一种电网故障诊断的算法1

一种电网故障诊断算法
作者
单位
摘要：本文提出一种多级流模型（multilevel flow model, MFM）和启发式规则结合的电网故障快速诊断算法，该方法以电网的故障报警作为诊断的输入，利用多级流模型分析报警事件之间的相互关系，通过启发式规则定义报警事件预处理、报警事件信息融合的规则。

本文方法克服了专家系统方法依赖有限的人工经验的不足，机器学习、神经网络方法分析规则需要训练的缺点，同时多级流模型图形化的建模方式较基于潮流模型的方法更为简单。

采用EMS产生的报警事件作为信息处理输入，大大提高了诊断的速度。

通过IEEE 9节点、14节、39节点以及两变电站作为算例，对该方法的有效性及实用性进行了验证。

关键词：多级流模型；启发式规则；电网；故障诊断
中图分类号：
0引言
在实际电网中，电网某一故障发生时，能量管理系统（EMS）将产生一系列报警事件。

这些报警事件实时性高，是故障诊断的重要判据。

但是，这一系列的报警事件时序上无规律，电网的拓扑结构、EMS系统的报警设置、甚至负荷水平等都会影响报警事件的时序。

加拿大魁北克区域调度中心研究了其调度区域内不同故障发生时，EMS系统在特定时间内产生的报警事件数目[1]:变压器故障，2s中内150条报警记录；发电机故障，总计2000条报警记录，其中前5s，300条报警记录；雷暴，平均20条报警记录/s；两区域解裂，前5s，15000条报警记录。

针对上述问题，文献[2]指出电网报警事件筛选属于模式识别问题，采用神经网络方法能够辨识报警事件的根源。

专家系统的方法10年前开始用于电网报警事件处理[3][4]，文献[5]报道了最早的基于专家系统原理实现报警事件筛选及故障诊断工程化系统。

葡萄牙区域控制中心采用基于知识的方法实现了具备报警筛选功能的智能诊断模块[6]。

上述方法的缺点是无法保证所采用的规则对电网各种情况的完备性。

基于模型的方法，例如潮流计算，具有精确和广泛适用的优点，但是依赖大量的计算，耗时，诊断的时效性不高。

Larsson 博士从1990年前后开始相继提出多级流模型的概念、语法、语义、判断逻辑，经过近20年的发展该方法逐渐系统化。

2008年Larsson博士跟瑞士电力公司合作，提出采用多级流模型分析电网的状态报警，该模型通过潮流及逻辑计算分析连续时间内的状态报警之间的相互关系[7]。

然而基于模型的方法有其局限性，如灵活度不高、无法高效进行信息融合。

本文采用多级流模型和启发式规则结合的方法来解决上述问题。

多级流模型用以分析报警事件之间的相互关系，启发式规则用于报警预处理、筛选后报警事件的信息融合。

该方法同时具备了基于模型的方法的规则完整性优点，又体现了启发式规则的灵活性。

1 电网的多级流模型
1.1多级流模型的相关概念
多级流模型（MFM）的详细内容见于文献[8],[9],[10],[11]。

多级流模型本质上可以理解为一种图形化的建模语言、用于对复杂工业系统进行建模、报警分析、故障诊断。

MFM 模型的基本概念包括：目标（goal），功能（function），以及物理元件（physical component）。

MFM模型用流结构来描述复杂系统的功能结构。

MFM模型的流结构包括：能量流（energy flow），信息流（information flow），物质流（mass flow）。

流结构的基本元素为功能（functions），其符号见图1。

2
barrier transport storage source balance sink network
goal 栅栏传递存储
平衡
网络目标
源头吸收
图1 MFM 模型的功能（functions ）符号 Fig. 1 The functions symbols of MFM model
源头（source ）、传递（transport ）、存储（storage ）、平衡（balance ）、栅栏（barrier ）、吸收（sink ）等功能（function ）相互连接后组成网络（network ）。

网络（network ）通过特定关系跟目标（goal ）关联。

本文采用能量流（energy flow ）对电网一次设备进行建模，信息流（information flow ）对电网二次设备建模。

1.2基于多级流模型对电网建模
基于多级流模型对如图2所示的IEEE 9节点标准系统进行建模，该系统包括发电机、母线、输电线及负荷等对象。

图2 IEEE 9节点系统拓扑结构 Fig. 2 The topology of IEEE-9 bus system
将IEEE 9节点系统按照目标（goal ）、功能（function ）、物理元件（physical component ）分解。

