打开文本图片集

摘要：随着信息技术的持续发展，我国电网面向智能化、信息化、集约化发展。受配电网络系统愈加复杂影响，台区电网故障事件频发，为了避免事故风险扩大，同时保证电网运行安全，需创新台区电网故障定位及识别方法。对此，从台区电网故障诊断的信息源入手，分析多源信息融合下的台区电网故障定位及识别方法，通过提取故障区域疑似元件、故障特征值、故障度计算等方式，结合单独证据体，构建改进模糊模型，在聚类分析的基础上得出最终决策，实现对台区电网故障的定位及识别，为同领域提供参考。

关键词：多源信息；台区电网；故障定位；识别；模糊算法

随着配电网建设深入推进，配电网络系统复杂性以及布置分散性特点的影响，传统的“表格式管理”、“坐标式运维”愈显机械和拖沓，无法适应当前工作需求，对台区的运行调试及维修保养工作带来一定的困难。本项目旨在建立一个台区定位与故障辨识一体化管理系统，借助智能手机和微信小程序，实现台区、人员的集约化、痕迹化管理，规范台区各项作业流程，试点“工单驱动” 管理新模式，实现数据综合分析，辅助规划、储备等管理决策，全面助力公司提质增效。

1 多源信息解读及故障特征量提取方法

1.1 台区电网故障诊断信息系统

近年来，在我国电力产业的持续发展下，配电网络的复杂性愈加明显，不同环节之间的连接更加紧密，让电网成为与互联网相同的庞大的交织体系。由于电力系统之间的信息交流更加频繁，所以对电力系统运行状态的检测显得更加重要，结合算法及计算机技术对电网进行故障前诊断及故障后评估十分重要。在此背景下，台区电网故障诊断信息系统应运而生。传统故障诊断方法无法解决大量的电气信息，无法兼顾电网全局。当电网出现故障时，需在第一时间切断故障源，并在极短时间内恢复供电，如果使用传统故障判别方式，信息收集速度、完整度及准确度无法保证。为了保证信息收集速度及准确性，需提高信息的冗余度，诊断过程中结合SCADA/RPMS等系统。

以SCADA系统为例。该系统是最早应用在数据采集及监控领域的系统。现代电网系统监测主要以计算机技术为基础，通过埃及电网运行状态信息的方式来监测电网潜在故障及既发故障。将SCADA系统安装在电网中可实现中心主站与终端信息的及时交互，让信息更具及时性及完整性，可即时反应电网设备状态及电网运行状态等。该系统包括故障告警模块、节点电力信息监测模块、信息传输模块、故障分析模块等。

1.2 台区电网设备静态故障度的界定

台区电网元件故障发展过程中，系统内部的所有监测设备均会上传故障前后的数据信息，系统可自动告知前端人员故障数据。基于多源信息可提取并筛选满足诊断的有用数据，可显著提高故障诊断效率，确保诊断的准确性及有效性。由于台区电网故障问题归属于概率问题，故障无法精准推测，只能通过概率推理的方式来判断元件在某个时期故障的发生率，所以利用贝叶斯网络对设备静态故障度进行分析。当故障诊断期间信息不完整，可借助良好的推理能力获取精准的元件故障概率。

因果关联规则：台区电网故障诊断中需分析故障与元件之间的因果关系，判断故障发生地与元件或关联元件是否存在相关性。所谓因果关联规则就是对一个事件的起因与结果进行模型转化，借助规则建立元件和相关装置之间的逻辑关系。

上图中每条线路的两侧配置单独保护装置，母线的主保护机器相邻线路的子保护作用于断路器。为了解决断路器出口方向不同的问题，对上图母线编码，了解所有母线的上下游顺序，母线之间的线路上安装的保护装置及断路器数量较多的情况下仍然可以编码标号。上述中m表示主保护、p表示近后备保护、k表示远后备保护、f表示失灵保护。线路以首端和末端相连的母线序号进行标记。如L1-2m表示线路L1-2 上靠近母线B1 端主保护，CB1-2 表示靠近母线B1 侧断路器，CB1-2f断路器CB1-2 的失灵保护。以此，建立如下因果关联关系：

①元件故障引发的关联性保护动作：s=1→r=1I∀r∈R，s∈S

②保护执行与关联断路器相关动作：r=1→c=1I∀r∈R，c∈C

③断路器动作和关联关系的正确动作：c=1→r=1I∀r∈R，c∈C

2 基于多源信息的台区电网故障诊断及辨识系统的设计

2.1 功能需求

首先，台区信息形成统一台账，实现设备厂家、型号、经纬度等信息查询，同时展现台区的地理位置信息，并具备导航功能， 且实时同步PC端和移动端。其次，具备基于生产实时管控系统、故障信息采集系统等系统大数据的台区故障定位及故障识别功能；提取配电网不同运行方式下多态故障的关键特征，实现配电线路故障自适应匹配。最后，建构台区故障识别技术与故障定位技术验证平台，具备台区多态复杂故障复现功能，建构台区性能测试及全实物真型故障分析验证平台。

