數神經網絡實現故障定位。文獻[14]則以線路三相電流、三相電壓和零序電流的頻譜密度為輸入,以故障類型為輸出,分別比較了多層前饋網絡和Kohonen網絡在故障類型識別方面的應用。文獻[15]提出擁有限脈沖相應（finiteimpulseresponse）ANN構造單項和三相變壓器的差動保護,這種ANN模型適于處理瞬時信號，研究了3種結構:*種用于檢測單項變壓器的內部故障;第2種用于檢測三相變壓器的內部故障;第3中由一組第1種結構的ANN組成,用于檢測三相變壓器的內部故障。
需要指出，神經網絡方法雖然有利于克服專家系統的知識獲取瓶頸、知識庫維護困難等問題，但它不適于處理啟發性知識。而且，由于ANN技術本身不夠完備，它的學習速度慢，訓練時間長以及解釋功能弱，從而影響了神經網絡的實用化。同時，如何設計適用于大型輸電網絡的ANN故障診斷系統仍是一個有待于進一步研究的問題。
ANN一直是一個比較活躍的研究領域,但研究開發ANN故障診斷系統時,應對上述問題給予充分的考慮。
文獻[16]將大型輸電網絡分區,對各個區域分別建立基于BP算法的故障診斷網絡,隨后將這些分布神經網絡的結果綜合起來得出zui終的故障診斷結論。文獻[17]針對用BP網絡模型進行故障診斷過程中輸入樣本情況影響診斷結果的準確率的情況，提出了在原有神經網絡輸入節點的基礎上再增加一特征輸入節點，以反映輸入樣本數據大小的特征量的新方法，并將之用于電力變壓器，提高了故障診斷的準確率。文獻[18]則在分析BP算法缺點的基礎上，提出了一種變結構神經網絡的zui大值算法，通過簡化訓練過程，加快網絡收斂和診斷推理速度，從而提高故障識別率，實現故障的自動診斷和智能化綜合保護。
從文獻[16~18]中可以看出，通過對神經網絡結構或算法的改進在一定程度上可以提高故障診斷的有效性。而由于專家系統方法與神經網絡方法在許多方面可以協調工作、互為補充，因此，如何取長補短將神經網絡技術與故障診斷專家系統融為一體，以彌補診斷中的不足，并提供新的診斷技術和方法，具有很大的潛力和廣闊的前景，是值得我們深入探討和研究的。
1．3模糊理論
在故障診斷中，故障與征兆之間的關系往往是模糊的，這種模糊性即來自故障與征兆之間關系的不確定性，又來自故障與征兆在概念描述上的不性，因而診斷結果也必然是模糊的，解決模糊診斷問題的傳統方法一般根據專家經驗在故障征兆空間與故障原因空間之間建立模糊關系矩陣。常用的方法是將各條模糊推理規則產生的模糊關系矩陣進行組合，或與或并。隨著模糊理論的發展及完善,模糊理論的一些優點逐步被重視,如模糊理論可適應不確定性問題;其模糊知識庫使用語言變量來表述專家的經驗,更接近人的表達習慣;模糊理論能夠得到問題的多個可能的解決方案,并可以根據這些方案的模糊度的高低進行優先程度排序等。目前,模糊理論已被引入輸配電網絡故障診斷領域.
