一种电网设备采集系统的故障诊断方法技术方案

本发明专利技术公开了一种电网设备采集系统的故障诊断方法

【技术实现步骤摘要】
一种电网设备采集系统的故障诊断方法、装置及介质


[0001]本专利技术涉及智能电网设备采集故障诊断
，并且更具体地，涉及一种电网设备采集系统的故障诊断方法
、
装置及介质
。

技术介绍

[0002]受电网设备老化和自然灾害等的影响，电网设备采集运行过程中难免会发生故障，而及时准确地诊断出故障元件，有助于恢复电力设备采集系统的正常运行
。
在这种情况下，非常有必要求助于先进的诊断技术
。
当电力设备采集发生故障时，调度中心会同时收到大量的信号，如何从大量信号中快速辨识出发生故障的设备，即所谓的“故障诊断”，对于保证和提升系统运行安全性具有重要意义，并成为电力调度中心的标配软件
。
迄今为止，电力设备采集系统故障诊断的主要方法包括专家系统
(expert systems
，
ESs)、
解析模型方法
、
人工神经网络
(artificial neural networks
，
ANNs)、Petri
网
(petri nets
，
PNs)、
贝叶斯网络
(bayesian networks
，
BNs)、
多代理系统法
(multi
‑
agent system
，
MAS)、
遗传算法
(genetic algorithms
，
>GA)
和基于优化算法等方法
。
专家系统通过构建专家知识库及推理机制实现，根据专家经验获得设备故障与否的判断
.
该类方法因原理相对简单
、
运行稳定而成为实际电力设备采集系统故障诊断中应用最广泛的方法
。
而将专家系统与模糊系统和多智能体技术相结合应用于故障诊断问题，采用多种数据源对变压器各种可能发生的故障进行综合诊断
.
如何有效地获取专家经验知识，如何使得推理机制具有扩展性，是该类方法尚需克服的问题
。Petri
网以图形的方式表示被保护元件
、
开关
、
保护等所组成系统的逻辑关系，从设备的相互逻辑关系角度分析设备采集故障发生过程
。
将
Petri
网与模糊信息相结合，并基于
Petri
网考虑保护和断路器可能发生的拒动误动情况建立多因素分级模型，通过计及时间约束增强模型的容错性
。
该类方法需要较充分的设备采集故障的先验概率数据，而这些数据往往又较难获得，相应地限制了其应用
。
神经网络方法把开关及故障信息作为网络的输入，而相应设备采集故障与否信息作为网络的输出，具有在线运行简单快速及强容错的特点
。
但神经网络方法因训练样本量往往较少，而使得其外推的能力有所欠缺，且训练的时间较长，样本数量上的不足与质量上的参差不齐是深度学习神经网络类方法应用于工程问题普遍存在的一大阻碍，有学者采用无监督预训练的方式对这一问题进行改善，但现有方法仍未从根本上解决问题
。
[0003]根据对多个电力公司调度中心的调研，上述各类方法在实际工程中应用较多的是基于专家系统的故障诊断方法，具有很高的实际故障辨识率和很低的漏报率
。
目前困扰电力公司的主要问题是该方法的误报率偏高
。
而基于解析模型的电网设备采集故障分析方法具有严谨的数学依据且易于编程实现，所以很多学者都展开了相关的研究
。
解析模型方法构建可疑设备采集故障区域内的各种候选故障设备及相应的信息状态的理想与实际间差异最小化优化模型，通过优化的方法求得其最有可能的故障元件
。
并且有人进一步利用了
PMU
量测单元信息与不确定时间发生概率等先验知识
.
该类方法具有较好的理论支撑，但其往往会得到多解，无法有效确定电网的故障
。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供一种电网设备采集系统的故障诊断方法
、
装置及介质
。
[0005]根据本专利技术的一个方面，提供了一种电网设备采集系统的故障诊断方法，包括：
[0006]根据获取的待检测电网设备采集系统的元器件动作构建电网设备采集系统的解析表达式；
[0007]根据解析表达式，构建电网设备采集系统的优化解析模型；
[0008]利用混沌粒子群混合灰狼优化算法对优化解析模型进行计算，确定优化解析模型的最优解；
[0009]将最优解带入解析表达式，确定待检测的电网设备采集系统的故障诊断结果
。
