一种智能变电站故障诊断中的信息融合方法
【技术领域】
[0001] 本发明涉及一种智能变电站故障诊断中的信息融合方法。
【背景技术】
[0002] 在电力系统中发生故障时，由于诊断对象的复杂性、测试手段的局限性、知识的不 精确性，存在着大量的不确定因素。尤其是对于庞大的电力系统，各个元件之间的联系紧密 复杂，其故障可能是多故障，关联故障等复杂形式。面对具有不确定性(包括不完整性)的信 息，传统的变电站故障诊断大多是利用保护和断路器告警信息以及故障录波信息，对系统 中的一次元件进行定位，在信息冗余度不够的情况下，容错性较低，诊断的精度和深度也不 够。随着网络技术的发展，变电站朝着智能化的方向发展。相比于传统变电站二次系统采用 硬接线，智能变电站一次系统采用智能装置（IED)，二次系统网络化。其信息的集成应用使 信息利用的有效性得到极大提高，网络化使二次系统的各个工作环节可以得到有效监视， 可观性和可控性得到极大提高。为实现更加高效、全面、深入的变电站故障诊断和评估方法 提供了机会和实现手段
[0003] 目前，在智能变电站故障诊断方面，神经网络，专家系统，Petri网等智能方法的应 用非常广泛，虽然这些方法在一定程度上解决了故障时存在不确定因素对故障诊断的影 响，具有一定的容错度，但是在出现较复杂的情况时仍然不能合理地给出诊断结果甚至造 成误诊断，究其原因，一方面是系统发生故障时，故障情况的复杂性；另一方面是诊断所用 信息源的单一性。因而仅从算法的角度去考虑，利用仅有的故障信息去完备化信息具有一 定的局限性，已经不能从根本上提高诊断的可靠度。
【发明内容】
[0004] 本发明为了解决上述问题，提出了一种智能变电站故障诊断中的信息融合方法， 本方法首先利用贝叶斯网络建立针对元件的故障诊断模型，以系统故障时获取的来自一次 系统和二次系统的多源信息为输入，通过贝叶斯网络推理计算获取元件故障概率值，从而 判定出故障元件，可以有效适用于智能化变电站故障时故障元件的定位和变电站二次系统 装置的诊断和分析。
[0005] 为了实现上述目的，本发明采用如下技术方案：
[0006] -种智能变电站故障诊断中的信息融合方法，包括以下步骤：
[0007] (1)根据电力系统中各个元件的保护配置，建立面向元件的贝叶斯网络故障诊断 模型，将保护装置和断路器的可靠参数纳入基本输入，确定贝叶斯网络故障诊断模型各节 点的之间的信任值；
[0008] (2)根据二次网络告警信息定义可靠参数，根据智能变电站的配置信息，建立装 置-告警信息的关系矩阵；
[0009] (3)利用误差反向传播算法进行贝叶斯网络故障诊断模型的网络参数的训练；
[0010] (4)将故障时获得的故障告警信息作为已训练好的故障诊断模型网络的输入，计 算目标节点的值，计算元件的故障概率值。
[0011] 所述步骤(1)中，具体方法包括：
[0012] (1-1)依据系统中各个元件的保护配置情况，以及元件故障、保护装置动作和断路 器跳闸之间的内在逻辑关系，建立由Noisy-or、Noisy-and节点组成的贝叶斯网络故障诊断 丰旲型；
[0013] (1-2)对于每一个保护或者断路器输入节点，对应设置一个正确动作可靠度参数；
[0014] (1-3)以保护和断路器的动作信息以及各装置对应的可靠度参数信息作为贝叶斯 网络模型的基本输入；
[00?5 ](1 -4)计算No i sy-or、No i sy-and节点取真时的信任值。
[0016] 进一步的，所述步骤(1-1)中，正确动作可靠度参数介于[0，1]之间，反应保护装置 二次信息。
[0017] 所述步骤（1-4)中，Noisy_or、Noisy-and节点取真时的信任值计算方法为：
[0018]
[0019]
[0020] 其中参数Clj是％单个前提化取真值时对化真的认可程度，即从节点K到节点化条 件概率，条件概率通过参数训练得到。
[0021 ]所述步骤(2)中，具体方法包括：
[0022] (2-1)保护装置和断路器的可靠度参数根据二次网络告警信息进行定义；
[0023] (2-2)根据故障时与各装置保护相关的二次告警信息和与保护装置相关的所有可 能的告警信息，定义保护装置正确动作的可靠度；
[0024] (2-3)根据故障时与断路器相关的二次告警信息和与断路器相关的所有可能的告 警信息，定义断路器正确动作的可靠度；
[0025] (2-4)根据变电站的配置信息，建立装置-告警信息的关系矩阵，寻找矩阵中与告 警信息相关的装置，并统计计算各装置的可靠度。
[0026] 所述步骤(2-1)中，具体方法为:对于保护装置，与其相关的二次网络告警信息包 括:保护装置自检信息、SV报文通信链路状态信息和G00SE跳闸通信链路状态信息;对于断 路器，与其相关的二次网路告警信息包括:保护装置自检信息和G00SE跳闸通信链路状态信
