CN104459378B - 一种智能变电站故障诊断方法 - Google Patents

Abstract

一种智能变电站故障诊断方法，按以下10个步骤进行：步骤1：采集故障假说向量的各个变量；步骤2：组网建模分析；步骤3：建立样本矩阵进行评估；步骤4：计算故障假说对应的目标函数值；步骤5：判断是否满足终止条件；步骤6：得到正确的故障假说；步骤7：实际中收到的警报状态；步骤8：比对信息；步骤9：漏报或误报的警报、误动拒动的断路器；步骤10：对故障进行消缺，恢复正常运行。本发明降低了电力系统的管理成本，改变了落后、陈旧的人工故障分析和处理模式，大大降低了智能变电站运行的人力和物力，降低了的生产成本，提高了工作效率，为智能变电站建设和运行提供了技术支撑。

Description

一种智能变电站故障诊断方法

技术领域

本发明属于电学领域，尤其涉及一种智能变电站故障诊断方法。

背景技术

智能变电站是采用先进、可靠、集成和环保的智能设备，以全站信息数字化、通信平台网络化、信息共享标准化为基本要求，自动完成信息采集、测量、控制、保护、计量和检测等基本功能，同时，具备支持电网实时自动控制、智能调节、在线分析决策和协同互动等高级功能的变电站。智能变电站主要包括智能高压设备和变电站统一信息平台两部分。智能高压设备主要包括智能变压器、智能高压开关设备、电子式互感器等。智能变压器与控制系统依靠通信光纤相连，可及时掌握变压器状态参数和运行数据。当运行方式发生改变时，设备根据系统的电压、功率情况，决定是否调节分接头；当设备出现问题时，会发出预警并提供状态参数等，在一定程度上降低运行管理成本，减少隐患，提高变压器运行可靠性。智能高压开关设备是具有较高性能的开关设备和控制设备，配有电子设备、传感器和执行器，具有监测和诊断功能。电子式互感器是指纯光纤互感器、磁光玻璃互感器等，可有效克服传统电磁式互感器的缺点。变电站统一信息平台功能有两个，一是系统横向信息共享，主要表现为管理系统中各种上层应用对信息获得的统一化；二是系统纵向信息的标准化，主要表现为各层对其上层应用支撑的透明化。

智能变电站作为调度中心与变电站的联系枢纽，直接面对系统运行和设备的运维管理，集指挥、调度、监视、操作于一身，其运行及决策智能水平对提高电力系统的自愈能力及供电的可靠性起到重要作用。但目前警报处理、故障诊断及事故处理的研究大都集中于电力系统调度中心或者变电站，如基于解析模型的电力系统警报处理的研究，基于人工神经元网络电力系统故障诊断的研究、基于多agent的电力系统主从递阶恢复决策的研究。上述研究已经在理论研究方面取得一定的突破，有些甚至已经在实际系统中得到应用。而基于智能变电站的故障诊断方法和事故处理的理论及其应用研究极其缺乏。

另一方面，发生事故时，智能变电站将在几十秒内往往收到警报达数百条，值班员通过监控系统的变电站主接线寻找确定事故影响范围，确定及记录断开的断路器及保护动作信息，并分发至各部门，上报调度，同时进行事故分析；班组运行人员，根据所有的报文上传信息，跳闸、保护动作情况，根据经验分析大致的事故原因，紧急安排巡维中心人员现场检查。由于报文量过大，事故处理又需要在短短的几分钟之内完成，监控人员凭借的电力知识及经验很难及时有效对故障进行正确判断。

发明内容

为了解决上述问题，本发明提供一种智能变电站故障诊断方法，本发明特征在于，按以下10个步骤进行：

步骤1：采集故障假说向量的各个变量；

采集继电保护、断路器动作、各种报警信息之间关联逻辑，主要才采集智能变电站内部静态数据Data1里面的继电保护信息和实时数据Data2里面的断路器动作警报；

步骤2：组网建模分析；

将步骤1采集到的信息分类为4类：关键告警信息、继电保护信息、原因事件和出口断路器信息；

步骤3：建立样本矩阵进行评估；

建立样本矩阵进行评估的目的是筛选并剔除相关性弱的信息，提高采集信息的准确性和重要性；

假设智能变电站中共有n+m信息，n为继电保护信息(B1～B6)，m为出口断路器信息(D1～D6)，在该时段内的事件原因采样数为k个(C1～C5)；建立样本矩阵：

其中向量V_i看作空间V的一个样本组，则V中样本组数量为n，维数为k；

假设将样本组划分为c个类，即c个机群。设聚类划分次数为t(t≥1，t∈N)，初始时令t＝1，从所有样本组中任意选择c(1≤c≤n)个样本组作为c个类G_p(p＝1,2,…,c)的初始聚类中心

