华北电力大学 王守鹏，赵冬梅：电网故障诊断的研究综述与前景展望

提示：点击"电力系统自动化"关注本刊微信

原文发表在《电力系统自动化》2017年第41卷第19期，欢迎品读。

本文引文信息

王守鹏, 赵冬梅. 电网故障诊断的研究综述与前景展望 [J]. 电力系统自动化, 2017, 41(19): 164-175. DOI: 10.7500/ AEPS20170126001.

WANG Shoupeng, ZHAO Dongmei. Research Review and Prospects for Power Grid Fault Diagnosis [J]. Automation of Electric Power Systems, 2017, 41(19): 164-175. DOI: 10.7500/ AEPS20170126001.

电网故障诊断的研究综述与前景展望

DOI: 10.7500/AEPS20170126001

王守鹏，赵冬梅

一

研究背景

电网故障诊断是实现智能电网自愈功能的重要应用。自20世纪70年代面向系统层面的电网故障诊断开展研究以来，对电网故障诊断相关技术的研究成为国内外众多专家学者所关注的焦点，并随着人工智能技术和计算机技术的发展，采用智能化的故障诊断方法成为该领域的研究热点和重点。随着《中国电力大数据发展白皮书（2013）》的发布，以及调控一体化的全面实施，电网调控领域进入了大数据时代，调控大数据背景下，故障诊断的数据来源更加多样，数据规模更加庞大，对电网故障诊断问题进行更为深入的研究具有很大的理论和现实意义。

二

电网故障诊断的研究现状

1）在故障数据信息预处理层面

各类监测系统在电网故障时提供了海量的故障征兆信息，如何在这些信息中提取出完整的电网故障诊断所需的警报信息是故障诊断能够顺利进行的基础，也是实现故障诊断系统在线应用的前提。此阶段的处理水平直接影响到故障诊断的效果，并且其相关研究成果能够应用于各种故障诊断模型。

2）在故障诊断方法层面

a）基于专家系统的电网故障诊断

针对基于专家系统的电网故障诊断的研究中，近年来主要集中在规则库的构建与维护的问题、不确定信息情况下的容错性问题以及诊断推理计算等方面，通过将其它智能技术与专家系统相结合以对专家系统模型进行改进，取得了一定成效。

b）基于人工神经网络的电网故障诊断

神经网络在大规模电网故障诊断适用性方面的研究中，分区诊断和面向元件诊断方面的理论研究均有较大发展，并且将新型神经网络运用于电网故障诊断亦进一步提高了诊断模型的学习效率，但在故障诊断结果的解释性和大规模电网实用化应用方面的研究依旧进展缓慢。

c）基于粗糙集理论的电网故障诊断

近年来，通过与其它智能技术相结合，一定程度上改善了粗糙集理论在大规模电网故障诊断应用中决策表构建困难等问题，并且在关键信息缺失及知识约简效果方面亦取得了一定成效，但对于多重关键信息缺失、出错等不可观事件连续叠加的情况，故障诊断效果不够理想。

d）基于贝叶斯网络的电网故障诊断

通过引入时序信息，构建蕴含时序属性的贝叶斯诊断模型，在一定程度上提高了诊断的准确度，促进了基于贝叶斯网络的故障诊断的进一步发展，但如何实现贝叶斯网络的自动建模以适用于在线应用，以及研究与其他数据源做信息融合诊断以构建鲁棒性更强的诊断模型等方面仍有待深入研究。

e）基于Petri网的电网故障诊断

针对基于Petri网的电网故障诊断研究，近年来主要集中在高级Petri网的应用上。高级Petri网的应用使得Petri网模型能够较好的适用于大规模电网故障诊断，并且通过在模型中计入电气量信息和时序信息，提高了Petri网模型在故障信息不确定情况下的诊断容错性，但多源信息的计入使得Petri网模型更为复杂，增加了建模的难度。

f）基于解析模型的电网故障诊断

近年来，针对基于解析模型的电网故障诊断的研究中，通过不断将表征故障的更多信息引入解析模型，使得诊断模型更为完备，最终求得的故障假说亦可对电网故障情况做出更为准确、清晰的解释。然而，计入的信息越多所构建的数学模型的维数就越高，诊断模型也就越复杂，在进行求解时亦会存在许多不足，其突出表现为：模型权重的分配具有较大的主观性；优化求解过程中各级保护、断路器等故障信息在模型中表征的部分的优度进程不可控。

g）基于数值计算分析的电网故障诊断

采用电气量信息的数值计算分析方法在电网故障诊断中的应用，使得电网故障诊断问题能够转变为混杂系统问题。对电气量信息进行数值计算分析的结果可以映射成一个或一系列故障事件，通过与保护、开关信息的结合或不同电气相关原理的应用，一定程度上解决了单纯应用电气量信息进行数值计算分析所面临的问题。