息。
[0027] 进一步的，所述步骤(2-2)中，定义RP为保护装置动作的可靠度： η
[0028] 其中51是故障时与保护Ρ相关的二次告警信息，5"是与保护Ρ相关的所有可能的告 警信息。
[0029] 所述步骤(2-3)中，定义RB为断路器装置动作的可靠度：
[0030] 其中Si是故障时与断路器B相关的二次告警信息，Sn是与断路器B相关的所有可能 的告警信息。
[0031 ] 所述步骤(3)中，具体方法为:针对Noisy-〇r、Noisy-and节点组成的贝叶斯网络故 障诊断模型，利用误差反向传播算法进行参数的训练，利用梯度下降算法使得目标变量的 测量值和计算值之间的均方差达到最小。
[0032] 所述步骤(4)中，具体方法为:对于已训练好的不同类型元件的故障网络模型，将 故障时获得的故障告警信息作为网络的输入：当获得的保护或断路器动作时，保护或断路 器节点的输入值应该为:Rp(Rb);当获得的保护或断路器没有动作时，保护或断路器节点的 输入值应该为：I-Rp(Rb);当一次系统信息缺失时，保护或断路的状态信息不明确，也将该节 点的输入定义为Rp(Rb)。
[0033] 所述步骤(4)中，将相应节点的输入值输入到网络中，逐层推理计算出目标节点的 信任值从而获得该元件的故障概率值，对于故障时可能出现的所有故障元件都进行计算， 并对其故障概率值进行排序，通过已设定的故障概率门槛值判断元件是否故障。
[0034]本发明的有益效果为：
[0035] (1)本发明结合智能变电站的特点，充分利用二次网络信息，通过定义保护装置和 断路器正确动作的可靠度参数，解决了一次系统诊断过程中只利用保护和断路器信息时存 在的缺陷；
[0036] (2)本发明从拓宽信息源的角度出发，融合多源信息，同时结合贝叶斯网络的强大 容错功能，提高诊断的精确度和可靠度。
【附图说明】
[0037] 图1(a)为本发明的线路故障诊断模型示意图；
[0038] 图1(b)为本发明的母线故障诊断模型示意图；
[0039] 图1(c)为本发明的变压器故障诊断模型示意图；
[0040] 图2为本发明的训练贝叶斯网络故障诊断模型的流程示意图。
【具体实施方式】：
[0041] 下面结合附图与实施对本发明作进一步说明。
[0042] 结合智能变电站的特点，当系统中发生故障时，不仅一次系统会发生状态上的变 化，网络化的二次系统也会发出很多告警信息，二次告警信息不仅在一定程度上反映了故 障特征，还可以反映出装置本身的状态信息。在进行智能变电站故障诊断时将变电站二次 系统故障信息考虑在内，可以极大提高信息的冗余度，避免出现由于信息不足造成故障诊 断不精确的问题。利用二次告警信息定义保护装置和断路器正确动作的可靠度参数，解决 了一次系统诊断过程中只利用保护和断路器信息时存在的缺陷，从拓宽信息源的角度出 发，结合一、二次系统的信息，给系统的诊断提供更加全面的信息，提高诊断的精确度。
[0043] 以融合二次信息的智能变电站故障诊断为核心，现对
【发明内容】
做进一步说明。
[0044] 步骤一:故障诊断模型的建立。
[0045] 1)如图1(a)、图1(b)和图1(c)所示，依据系统中各个元件的保护配置情况，以及元 件故障、保护装置动作和断路器跳闸之间的内在逻辑关系，建立由Noisy_or、Noisy-and节 点组成的贝叶斯网络故障诊断模型。
[0046]以线路为例，线路L发生故障时，理论上线路两侧的保护都应该动作使其相应的断 路器跳闸，线路两侧的保护构成Noisy-and节点。对于每一侧来说，保护又可以分为三类:主 保护、后备保护和相邻元件的远后备保护。这三类保护中的任一类动作使其对应断路器跳 闸，都可以切除故障，因此这三类保护组成的是Noisy-or节点。保护装置正常动作的情况 下，保护装置和断路器动作应该是一致的，因此保护和它对应断路器组成Noisy-and节点。 [0047] 2)对于每一个保护或者断路器输入节点，对应都有一个正确动作可靠度参数，该 参数介于[0，1]之间，反应保护装置二次信息，如图1(a)中的保护节点MLP，通过定义可靠度 参数改变了原始的非〇即1的输入，其可靠度参数Rp的定义及计算在技术方案中已详细描 述。
[0048] 3)当系统中发生故障时，首先根据断电区域识别出可疑故障元件，针对每一个可 疑故障元件建立对应的故障诊断模型。
[0049] 步骤二:可靠度参数计算。
[0050] 1)如技术方案中详述，Rp为保护装置动作的可靠度： η
[0051] 其中31是故障时与保护Ρ相关的二次告警信息，5"是与保护Ρ相关的所有可能的告 警信息。
[0052] 2)RB为断路器动作的可靠度
[0053]其中Si是故障时与断路器B相关的二次告警信息，Sn是与断路器B