【正文】 試結果。該診斷法介紹了采用分層信息和遺傳算法的優(yōu)點，論述了基于遺傳算法的分層信息故障診斷法的流程，并通過模型算例來證明了方法的有效性與準確性。如文獻 [19]就是將遺傳算法與人工神經網絡結合提出的新方法以及文獻 [20]將免疫，混沌和遺傳三個算法結合利用混沌運動的遍歷性以及隨機性產生初始種群，加快搜索的速度；利用免疫理論的濃度計算與調整加入新的 混沌 序列補充 種群，增加 了 種群的多樣性，避免陷入局部 的 最優(yōu)；交叉變異結束后在最優(yōu)解附近再 利 用混沌進行局部尋優(yōu)提高結果的 準確度 。 3) 深入理解采用遺傳算法診斷故障的方法，明確基于遺傳算法的故障診斷原理后建立復雜故障情況下的目標函數，確定其診斷流程。 2) 故障的分析：根據系統檢測到的故障信息進行一定的分析，來發(fā)現并找出故障，同時確定故障的嚴重程度和性質 。 2) 刀閘信息：目前的大部分的刀閘 信息一般都不傳遞給調度，只是保留在電廠的監(jiān)控系統里，提供給查詢使用，主要原因是其數據信息量過大。 近后備保護（第一后備保護）：變壓器的近后備 保護 用于當 主 保 護發(fā) 生 拒 動后引起動 作跳 開 變 壓器兩端 的所有 斷路 器。 5 故障區(qū)域識別 這里通過變電所為例子來說明故障區(qū)域的識別問題。 一般變電站的網絡拓撲結構通常是支路集合以及節(jié)點集合組合成的，其中支路又是通過一個或者是多個 串 聯 的 裝 置 構 成。 規(guī)則 B 判斷支路 iE 和節(jié)點 iN 是否在一個連通區(qū)域范圍內的定義： 1) 支路 如果 是連通的， 那么該 支路 以及所在 兩端 的 節(jié)點 都 屬 于同 一個區(qū)域 范圍 。 當變電站有故障發(fā)生的時候，一般只會有少數的支路發(fā)生合與斷，所以在每次故障診斷的時候都檢測所有的支路并確認停電范圍明顯是很不 必要的。 2) 如果支路的兩端節(jié)點最開始屬于不相同的兩個連通子圖 G1 和 G2，那么就合并這兩個子圖 G1 與 G2 成為一個新的連通子圖 sG ，這個 sG 包括 G1 和 G2 的全部支路以及節(jié)點，同樣包括 iE 。 變電所網絡拓撲結構一般通過停電區(qū)域的劃分可以分成多個連通的區(qū)域，再進一步經過電源點的檢測來確定停電的區(qū)域以及帶電的區(qū)域，所有這些無源的連通區(qū)域并不是代表有故障點就會被保護切除，而是包括下列五種情況： 1) 停運設備區(qū)。 5) 由于下一級的元件設備故障，開關或 者是保護拒動導致本級后備動作，本級元件被斷電，并且和下一級元件同樣斷開的情況。其中圖 1 為專家系統的完整結構。 作為發(fā)展最早的人工智能系統之一，專家系統雖然已經有著較為成熟的理論知識體系，但是也存在很多缺陷在實際的應用中。在提出模擬神經元方法以后，人工神經網絡（ ANN）迅速的發(fā)展成為人工智能技術的又一個重要方法。 2) 容錯能力較強，能夠充分的達到任意較為復雜的非線性關系。其中第一屆的人工神經網絡（ ANN）在電力系統中的應用就于 1991 年在美國召開。 圖 3 三層前向人工神經網絡模型 基于優(yōu)化技術的方法 隨著電力系統的不斷進步，專家們研究出很多故障診斷方法技術。 基于優(yōu)化技術的診斷方法主要特點是在模型的原理上比較嚴密，很適合信息比較完整的電力系統故障診斷。 其他技術 除了以上這些故障診斷技術。最后還給出了目前存在的其他一些故障診斷方法。主要特點是不存在函數連續(xù)性和求導的限制，能直接對結構對象進行操作，并且具有更好的全局搜索最優(yōu)解能力和內在的隱并行性。這樣的覆蓋面積大，利于整體選擇最優(yōu)。 4) 遺傳算法采用的是概率的變化規(guī)律來處理其搜索方向。 遺傳算法的原理 遺傳算法是優(yōu)化技術中一個迭代的過程，并且在每一次的迭代中都會保留一組預備解。 選擇 算子 使用什么形式的方法對于形成匹配集對遺傳算法在性能上有著非常大的影響，可以通過把前一代種群中的串集的適應度，按照從高到低的順序進行排列，取排在最前面的串形成匹配集，但是這樣一來就不方便找到整體的最優(yōu)解，有可能會導致匹配集中的串的所對應的解在其范圍內會比較的集中。除了兩兩競爭的方法外，還有窗口法以及輪轉法等。 變異的主要目的是可以使在運算過程中遺失的某個重要數據得以恢復。