电力系统故障的智能诊断综述

智能电网技术及装备专刊·2010年第8期 21

电力系统故障的智能诊断综述

李再华1 刘明昆2

（1.中国电力科学研究院，北京 100192；2.北京供电公司海淀供电分公司，北京 100086）

摘要 电力系统是人类制造的最复杂的系统，故障诊断是现代复杂工程技术系统中保障其可靠运行的非常重要的手段，故障的智能诊断是该领域的热点和难点。本文综述了电力系统故障的智能诊断技术的发展现状，总结了几种常用的智能技术在故障诊断应用中存在的若干问题以及解决这些问题的相关新技术。最后，展望了智能诊断技术的发展趋势：以专家系统为基础，融合其他先进的智能技术，以提高诊断的速度和准确度，及其对电力系统发展的适应性，逐步实现在线诊断。

关键词：电力系统；智能故障诊断；专家系统；发展趋势

Review of Intelligence Fault Diagnosis in Power System

Li Zaihua 1 Liu Mingkun 2

（1.China Electric Power Research Institute ，Beijing 100192；

2. Haidian branch Company, Beijing Power Supply Company, Beijing 100086）

Abstract Power system is the most complex system by man-made in the world, fault diagnosis is a kind of very important methods to ensure the reliable operation of modern complex engineering system. Intelligence fault diagnosis (IFD) is the hot and difficult subject in this field. The paper reviews the actual state of development of IFD in power system, and then summarizes some existing problems in application and new relation technology to resolve these problems. IFD technologies include expert system (ES), artificial neural network (ANN), decision-making tree (DT), data mining (DM), fuzzy theory (FT), Petri network (PN), support vector machine(SVM), bionic theory (BT), etc. To adopt these kinds of methods synthetically is very helpful to improve the intelligence of ES. At last, development trends of IFD are expected: based on ES, integrates with other advanced intelligence technologies, to heighten the speed and accuracy of fault diagnosis, and the adaptability to the development of power system, so as to realize online IFD gradually.

Key words ：power system ；intelligence fault diagnosis ；expert system ；development trend

1 引言

电网的发展和社会的进步都对电网的运行提出了更高的要求，加强对电网故障的诊断处理显得尤为重要。随着计算机技术、通信技术、网络技术等的发展，采用更为先进的智能技术来改善故障诊断系统的性能，具有重要的研究价值和实际意义。 故障的智能诊断技术也被称为智能故障诊断技

术，包括专家系统（Expert System ，ES ）、人工神

经网络（Artificial Neural Network ，ANN ）、决策树（Decision Tree ，DT ）、数据挖掘（Data Mining ， DM ）、模糊论（Fuzzy Theory ，FT ）、Petri 网理论（Petri Network Theory ，PNT ）、支持向量机（Support

Vector Machine ，SVM ）、仿生学理论（Bionics

Theory ，BT ）的应用等，其中前四种技术得到了较多的研究，相对比较成熟和常用。本文对电力系统故障诊断领域的智能诊断技术的发展现状以及存在的问题进行综述，并对解决相关问题的方法进行了总结。

2 智能故障诊断技术发展现状 美国是对故障诊断技术进行系统研究最早的国家之一，1961年美国开始执行阿波罗计划后，出现了一系列设备故障，促使美国航天局和美国海军积

2010年第8期·智能电网技术及装备专刊

22

极开展故障诊断研究。目前，美国在航空、航天、核工业以及军事部门中诊断技术占有领先地位，英国在汽车和飞机工业、发电机监测和诊断方面具领先地位，日本在钢铁、化工和铁路等行业的诊断技术方面处于领先地位。据日本统计，在采用诊断技术后，事故率减少了75%左右，维修费降低了25%~50%；英国对2000个大型工厂的调查表明，采用诊断技术后每年节省维修费3亿英镑，而用于诊断技术的费用仅为0.5亿英镑。随着设备与系统的复杂程度的增加，故障诊断的成本也不断增加，促使人们开始转向寻求更具“智能”的故障诊断。

