電力系統(tǒng)的故障診斷技術(shù)是一門(mén)綜合性技術(shù)，涉及現(xiàn)代控制理論、信號(hào)處理、模式識(shí)別、人工智能、小波變換數(shù)理統(tǒng)計(jì)、模糊邏輯等多學(xué)科理論。本文結(jié)合國(guó)內(nèi)外研究，總結(jié)了幾種比較實(shí)用的診斷方法。
　　
　　隨著電力的大規(guī)模生產(chǎn)，電力設(shè)備的結(jié)構(gòu)越來(lái)越復(fù)雜，功能越來(lái)越完善，自動(dòng)化程度也越來(lái)越高，各子系統(tǒng)的關(guān)系也越來(lái)越密切，一旦設(shè)備的某個(gè)部分在運(yùn)轉(zhuǎn)過(guò)程中出現(xiàn)故障，就很可能中斷生產(chǎn)，造成巨大的經(jīng)濟(jì)損失，甚至帶來(lái)災(zāi)難性的后果。為保證電力系統(tǒng)安全、經(jīng)濟(jì)、穩(wěn)定運(yùn)行，電力設(shè)備的故障監(jiān)測(cè)診斷將從以時(shí)間為基準(zhǔn)的方式轉(zhuǎn)變到以狀態(tài)為基準(zhǔn)的方式，其內(nèi)容包括狀態(tài)監(jiān)測(cè)與故障診斷兩個(gè)方面：前者通過(guò)提取故障的特征信號(hào)為狀態(tài)維修提供檢修依據(jù)，后者則分析、處理所采集的狀態(tài)信息。國(guó)內(nèi)外在電力系統(tǒng)故障診斷方而的研究已經(jīng)取得了大量成果，內(nèi)容包括特征量、診斷方法等。
　　
　　1.線路變壓器診斷
　　超高壓輸電線路猶如聯(lián)系東西部經(jīng)濟(jì)和全國(guó)電網(wǎng)的動(dòng)脈，當(dāng)輸電線路發(fā)生故障時(shí)，準(zhǔn)確、快速地分析以及迅速恢復(fù)供電有著舉足輕重的作用。國(guó)內(nèi)外已經(jīng)在這一領(lǐng)域進(jìn)行了長(zhǎng)期的研究，研究?jī)?nèi)容包括故障類(lèi)型、故障定位和輸電線路熱故障（高壓輸電線路的接頭和連接件會(huì)出現(xiàn)熱故障點(diǎn)）等；研究方法包括利用專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、小波理論和模糊集理論等；使用的手段包括注入信號(hào)法、行波檢測(cè)法、CPS及紅外熱成像技術(shù)等。故障定位的方法有阻抗法、行波檢測(cè)法、注入信號(hào)法。熱故障診斷方法使用紅外成像技術(shù)。利用電氣量和開(kāi)關(guān)量的量測(cè)，采用某種算法提高線路故障診斷的精度是目前研究較多的問(wèn)題。神經(jīng)網(wǎng)絡(luò)的研究最為熱門(mén)，但由于其算法復(fù)雜，因此多數(shù)停留在理論研究和仿真計(jì)算的階段，很少在實(shí)際中成功應(yīng)用。目前，線路故障診斷而對(duì)的主要問(wèn)題是在所需信息不能完全得到的情況下如何提高精度。以及提高故障診斷算法與故障類(lèi)型的無(wú)關(guān)度。而注入信號(hào)法、行波檢測(cè)法等的使用需要額外的設(shè)備，有一定的局限性。目前，所要解決的是能夠有一種運(yùn)用于實(shí)際的理論或方法。目前，變壓器故障診斷方面的研究主要集中在故障性質(zhì)方而，診斷的方法較多，用得最廣的是氣相色譜法，即通過(guò)變壓器中出現(xiàn)的各種氣體含量判斷變壓器潛伏性故障。采用的診斷方法主要為數(shù)值方法，另外人工神經(jīng)網(wǎng)絡(luò)方法也被成功應(yīng)用。變壓器的在線故障診斷尤其是故障定位研究，在國(guó)內(nèi)外仍屬起步階段，這對(duì)避免故障惡化、縮短檢修時(shí)間是十分必要的。但僅僅依靠油氣量難以做到這一點(diǎn)。
　　
　　2.譜分析方法
　　在故障診斷中比較常用的信號(hào)處理方法是譜分析。常用傅里葉譜、沃爾什譜，另外還有濾波、相關(guān)分析等。