輸電網絡故障診斷的不確定因素對于要求嚴格匹配搜索的專家系統來說，很容易導致錯誤的結果。當在專家系統中融入模糊理論后，由推理變為近似推理，在相當程度上增強了專家系統的容錯性。
文獻[19]應用多目標模糊決策方法進行故障測距與故障類型辨識，并做了現場測試。文獻[20]研究了在配電網絡中，當每個設備的運行狀況可以大致知道時，如何決定其適當的維修水平，以兼顧運行安全和維修成本。先用模糊集方法描述設備的運行狀況，之后構造了決定適當維護水平的模糊現行規劃模型。
由于一般的模糊系統采用了與專家系統類似的結構，所以它也具有專家系統的一些固有的缺陷：（1）模糊系統在推理時也要搜索知識庫內一定的規則集才能得出診斷結論，所以當系統比較大時完成診斷的速度也比較慢。（2）當輸電網絡的結構或自動裝置的配置發生變化時，模糊系統的知識庫或相關規則的模糊度也要進行相應的修改，即模糊系統也存在維護的問題。（3）模糊系統也不具備學習能力。總之，模糊理論與其它人工智能技術結合構成的診斷系統雖然可以增強處理不確定性的能力，在一定程度上提高診斷的準確度，但是它不能*消除專家系統所固有的缺點。
1．4遺傳算法
遺傳算法是基于自然選擇和遺傳機制，在計算機上模擬生物進化機制的尋優搜索算法。它能在復雜而龐大的搜索空間中自適應的搜索，尋找出*或準*解，且算法簡單，適用，魯棒性強。遺傳算法對待求解問題幾乎沒有什么限制，也不涉及常規優化問題求解的復雜數學過程，并能夠得到全局*解或局部*解集，這是它優于傳統優化技術之處。
文獻[21~23]嘗試使用遺傳算法解決輸電網絡故障診斷問題。文章建立了根據報警信息估計故障點的數學模型，并從診斷結果應該能夠盡可能解釋所有報警信息的角度出發，給出了故障診斷問題的適應度函數，從而將輸電網絡故障診斷問題轉化為0~1整數規劃問題。在此基礎上，文獻[21]分別用簡單的和改進的遺傳算法實現了故障診斷系統，對交叉和變異算子做過調整的改進遺傳算法的故障診斷效果比較理想。文獻[24]延用[21]提出的故障診斷的數學模型，設計了基于進化規劃方法的故障診斷系統。進化規劃方法與遺傳算法的區別在于進化規劃的編碼方式不局限二進制編碼，因此編碼方式比較靈活，而且進化規劃只采用變異算子和競爭機制產生下一代。在個體數目比較少的情況下計算效率比較高。
遺傳算法從優化的角度出發基本上可以解決故障診斷問題，尤其是在復故障或存在保護、斷路器誤動作的情況下，能夠給出全局*或局部*的多個可能的診斷結果。但是如何建立合理的輸電網絡故障診斷模型是使用遺傳算法的主要“瓶頸”。如果能夠建立合理的數學模型，那么不僅可以使用遺傳算法解決故障診斷問題，還可以使用其他類似的啟發式優化算法解決故障診斷問題，如螞蟻系統算法、TABU搜索算法等。從不同的交叉和變異算法的應用比較可以看出，不同的交叉和變異算子對結果的影響比較大，如何確定*的交叉和變異算子及相應的參數也有待進一步研究。
2幾種智能方法的綜合
以上各種智能診斷方法，是從不同的途徑去解決故障診斷問題的，但同時也存在缺陷。為了構造性能較好的應用智能系統，需要綜合應用（集成）ES、NN、GA、FZ這幾種技術。集成的基本思路是：根據被求解問題的需要把系統分為若干個模塊，每個模塊，分別用ES、NN、GA、FZ技術實現，在以某種方式集成來形成主體系統結構，也可采用串接、嵌入或變換模塊的方法來取長補短，構造功能完善的應用系統。例如，人工神經網絡與模糊理論可以用2種方式結合：第1種方式是先模糊化神經網絡的輸入，進而得到的輸出也是一個模糊數。第2種方式是根據神經網絡的特點設計的。因為人工神經網絡的輸出本身就是一個介于0~1時間的書，所以可把神經網絡的輸出作為模糊系統的輸入，用模糊系統去解釋神經網絡的輸出。zui終提供給運行人員一個語言化的結論，便于運行人員理解。這在一定程度上彌補了神經網絡不具備解釋能力的弱點。