则任意一个样本组V_i到c个聚类中心的欧氏距离为

对于任意一个样本组V_i，总是一个(p＝1,2,…,c)使达到最小，则将V_i划分到类G_p中；

遍历完所有的样本组，完成1次聚类划分。定义聚类的平方误差总和：

作为评估类内相似性的指标，将E^(t)＞1的数据全部剔除。以下步骤只计算E^(t)≤1的数据；

步骤4：计算故障假说对应的目标函数值。

以带电断路器分闸动作为事故的起始信号；断路器是否带电由拓朴结构分析进行停电区域识别一旦事故发生，利用经智能过滤后警报信息寻找所有可能的原因事件构成故障假说集，由此将故障原因求解问题表示为无约束0-1整数规划问题；

设为实际收到经智能警报处理后的关键警报信息集，其中a_i和为断路器动作信息及发生时间，b_m和保护动作信息及发生时间。为期望收到的关键警报信息集。故障假说集H为所有可能的原因事件集合；

目标函数Fobj(H_i)用于衡量故障假说集H中某故障假说H_i的合理性，目标函数为：

Fobj(H_i)＝min(w₁|▽M(H_i)|+w₂|T(H_i)|+w₃|H_i|)

其中，警报覆盖度指标▽M(H_i)为K维向量(K为警报信息总数)；|▽M(H_i)|反映了故障假说H_i对应期望警报不能覆盖实际警报信息的数目；即故障假设H_i与警报实况的覆盖度，其值越小，意味着故障假说越接近于故障实际状态的一个覆盖；故障假说差异度指标T(H_i)为K维向量，|T(H_i)|反映实际警报信息和故障假设H_i对应的期望警报集合M^*(H)的差异度，|T(H_i)|越小，意味着故障设备、误动或拒动的保护和断路器总数越少，故障假说H_i的可信度越高；

步骤5：判断是否满足终止条件；

对上述形成的无约束0-1整数规划问题的目标函数进行寻优求解，最终得到最优解H^best，可求出可信度最高的故障假说，函数Fobj(H_i)有最优解即满足终止条件，满足条件转步骤6；若函数Fobj(H_i)无最优解则转步骤3，继续进行建立故障样本矩阵进行评估，剔除粗大误差；

步骤6：得到正确的故障假说；

此时已经得到正确的故障假说，即正确的故障假说对应期望收到的各警报状态

步骤7：实际中收到的警报状态；

采集智能变电站内部实时数据Data2里面提供的实际保护动作警报。

步骤8：比对信息；

将步骤6与步骤7的信息进行比对，输出诊断结果。

步骤9：漏报或误报的警报、误动拒动的断路器；

根据所得到诊断结果，即可判断出漏报与误报，误动、拒动断路器；其判断原则为：期望中有而实际未发生为漏报或断路器拒动；而期望中没实际发生为误报或断路器误动；

步骤10：对故障进行消缺，恢复正常运行；

事故诊断结果出来后，根据步骤9的结果，对故障进行消缺，智能快速地进行事故处理，恢复正常运行。

本发明同现有技术相比，具有以下优点和有益效果：本发明提出智能变电站的故障处理诊断方法依据智能变电站的的体系结构特点，着重对告警信息进行二维分类、建立故障样本矩阵进行评估、剔除弱相关信息、智能过滤警报处理、故障诊断算法的流程框架及原理进行详细阐述，并通过实施例验证了本发明有效性及可行性。本发明降低了电力系统的管理成本，改变了落后、陈旧的人工故障分析和处理模式，大大降低了智能变电站运行的人力和物力，降低了的生产成本，提高了工作效率，为国家“十三五”智能变电站建设和运行提供了技术支撑。