2.2 多源信息技术的融合

信息融合也就是将不同的相关信息进行融合，从而获取期望的结果。利用多源信息对事件的数据特征进行描述，可在时间与空间两个维度上依照实现指定的规则处理对应数据，从不同维度对目标事件的具体表现做出一致性解释，弥补单一信息源冗余及局限性的问题。台区电网故障诊断系统的多源信息融合包括数据层、特征层与决策层三部分。

首先，数据层融合也就是对不同信息源的数据信息进行预处理。对融合的信息进行故障特征量提取，判定故障元件。数据层融合的优点是可以保证数据的完整性，让各类信息均可以发挥自身的作用，但数据量较大，具有较高的冗余度，数据融合的效率较低，此时对智能算法的要求极高。其次，特征层数据融合。该层数据融合的原理是对原始信息中数据进行预处理，在从中找出故障的特征量，根据特征量进行数据融合，判别故障元件。这种融合方式可筛选出重复的信息，可仅保留故障特征信息，可解决信息冗余度高的问题。但是，该融合方式如果出现特征信息失真的问题将出现大幅度误差，所以特征层数据融合需保证算法的准确性。最后，决策层数据融合需对原始数据的信息提取出故障特征信息，获取不同信息的诊断结果，从而对诊断结果进行关联性计算，判定故障元件。该融合方式具有良好的容错性，但数据预处理中存在数据处理效率低的问题。根据不同信息源获取的诊断结果需分析对应的可信度，但可信度来源于历史运行的数据，其存在数据库更新速度慢的问题。综合上述三种方式，不同的融合方式具有各自优势及缺点，应依照实际情况择优选取。下文从诊断出进行信息融合，判定故障元件。

2.3 改进D-S证据融合

根据原始证据融合规则，冲突因子位于分母位置，取值影响着信息的融合度。如果冲突因子为0，此时证据体保持相同，如果冲突因子取值接近1，表示证据体之间的冲突程度较大，意味着证据组合规则没有任何意义。所以，需对D-S证据融合规则进行改进。首先，考虑到证据体相对权值系数的修正问题，证据体本身易受到外界因素干扰，同时不同的模型及算法对最终结果有一定影响，将导致信息融合的结果可靠性存在偏差。为了保证证据体具有相同的标准，在原有基础上加入证据权值系数，以此对原有证据体进行修正。本研究证据体权值系数的选取主要通过对历史数据的分析获得。其次，修正D-S证据融合规则。如果不同证据之间的冲突较小，将原始证据合成规则保留，如果不同证据之间的冲突较大，结合证据新都分配值及修正后的相对可信度，将冲突明显的证据体分配到冲突的焦元之上，重新定义证据规则。

2.4 改进C均值决策模型

当获得台区电网故障元件的证据融合数据后，为了解决复杂故障带来多个疑似元件对结果产生影响的问题，应对多源信息进行判别。采用改进的模数C均值聚类算法对结果做出判断。FCM是建立在C均值聚类算法基础上的，引入了模糊集概念，可对不同对象开展差异化分类，让其分在相同的对象之间的相似度达到最大，减小不同类型对象之间的相似度，建构目标函数来缩小约定范围内容的最小值。

假定对象X为C类，其为{x1、x2、x3、...、xN}，X形成的目标函数如下式：

（隶属度矩阵为U=（uij）cn、uij表示Xj对类别mi的隶属程度，满足[0，1]， .

模糊C均值算法虽然使用了聚类分析的方式，但其在运算中也存在一定问题。利用聚类分析方式的结果就是会因初始阶段确定的聚类中心的不同而出现差异，所以该算法不能过于依赖聚类的中心及数目。相对于台区电网故障诊断，可将故障类型分为故障类与常规类两种，聚类分析过程中对原始聚类中心加以改进，可利用密度函数的方式对原始聚类进行中心优化。

针对模糊C均值决策模型的改进。获取单独证据后利用改进后D-S证据体融合，得到利用改进模糊C均值决策模型进行聚类分析，将其得到的结果作为决策的数据，对故障做出判断。①选取具备类别的数量，将其迭代为100次；②求取原始聚类中心；③求出隶属度矩阵及聚类中心；④得出约束条件下的目标函数数值；⑤如果迭代次数满足要求则终止迭代，若误差不满足设定要求，则重回③继续迭代，直到满足迭代次数；⑥将聚类结果按照聚类中心类别判定为故障元件。

