电力系统故障预警推理引擎设计与实现.docVIP

电力系统故障预警推理引擎设计与实现 　　摘要:针对电力系统中存在的设备故障及线路故障,该文在分析其具体类型和特点的基础上设计了将正向推理与反向推理相结合的组件化推理引擎,同时设计了与此引擎配套的知识库结构,并分别在.Net平台及MySQL上对引擎和知识库进行了实现。 　　关键词:电力系统;故障预警;推理引擎;知识库 　　中图分类号:TP27文献标识码:A文章编号:1009-3044(2009)34-9811-03 　　Design and Implementation of Inference Engine for Fault Prognosis in Power System 　　XIANG Zhi-ying, QIAO Fei, MA Yu-min 　　(CIMS Research Center, Tongji University, Shanghai 201804, China) 　　Abstract: According to the equipment fault and line fault that exist in power systems, a componentized inference engine which combines forward inference and backward inference is designed based on the analysis of the categories and characteristics of the fault in this paper. Besides, a knowledge base which supports the inference engine is also designed. The engine and knowledge base are implemented based on the .Net framework and MySQL separately. 　　Key words: power system; fault prognosis; inference engine; knowledge base 　　在任何一个电力监控系统中,故障报警都是不可或缺的功能,但随着电力系统的不断复杂化与扩大化,人们对监控系统的智能与自动化程度的要求日益提高,传统而单一的故障报警功能已不能完全胜任这一要求,急需在监控系统中加入故障诊断与故障预警的相关功能。 　　故障诊断与故障预警二者联系紧密,对这两方面的研究都需要从数据着手,分析数据中包含的故障特征或故障征兆,然后根据一定智能化方法,如模糊逻辑、基于规则推理等实现从特征、征兆到故障原因以及故障类型的非线性映射;故障诊断与故障预警也有明显的区别,前者从已产生的故障入手,分析原因,后者研究状态数据,分析其可能造成的故障。 　　目前故障诊断方面的研究成果较为丰富,但针对故障预警则少有文献提及,文献[5] 采用BP神经网络完成特征频率到故障类型的非线性映射来实现故障预警。 　　在电力系统故障诊断与故障预警的相关研究中,专家系统是至关重要的部分,是对专家经验知识的综合与系统描述,可模拟人类专家的决策过程,解决那些需要专家解决的复杂问题[1]。在专家系统中有两个核心部件,一是知识库,用于对专家经验知识进行结构化的描述与存储;二是推理机,根据已有信息对知识库进行检索、匹配、推理而得出结论。本文设计了适合于故障诊断与故障预警的基于规则的组件化推理引擎与知识库,并在.Net环境下加以实现。 　　1 电力系统的故障知识表达 　　1.1 故障类型与特点分析 　　在电力系统中,故障主要分为设备故障与线路故障两种,涵盖的主要类型如表1所示。 　　设备故障存在故障程度的连续变化过程,并且与故障相关的数据可以直接或间接的获取。如变压器故障的相关数据包括油中溶解气体组分含量,油中微水含量,中性点接地线电流,铁芯接地线电流等;断路器故障的相关数据包括气体压力,湿度,三相开断电流,母线电压,机械振动信号,时间-行程曲线等;容性电气设备故障的相关数据则包括介质损耗,泄漏电流等。这些数据量都可以通过不同类型的传感器直接获取或者对采集到的数据进行二次处理后间接获取。 　　线路故障一般为突发性故障,较难通过测量或观察来估计故障发生的可能性,例如短路故障的发生原因包括线路带地线合闸,受外力破坏,绝缘性能下降等;断路故障的发生原因包括保险丝熔断,输电线路导线因故断开等;接地故障的发生原因包括导线因外力断开落地,线路附近树枝触碰导线等[2]。可见,除绝缘性能的下降可测量外,线路故障的其他产生原因均不适合测量,因此针对该类故障的预警不具备现实条件。 　　由于线路故障与设备故障存在上