电网故障诊断方法研究综述.docxVIP

电网故障诊断方法研究综述 电网故障诊断方法研究综述 电网故障诊断方法研究综述 何正友12，张耀天1 (1.西南交通大学电气工程学院，四川省成都市610031 2. 电力系统保护与动态安全监控教育部重点实验室（华北电力大学），北京市昌平区102206) 要：首先,针对电网故障诊断中应用较早的人工智能方 法：专家系统、人工神经网络、Petri网、模糊理论及优化方法，简要概括了它们所存在的问题，并对近几年的研究进展进行了文献评述。然后,对近几年引入电网故障诊断领域的方法：粗糙集理论、贝叶斯网络、数据挖掘，信息理论、多代理系统等，进行概念简介、文献述评，分析它们在电网故障诊断中应用的特点以及存在的主要问题。 关键词：电网；故障诊断；专家系统；人工神经网络；模糊理论；优化方法；Petri网；粗糙集；贝叶斯；数据挖掘；信息理论；多代理系统 电网故障诊断是指在调度中心进行的系统级 故障诊断，它是对各级各类保护装置、断路器的动作信息以及电压电流等电气量的测量信息进行分析, 根据保护动作的逻辑和运行人员的经验来推断可能的故障位置和故障类型，为调度员的决策提供相关的判据。当电网发生故障时，准确、快速、自动的故障诊断对迅速恢复电网供电具有重要意义。 由于人工智能技术善于模拟人类处理问题的过程, 容易计及人的经验以及具有一定的学习能力等特点在这一领域得到了广泛的应用，如专家系统(ExpertSystem) 、人工神经网络(ArtificialNeural Network ) 、Petri 网络(PetriNet) 、模糊理论(Fuzzy Theory) 及优化方法(OptimizationMethod), 此外近几年也出现了粗糙集(RoughSet) 理论、贝叶斯网络（Bayesian Networks ）、数据挖掘（Dada Mining ）、信息理论(InformationTheory) 及多代理系统（Multi Agent System ）等技术在电网故障诊断中的应用，本文简要介绍这些方法的基本概念，并对文献中提出的相应方法进行述评，分析它们在电网故障诊断中应用的特点以及存在的主要问题。 1应用较早的人工智能方法在近几年中的研究进展 文献[1、2、3]已经对应用较早的电网故障诊断方法，如专家系统、人工神经网络、Petri 网络、模糊理论及优化方法，进行了综述，并提出了这些方 基金金项目：四川省杰出青年基金项目（No.06ZQ026-012） 法在电网故障诊断应用中存在的问题，本文对这些方法在近几年中的研究进展，进行了文献综述。1.1专家系统 专家系统(ExpertSystem ES) 是一个具有大量专业知识与经验的程序系统, 它根据某个领域的专家提供的知识和经验进行推理和判断, 模拟专家的决策过程, 以解决那些需要专家决策的复杂问题。 ES 的优点有：电网中保护的动作逻辑以及保护与断路器之间的关系易于用直观的、模块化的规则表示出来；允许增加、删除或修改一些规则, 以确保诊断系统的实时性和有效性; 能够给出符合人类语言习惯的结论并具有相应的解释能力等。 但是ES 也具有许多缺点，针对这些缺点，近几年学者们提出了一些有效的解决方法：（1）针对ES 知识库构建困难和学习能力差，文献[4]提出基于事例(CBR)和基于规则(RBR)混合推理的专家系统，使用中可不断地增加新事例以提高系统判断复杂故障的能力。（2）针对ES 容错性差，文献[5、6]提出了FT 和ES 相结合的方法，文献[7]提出了BPNN 和ES 相结合的方法，文献[8]提出了RS 和ES 相结合的方法，来提高单独用ES 时容错性差的缺点。（3）针对电网规模较大时，ES 规则匹配方法的诊断速度较慢的缺点，文献[9]介绍了一种Petri 网与ES 相结合的方法，这种方法克服了ES 难于用数学方法描述的缺点, 利用Petri 网建立数学模型，提高了故障诊断速度。1.2人工神经网络 人工神经网络(ArtificialNeural Network, 缩写为ANN ) 是从领域专家所提供大量和充分的故障实例中, 形成用于故障诊断NN 模型的训练样本集, 通过一定的学习、训练使诊断NN 获得对电网故障的诊断功能，并具有一定的联想和泛化能力。 ANN 方法的优点有：它避免了ES 所面临的知识库构造等难题, 且推理速度与规模大小无明显的关系；通过样本训练，可以实现知识的自组织、自学习, 并具有一定的泛化能力；具有一定的容错能力；各个神经元之间的计算具有相对独立性, 便于 并行处理, 因此诊断速度较快。 近几年基于ANN 的研究主要是针