基于多参量信息融合的智能变电站二次系统缺陷诊断方法与流程

本发明涉及一种变电站故障诊断方法，具体地说是一种基于多参量信息融合的智能变电站二次系统缺陷诊断方法，属于变电站故障分析技术领域。

背景技术：

智能化变电站二次系统是电力系统测量、保护、监控的重要组成，运行良好的二次系统对整个电网的影响至关重要。电力系统二次系统的可靠性要求不仅体现在保证了用户正常用电，延长设备的使用寿命，还能够保证电网安全有效地经济运行，提高工作效率。

在传统变电站中由于二次系统采用硬接线，存在相应逻辑实回路，物理接线与变电站的功能配置存在一一对应的关系，因此通过检测二次系统的接线便可以分析确定变电站二次系统故障。但是随着技术的发展，智能变电站以其特有的优势成为未来变电站发展的趋势。而智能变电站二次系统则将硬接线变为通信网络，即实回路变为虚回路，站内的采样信息、控制信息、闭锁信息、状态信息以及继电保护跳闸合闸都是通过通信网络实现，网络拓扑结构与功能信息以及信号的输入输出不再一一对应。基于这些变化，智能变电站二次系统的故障诊断与传统变电站有很大的不同。

由于智能变电站二次系统缺陷具有多样性和不确定性，在各种缺陷之间存在着复杂的联系，使得缺陷诊断过程较为复杂，单一的诊断方法难以满足需求。为了能够更精确的判断缺陷类型，需要一种综合多方面缺陷信息进行推理的智能变电站二次系统缺陷分析诊断方法。

技术实现要素：

为解决现有技术存在的不足，本发明提供了一种基于多参量信息融合的智能变电站二次系统缺陷诊断方法，其能够对电力系统二次设备缺陷进行综合诊断。

本发明解决其技术问题采取的技术方案是：基于多参量信息融合的智能变电站二次系统缺陷诊断方法，其特征是，包括以下步骤：

1)建立二次设备缺陷诊断的信息融合模型，所述二次设备缺陷诊断的信息融合模型按照不同融合对象的层次将信息融合划分为数据层融合、特征层融合和决策层融合；

2)建立二次设备缺陷诊断分析的专家库，所述二次设备缺陷诊断分析的专家库存储有对二次设备缺陷进行诊断的推理规则；

3)采集二次设备的原始数据信息，所述原始数据信息包括二次系统配置信息、设备在线监测信息、综自告警信息(来自变电站综自系统)和通信网络在线监测信息；

4)进行信息融合，利用二次设备缺陷诊断的信息融合模型对二次设备的配置信息、设备在线监测信息、综自告警信息、通信网络在线监测信息进行分类、汇集处理提取特征信息，按照不同类别的缺陷特征信息进行不同诊断规则的匹配，并根据缺陷特征信息进行二次设备缺陷定位；

5)输出诊断结果输出，输出二次设备缺陷诊断结果并给出相关诊断解释说明。

进一步地，所述二次设备缺陷诊断分析的专家库诊断对象包括合并单元、保护装置、智能开关、测控装置、通信网络以及通信装置。

进一步地，在信息融合过程中，对采集的二次设备数据信息分别进行数据层融合、特征层融合和决策层融合。

进一步地，所述数据层融合就是对采集的原始数据信息进行分类、汇集和综合，当缺陷发生时，站内将集中出现大量报文信息、监控报警信息及事故信息，将采集到的原始数据进行合并分析来提取特征信息。

进一步地，所述特征层融合就是对告警信息进行筛选分类处理，并对原始告警信息进行处理，以一定的通用知识结构将其进行表述，按照不同类别的缺陷特征信息进行不同诊断规则的匹配.

进一步地，所述决策层融合就是根据缺陷特征信息分别进行二次设备工作状态诊断，并逐步分析二次设备缺陷出现的具体原因和最小范围。

进一步地，在步骤4)中，采用DS信息融合算法根据DS证据理论及DS证据理论的组合规则进行信息融合，所述DS证据理论包括基本概率分配、信任函数和似然函数。

进一步地，在进行智能变电站二次系统缺陷诊断过程中，

当二次设备缺陷为某500kV线路间隔智能组件柜的第一条电压合并单元SV总告警信息时，所述原始数据信息包括测控装置SV接收告警信息、保护及合并单元装置自检报文、sv/goose组网通信设备信息；

在缺陷发生期间，继电保护及故障信息系统上报“第一条电压合并单元SV总告警”作为数据层的输入数据，首先解析SCD文件，判断该告警的发出装置是否为测控装置，如不是则判断该告警信息为误发，然后特征层依据专家库分析并列出触发测控装置发送该告警的原因，如测控装置、合并单元装置电源掉电，GOOSE断链，报文解析异常或交换机故障原因，判断以上原因的逻辑值(1，0)，锁定该原因，最后决策层依据原因的输入给出相应的解决方案(如校验电源掉电光字、检验goose断链光字、检查相应物理光纤回路或人工经验干预)。

