电网故障诊断方法及其系统架构的研究
国网嘉兴供电公司电力调度控制中心、国网浙江省电力公司培训中心培训管理部的研究人员陈国恩、李伟、张仲孝,在2018年第1期《电气技术》杂志上撰文指出,随着电力系统规模的不断扩大,电力系统智能化的要求越来越高,电网故障诊断已经成为电力系统研究的重点。
本文结合以往先进的技术和经验,引入知识表示的方法将故障信息进行转化,构建了基于知识表示的电网故障诊断策略。采用分布式的架构建立了电网故障诊断模型,使得电网故障的诊断的效率得到有效提高。最终通过测试对系统的诊断效率和诊断的准确性进行了测试。
随着电力系统规模的不断扩大,设备的不断增多,电力系统故障日趋复杂,其诊断难度也越来越大。目前多种人工智能算法模型被提出并得到应用[1]。本文基于以往的研究基础,利用知识表示的方法,构建了电网故障诊断的算法模型,通过分布式诊断架构的建立,提高了电网故障诊断的效率和诊断结果的准确性,取得了较好的诊断效果,具有一定的参考意义。
1 知识表示的故障诊断算法
图1 系统跃迁系数
在故障诊断过程中,将保护目标以托肯的形式封装并集中到数据库。在系统运行过程中,如图1所示,NCBi是断路器库CBi里托肯的延展系数,一旦线路变迁导致托肯跃迁,延展系数则进行减1操作,托肯系数的跃迁将在延展系数等于零时终止,最终对final库中的托肯进行分析,确定系统故障设备[2]。
图1(a)中线路L1出现故障后,则保护开关CB1动作而CB2处保护不动作,而CB4由于距离保护Ⅲ段条件满足而动作。系统中L1、L2以及B1的托肯跃迁如图1的(b)、(c)、(d)所示。由于L1、CB1以及CB4的托肯能够跃迁到final库中,而L2和B1,CB1的托肯无法到达final库,则得出可能存在问题的设备为L1。
知识表示的故障诊断计算步骤如图2所示。
图2 知识表示的故障诊断流程
2 电网故障分布式诊断结构
2.1 故障数据收集系统结构的构建
如图3所示,在数据收集的集中式处理系统中,厂站侧的故障信息收集完成以后,通过电话向调度中心服务人员上报,再经由服务人员上报调度人员,同时,智能监控系统将采集到的系统信息上传到调度中心,调度人员通过对各类信息的汇总分析进行故障诊断,对事故进行处理[4]。
传统的传输机制耗费力较多的时间和人力资源,已经难以满足智能电网发展的需求。其轮询处理的工作方式,由于下级服务器大量的传输数据很容易导致通信数据堆积,造成通讯拥堵甚至信息丢失[5]。
针对以上的问题,本文采用了分布式信息收集系统结构,把上层应用和信息的获取相独立,利用数据网格对故障信息进行独立分析,从而为上层诊断功能提供了更加简便统一的接口,并且由于调度中心只需接收诊断结果,系统网络堵塞的问题得到解决,同时诊断效率也提高了[6]。
图3 故障诊断系统优化
2.2 故障的分布式诊断架构
整个系统的架构分为三层。变电站层提供了故障诊断的基础数据。客户端软件可以直接读取保护和开关量状态,而对于历史曲线,由于需要占用较大的存储空间,须在服务器中进行存档后在进行上传,综合数据服务器可执行其他数据信息的上传[7]。
位于中间位置的网络层,其主要功能在于故障数据的整理和分配,为确保系统的可靠性和安全性,网络层的通讯往往通过电力系统的专用网络进行。而上层的调度部分,其主要包括故障诊断分析模型。
故障诊断服务器将所需的设备运行状态以及保护信息进行收集分析,并根据相应的诊断模型进行故障分析,得出故障设备并生成故障分析报告[8]。诊断系统的分层结构如图4所示。
图4 诊断系统的分层架构
基于知识表示的电网故障诊断方法,采用多种知识表示对故障信息进行描述,更加完美的表述了元器件间的联系,系统中主保护、后备保护等各种保护的性能参数得到更好的传承,有利于系统的统一建模,算法和诊断方法更加科学、完善。
3 诊断系统平台的应用
我们对某地区的电网为例进行测试分析,该地区中变电站共有9个,中转路由有4台,数据服务器有2台。对诊断系统的诊断消耗时间以及准确率进行测试。图5为系统诊断过程。
图5 故障诊断过程
图中t1为故障报警信息采集消耗的时间,t2为处理分析外围数据消耗的时间,t3是故障诊断分析消耗的时间[9]。我们对上文中的故障诊断模型和传动的诊断模型进行对比测试。
当系统故障波及的变电站有两个,简单接线和复杂接线各有两个时,测试结果如表1所示。
表1 测试结果
当故障波及的变电站数量为7,简单接线和复杂接线数量分别为3和4时。系统诊断的测试结果如表2所示。
表2 测试结果
从测试结果可以看出,分布式的故障诊断模型的效率相对较高。其原因在于报警信息不经过路由器直接进入网络,多个服务器共同分担故障区域和保护可靠性的分析计算任务,系统耗时大大减少,同时分布式计算模型的应用使得诊断过程消耗的时间大大缩短[10]。诊断系统综合耗时对比如图6所示。
图6 诊断系统综合耗时对比
此外通过实际应用对比,传统诊断系统的诊断准确率大约为0.96,而分布式诊断模型的诊断准确率达到了0.99,可见该模型诊断结果具有较高的可靠性。
4 结论
电网故障诊断是电力系统日常运行维护面临的重点和难点问题。本文采用知识表示的方法对电力系统故障进行分析和判断。并针对传统的故障诊断系统结构存在的问题,引入了分布式的故障诊断架构模型,对诊断系统进行分层,使得电网故障诊断的时间消耗大大减少,从实验测试结果可以看出,分布式架构的诊断效率和诊断的准确性都比较高,整个诊断系统获得较好的效果。
责任编辑:售电衡衡