附图说明

图1是本发明一种智能变电站故障诊断方法的步骤流程图；

图2是本发明所述步骤3组网建模分析的拓扑结构图；

图3是本发明所述实施例的电气结构图。

具体实施方式

下面将结合附图，对本发明的技术方案进行清楚、完整地描述。

如图1所示，一种智能变电站故障诊断方法，本发明特征在于，按以下10个步骤进行：

步骤1：采集故障假说向量的各个变量；

采集继电保护、断路器动作、各种报警信息之间关联逻辑，主要才采集智能变电站内部静态数据Data1里面的继电保护信息和实时数据Data2里面的断路器动作警报；

步骤2：组网建模分析；

将步骤1采集到的信息分类为4类：关键告警信息、继电保护信息、原因事件和出口断路器信息；

步骤3：建立样本矩阵进行评估；

建立样本矩阵进行评估的目的是筛选并剔除相关性弱的信息，提高采集信息的准确性和重要性；

假设智能变电站中共有n+m信息，n为继电保护信息(B1～B6)，m为出口断路器信息(D1～D6)，在该时段内的事件原因采样数为k个(C1～C5)；建立样本矩阵：

其中向量V_i看作空间V的一个样本组，则V中样本组数量为n，维数为k；

假设将样本组划分为c个类，即c个机群。设聚类划分次数为t(t≥1，t∈N)，初始时令t＝1，从所有样本组中任意选择c(1≤c≤n)个样本组作为c个类G_p(p＝1,2,…,c)的初始聚类中心

则任意一个样本组Vi到c个聚类中心的欧氏距离为

对于任意一个样本组V_i，总是一个(p＝1,2,…,c)使达到最小，则将V_i划分到类G_p中；

遍历完所有的样本组，完成1次聚类划分。定义聚类的平方误差总和：

作为评估类内相似性的指标，将E^(t)＞1的数据全部剔除。以下步骤只计算E^(t)≤1的数据；

步骤4：计算故障假说对应的目标函数值。

以带电断路器分闸动作为事故的起始信号；断路器是否带电由拓朴结构分析进行停电区域识别一旦事故发生，利用经智能过滤后警报信息寻找所有可能的原因事件构成故障假说集，由此将故障原因求解问题表示为无约束0-1整数规划问题；

设为实际收到经智能警报处理后的关键警报信息集，其中a_i和为断路器动作信息及发生时间，b_m和保护动作信息及发生时间。为期望收到的关键警报信息集；故障假说集H为所有可能的原因事件集合；

目标函数Fobj(H_i)用于衡量故障假说集H中某故障假说H_i的合理性，目标函数为：

Fobj(H_i)＝min(w₁|▽M(H_i)|+w₂|T(H_i)|+w₃|H_i|)

其中，警报覆盖度指标▽M(H_i)为K维向量(K为警报信息总数)；|▽M(H_i)|反映了故障假说Hi对应期望警报不能覆盖实际警报信息的数目；即故障假设H_i与警报实况的覆盖度，其值越小，意味着故障假说越接近于故障实际状态的一个覆盖；故障假说差异度指标T(H_i)为K维向量，|T(H_i)|反映实际警报信息和故障假设H_i对应的期望警报集合M^*(H)的差异度，|T(H_i)|越小，意味着故障设备、误动或拒动的保护和断路器总数越少，故障假说H_i的可信度越高；

步骤5：判断是否满足终止条件；

对上述形成的无约束0-1整数规划问题的目标函数进行寻优求解，最终得到最优解H^best，可求出可信度最高的故障假说，函数Fobj(H_i)有最优解即满足终止条件，满足条件转步骤6；若函数Fobj(H_i)无最优解则转步骤3，继续进行建立故障样本矩阵进行评估，剔除粗大误差；

步骤6：得到正确的故障假说；

此时已经得到正确的故障假说，即正确的故障假说对应期望收到的各警报状态

步骤7：实际中收到的警报状态；

采集智能变电站内部实时数据Data2里面提供的实际保护动作警报。

步骤8：比对信息；

将步骤6与步骤7的信息进行比对，输出诊断结果。

步骤9：漏报或误报的警报、误动拒动的断路器；

根据所得到诊断结果，即可判断出漏报与误报，误动、拒动断路器；其判断原则为：期望中有而实际未发生为漏报或断路器拒动；而期望中没实际发生为误报或断路器误动；

步骤10：对故障进行消缺，恢复正常运行；

事故诊断结果出来后，根据步骤9的结果，对故障进行消缺，智能快速地进行事故处理，恢复正常运行。

为清楚的说明上述方法，结合以下实施例进行分析。

实施例：某220kV变电站1M母线实际故障为案例，验证本发明所提出的故障诊断方法。故障前电网的运行状态如图3所示。

在60秒之内收到原始报文110条，采用本发明提出的方法对告警信息压缩过滤及合并处理后，减至近十条，得到的重要警报信息如表1所示，对应的组网建模分析如表2所示，相关的原因事件编码如表3所示，相关的断路器及编号如表4所示，分析所相关断路器及报文编码如表5所示。