该系统的目标（goal ）概括为：G1：产生电能；G2：汇集、分配电能；G3：传输电能；G4：消耗电能；系统的功能（function ）主要包括：F1：发；F2：汇集、分配电能；F3：输电；F4：用电；系统由以下物理元件（physical component ）组成：C1：发电机；C2：母线；C3：输电线；C4：负荷。

系统的各目标间存在优先级的差异，G1的优先级高
于G2、G3，可以用目标、子目标的层次关系来体现这种差异。

同样目标、功能、物理元件三者间也存在层次关系，例如产生电能的目标依赖于发电的功能，发电功能的实现取决于发电机。

目标、功能、物理元件的层次关系见图3。

G1
G2
G3
G4
F1F2F3C1C2C3
图3 IEEE 9节点系统目标、功能、物理元件的层次关系 Fig. 3 The relationship of goal, function, and component in
IEEE-9 bus system
基于上述层次关系分析，IEEE-9 节点系统的多级流模型见图4。

Bus 2
Bus 7
Bus 8
Bus 9
Bus 3
图4 IEEE 9节点系统的多级流模型 Fig. 4 The MFM model IEEE-9 bus system
电网是由发电机、母线、输电线路等基本的元件构成。

同样MFM 模型也是由目标、功能、关系等基本对象组成。

基于这种相似性，电网、变电站的多级流模型可通过EMS 系统的电网拓扑图自动生成。

本文的多级流模型对电网建模过程描述如下：（1）电网的一、二设备的基本元件与MFM 模型的基本对象建立映射关系；（2）遍历拓扑图，将电网一、二次设备间的连接关系映射成MFM 基本对象的连接关系；（3）电网拓扑结构发生改变时，同步更新MFM 模型
1.3多级流模型的事件间关系判断逻辑
Larsson 博士在文献[10]中详细阐述了相互连
接的功能（function）之间的因果逻辑关系。

该事件间的关系判别逻辑适用于各类工业系统报警分析、故障诊断。

本文采用了该判别逻辑的部分原则，用于电力系统报警事件分析：
判据1If source = low，then transport（相连）=low 判据2If transport=low，then storage（其输入端）=high；storage（输出端）=low；通过balance相连的同向transport=low
判据3If transport=high，then source或sink=low；storage（输入端）=low；storage（输出端）=high；通过balance相连的同向transport=high；通过balance相连的反向transport=low
判据4 If storage=low ，transport(输出端)=low
判据5 If storage=high，transport（输入端）=low，transport（输出端）=high
判据6 If sink=low，then transport=low
以图5为例，该网络同时产生loflow(transport)，hivol(storage)两条报警。

采用判据1-6进行分析，图中storage位于transport的输出端。

根据判据2的分析结果为loflow(transport)，then lovol(storage)，判据5的结果为hivol(storage),then loflow(transport)。

判据5的分析结果与实际报警情况一致，根据该判据hivol(storage)为根源报警(primary alarms)，loflow(transport)为传递报警(consequence alarms)。

图5多级流模型事件间关系判断逻辑示例
Fig. 5 Example of alarm events relation analysis by MFM
judgment logic
2 电网报警事件分析算法
EMS系统是调度中心电网实时监测的主要工具。

当电网故障时EMS系统产生的时间序列上紧密相邻的一系列报警事件，此时需分辨出该报警集合的根源报警事件，以及被间接引起的其它报警事件。

本文分析算法阐述如下：当EMS系统产生报警记录时，将其对应的MFM模型中的function赋值，并将该function作为树叶节点，按照树的结构进行搜索，搜索步骤如下：
步骤1从树叶节点选定搜索路径向下搜索
步骤2 按照1.3节判据1-6搜索至该路径的根节点步骤3 如果该路径上的根节点判断为根源报警（primary alarm），以该根节点为起点方向搜索至叶节点
步骤4 如果无法判断出根源报警，选择新的报警树叶重复步骤2-3进行搜索，直至覆盖所有的搜索路径
以IEEE 9节点系统为例，将多级流模型中对应的function记作F1，F2，F3……Fn。

该系统中输电线line2-7路（母线2与母线7之间）产生过载报警，将其对应的多级流模型中transport赋值为high，并将其作为叶子，按照树的遍历方法，对其所有路径上的function进行搜索，搜索过程中按照判据1-6进行赋值，如图6所示，直到判断结果与EMS系统产生的报警情形一致为止或搜索结束无法得出
判断结论。