[0010]可选地，根据获取的待检测电网设备采集系统的元器件动作构建电网设备采集系统的解析表达式，包括：
[0011]获取待检测电网设备采集系统的元件动作，并将元件动作进行动作期望表示，确定元件动作期望；
[0012]根据元件动作期望，构建解析表达式
。
[0013]可选地，元件动作期望包括：主保护动作期望
R
m
＝
S
＝
1、
第一后备保护动作期望
R
p
＝1‑
R
m
＝
1、
第二后备保护动作期望
R
s
＝1‑
R
m
‑
R
p
＝
1、
断路器失灵保护
R
cbf
＝1‑
C、
断路器动作期望
C
＝
R
，其中
[0014]S
表示元件集，
R
为与
S
相关联的保护集，
C
为与
R
相关联的断路器集
。
[0015]可选地，解析表达式为：
[0016][0017]式中，符号分别表示逻辑运算“或
、
非
、
等价变换”，
f
r
、f
c
分别表示保护和断路器的期望激励，
m
r
、m
c
分别为保护和断路器发生的误动，
d
r
、d
c
分别为保护和断路器发生的拒动，
w
r
、w
c
分别为保护和断路器发生的告警信息的误报，
l
r
、l
c
分别为保护和断路器发生的告警信息的漏报，
e
r
、e
c
分别为保护
、
断路器告警信息错误的误报和漏报的合集，
S
为故障范围内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电网设备采集系统的故障诊断方法，其特征在于，包括：根据获取的待检测电网设备采集系统的元器件动作构建所述电网设备采集系统的解析表达式；根据所述解析表达式，构建所述电网设备采集系统的优化解析模型；利用混沌粒子群混合灰狼优化算法对所述优化解析模型进行计算，确定所述优化解析模型的最优解；将所述最优解带入所述解析表达式，确定待检测的所述电网设备采集系统的故障诊断结果
。2.
根据权利要求1所述的方法，其特征在于，根据获取的待检测电网设备采集系统的元器件动作构建所述电网设备采集系统的解析表达式，包括：获取待检测所述电网设备采集系统的元件动作，并将所述元件动作进行动作期望表示，确定元件动作期望；根据所述元件动作期望，构建所述解析表达式
。3.
根据权利要求2所述的方法，其特征在于，所述元件动作期望包括：主保护动作期望
R
m
＝
S
＝
1、
第一后备保护动作期望
R
p
＝1－
R
m
＝
1、
第二后备保护动作期望
R
s
＝1－
R
m
－
R
p
＝
1、
断路器失灵保护
R
cbf
＝1－
C、
断路器动作期望
C
＝
R
，其中
S
表示元件集，
R
为与
S
相关联的保护集，
C
为与
R
相关联的断路器集
。4.
根据权利要求3所述的方法，其特征在于，所述解析表达式为：式中，符号
“‑
，”分别表示逻辑运算“或
、
非
、
等价变换”，
f
r
、f
c
分别表示保护和断路器的期望激励，
m
r
、m
c
分别为保护和断路器发生的误动，
d
r
、d
c
分别为保护和断路器发生的拒动，
w
r
、w
c
分别为保护和断路器发生的告警信息的误报，
l
r
、l
c
分别为保护和断路器发生的告警信息的漏报，
e
r
、e
c
分别为保护
、
断路器告警信息错误的误报和漏报的合集，
S
为故障范围内元件类型参数，
r
为故障范围内的保护动作参数，
c
为故障范围内的断路器动作参数
。5.
根据权利要求4所述的方法，其特征在于，所述优化解析模型为：
V(S,R,C,E)
＝
∑
r∈R
(||e
r
||+w1||d
r
||+w2||m
r
||)+∑
c∈C
(||e
c
||+w1||d
c
||+w2||m
c
||)
式中，
(S,R,C,E)
为变量集合，
S
表示故障元件集，
R
为与
S
相关联的保护集，
C
为与
R
相关联的断路器集，
E
为故障告警信息错误集；等式右边的第一项反映保护的错误动作和错误警报的情况；等式右边第二项反映断路器的错误动作和错误警报的情况；
w1，
w2为相对权值
。6.
根据权利要求5所述的方法，其特征在于，所述混沌粒子群混合灰狼优化算法的速度和位置更新表达式为：
式...

【专利技术属性】
技术研发人员：窦健，郄爽，祝恩国，刘宣，刘兴奇，杜艺娜，李甲祎，王朝亮，
申请(专利权)人：国网浙江省电力有限公司，
类型：发明
国别省市：