h）基于多源信息融合的电网故障诊断

目前基于多源信息融合的电网故障诊断的研究多是对各自数据源进行独立诊断，再对诊断结果进行融合。相比基于单一信源的故障诊断来说，在诊断容错性、准确性等方面有显著提升，但诊断结果解释性不强，多源数据信息没有得到充分利用。随着电网调控一体化的建成，电网事故处理模式向集中式转变，新一代智能电网调度控制系统实现了电网静态和动态数据的采集功能，使得在调度端即可获得调度技术支持系统采集的各类数据信息。因此，为适应调度运行模式转变的需求，应考虑从电网、设备、环境等多角度出发，对多源数据信息进行充分融合，不仅进行诊断结果层面的融合，亦要进行数据处理层面的融合，充分利用数据的冗余性，辨识错误数据、修正畸变数据、增补缺失数据以实现故障全过程的准确分析和清晰解释。

3）在故障诊断系统设计应用层面

在线电网故障诊断系统架构设计属于工程应用问题，它是基于调度中心数据平台，将诊断功能模块化，通过模块间的信息交互实现诊断分析，主要目的是为调度运行人员提供智能化决策服务。根据实际工程需求，设计具有不同功能模块的分布式并行诊断系统架构模型，以期有效解决电网规模过大数据处理及诊断效率低下的问题，是电网调度运行人员的迫切需求。

三

电网故障诊断在新形势下的发展方向

当前，电网调控一体化使得大量设备直接接入监控系统，从而在调度端即可获得调度技术支持系统采集的各类数据信息，这些实时与非实时采集的各类数据构成了电力大数据的可靠来源，大数据有了，但适用于电网故障诊断的大数据挖掘、知识的获取，以及多数据源的聚合方法及诊断模型的构建等，还处于起步阶段，适用于电网调度大数据环境的电网故障诊断研究实质性技术有待突破。在调控一体化背景下，面对大数据环境，对电网故障诊断提出了更高的要求，今后应重点对以下几方面工作进行深入研究：

1）调控大数据背景下，故障诊断数据信息的分析挖掘。开展调控大数据环境下的特征提取和选择技术的研究，从海量数据中提取需要的特征（知识）；开展调控大数据环境下的数据驱动分析方法的研究，以解决数据多元性、异构性等问题；开展调控大数据环境下的并行算法的研究，将传统的数据挖掘算法进行并行化，以提升算法的可扩展性和计算效率。

2）多级协同分布式电网故障诊断模式的研究。近年来智能电网建设和调控一体化的不断深入，使得电网更加复杂化和规模化，促使多级协同分布式诊断技术越来越得到重视。电力通信网络的不断发展，使得各级调控中心之间，以及调控中心与智能变电站之间的故障警报信息实现了实时和高效共享，为多级协同分布式电网故障诊断的实现创造了数据交互的物理条件。但目前针对该技术的研究还不够深入，不同层级之间诊断功能如何实现交互、如何部署等问题均需要进一步深入研究。

3）基于态势感知技术的电网故障诊断系统实用化研究。开发具有自动建模功能、可视化界面、自适应于电网调度自动化平台基础数据和复杂数据环境的故障诊断系统能够显著提升调度运行人员对电网事故的态势感知能力，保证电网可靠、安全运行。但截止目前，诊断系统的实用化研究进展依旧缓慢，其主要原因在于诊断系统在线应用面临因信源测点布置不足、信息传输通道中断或异常、量测元件采样错误以及时序信息上送不同步等因素所导致的诊断模型与数据不完整、不精确等诸多现实问题，这些问题还没有很好的解决方案。并且，在当前调控大数据环境下，多类型数据源采集的数据量庞大、格式多样，使得调度对故障数据的综合利用更为复杂，诊断系统面对庞杂的数据信息，建模与维护工作异常繁重，制约了系统的可靠运行。此外，现有诊断系统智能化和自动化程度不高，需要调度运行人员结合人工经验进行分析，缺乏对电网事故发展变化情况的态势感知能力，随着电网规模和运行复杂度的不断增加，运行人员的工作压力逐渐加大，严重影响了使用者的用户体验。因此，从解决如上影响诊断系统在线应用问题的角度出发，加快构建基于态势感知技术的在线故障诊断系统，增强调度运行人员的态势感知能力，通过态势感知实现对电网故障发生、发展过程的全面准确掌控，对电网调度决策智能化具有重要意义。

下方查看历史文章

作者及团队介绍

王守鹏，华北电力大学电气与电子工程学院博士研究生。主要研究方向：人工智能在电力系统中的应用和电力系统故障诊断。

赵冬梅，博士，华北电力大学电气与电子工程学院教授，博士生导师。主要研究方向：智能技术在电力系统中的应用、电网故障诊断、电力系统分析与控制。

郑重声明：根据国家版权局相关规定，纸媒、网站、微博、微信公众号转载、摘编本微信作品，需包含本微信名称、二维码等关键信息，并在文首注明《电力系统自动化》原创。个人请按本微信原文转发、分享。

关于《电力系统自动化》