【正文】 水平具有重要意義。 (5) 對所建立的故障模型進行樣本測試和方法的分析比較。根據其開關和保護的動作情況，考慮單重故障和開關拒動的情況，對于各個區(qū)域分別建立建立變電站故障診斷系統(tǒng)的基礎原始決策表。 (2) 變電站的故障診斷以故障后所表現(xiàn)的征兆信息為分析和研究的基礎， 本文系統(tǒng)地分析了變電站故障數據的來源，并對變電站常見的故障進行了整理。同時考慮到變電站的擴建通常一次只針對某一個電壓等級，故將變電站按電壓等級劃分為多個相對獨立的區(qū)域，針對每個區(qū)域進行了診斷模型的建立，從而提高了診斷的靈活性和適用性。但利用粗糙集規(guī)則進行推理決策過程中，當數據量較大時，對規(guī)則進行查表匹配的計算量將特別大。目前變電站故障診斷課題面臨的主要問題是故障信息的不確定性和不完備性。這樣它們各自的優(yōu)點也就可以得到充分的發(fā)揮。這樣就可以利用Petri網理論在推理過程中的優(yōu)點，最終實現(xiàn)高效的診斷。首先，粗糙集理論不僅可以進行知識的約簡，還可以進行不確定信息的處理，最終可以實現(xiàn)知識的屬性優(yōu)選，可以獲得最佳的決策規(guī)則。如果先驗知識存在冗余信息，Petri網模型的規(guī)模就會過大，直接影響推理的效率。然而，Petri網方法不具備對知識加以處理的能力，只能進行知識的表達與推理。Petri網方法的知識庫系統(tǒng)具有結構規(guī)范、形式簡單的特點，所以空間搜索和推理的效率高。然而，利用粗糙集規(guī)則進行推理決策過程中，當數據量較大時，對規(guī)則進行查表匹配的計算量將挺大。運用粗糙集可以通過屬性和屬性值的約簡排除冗余的條件屬性和屬性值，獲得最簡的診斷規(guī)則。用于故障診斷的信息主要由繼電保護動作信號、斷路器動作情況、自動重合閘動作情況、故障錄波器信息等構成。 粗糙集結合Petri網方法的可行性分析變電站的故障診斷就是依據斷路器和保護的動作情況判斷故障元件、誤動作的斷路器和保護等，其中最為關鍵的是對故障元件的識別。另外，變電站中存在因為斷路器及保護裝置誤動或拒動、通信裝置故障等原因造成的信號不完備問題。它與概率統(tǒng)計和模糊集理論處理問題的方法都不相同，最大特點是只需要求解問題時要求處理的數據集合，其他的任何先驗信息都不沒必要提供，因此可以相對客觀的表達和處理不確定的問題。5. 粗糙集理論(Rough Sets Theory)上世紀末，Z．Pawlak教授等人提出了一種處理不確定問題和不精確數據的方法，粗糙集理論(Rough Sets Theory)。同時，對于時間特征要求高的行為，基本Petri網不具備描述能力。這個過程用Petri網絡描述特別適宜，因為它就是系統(tǒng)同時發(fā)生或次序發(fā)生的活動。電力系統(tǒng)的繼電保護的基本要求之一就是選擇性。它采用可視化描述離散事件系統(tǒng)的靜態(tài)結構及動態(tài)行為，易于理解。在運用模糊理論進行分析時，經常需要類似于基本概率指派函數、模糊隸屬函數和有關統(tǒng)計概率分布等的數據附加信息或先驗知識，而要獲得這些信息是有一定的難度的。將模糊理論引入到專家系統(tǒng)方法中，推理就由精確向近似轉變，專家系統(tǒng)的容錯能力也就得到了極大的提高。該理論更加符合人類的表達習慣，其知識庫利用語言變量來使用專家掌握的經驗。由于它缺少對診斷結果進行解釋的功能，運行人員在理解結論時存在一定障礙。(3) 在執(zhí)行速度方面，神經元之間相對獨立，都是各自進行計算，這樣有利于系統(tǒng)內事件的并行處理，所以執(zhí)行速度相對還是比較快的。除此之外，人工神經網絡還具有以下優(yōu)勢：(1) 在學習的能力方面，人工神經網絡的學習過程首先是確定其基本結構，緊接著用算法進行樣本的訓練，最終完成自身對知識的理解和組織。2. 人工神經網絡(Artificial Neural Network)人工神經網絡(Artificial Neural Network)是一種采用模仿人類神經系統(tǒng)工作的原理來進行信息傳輸、處理的人工智能方法。由此可見，及時更新專家系統(tǒng)的知識庫是一項費時費力的工程。當故障后，尤其保護裝置和斷路器錯誤動作或者丟失動作信息的時候，專家系統(tǒng)不能有效識別，易產生錯誤診斷。