　　譜分析的目的：信號(hào)中包含噪聲，故障信號(hào)的時(shí)域波形不能清楚地反映故障的特征。而電力電子電路中包含故障信息的關(guān)鍵點(diǎn)信號(hào)通常具有周期性，因此可以用傅里葉變換將時(shí)域中的故障波形變換到頻域，以突出故障特征，實(shí)現(xiàn)故障診斷。傅里葉變換是將某一周期函數(shù)分解成各種頻率的正弦分量，類(lèi)似地，沃爾什變換是將某一函數(shù)分解成一組沃爾什函數(shù)分量。
　　自適應(yīng)濾波是一種數(shù)字信號(hào)的處理統(tǒng)計(jì)方法，它不需要知道信號(hào)一二階的先驗(yàn)統(tǒng)計(jì)知識(shí)，直接利用觀測(cè)資料，通過(guò)運(yùn)算改變?yōu)V波器的某些參數(shù)，而使自適應(yīng)濾波器的輸出能自動(dòng)跟蹤信號(hào)特性的變化。在電力電子系統(tǒng)故障診斷中，可以用自適應(yīng)處理來(lái)實(shí)現(xiàn)噪聲抵消，譜線增強(qiáng)等功能，從噪聲背景下提取故障特征，從而實(shí)現(xiàn)準(zhǔn)確的診斷。
　　
　　3.基于神經(jīng)網(wǎng)絡(luò)的故障診斷方法
　　利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、白歸納能力，經(jīng)過(guò)一定的訓(xùn)練，建立起故障信號(hào)與故障分類(lèi)之間的映像關(guān)系。利用學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)故障診斷。
　　神經(jīng)網(wǎng)絡(luò)是由大量的神經(jīng)元廣泛互連而成的網(wǎng)絡(luò)，這里以BP網(wǎng)絡(luò)為例加以介紹。BP網(wǎng)絡(luò)（Back Propagation NN）是單向傳播的多層前向網(wǎng)絡(luò)，它由輸人層、中間層和輸出層組成，中間層可有若干層，每一層的神經(jīng)元只接受前一層神經(jīng)元的輸出。BP網(wǎng)絡(luò)中沒(méi)有反饋，同一層的節(jié)點(diǎn)之間沒(méi)有藕合，每一層的節(jié)點(diǎn)只影響下一層節(jié)點(diǎn)的輸人。BP網(wǎng)絡(luò)一般采取的學(xué)習(xí)算法是：網(wǎng)絡(luò)的輸出和希望的輸出進(jìn)行比較，然后根據(jù)兩者之間的差調(diào)整網(wǎng)絡(luò)的權(quán)值，最終使誤差變?yōu)樽钚　?
　　當(dāng)電力電子電路發(fā)生故障時(shí)，如果能夠利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，使故障波形與故障原因之間的關(guān)系通過(guò)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)后保存在其結(jié)構(gòu)和權(quán)中，然后將學(xué)習(xí)好的神經(jīng)網(wǎng)絡(luò)用于故障診斷，神經(jīng)網(wǎng)絡(luò)就可以通過(guò)對(duì)當(dāng)前電壓或電流波形的分析，得出故障原因，從而實(shí)現(xiàn)故障的在線自動(dòng)診斷。
　　
　　4.基于GA的電力系統(tǒng)故障診斷
　　GA是建立在Darwin自然選擇和Mendel遺傳學(xué)說(shuō)基礎(chǔ)上，通過(guò)模仿生物遺傳和進(jìn)化的進(jìn)程，尋求對(duì)復(fù)雜問(wèn)題的全局最優(yōu)解的優(yōu)化算法。它按一定規(guī)則對(duì)問(wèn)題解進(jìn)行字符串編碼，模擬人工染色體表示某優(yōu)化問(wèn)題的可行解，用隨機(jī)方法形成初始解群，再按自然選擇的原理，通過(guò)群體搜索策略和遺傳操作，對(duì)群體中個(gè)體之間的信息交換，使得GA不易陷入局部極小點(diǎn)，能夠以很大概率得到全局最優(yōu)解集或局部最優(yōu)解集。與傳統(tǒng)優(yōu)化技術(shù)不同，GA對(duì)待求解問(wèn)題不需涉及常規(guī)優(yōu)化問(wèn)題求解的復(fù)雜數(shù)學(xué)過(guò)程；同時(shí)GA也不需要直接對(duì)知識(shí)規(guī)則和訓(xùn)練樣本選擇處理，這是它和基于ES、NN診斷系統(tǒng)相比的最大優(yōu)勢(shì)之處。
