华中科技大学徐彪等著：基于拓扑图元信息融合的电网故障诊断模型

强电磁工程与新技术国家重点实验室（华中科技大学）、广州供电局有限公司的研究人员徐彪、尹项根、张哲等，在2018年第3期《电工技术学报》上撰文指出，电网发生故障后快速准确地识别故障元件是缩小停电区域、快速恢复供电的首要前提。针对现有电网故障诊断方法基于单个元件独立建模，难以适应网络拓扑变化的不足，提出一种基于拓扑图元信息融合的电网故障诊断模型。

从电网拓扑结构出发，形成系统各元件、保护和断路器的拓扑关联矩阵，以此为图形单元构建信息融合诊断模型，并根据保护配合逻辑及出口方式，定义了远后备保护拓扑映射规则及完整的信息融合推理流程，最后分析了模型对网络拓扑变化及连锁故障的适应性。

IEEE 14节点系统仿真算例表明，该方法可以快速准确地判定故障元件，能够适应网络拓扑变化，具有较强的容错性。

电网发生故障后，快速准确地诊断出故障元件对加快事故处理和系统恢复进程、保证电力系统的安全运行至关重要。然而随着电网的不断发展和互联，在故障发生后的短时间内，保护及断路器等大量告警信息涌向调度中心，且伴随信息漏报、误报等不确定性，加重了调控运行人员判断故障元件的压力，此时高效的故障诊断系统尤为重要[1]。

自20世纪80年代以来，国内外学者对电网诊断问题进行了大量研究，提出了专家系统[2,3]、人工神经网络[4]、解析模型[5-7]、贝叶斯网络[8,9]、Petri网络[10-13]、信息融合[14-17]等多种方法。

专家系统基于知识规则库运行，具有较强的逻辑推理能力，但知识和规则的构建存在困难，且学习能力和容错能力较弱。神经网络具有诊断速度快，容错能力强的特点，但其训练所用故障样本集难以涵盖大规模电网的所有场景，且缺乏对诊断结果的解释能力。解析模型是在分析保护与断路器的动作配合逻辑基础上，将故障诊断问题转换成0-1整数规划问题，具有严密的数学基础和理论依据，但需采用优化算法求解，收敛过程较长。

贝叶斯网络由于因果关系明显，诊断精度高，有利于处理诊断问题的不确定性，但受先验概率和复杂故障样本统计不足的限制。Petri网络采用图形化建模方式描述保护系统的逻辑关系，具有推理简单，意义清晰，逻辑严密等特点，但对于大规模电网，网络矩阵维数过大，难以满足在线诊断的需求[1]。

信息融合技术利用冗余的告警信息及其逻辑配合进行故障诊断，能有效降低信息的不确定性，多与其他方法相结合使用。文献[10]基于元件端口方向建立Petri网诊断模型，实现元件端口级信息融合，改善了模型的适应性。文献[14]将系统拓扑引入诊断模型，建立保护系统的3-D矩阵以描述告警信息的映射关系，并提出了基于模糊度的信息融合规则，在信息完整时具有较好的诊断结果。

文献[16]基于因果网络建立了告警信息的融合推理模型，能准确地诊断出故障元件，且具有一定的容错性。文献[17]提出一种分层扩展的电网故障信息融合系统，能够融合广域故障信息实现故障区域的精确辨识。文献[18]提出一种通过整站信息映射融合的故障诊断方法，取得了一定的诊断效果。

上述研究在基于元件级信息融合的建模方面取得了一定成果，但还存在以下不足：建模时大都以单个元件为单位，缺乏对电网拓扑结构的考虑，网络拓扑变化时一般需要重新建立诊断模型；另外，采用离线建模、在线搜索的诊断模式，需要存储所有元件诊断模型，对硬件存储要求较高，且采用遍历方式，诊断速度难以满足在线需求。

本文提出一种基于拓扑图元信息融合的电网故障诊断模型。该模型基于系统拓扑分析形成元件、保护和断路器的拓扑关联矩阵，以此为基本图元构建信息融合诊断模型，并依据保护原理和出口方式建立网络拓扑映射规则及完整的信息融合推理流程。最后，IEEE 14节点系统的算例仿真验证了该模型的有效性和适用性。

图9 IEEE 14节点系统电网结构

结论

本文结合系统拓扑分析构建了电网故障诊断的信息融合模型，依据保护原理及出口方式建立了远后备保护的拓扑映射规则，并提出了完整的置信度融合推理算法。该模型具有以下特点：

1）基于网络拓扑建模，能反映告警信息与元件之间的映射关系，无需遍历便能快速得到所有可疑元件的故障概率，且结果的解释性好，能够适应网络拓扑的变化，适用于连锁故障的诊断。

2）基于保护和断路器等冗余告警信息进行融合，在保护、断路器存在误动/拒动、信息丢失等情况下均能给出正确的诊断结果，具有一定的容错性，诊断过程符合实际。

3）模型在保护和断路器信息权重设置以及信息融合等方面存在一定主观性，且模型尚难以考虑双母线、一个半开关等复杂接线方式以及告警时序信息的融合[22,23]，这是下一步的研究重点。