(2) 專家系統(tǒng)畢竟不能像人類一樣具有對新事物的學習能力，所以一旦發(fā)生儲備知識庫里無法搜索到的新故障情況，將導致專家系統(tǒng)的錯誤診斷或不診斷。另外，專家系統(tǒng)在可以快速處理數學解析法不能解決的問題的同時，還能大幅縮小需求解問題的知識搜索范圍、減少推理路徑，加快解決問題的速度、提高推理效率。作為專家系統(tǒng)的創(chuàng)始人之一，費根鮑姆（E．A．Feigenbaum）認為該系統(tǒng)不是一個普通的應用軟件，而是一種智能化的計算機程序，可以像專家一樣，運用豐富的儲備知識和嚴密的推理步驟解決復雜的問題。1. 專家系統(tǒng)(Expert System)最早開發(fā)的人工智能技術就是專家系統(tǒng)(Expert System)。由于人工智能技術可以模仿人類的思維方式和處理問題的過程，并具有類似人類的學習能力和經驗積累，使得這一技術在故障診斷領域里脫穎而出。 國內外研究成果故障診斷問題的研究，可以追溯到上個世紀的60年代，當時的研究者們試圖使用傳統(tǒng)數學建模的方法來解決這個問題，但是由于故障診斷的過程和計算技術非常復雜，無法用傳統(tǒng)的數學模型和計算方法來描述，以致對變電站故障診斷問題的研究進展極其緩慢。這將使現(xiàn)場人員極易產生誤判斷和誤處理，以致擴大事故范圍，拖延故障恢復時間，甚至發(fā)展成更為嚴重的停電事故。如果出現(xiàn)復雜的多重故障、斷路器或保護出現(xiàn)動作不正常（拒動、誤動）、告警信號受干擾丟失等情況時，故障診斷的復雜性問題更會嚴重凸顯。這些二次設備會當變電站發(fā)生故障時產生大量諸如斷路器跳閘、保護裝置告警、保護動作、故障錄波器動作等等的報警信息。如何令運行人員快速準確地找到故障位置，辨識、隔離真正的故障元件，使非故障區(qū)域迅速恢復至故障前狀態(tài)，增強供電的可靠性和連續(xù)性，是目前的急需解決的問題。這也就使得變電所的故障對電力系統(tǒng)的影響范圍及嚴重程度大大增加。改革開放以來，電網的規(guī)模隨著電力系統(tǒng)的發(fā)展越來越大，不同區(qū)域電網之間的聯(lián)系也越來越緊密。變電站故障診斷就是將故障征兆信息從變電站的某些檢測量中提取出來，然后通過對這些信息的分析與處理，判斷出故障的位置和根源。第1章 緒　　論 本課題的目的和意義在電力系統(tǒng)中，電能的集中和分配、電壓和電流的變換都是在變電站中實現(xiàn)的。作為電力輸配電系統(tǒng)中極其關鍵的環(huán)節(jié)，變電站通過變壓器將各級電壓的電網聯(lián)系起來。其中，包括保護開關動作、斷路器跳閘等的故障征兆信息，由變電站監(jiān)控系統(tǒng)和故障錄波器的檢測量提供，而判斷出的故障根源一般是輸電線路、變壓器、母線和無功補償設備等。各類電壓等級的變電站數量歷年遞增，導致電網結構愈加復雜。同時，各地電力公司正逐步建立和完善集控站系統(tǒng)，越來越多的變電站實現(xiàn)了無人值守，且用戶對電能質量的要求越來越高。與此同時，變電站不斷提高其綜合自動化的水平，繼電保護與自動裝置在變電站中得到了越來越多的應用。變電站發(fā)生故障的瞬間，這些報警信息會不加選擇地出現(xiàn)在監(jiān)控系統(tǒng)的異常窗口內。這種情況下，調度運行人員在很短的時間內要閱讀這么多未經任何加工處理的報警信息，理解其中的含義并抓住報警信息的實質是相當困難的。因此研究變電站智能化故障診斷方法，為調度及運行人員提供輔助判據具有重要的理論意義與實踐指導作用。進入七八十年代的中后期，隨著人工智能技術的迅猛發(fā)展，研究者們也從中找到了一條研究電網故障診斷問題的新路，即：將人工智能技術與電網故障診斷相結合。目前，將國內外在變電站故障診斷領域應用的人工智能方法進行歸納，可以分為以下幾類：基于專家系統(tǒng)(Expert System)的方法、基于人工神經網絡(Artificial Neural Network)的方法、基于模糊理論(Fuzzy Theory)的方法、基于Petri網的方法、基于粗糙集（Rough sets）的方法、基于Agent技術、小波分析（Wavelet Analysis）的方法等。它也是眾多人工智能技術中發(fā)展相對成熟的一種。專家系統(tǒng)不僅能合理利用各種資料中的理論知識來處理各種定性的問題，而且還可像專家一樣進行總結并運用實際經驗來求解非定性問題。