　　研究用GA解決輸電網(wǎng)絡(luò)故障診斷問(wèn)題。根據(jù)各類(lèi)保護(hù)動(dòng)作時(shí)段內(nèi)斷路器動(dòng)作的時(shí)序信息，從而將輸電網(wǎng)絡(luò)故障診斷問(wèn)題轉(zhuǎn)化為0－1整數(shù)規(guī)劃問(wèn)題，建立了GA的電力系統(tǒng)故障診斷的適應(yīng)度函數(shù)模型，實(shí)現(xiàn)任意復(fù)雜的故障情況下的故障診斷；用無(wú)源信息識(shí)別故障區(qū)域的方法，將故障診斷問(wèn)題局限于小的局部網(wǎng)絡(luò)，在此基礎(chǔ)上分別用Boltzmann機(jī)法、模擬退火法、簡(jiǎn)單的和高級(jí)的GA實(shí)現(xiàn)了故障診斷系統(tǒng)，驗(yàn)證了對(duì)交叉和變異算子做過(guò)調(diào)整的高級(jí)GA在診斷信息不完整的情況下，可以有效的找到全局最優(yōu)解，得到比較理想故障診斷效果。
　　用GA從優(yōu)化的角度解決故障診斷問(wèn)題，它能夠在診斷信息不完整的情況下給出全局最優(yōu)或局部最優(yōu)的多個(gè)可能的診斷結(jié)果。但在診斷所依據(jù)的信息發(fā)生畸變，出現(xiàn)復(fù)雜的故障模式的時(shí)候，也難以保證診斷結(jié)果的可靠性。因此如何根據(jù)被診斷對(duì)象特征，建立能保證高容錯(cuò)性能故障診斷適應(yīng)度函數(shù)，以及如何確定迭代操作結(jié)束的準(zhǔn)則和保證最終的結(jié)果為最優(yōu)解或近似最優(yōu)解。這些問(wèn)題是基于GA應(yīng)用中需要深入研究的內(nèi)容。
　　
　　5.結(jié)語(yǔ)
　　本文簡(jiǎn)要地介紹了電力電子系統(tǒng)故障診斷中常用的幾種提取故障特征的方法，在一些復(fù)雜的電力電子系統(tǒng)的故障診斷中，可能需要將多種方法結(jié)合起來(lái)應(yīng)用，才能準(zhǔn)確地對(duì)故障進(jìn)行診斷和定位，有關(guān)這方面的問(wèn)題今后還有很多工作要做。實(shí)際應(yīng)用表明，這些方法可行、有效，適用性強(qiáng)，具有較高的實(shí)用價(jià)值。
　　參考文獻(xiàn)
　　[1] 郭創(chuàng)新，朱傳柏，曹一家，吳欣. 電力系統(tǒng)故障診斷的研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 電力系統(tǒng)自動(dòng)化，2006，（08）.
　　[2] 劉娜，高文勝，談克雄. 基于組合神經(jīng)網(wǎng)絡(luò)模型的電力變壓器故障診斷方法[J]. 電工技術(shù)學(xué)報(bào)，2003，（02）.
　　[3] 高翔，郭創(chuàng)新，張金江，曹一家. 基于調(diào)度數(shù)據(jù)網(wǎng)的變電站智能設(shè)備遠(yuǎn)程維護(hù)系統(tǒng)[J]. 電網(wǎng)技術(shù)，2005，（23）.
　　[4] 張金江，郭創(chuàng)新，曹一家，孫?，辛建波，錢(qián)維忠，楊健. 變電站設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)及其IEC模型協(xié)調(diào)[J]. 電力系統(tǒng)自動(dòng)化，2009，（20）.
　　 （作者單位：施耐德電氣（中國(guó)）投資有限公司廣州分公司 510600）

相關(guān)熱詞搜索：電力系統(tǒng) 診斷 研究 電力系統(tǒng)診斷問(wèn)題的研究 電力系統(tǒng)研究方向 電力系統(tǒng)前沿研究方向