文獻[25]開發了一個電力系統故障診斷的模糊專家系統，以可能性診斷理論為基礎，重點放在處理不確定性問題如保護和斷路器誤動與拒動、通信問題引起的信息錯誤等。這種方法還可以比較方便的處理多重故障情況。此外，本文還對故障診斷中的處理不確定性的幾種現有方法作了比較分析。文獻[26]應用了一種改進的TS方法和專家系統實現配電系統*網絡重構，優化目標為損耗zui小和電壓質量zui高，同時保證足夠的供電可靠性。供電可靠性指標是根據在預想事故發生的情況下，重構后的網絡結構能否向用戶恢復供電來衡量的。所采用的改進的TS方法可以在搜索過程中自動調整有關參數，無需由使用人員憑經驗給定。文獻[27]結合ES和ANN實現對以變電站故障診斷為基礎的分層分布時故障診斷系統。文獻[28]基于模糊理論與神經網絡理論，根據特征氣體法和改良IEC三比值法，建立了模糊神經網絡的變壓器故障診斷模型。該模型有效的處理了故障診斷中的不確定因素，并具有較強的知識獲取能力。文獻[29]從基于人類思維發展模式的角度，融合設備故障診斷的ES和ANN模型，構造了電力變壓器的故障診斷分析系統。
綜上所述，將不同的人工智能技術結合在一起,分析不確定因素對智能診斷系統的影響,從而提高診斷的準確率，是今后智能診斷的發展方向。
3其他方法
隨著人工智能技術的不斷發展，新的方法也在不斷涌現，其應用范圍也在不斷擴大，為故障診斷領域注入了新的活力。
文獻[30]采用小波變換對故障后的暫態現象進行分析，以快速識別故障類型，可用于高速保護。文獻[31]提出用小波變換和ANN檢測變壓器故障。先用EMTP程序產生變壓器在正常運行和故障時的信號（主要是電流信號），之后用小波變換進行處理，提取特征量，zui后用ANN進行訓練和估計。通過應用小波變換提取重要的特征量，ANN的結構得以簡化，訓練速度得到提高。
輸電網絡中各級、各類保護系統反應于故障，并有選擇的切除故障的過程整數于系統同時發生或次序發生的活動的范疇，適用于Petri網絡來描述。文獻[31]以輸電網絡中的元件為單位，首先研究了故障清除過程的Petri網絡模型，進而對其求逆得到了故障診斷的Petri網絡模型，再把它們組合在一起就形成了整個輸電網絡的Petri網絡故障診斷系統。整套系統的物理概念清晰，易于實現，診斷速度也比較快。此外，文獻[32]還分析了保護、斷路器的誤操作對Petri網絡模型的影響，并分別給出了識別保護和斷路器誤操作的模板。
近2年來，從分析、模擬保護系統動作邏輯入手，解決輸電網絡故障診斷問題也是一種趨勢。除上述方法以外，還有其他基于邏輯的方法，如基于邏輯蘊含式的方法，基于外展邏輯的方法等。
4結語
本文介紹了近年來專家系統、人工神經網絡、模糊理論等人工智能技術在輸配電網絡故障診斷中的應用，分析了其優缺點，從中可以看出，依靠單一智能技術的故障診斷已難以滿足復雜的輸配電網絡診斷的全部任務要求，因此，將多種不同的智能技術結合起來的混合診斷系統是智能化故障診斷研究的一個發展趨勢。主要結合的技術有基于規則專家系統和ANN的結合，模糊邏輯、ANN與專家系統的結合等等。其中，模糊邏輯、ANN與專家系統結合的診斷模型是發展前景的也是目前人工智能領域的研究熱點之一。而其中許多問題，例如模糊邏輯與神經網絡的組合機理、組合后的實現算法，如何使智能系統既具有ANN的學習能力又具有靈活的知識表達能力和嚴謹的邏輯性等，是值得深入研究的。
總之，綜合已有的人工智能技術，揚長避短，并探索新的診斷技術和理論方法，研究開發完善的智能輸配電網絡故障診斷系統是擺在研究工作者面前的重要課題，是今后發展的主要方向。