目前的研究表示，使用下面的兩斷點的交叉方式會比上述的單斷點的交叉方式具有更好的效果。變異可在串的一位或者是多個位上發(fā)生，但通常使用一位變異的方法?？墒沁z傳算法同時要形成數學上嚴格的收斂判據是比較困難的。 2) 個體評價：計算 出種群 P(t)中 的每一個 個體的 適應度 。 將交叉算子作用 到種群中 。 群體 P(t)再 經過選擇、交叉、 計算 之后得到下一代 的種群 P(t 1)。 高級遺傳算法（ RGA） 高 級遺傳算法與簡單遺傳算法的步驟基本是一樣的，只有變異與交叉的方法不同，高級遺傳算法一般采用兩斷點交叉或者是均勻交叉的方法。而變異的概率是隨著迭代次數的增加而呈現線性增加的趨勢，其值在達到最大允許迭代次數時為 。 通過多種不同的結構，因為所選擇的方法和遺傳算法的多種多樣的實現方法，又可以得到很多不同形式的簡單遺傳算法和高級遺傳算法。近些年提出的基于優(yōu)化技術的方法，它們的基本理念思路就是根據保護動作的信息來將電網的故障診斷問題表示成 01 的規(guī)劃問題，之后就會利用基于遺傳算法的技術進行求解。而遺傳算法（ GA）則在這方面提供了一種不錯的方法，在一定的程度上克服了傳統方法在約束處理，局部搜索以及適應度函數標等方面存在的不足。參考文獻中對幾個算例的系統的測試結果表明，遺傳算法在計算的效率問題上比其它兩種方法要更好一些。 針對這一問題，專家們提出的方法是：對于每個路徑所在的每 個假設進行編碼，然后在假設中隨機性的選擇一個路徑作為單個個體，令它們作為初始的種群，再計算每一個單位的適應值，其和就是這個基因串的適應度。另外，電力系統故障診斷是利用保護裝置和斷路器的動作信息來判別電網中哪些元件發(fā)生了故障，故障種類以及其故障原因。遺傳算法在這個領域可以很好的解決發(fā)電調度、無功調度、網絡重構以 及潮流計算等相關問題。若主保護拒動，那么就使近后備的保護動作；如果斷路器拒動，那么就引起斷路器以及遠后備保護動作。 C 表示與 S 相關聯的斷路器集合（ ）。若設備故障，那么保護就會動作，動作期望irf： irnf = s （ 2） 2．近后備保護（第一后備保護） 令設備 ns 的第一后備保護為 jr ，若設備故障同時主保護 ir 未動作，那么近后備保護 jr 就會動作，動作期望jrf： jr n if = s r （ 3） 3．遠后備保護（第二后備保護） 令設備 ns 的第二后備保護為 lr ，在它的保護 范圍內為 ns 的臨近設備 xs 提供 遠后備保護，其中有以下兩種情況 lr 應該發(fā)生動作： ns 故障的同時其主保護和近后備未動作；設備1 2 3, Nc c c c????1 2 3, Nr r r r????1 2 3, Ns s s s????18 ( , )x l ns Z r s? 發(fā)生故障，并且所有在 lr 到 ks 相關聯的斷路器都在閉合的狀態(tài)。對于任意的保護的動作狀態(tài) 解析為： r r rr r r r r r r rr = f d ⊕ mdm ⊕ rd ⊕ rm ⊕ fm ⊕ f d = 0 （ 7） 類似的，對于任意一個斷路器 cC? ，它的跳閘狀態(tài)解析方程是： c c cc c c c c c c cc = f d ⊕ mdm ⊕ cd ⊕ cm ⊕ fm ⊕ f d = 0 （ 8） 聯立（ 7）與（ 8）得到的就是方程（ 1）的完全解析模型表達。解析集可以寫成（ S， R， C， M， D）的形式，所以方程組（ 1）的解集是（ n 為極 小項的數量）? ?( , , , , ) | 1i i i i iS R C M D i n??。就如同，一個故障設備通過解析模型有可能會被認定成非故障設備，而一個可疑故障中的非故障設備，也可能通過解析模型被認定成故障設備。第三和第四項分別反映的是保護和斷路器的拒動與誤動情況，第五項是模型約束項。函數中， S 在 G 中用作診斷的結果； M 和 D 主要用于對斷路器以及保護的動作做出評價；然20 后將保護以及斷路器的動作狀態(tài) R 和 C 接受到的警告信息 R`以及 C`對比，就可以得到對警告信息的評價：對 irR?? ? ，若 是 ir? =1 并且 ir =0，那么 ir? 就是誤報；若是 ir? =0 并且 ir =1，那么 ir?就是漏報；只有當 1iirr? ? ? 時或者 0iirr? ? ? 時， ir? 