F1
F3
F4
F5
F8
F9F10F11
F12
F13F14
F15
F16F17
F19F20F21
F22
F23
F24F25
F26
F27
F28
F29
F31
F32
F33
F34
F35
F36
high
图6 基于多级流模型的搜索树
Fig. 6 The searched tree based on MFM judgment logic3 智能报警启发式规则
文中采用的启发式规则主要用于报警事件预
处理，筛选后报警信息融合，具体如下：
规则1EMS系统的报警分为与子站通信中断的报警；EMS系统自身工况的报警，如进程退出；电网状态变化报警，如开关变位；遥信值越限，如电压、电流值越限。

本文提出的智能报警方法只对EMS
系统产生的电网相关的报警进行处理
规则2采用MFM模型对报警事件间的相互关系进行分析
规则3如果电网的拓扑结构发生改变，对应的MFM模型必须同步更新
规则4如果产生的是开关或刀闸变位的报警，定
4
位该开关或刀闸所属的线路
规则5如果报警事件集合中的根源报警事件无法判别，则等待更多的报警事件产生
规则6 根源报警事件判别出后的10s中内产生的报警，作为被间接引起的报警事件
规则7如果10s后无新报警事件产生，则对筛选后的报警事件进行信息融合
4 算例
采用PSAT[12]分别仿真IEEE 9、14、39节点系统不同类型的故障，对故障情形下，产生的报警事件利用本方法进行处理。

IEEE 9节点系统，0s时母线7发生临时性三相接地短路，0.014s保护动作，母线7的断路1断开，4s重合闸成功。

在上述4s中产生的报警事件见表1。

MFM模型分析后根源报警事件为母线7电压越下限，根据启发式规则信息融合后推断母线7发生三相接地短路。

表1 IEEE 9节点母线7 三相接地断路故障产生的报警事件Table1 Alarm events in IEEE 9-bus system while three phase to ground faults occurs on bus 7
时间报警事件
0.5s 母线7电压越下限
0.65s 线路5-7潮流越上限
0.7s 线路7-8潮流越上限
0.014s 断路器1合变分
0.9s 母线5电压越下限
0.9s 母线6电压越下限
0.9s 母线8电压越下限
0.9s 母线1的无功越下限
1.1s 母线2的无功越下限
1.1s 母线3的无功越下限
4s 断路器1分变合
针对IEEE 9节点系统，单相接地、相间短路、输电线断裂等类型故障情形下，产生的报警事件进行处理，320次故障情况下，成功判别出根源报警317次。

IEEE14节点系统中，仿真430次不同类型、不同位置、不同负荷水平下的故障，成功判别出根源报警428次。

IEEE 39节点系统中，仿真625次故障情形下的报警，成功判别出623次，本方法的成功率统一见表2。

表2 本方法在IEEE 9，14，39 节点系统的成功率Table 2 Successful rate for alarm cascade handling in IEEE
9, 14, 39-bus system
算列成功率
IEEE 9节点99.06%
IEEE 14节点99.53%
IEEE 39节点99.68%
本文提出的方法也同样适用于变电站内部报警事件处理。

如图7所示，两变电站系统通过输电线相连。

图7 两变电站系统接线图
Fig. 7 The topology of two substation system
在该系统中仿真几类故障情形下的报警事件：（1）保护误动故障；（3）输电线暂时接地故障；（4）)输电线接地故障；（4）输电线接地故障同时保护拒动；（5）输电线接地故障同时断路器拒动；（6）断路器误动故障。

该系统的多级流模型见图8。

图8 两变电站系统的多级流模型
Fig. 8 The MFM model of two substation system
当输电线10-1发生接地故障，断路器6拒动，产生的报警事件见表3。

表3 两变电站系统输电线故障，断路器拒动的报警事件Table3 Alarm events in IEEE 9-bus system while three phase to ground faults occurs on bus 7
时间报警事件
0.015s 保护10动作
0.015s 断路器3合变分
0.021s 断路器9合变分
0.022s 保护11动作
0.022s G2切除
本方法判别的根源报警事件为0.022sG2切除，报警信息融合的结果为母线1接地故障，断路器6拒动。