表1：收到的重要警报信息

表2：对应的组网建模分析

序号	保护名	原因事件	出口断路器
				A1	B1	C11	D1～D5
A2	B1	C11	D1～D5
				A3	B2	C1～C14	D6
A3	B3	C1～C14	D6
				A4	B2	C1～C14	D5
A4	B3	C1～C14	D5
				A5	B2	C1～C6，C11～C14	D4
A5	B3	C1～C6，C11～C14	D4
				A1	B1	C12	D5～D7，D8～D10
A2	B2	C12	D5～D7，D8～D10

其中各符号所以代表及其含义如下：

B1零序过流保护B2过流保护B3母差保护

表3：相关的原因事件编码

表4：相关的断路器及编号

编号	断路器名	编号	断路器名
				D1	4736断路器	D2	4738断路器
D3	4740断路器	D4	2012断路器
				D5	2015断路器	D6	2026断路器

分析相关的关键告警及其出口断路器

表5：分析所相关断路器及报文编码

故障假说向量：H＝[c1，c2，c3，c4，c5，c6，c7，c8，c9，c10，c11，c12，c13，c14]代表各原因事件是否真正发生，发生了则ci＝1，未发生则为0。实际收到的警报集合：继电保护动作信息A1～A5及断路器D1～D6的动作信息：A6～A11。

期望警报集合：对应于各故障假说的不同取值，会有不同的期望警报，以c12发生为例，说明故障假说的目标函数值的计算过程。目标函数计算公式中各系数，w₁，w₂，w₃分别为10000，10，1。设c12＝1，其余ci＝0(i≠12)为0，计算其对应的期望。c12在混合规则网中得到其对应的“220kV 2M母线故障”的所有关键告警信息、出口断路器、其触发的保护对应的报文，共同组成C11对应的期望，包括：A1，A2，A3，A4，A5，A9，A10，A11，A12，A13，A14，A15。将期望状态与实际状态代入公式计算▽M(H)＝30000，T(H)＝70，|H|＝1，Fobj(H_i)＝30071。

其它的故障假说的结果也可类此计算，程序分析后，得最优化的结果即为：c11＝1,ci＝0(i≠11)，即220kV 1M母线故障，其所对应的目标函数求取过程中，期望警报与实际警报完全重合，且重合后的故障假说向量只原因事件发生的数目为1，为最优解。

信息不完整情况下的分析过程：假设收到的警报中漏了某两条报文：A2220kV1M-2M母差保护二BP-2B；A6220kV滇鲁III线4736断路器动作。其分析方法与以上过程一致，由表2可知其故障假说H所含元素不变；目标函数计算，与正常计算的方法一致上一节案例中的最优解c11＝1，其余ci＝0(i≠11)为0，由于未收到A2，与A6，对应求出的目标函数会变大，可求得其目标值：覆盖度为0，差异度为2×10＝20，得Fobj(H_i)＝21，且通过程序运算结果可知此为最小值，故障诊断结果仍为220kV 1M母线故障，满足所述步骤5的终止条件，转步骤6，即得到正确的故障假说。

得出以上结果后，根据的分析原理程序可识别出，A2为漏掉警报，A6对就的断路器为拒动的断路器。

根据故障诊断结果：滇东智能站220kV 1M母线故障，自动搜索到滇东智能站母线故障的事故处理预案，技术人员立即出发进行故障处理。

本发明采用了先进可靠、安全性高的诊断方法，有利于加强营销、变电运行管理和提升总体水平，为供电企业和公司探索节约大量人力、物力，使智能变电站运行成本节约60％以上。

Claims (1)

1.一种智能变电站故障诊断方法，其特征在于，按以下10个步骤进行：

步骤1：采集故障假说向量的各个变量；

采集继电保护、断路器动作、各种报警信息之间关联逻辑，采集智能变电站内部静态数据Data1里面的继电保护信息和实时数据Data2里面的断路器动作警报信息；

步骤2：组网建模分析；

将步骤1采集到的信息分类为4类：关键告警信息、继电保护分类信息、原因事件和出口断路器信息；

步骤3：建立样本矩阵进行评估；

建立样本矩阵进行评估的目的是筛选并剔除相关性弱的信息，提高采集信息的准确性和重要性；

假设智能变电站中共有jbn+jbm信息，jbn为继电保护分类信息(B1～B6)，jbm为出口断路器信息(D1～D6)，在采集智能变电站内部静态数据Data1里面的信息和实时数据Data2里面的信息时间段的原因事件采样数为n×k个(C1～C5)；建立样本矩阵：

