分层模型及开关量时序下的电力系统故障元件诊断探讨试卷.doc

分层模型及开关量时序下的电力系统故障元件诊断探讨 摘要：电力系统故障诊断是电力系统运行可靠性的重要保证，通过对保护器和断路器动作信息的判断和分析，及时、准确的判断发生故障的元件，为电力系统发生故障后快速的恢复供电提供重要的信息支持，帮助电气运行人员恢复供电，保证电力系统运行的可靠性。专家系统是目前电力系统故障诊断中常用的诊断方法，但是其在实际的运用过程中诊断的效率较低、冗余信息过量造成严重影响诊断的准确率和速度。本文从电力系统故障诊断的研究现状入手，分析专家系统存在问题，并提出一种基于专家系统的分层模型及开关量时序的电力系统故障诊断方法，通过构建分层模型和分析开关量的时序进行电力系统故障元件的诊断，大大提高了故障诊断的效率，以期为我国的电力系统故障诊断工作提供参考。 关键词：分层模型；开关量时序；电力系统；故障诊断 随着我国经济的快速发展，我国电力系统的规模不断扩大，对电力系统可靠性的要求也越来越高。但是由于受到自然环境、系统自身缺陷以及操作不当等因素的影响，造成电力系统不断的出现各种故障，因此需要对电力系统故障诊断进行研究具有积极的意义。电力系统故障诊断能够在发生故障时，帮助电力系统运行人员及时、准确的判断故障类型，找到故障元件的所在，快速地处理故障，降低停电事故对人民生活和社会生产造成的损失，提高电力系统的运行的可靠性。 电力系统故障诊断主要是通过对发生动作的保护器和断路器的报警信息和状态信息的收集、整理、分析，判断发生故障的类型，并识别发生故障的电气元件。在电力系统故障诊断中故障元件的识别是关键，同时通过对发生保护的保护器和相关电气量的推理分析，从而形成完整的、全面的电力系统故障诊断结果，以供电力系统运行人员及时的采取相应的措施，快速的恢复供电。 一、电力系统故障诊断的研究现状 （一）电力系统故障诊断的研究现状 电力系统故障诊断是随着电力系统的智能化、规模化发展而诞生的，经历过近30年的发展，已经形成了许多重要的诊断方法。传统的电力系统故障诊断主要是运用电力运行人员的知识和工作经验，并根据系统中电器元件与发生动作的保护器、断路器的动作逻辑分析故障的类型，判断发生故障的电气元件。但是随着电力系统规模的不断扩大，系统的复杂程度日益增加，电器元件和保护器的动作逻辑随之复杂化，传统的电力系统故障诊断方法已经无法满足电力系统安全运行的需求。随着人工智能技术的发展，研究人员开始讲其引入到电力系统故障诊断中，人工智能技术可以使实现模拟人类思考从而分析、处理问题，对于难以运用数学模型描述且缺乏计算方法的电力系统故障诊断来说特别适合，为故障诊断开辟了新途径。现阶段电力系统故障诊断常用方法有：专家系统、解析模型、模糊理论、贝叶斯网络、人工神经网络以及Petri网络等。 （二）专家系统故障诊断 专家系统是发展最早的智能诊断处理方法，其具备一套丰富的知识与经验程序，在对电力系统进行故障诊断的过程中根据系统自身的知识和经验对发生的故障进行分析、推理，并且模拟专家的决策，并将处理结果显示在客户端以供电气运行人员进行核查与处理。在专家系统故障诊断中可以根据诊断知识的表示形式与推理策略的不同将其分为：基于生产式规则的专家系统、基于模型的专家系统和正反向推理专家系统三中类型。其中应用较为普遍的是基于生产规则的专家系统，其通过将保护、断路器的动作逻辑和运行人员的诊断经验用规则的形式表现出来，并形成完善的专家诊断系统知识库，将系统收集到的故障报警信息与知识库中的规则进行匹配，推理、分析故障的类型与故障元件，形成相应的故障诊断结果。基于模型的专家系统则是通过建立电力系统的保护结构和功能模型，对故障报告进行分析，假设产生故障的元件，并在功能模型中进行模拟，根据模拟结果与报警信息判断假设故障元件是否成立。正反向推理专家系统根据保护开关的动作信息提出相应的假设，并进行进一步的检验，以验证假设的准确性确定故障的元件与故障范围。 专家系统在电力系统的故障诊断中发展最为成熟，应用较为广泛，故障的诊断效率也较高，但是在实际的运用中还存在诸多的问题。首先，专家系统在应用的过程中需要建立完整的知识库，如果系统知识库不够完善，在应用的过程中会造成推理的混乱，并会出现错误的诊断结果。其次，专家系统在对电力系统故障进行推理的过程中，需要将故障信息与知识库内的规则集进行匹配，这也就需要一定的匹配时间，如果电力系统过于复杂，则匹配速度将会变慢，匹配时间增加。再次，专家系统不具备学习的能力，当发生的故障在知识库中无法匹配时，系统将会输出错误的诊断结果或者无结果。最后，专家系统的容错能力不足，通常情况下电力系统中的保护器或断路器会发生误动作，专家系统由于缺乏识别错误信息的方法，将会输出错误的结果。专家系统的这些不足严重限制了其发展，因此需要对系统进行优化、改进，以提高故障诊断的有效率。 二、