进一步地，所述触发测控装置发送该告警的原因包括测控装置、合并单元装置电源掉电、GOOSE断链、报文解析异常或交换机故障原因。

进一步地，所述相应的解决方案包括校验电源掉电光字、检验goose断链光字、检查相应物理光纤回路或人工经验干预。

本发明的有益效果是：

本发明提出了一种基于多参量的电力二次设备缺陷综合诊断模型，参考已有的信息融合方法，结合已采集的基准数据和电力试验数据，利用自适应算法优化网络和信息归纳演绎技术，对电力二次设备缺陷进行综合诊断,它根据不同缺陷特征信息之间的逻辑关系，通过划分缺陷特征参数来构建关系网络，从不同侧面反映二次设备的缺陷原因，同时结合证据不确定推理的输出改进证据体的基本概率分配赋值，充分体现证据体对单个障模式识别的可信度。

针对现有技术在缺陷诊断过程中存在的模糊性和不确定性问题，本发明提出了基于多参量的设备缺陷诊断技术，其更适合问题的解决并克服了组合爆炸问题。由于缺陷与征兆之间存在着不同程度的因果关系，在综台考虑所有征兆参量的基础上判断设备可能发生的缺陷，就可以有效提高缺陷诊断的准确性，降低漏判的可能性，消除在线监测中测量误差的影响。变电站内各设备及通信网络并不能保证百分之百的检测出全部缺陷，并将告警信息进行无差上传，因此，在某些情况下会出现缺陷特征信息或告警信息不全的情况，本发明通过其他相关告警信息缺陷进行辅助诊断，并且推断缺陷告警信息的缺失部分，辅助校验诊断结果准确性。

附图说明

图1为本发明的方法流程图；

图2为本发明二次设备缺陷诊断的信息融合模型的基本架构图；

图3为图2所示信息融合模型的具体结构示意图；

图4为本发明二次设备缺陷诊断分析的专家库的结构示意图；

图5为本发明进行智能变电站二次系统缺陷诊断的具体流程图；

图6为本发明所示DS证据理论的示意图。

具体实施方式

为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。

如图1所示，本发明的一种基于多参量信息融合的智能变电站二次系统缺陷诊断方法，它包括以下步骤：

1)建立二次设备缺陷诊断的信息融合模型，所述二次设备缺陷诊断的信息融合模型按照不同融合对象的层次将信息融合划分为数据层融合、特征层融合和决策层融合；

2)建立二次设备缺陷诊断分析的专家库，所述二次设备缺陷诊断分析的专家库存储有对二次设备缺陷进行诊断的推理规则；

3)采集二次设备的原始数据信息，所述原始数据信息包括二次系统配置信息、设备在线监测信息、综自告警信息(来自变电站综自系统)和通信网络在线监测信息；

4)进行信息融合，利用二次设备缺陷诊断的信息融合模型对二次设备的配置信息、设备在线监测信息、综自告警信息、通信网络在线监测信息进行分类、汇集处理提取特征信息，按照不同类别的缺陷特征信息进行不同诊断规则的匹配，并根据缺陷特征信息进行二次设备缺陷定位；

5)输出诊断结果输出，输出二次设备缺陷诊断结果并给出相关诊断解释说明。

如图2和图3所示，二次设备缺陷诊断的信息融合模型按照融合对象的层次不同，将信息融合划分为低层(数据级或像素级)、中层(特征级)和高层(决策级):(1)数据层(像素层)融合就是直接融合由检测终端采集到的原始数据，并合并分析；(2)特征层融合即信息融合的中间层，它对特征信息进行综合分析与处理；(3)决策层融合即高级融合，它的结果为控制决策提供依据，在一个或几个信息源失效的情况下，决策层融合也能够继续工作，具有容错性。

下面分别对数据层融合、特征层融合和决策层融合进行详细介绍：

(1)数据层融合。通常所提取的特征信息应是数据信息的充分表示量或统计量，据此对原始数据信息进行分类、汇集和综合。当缺陷发生时，站内将集中出现大量报文信息、监控报警信息及事故信息，本方法将二次系统配置信息、设备在线监测信息、综自告警信息、通信网络在线监测信息等信息统称为原始数据。系统利用从多个智能变电站智能检测分析仪终端采集到的原始数据来提取特征信息。

(2)特征层融合。在综合分析和处理的中间层次过程，缺陷诊断应首先对告警信息进行筛选分类处理，并对原始告警信息进行处理，以一定的通用知识结构将其进行表述，按照不同类别的缺陷特征信息进行不同诊断规则的匹配。这里的包含一次设备工作状态、二次智能装置工作状态、通信网络性能、通信设备工作状态。解析逻辑链路、现场综自系统点表，明确光字与具体的MMS告警的对应关系，解读相关报文作为辅助判断依据。例如保护接收的过程层SMV报文、发送的相关站控层MMS报文告警、二次回路配置是否正确等信息，可以作为缺陷判断验证。

