國網嘉興供電公司電力調度控制中心、國網浙江省電力公司培訓中心培訓管理部的研究人員陳國恩、李偉、張仲孝，在2018年第1期《電氣技術》雜志上撰文指出，隨著電力系統規模的不斷擴大，電力系統智能化的要求越來越高，電網故障診斷已經成為電力系統研究的重點。

本文結合以往先進的技術和經驗，引入知識表示的方法將故障信息進行轉化，構建了基于知識表示的電網故障診斷策略。采用分布式的架構建立了電網故障診斷模型，使得電網故障的診斷的效率得到有效提高。最終通過測試對系統的診斷效率和診斷的準確性進行了測試。

隨著電力系統規模的不斷擴大，設備的不斷增多，電力系統故障日趨復雜，其診斷難度也越來越大。目前多種人工智能算法模型被提出并得到應用[1]。本文基于以往的研究基礎，利用知識表示的方法，構建了電網故障診斷的算法模型，通過分布式診斷架構的建立，提高了電網故障診斷的效率和診斷結果的準確性，取得了較好的診斷效果，具有一定的參考意義。

1 知識表示的故障診斷算法

圖1 系統躍遷系數

在故障診斷過程中，將保護目標以托肯的形式封裝并集中到數據庫。在系統運行過程中，如圖1所示，NCBi是斷路器庫CBi里托肯的延展系數，一旦線路變遷導致托肯躍遷，延展系數則進行減1操作，托肯系數的躍遷將在延展系數等于零時終止，最終對final庫中的托肯進行分析，確定系統故障設備[2]。

圖1（a）中線路L1出現故障后，則保護開關CB1動作而CB2處保護不動作，而CB4由于距離保護Ⅲ段條件滿足而動作。系統中L1、L2以及B1的托肯躍遷如圖1的(b)、(c)、(d)所示。由于L1、CB1以及CB4的托肯能夠躍遷到final庫中，而L2和B1，CB1的托肯無法到達final庫，則得出可能存在問題的設備為L1。

知識表示的故障診斷計算步驟如圖2所示。

圖2 知識表示的故障診斷流程

2 電網故障分布式診斷結構

2.1 故障數據收集系統結構的構建

如圖3所示，在數據收集的集中式處理系統中，廠站側的故障信息收集完成以后，通過電話向調度中心服務人員上報，再經由服務人員上報調度人員，同時，智能監控系統將采集到的系統信息上傳到調度中心，調度人員通過對各類信息的匯總分析進行故障診斷，對事故進行處理[4]。

傳統的傳輸機制耗費力較多的時間和人力資源，已經難以滿足智能電網發展的需求。其輪詢處理的工作方式，由于下級服務器大量的傳輸數據很容易導致通信數據堆積，造成通訊擁堵甚至信息丟失[5]。

針對以上的問題，本文采用了分布式信息收集系統結構，把上層應用和信息的獲取相獨立，利用數據網格對故障信息進行獨立分析，從而為上層診斷功能提供了更加簡便統一的接口，并且由于調度中心只需接收診斷結果，系統網絡堵塞的問題得到解決，同時診斷效率也提高了[6]。

圖3 故障診斷系統優化

2.2 故障的分布式診斷架構

整個系統的架構分為三層。變電站層提供了故障診斷的基礎數據。客戶端軟件可以直接讀取保護和開關量狀態，而對于歷史曲線，由于需要占用較大的存儲空間，須在服務器中進行存檔后在進行上傳，綜合數據服務器可執行其他數據信息的上傳[7]。

位于中間位置的網絡層，其主要功能在于故障數據的整理和分配，為確保系統的可靠性和安全性，網絡層的通訊往往通過電力系統的專用網絡進行。而上層的調度部分，其主要包括故障診斷分析模型。

故障診斷服務器將所需的設備運行狀態以及保護信息進行收集分析，并根據相應的診斷模型進行故障分析，得出故障設備并生成故障分析報告[8]。診斷系統的分層結構如圖4所示。

圖4 診斷系統的分層架構

基于知識表示的電網故障診斷方法，采用多種知識表示對故障信息進行描述，更加完美的表述了元器件間的聯系，系統中主保護、后備保護等各種保護的性能參數得到更好的傳承，有利于系統的統一建模，算法和診斷方法更加科學、完善。

3 診斷系統平臺的應用

我們對某地區的電網為例進行測試分析，該地區中變電站共有9個，中轉路由有4臺，數據服務器有2臺。對診斷系統的診斷消耗時間以及準確率進行測試。圖5為系統診斷過程。

圖5 故障診斷過程

圖中t1為故障報警信息采集消耗的時間，t2為處理分析外圍數據消耗的時間，t3是故障診斷分析消耗的時間[9]。我們對上文中的故障診斷模型和傳動的診斷模型進行對比測試。

當系統故障波及的變電站有兩個，簡單接線和復雜接線各有兩個時，測試結果如表1所示。

表1 測試結果

當故障波及的變電站數量為7，簡單接線和復雜接線數量分別為3和4時。系統診斷的測試結果如表2所示。

表2 測試結果

從測試結果可以看出，分布式的故障診斷模型的效率相對較高。其原因在于報警信息不經過路由器直接進入網絡，多個服務器共同分擔故障區域和保護可靠性的分析計算任務，系統耗時大大減少，同時分布式計算模型的應用使得診斷過程消耗的時間大大縮短[10]。診斷系統綜合耗時對比如圖6所示。

圖6 診斷系統綜合耗時對比

此外通過實際應用對比，傳統診斷系統的診斷準確率大約為0.96，而分布式診斷模型的診斷準確率達到了0.99，可見該模型診斷結果具有較高的可靠性。

4 結論

電網故障診斷是電力系統日常運行維護面臨的重點和難點問題。本文采用知識表示的方法對電力系統故障進行分析和判斷。并針對傳統的故障診斷系統結構存在的問題，引入了分布式的故障診斷架構模型，對診斷系統進行分層，使得電網故障診斷的時間消耗大大減少，從實驗測試結果可以看出，分布式架構的診斷效率和診斷的準確性都比較高，整個診斷系統獲得較好的效果。