本文方法在系统测试的成功率为99.33%（298/300）。

5 算法实现
基于MFM模型及启发式规则的算法实现涉及与EMS系统的两个接口——图形接口及报警事件接口。

算法模块由报警预处理、MFM模型生成、报警事件关系分析及信息融合、人机接口4个子模块组成，功能结构见图8。

报警预处理通过与EMS 系统的接口读取实时报警信息，与电网状态相关的报警事件作为算法模块的输入。

MFM模型生成子模块解析图形接口读取的SVG[13]格式的电网拓扑图，转换成对应MFM模型。

报警事件关系分析及信息融合子模块的主要功能是对预处理后的报警事件进行处理，处理结果通过人机界面进行展示。

图9 算法模块的功能结构
Fig. 9 The function blocks of algorithm
目前大部分EMS系统提供的对外接口都为C++/C语言形式，因此模块的开发采用C++语言，。

各子模块之间采用共享内存方式通信。

采用开源的Xerces[15]作为基于SVG格式的拓扑图XML[14]解析工具。

故障诊断模块的架构如图10。

图10 故障诊断模块的架构
Fig. 10 The architecture of fault diagnosis processor
6 结论
故障快速诊断是电网监控中极其重要的功能，尤其电网发生故障时。

有关人员提出若干电网诊断的方法，但是每种方法都有其不足。

多级流模型（multilevel flow model, MFM）具有图形化、语义具体、高度抽象、判别逻辑完整等优点，经过近20年的发展已经成熟，具备在工业现场使用的条件，但是针对电力系统的特点，基于模型的方法欠缺灵活性。

本文提出的MFM模型和启发式规则相结合的电网故障诊断快速算法，将电网拓扑转换为MFM 模型，以EMS系统的报警作为触发输入，具有诊断时效性高、灵活、避免大量计算的特点。

参考文献
[1]D urocher D. Langage: An expert system for alarm processing [R].
Eleventh Biennial IEEE Workshop on Power Systems Control Centers, Montreal, PQ, Canada, Sept. 19-21, 1990.
[2]Chan E H P. Application of neural-network in computing in
intelligent alarm processing [C]. Proc. Power Industry Computer Applications Conf., 1989: 246 – 251.
[3]Bijoch R W, Harris S H, V olkmann T L et.al. Development and
implementation of the NSP intelligent alarm processor [J]. IEEE Transaction on Power System, May. 1991, 6(2) :806-812.
[4]Li H P, Malik O P. An expert system shell for transmission network
alarm processing [C]. IEE Power System Control and Management Conference, April 1996, 421: 143-147.
[5]Wollenberg B F. Feasibility study for an energy management system
intelligent alarm processor [J]. IEEE Trans. Power Systems, May 1986, 1(2):241-247.
[6]Vale Z A, Moura A M. Sparse: An intelligent alarm processor and
operator assistant [C]. IEEE expert AI in power system, May/June 1997: 86-93.
[7]Roudén K, Kraftnän S, Larsson J E. Real-time detection of
originating events in large alarm cascades [C]. CIGRE, 2008, no.
C2-104.
[8]Larsson J E. Diagnostic reasoning strategies for means-end models
[J]. Automatica, 1994, 30(5): 75-87.
[9]Larsson J E. Diagnostic reasoning based on explicit means-end
models: experiences and future prospects [J]. Knowledge-based systems, 2002, 15(2): 103-110.
[10]Larsson J E. Knowledge-based methods for control system [D].
Doctor’s thesis, Department of Automatic Control, Lund Institute of Technology, Lund, 1992.
6
[11]Lind M. Representing goals and functions of complex systems: an
introduction to multilevel flow modeling [R]. Institute of Automatic Control System, Technical University of Denmark, Lyngby, 1990.
[12]PSAT [EB/OL]. http: //www. power.uwaterloo.ca/fmilano/psat.html.
[13]SVG [EB/OL]. http///TR/SVG [14]XML [EB/OL].
[15]XERCES [EB/OL]. /xerces-c/
___________________
XXX（XXXX—），nv，xxx，上海电力公司xxxxxxxxxx。

Email
A Fault Diagnosis Method of Power Grid Failures
ABSTRACT: A novel method based on multilevel flow models (MFMs) and heuristic rules for fault diagnosis is presented in this paper. MFMs are geographic modeling languages which do not involve complex calculation. In this work the MFM model is used to find out the relationship between the different alarm events; meanwhile the heuristic rules are employed to process alarm events generated from EMS, perform message synthesis, and indicate the cause of failures. The proposed method has been evaluated via the simulation studies which are undertaken on IEEE 9-bus, 14-bus, 39-bus, and two substation systems respectively.
KEY WORDS: multilevel flow mode (MFM); heuristic rules; power grid; fault diagnosis。