(3)决策层融合。综合诊断过程中，将根据缺陷特征信息分别进行二次智能装置工作状态、输入/输出回路完整性、通信网络性能、通信设备工作状态诊断。然后综合分析中间推理结果，依据SCD描述的逻辑回路、二次装置之间的关联关系、配置录入的二次装置物理通信网络拓扑关系，逐步分析出现在这个光字的具体原因和最小范围。最后将综合诊断结果输出，并给出相关诊断解释说明。

进一步地，所述二次设备缺陷诊断分析的专家库诊断对象包括合并单元、保护装置、智能开关(包括智能组件及开关操作机构)、测控装置、通信网络以及通信装置。如图4所示，本发明根据缺陷诊断对象对知识库进行分类。由于专家系统获取缺陷信息的全面程度，决定了其推理规则的适用范围，同时，当有新的缺陷案例出现时，需要通过专家系统的学习机制对规则库进行更新完善。

如图5所示，在进行智能变电站二次系统缺陷诊断过程中，这里以保信系统(继电保护及故障信息系统)上报某500kV线路间隔智能组件柜的第一条电压合并单元SV总告警为例。

当二次设备缺陷为某500kV线路间隔智能组件柜的第一条电压合并单元SV总告警信息时，所述原始数据信息包括测控装置SV接收告警信息、保护及合并单元装置自检报文、sv/goose组网通信设备信息等；

在缺陷发生期间，继电保护及故障信息系统上报“第一条电压合并单元SV总告警”作为数据层的输入数据，首先解析SCD文件，判断该告警的发出装置(正常来说发出装置是测控装置)是否为测控装置，如不是则判断该告警信息为误发，如是测控装置，然后特征层依据专家库分析并列出触发测控装置发送该告警的原因，如测控装置、合并单元装置电源掉电，GOOSE断链，报文解析异常或交换机故障原因，判断以上原因的逻辑值(1，0)，锁定该原因，最后决策层依据原因的输入给出相应的解决方案(如校验电源掉电光字、检验goose断链光字、检查相应物理光纤回路或人工经验干预等)。

进一步地，在步骤4)中，采用DS(Dempster_Shafer)信息融合算法根据DS证据理论及DS证据理论的组合规则进行信息融合。下面对DS信息融合算法进行详细介绍。

DS证据理论

如图6所示，该理论将不同渠道采集到的信息加以综合，消除多源信息间可能存在的冗余和矛盾信息，并对其加以互补，降低不确定性，已形成对系统环境相对完整的一致性描述的过程。主要针对事件发生后的结果(证据)，探求事件发生的主要原因(假设)，对于具有主观不确定性判断的多属性诊断问题，DS证据理论是一个融合主观不确定性信息的有效手段，例如一个故障发生，诱发的原因有多种可能，或者多种因素的组合，该理论通过对诱因发生概率进行分配，结合函数计算，组合推导出概率最高的诱因。

设Θ是一个识别框架、或假设空间。

(1)基本概率分配

基本概率分配：Basic Probability Assignment，简称BPA。在识别框架Θ上的BPA是一个2Θ→[0,1]的函数m，称为mass函数。并且满足且

其中，使得m(A)>0的A称为焦元(Focal elements)。

(2)信任函数

信任函数也称信度函数(Belief function)。在识别框架Θ上基于BPA m的信任函数定义为：

表示对A命题为真的信任程度。

(3)似然函数

似然函数也称似然度函数(Plausibility function)。在识别框架Θ上基于BPA m的似然函数定义为：

表示对A为非假的信任程度，也对A似乎可能成立的不确定性度量。

信任函数Bel(A)和似然函数Pl(A)组成信任区间[Bel(A),Pl(A)]，用以表示对某个假设的确认程度。

二、DS证据理论的组合规则

1)组合公式

对于Θ上的两个mass函数m1,m2的Dempster合成规则为：

其中，K为归一化常数

对于识别框架Θ上的有限个mass函数m1,m2,...,mn的Dempster合成规则为：

其中，

2)组合信任区间(组合后的证据间隔)A和B的信任区间分别是：

El₁(A)＝[Bel₁(A)，pl₁(A)]，El₂(B)＝[Bel₂(B)，pl₂(B)]

对于缺陷诊断过程中存在的模糊性和不确定性，本发明提出了基于多参量的设备缺陷诊断技术，它更适合问题的解决，并克服了组合爆炸问题。由于缺陷与征兆之间存在着不同程度的因果关系，在综台考虑所有征兆参量的基础上判断设备可能发生的缺陷，就可以有效提高缺陷诊断的准确性，降低漏判的可能性，消除在线监测中测量误差的影响。变电站内各设备及通信网络并不能保证百分之百的检测出全部缺陷，并将告警信息进行无差上传，因此，在某些情况下会出现缺陷特征信息或告警信息不全的情况，本发明通过其他相关告警信息缺陷进行辅助诊断，并且推断缺陷告警信息的缺失部分，辅助校验诊断结果准确性。

以上所述只是本发明的优选实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也被视为本发明的保护范围。