其中向量V_i看作空间V的一个样本组，则V中样本组数量为n，维数为k；

假设将样本组划分为c个类，即c个机群；设聚类划分次数为t，t≥1，t∈N，初始时令t＝1，从所有样本组中任意选择c个样本组作为c个类G_p，1≤c≤n，p＝1,2,...,c的初始聚类中心

$m_p^{\left(1\right)}=(m_{p,1}^{\left(1\right)},m_{p,2}^{\left(1\right)},...,m_{p,k}^{\left(1\right)})=(V_{i,1},V_{i,2},...,V_{i,k}),(p=1,2,...,c)$

则任意一个样本组V_i到c个聚类中心的欧氏距离为

$d(V_i,m_p^{\left(1\right)})=\sqrt{\underset{j=1}{\overset{k}{\Σ}}{(V_{i,j}-m_{p,j}^{\left(1\right)})}^2},(p=1,2,...,c)$

对于任意一个样本组V_i，总是p＝1,2,...,c，使达到最小，则将V_i划分到类G_p中；

遍历完所有的样本组，完成1次聚类划分；定义聚类的平方误差总和：

$E^{\left(t\right)}=\underset{p=1}{\overset{c}{\Σ}}\underset{V_i\∈G_p}{\Σ}|V_i-m_p^{\left(t\right)}{|}^2$

作为评估类内相似性的指标，将E^(t)＞1的数据全部剔除；以下步骤只计算E^(t)≤1的数据；

步骤4：计算故障假说对应的目标函数值；

以带电断路器分闸动作为事故的起始信号；一旦事故发生，检查断路器是否带电，并由拓扑结构分析识别停电区域；利用经智能过滤后警报信息寻找所有可能的原因事件构成故障假说集，由此将故障原因求解问题表示为无约束0-1整数规划问题；

设为实际收到经智能警报处理后的关键警报信息集，其中a_pr和为断路器动作信息及发生时间，b_q和保护动作信息及发生时间；为期望收到的关键警报信息集；故障假说集H为所有可能的原因事件集合；

目标函数Fobj(H_if)用于衡量故障假说集H中某故障假说H_if的合理性，目标函数为：

$Fobj\left(H_{if}\right)=min\left(w_1\right|\▿M\left(H_{if}\right)|+w_2|T\left(H_{if}\right)|+w_3|H_{if}\left|\right)$

其中，警报覆盖度指标为K维向量，K为警报信息总数；反映了故障假说H_if对应期望警报不能覆盖实际警报信息的数目，即故障假说H_if与警报实况的覆盖度，其值越小，意味着故障假说越接近于故障实际状态的一个覆盖；故障假说差异度指标T(H_if)为K维向量，|T(H_if)|反映实际警报信息和故障假说H_if对应的期望警报集合M^*(H)的差异度，|T(H_if)|越小，意味着故障设备、误动或拒动的保护和断路器总数越少，故障假说H_if的可信度越高；

步骤5：判断是否满足终止条件；

对上述形成的无约束0-1整数规划问题的目标函数进行寻优求解，最终得到最优解H^best，可求出可信度最高的故障假说，函数Fobj(H_if)有最优解即满足终止条件，满足条件转步骤6；若函数Fobj(H_if)无最优解则转步骤3，继续建立故障样本矩阵进行评估，剔除粗大误差；

步骤6：得到正确的故障假说；

此时已经得到正确的故障假说，即正确的故障假说对应期望收到的各警报状态；

步骤7：实际中收到的警报状态；

采集智能变电站内部实时数据Data2里面提供的实际保护断路器动作警报信息；

步骤8：比对信息；

将步骤6与步骤7的信息进行比对，输出诊断结果；

步骤9：漏报或误报的警报、误动拒动的断路器；

根据所得到诊断结果，即可判断出漏报与误报，误动、拒动断路器；其判断原则为：期望中有，而实际未发生时，判为漏报或断路器拒动；期望中没有，而实际发生了，判为误报或断路器误动；

步骤10：对故障进行消缺，恢复正常运行；

事故诊断结果出来后，根据步骤9的结果，对故障进行消缺，智能快速地进行事故处理，恢复正常运行。