才是正確的。 所以通過遺傳算法中的變異步驟，來增強其局部的搜索能力，對（ 12）算法進行修改后得到： i ,d 1 1 ,d i ,d i ,d2 2 ,d g ,d i ,dv ( t + 1 ) = a h ( t ) [ p ( t ) x ( t ) ] + a h (t)[p (t) x (t)] （ 13） 1） 若是 i,d i,dS[ h (t ) v (t + 1) ]，則 i,d i,dx ′ (t + 1) ≠ x (t )；反之，則i,d i,dx ′ (t + 1) = x (t)。 2) 通過 S 和 C 來確定保護集 R 3) 對于在 R 和 C 內的保護規(guī)則進行計算解析，然后求得 ,rcff。 7) 得到的最優(yōu)解就是故障診斷出來的故障模式 * * * * *( , , , , )S R C M D。 124 個保護設備：主保護有 A1m， A2m，? A4m； B1m， B2m，? B8m； T1m， T2m，? T8m以及 L1Sm， L2Sm，? L8Sm， L1Rm， L2Rm， L8Rm。 圖中的 A 和 B 都表示母線 ， L 代表線路， T 代表變壓器， S 和 R 代表線路的首末兩端， m 代表主保護， p 代表近后備保護（第一后備保護）， s 代表遠后備保護（第二后備保護），還有 f 表示斷路器的失靈保護。 通過以上收到的警告信息，能夠確定： 1 2 23{ , ,... }R r r r? ? ? ? ?={1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0}； 1 2 10{ , ,... }C c c c? ? ? ? ?={1, 1, 1, 0, 1, 1, 0, 1, 1, 1}。同時為了方便收斂，在初始群的 R 與 C 分別在 R` 與 C` 附近取值， M 與 D 部分未確定的 分量 在零向量 的附近取值。 3) 部分斷路器 QF4， QF6， QF8， QF12， QF13， QF16， QF19， QF27 斷開。從保護以及斷路器的故障診斷信息中獲得相關結論。并且，隨著電網自動化水平的不斷提高，越來越多的自動裝置應用到電力系統中，當電網發(fā)生故障時，大量的報警信息會迅速地、不加選擇地涌入控制中心，特別是同時出現多種故障并伴隨有保護和斷路器拒動、誤動的情況時，故障診斷問題將會變得異常復雜。主要存在以下幾點內容： 1）診斷更大的電網，考慮更多的故障類型。 在完成論文的過程中，還遇到了很多其它問題以及在處理過程中存在各種各樣的不足，這將成為我今后學習、研究的目標，以使得本文建立的基于遺傳算法復雜電網故障診斷的模型得到不斷 的完善和改進。故在后續(xù)學習中，可以考慮更大規(guī)模的電網，并按照實際配置的保護情況來建立診斷模型。 1. 研究成果 本文主要做了以下幾點工作： 1) 了解并介紹了電網故障診斷的相關內容以及其各種方法； 2) 深入的學習并介紹了遺傳算法在電網故障診斷中的原理以及其應用； 3) 通過建立解析模型并由案例分析驗證了其方法的有效性與可行性。不僅反映了本文所建立的模型以及目標函數的正確性，也說明了遺傳算法在復雜電網故障診斷中的可行性與有效性。 5) 根據對比 R*和 R`以及 C*和 C`可以知道 T3p 動作警告信息發(fā)生誤報并且保護 B2m 警告信息漏報。并且： S*= {1, 0, 1, 0, 0} R*= {1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0} C*= {1, 1, 1, 0, 1, 1, 0, 1, 1, 1} M*= {0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0} D*= {0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0} 上述所表示的是： 1) 母線 B2 以及變壓器 T3 同時發(fā)生故障。 故障診斷求解以及結果分析 通過以上的相關故障診斷的警告情況結果，確定出優(yōu)化后的目標函數： 23 i i i i23 1022i i i ii = 1 i = 123 101 r 2 r 1 c 2 ci = 1 i = 146 + 203ii = 1E(G) = (r