3 基于多源信息的台区电网故障诊断及辨识

3.1 故障及辨识流程

根据图3，基于多源信息的台区电网故障诊断及辨识分为如下几个流程：

首先，调控中心收集到台区电网开关变为信息及电气量信息，此时确定边界断路器，并划分出故障区域，划定区域内的元件及是被均被定义为疑似故障的元件。其二，假定疑似故障元件的数量为一，则直接判定该元件为故障元件，如疑似故障元件数量不为一，则按照流程进入下一环节。其三，对上述疑似故障元件进行开关量信息判别，结合因果关联关系及动作可信度规则，融入贝叶斯算法，计算疑似故障元件的静态故障度。随后，提取疑似元件故障前后的电压等信息，在小波分解重构的基础上，得到元件电压及电流信号的故障度及畸变度。其四，分析疑似故障的元件的证据体，结合D-S融合理论进行融合判断，将结果利用模糊C均值模型确定故障元件。其五，结合关联关系对元件关联的保护及断路器的动作情况做出评价，生成诊断报告，获取完成的诊断数据。

3.2 验证

在PSCAD中搭建节点系统，结合MATLAB编程对系统内部的电压、电路等进行小波分析及故障特征量提取，假定故障发生时刻为一秒，持续时间为0.05秒，预设线路为L3-18，母线B3发生单相接地故障，系统发出的警告见表1.

收到可疑告警时，结合故障区域划定方法，获得故障区域内的疑似故障元件，见下图。

按照3.1的流程对疑似故障区的元件进行判断。在开关量信息中加入时序信息进行可信度评估，结合时间节点的事件距离约束，对告警信息做出评估。与仅利用开关量动作变位信息的判断方式，此处采取的方法可以更加准确地对告警信息进行分类。当不考虑时间距离约束的情况下，CB3-2和CB3-4易被归类为L3-18故障引起的断路器跳闸。当考虑时间距离约束时，跳闸故障可关联到B3母线故障。当利用单一开关量信息或电气量作为诊断信息时，考虑到存在信息漏报或误报的问题，将扩大故障的筛选范围，如果电气量信息存在突变，将导致诊断结果和实际情况不同。综上，利用静态故障度、电压及电流信号的故障度，结合多源信息及决策，可精准判断故障元件，有效识别台区电网故障位置。

结束语：

在台区电网故障诊断中结合多源信息，可有效辨别故障位置及元件。通过提取故障区域疑似元件、故障特征值、故障度计算等方式，结合单独证据体，构件改进模糊模型，在聚类分析的基础上得出最终决策，有助于实现对台区电网故障的定位及识别，可保障台区电网的稳定运行。

参考文献：

[1]马明晗，侯岳佳，李永刚，贺鹏康，齐鹏，武玉才.基于MSK-CNN和多源机电信息融合的同步发电机故障诊断方法[J/OL].电机与控制学报：1-13[2022-10-20].

[2]马明晗，侯岳佳，李永刚，贺鹏康，齐鹏，武玉才.基于二维CNN与多源机电信息融合的同步电机转子匝间短路故障诊断方法[J/OL].华北电力大学学报（自然科学版）：1-14[2022-10-20].

[3]游昊，石恒初，杨远航，孔德志，陈璟.电网故障多源信息智能融合诊断方法[J].云南电力技术，2021，49（06）：64-70.

[4]赵维兴，熊楠，宁楠，李易鸿，古展基，李海清.基于多源信息融合的电网多层智能故障诊断方法[J].南方电网技术，2021，15（09）：9-15.

[5]段礼祥，李涛，唐瑜，杨家林，刘伟.基于多源异构信息融合的机械故障诊断方法[J].石油机械，2021，49（02）：60-67+80.

[6]游昊，石恒初，杨远航，颜丽，廖晓春.基于改进D-S证据理论的电网故障多源信息智能融合诊断方法[J].广东电力，2020，33（11）：16-25.

[7]陈仁祥，黄鑫，胡小林，徐向阳，黄钰，朱孙科.多源信息深度融合的行星齿轮箱故障诊断方法[J].振动工程学报，2020，33（05）：1094-1102.

[8]王宇，徐长宝，祝健杨，辛明勇，张历，林呈辉.基于改进Petri网和Hilbert变换的多源信息融合电网故障诊断方法[J].电测与仪表，2021，58（06）：125-129.

[9]王宇，高吉普，林呈辉，辛明勇，祝健杨，刘斌.基于多源数据融合的电网故障智能诊断方法研究[J].电子器件，2020，43（02）：304-308.

[10]赵文清，祝玲玉，高树国，李刚.基于多源信息融合的电力变压器故障诊断方法研究[J].电力信息与通信技术，2018，16（10）：25-30.