智能故障诊断是相对于传统的故障诊断而言的。传统的故障诊断方法可分为基于信号处理的方法和基于数学模型的方法两类，需要人工进行信息处理和判断分析，没有自学习能力。智能故障诊断是融合了人工智能技术的新方法，对故障信息有初步的自动分析和学习能力。智能故障诊断是故障诊断技术发展进程中的新里程碑。1956年人工智能学科正式诞生，1965年出现了专家系统雏形，1970年以后，人工智能逐步实用化。电网的故障过程难以用数学模型来进行描述，运行状态信息也复杂多变，信号处理极其复杂，而人工智能技术能够存储和利用专家长期积累的经验，能够模拟人脑的逻辑思维过程进行推理以解决复杂诊断问题；可以不受外界干扰地提供高质量的服务，所以得到了广泛的应用。

电网故障诊断领域常用的人工智能技术包括专家系统、人工神经网络、决策树理论等，此外近几年也出现了数据挖掘、模糊理论、粗糙集理论、Petri 网络、贝叶斯网络、信息融合、信息论、支持向量机、仿生学的应用及多智能体系统等技术以及上述方法的综合应用。

专家系统可以汇集若干位专家的知识和经验，进行分析、推理，最终得出正确的结论，决策水平可以超过单个专家。所以故障诊断专家系统近年来成为热门研究课题，尤其适合应用于电力系统。1991年，故障诊断专家系统就已经占美国电力工业中专家系统的总数的41%。故障诊断专家系统除了具备专家系统的一般结构外，还具有自己的特殊性。它具有如下特点：①知识可以从类似系统、设备或工作实际、诊断实例中获取，即知识来源比较规范；②诊断的对象是复杂的，行为是动态的，故障是随机的，普通人很难判断，这时就需要通过讨论或请专家来进行诊断。

故障诊断专家系统中常用的推理机制可以划分

为正向推理、反向推理、正反向混合推理三种基础推理结构。正向推理的过程：系统发生故障时，根据断路器和保护的动作信息，按照知识指导的推理策略调动知识库在相关空间中搜索。当规则的条件部分与诊断输入信息相匹配，就将该规则作为可用规则放入候选队列中，再通过冲突消解，将其作为进一步推理的证据直至求得诊断结果。反向推理是首先提出假设，然后寻找支持该假设的证据，若所需证据都能够找到，则表明该假设成立，反之假设不成立。正反向混合推理机是首先根据跳闸断路器的保护信息进行初步推理，得到故障设备的假设，然后根据所得假设以及断路器和保护设备之间的逻辑规则进行反向推理，验证假定的故障设备的正确性，有效的缩小查找故障范围。几十年以来，专家系统得到了大量深入的研究，具体实现方法很多，但是其推理过程的逻辑原理不外乎这三种。

目前已研究的故障诊断专家系统模型有：基于规则的诊断专家系统、基于案例的诊断专家系统、基于行为的诊断专家系统、基于故障树的诊断专家系统、基于模糊逻辑的诊断专家系统、基于ANN 的诊断专家系统和基于数据挖掘的诊断专家系统等。

（1）基于规则的诊断方法是根据以往专家诊断的经验，将其归纳成规则，通过启发式经验知识进行故障诊断，适合于已具有丰富经验的专业领域的故障诊断。基于规则的诊断具有知识表述直观、形式统一、易理解和解释方便等优点，诊断知识可以通过领域专家获取和继承。但复杂系统所观测到的症状与所对应诊断之间的联系是相当复杂的，通过归纳专家经验来获取规则，准确度和通用性不佳。

（2）基于案例的诊断方法适用于领域定理难以表示成规则形式，而是容易表示成案例形式并且已积累丰富案例的领域（如医学诊断）。

（3）基于行为的诊断方法本质也是基于规则的诊断。该方法的关键问题是：故障行为征兆（语义征兆、图形征兆）的自动获取难度较大；新故障自动识别和分类，尤其是如何解决多故障情况下的诊断，是该方法的难点。

（4）基于故障树的诊断专家系统的实质是一种改进的基于规则的专家系统，计算机依据故障与原因的先验知识和故障率知识自动辅助生成故障树。基于故障树的诊断方法类似于人类的思维方式，同时吸纳了决策树技术的优点，易于理解，在设备诊断中应用较多。