盡管專家系統(tǒng)可以在模擬故障診斷專家的基礎上有效地完成故障診斷過程，但是在實際應用過程中仍然不可避免有一定的不足：(1) 由于知識的獲取以及對其完備性的驗證是一個很困難的過程，因此怎樣獲取完備的知識庫成為故障診斷專家系統(tǒng)的瓶頸問題就在所難免了。(3) 專家系統(tǒng)沒有較好的容錯能力。(4) 由于電力網絡的結構和自動化裝置的配置不斷變化，作為故障診斷的專家系統(tǒng)，其儲備的知識庫隨之也會進行相應的修改、校核。因此，最近幾年專家系統(tǒng)呈現(xiàn)一些新的發(fā)展趨勢：①將ANN與專家系統(tǒng)結合，使之具備自學習與聯(lián)想的功能；②將模糊理論與專家系統(tǒng)結合，使之可以實現(xiàn)不確定性推理；③將粗糙集與專家系統(tǒng)結合，使其知識庫具有容錯能力。相較于專家系統(tǒng)，通過神經元及神經元間的有向權重連接來隱含處理那些系統(tǒng)的知識是其最大的優(yōu)點。整個學習過程結束后，人工神經網絡還具備了一定程度的泛化能力；(2) 在容錯能力方面，即使輸入信號帶有一些噪聲干擾，人工神經網絡也可以輸出正確的結果，容錯的能力相對還是比較強的。當然，在故障診斷領域的應用中，ANN也存在以下的幾點問題：(a) ANN不能夠對電網拓撲結構進行描述和表示，所以通常只能在一些規(guī)模較小的并且采用固定接線的電網中應用；(b) 在應用ANN分析處理問題前，需要學習足夠多典型的樣本，另外學習過程所采用的算法往往收斂的速度不快；(c) ANN不善于分析那些帶有啟發(fā)性的知識。3. 模糊理論(Fuzzy Theory)模糊理論(Fuzzy Theory)是通過對傳統(tǒng)的論模糊化，同時引入語言以及近似推理的邏輯來解決任何不確定性問題的一種智能化技術。故障診斷中不可避免的存在不確定因素，而專家系統(tǒng)要求匹配一致，否則極易產生錯誤結果。模糊理論也不可避免地存在一定的不足。4. Petri網(Petri net)Petri網(Petri net)是在年間由德國數學家提出的一種通用的數學模型。同時因為Petri網能夠描述離散事件系統(tǒng)的結構，所以它可以抓住系統(tǒng)中事件的先后和異同步等特征。當電網發(fā)生故障時，各類保護會有選擇地切除故障。在利用Petri網理論對大型電網建模時，設備增多與網絡擴大會導致狀態(tài)的組合爆炸。因此采用高級Petri網進行大型復雜系統(tǒng)的建模勢在必行。該方法研究的對象是不完整數據，可以處理不精確的知識，并對知識進行學習和歸納。變電站的故障診斷可以歸結為模式分類問題，粗糙集決策表方法對于解決這類問題是相當適宜的。粗糙集理論在容錯力方面的優(yōu)勢在解決該問題上可以充分發(fā)揮。因為一旦識別出了故障元件，就可以利用保護動作的原理結合邏輯推理對誤動作的斷路器和保護進行識別。這些信息之間有很強的因果關系，一些信息通常是由另一些信息的出現(xiàn)而產生，也就是說這些信息之間的冗余度很高，這也為粗糙集的應用提供了必要條件。其診斷效率大大提高。Petri網理論在有向圖和矩陣運算的基礎上，對系統(tǒng)的靜態(tài)結構和動態(tài)過程進行描述和推理的一種方法。Petri網可以利用簡單的矩陣運算演繹推理的動態(tài)過程，求解速度快，可用于變電站的實時故障診斷。換句話說它的建立就是依靠先驗知識。在使用規(guī)則知識進行決策和推理的這個問題上，粗糙集理論和Petri網理論可以很好的進行互補。其次，將這些決策規(guī)則用Petri網理論進行描述建立模型。將粗糙集理論和Petri網理論進行結合，不僅僅可以克服粗糙集的查表搜索過程計算量大的問題，還可以解決Petri網絡的先驗知識存在冗余性問題。 本課題研究的主要工作通過閱讀大量文獻，本文分析了變電站故障診斷的特點以及故障診斷信息的來源，系統(tǒng)全面地對國內外變電站故障診斷的方法進行了歸納和總結，在此基礎上對變電站故障診斷問題進行了探索和研究。這類問題很適合用粗糙集(RS)理論來解決。因此本文將Petri網和粗糙集理論相結合，利用Petri網對粗糙集理論提取出的診斷規(guī)則進行描述，再利用Petri網并行推理的能力，實現(xiàn)了高效的變電站故障診斷。主要的研究內容如下： (1) 針對粗糙集理論及Petri網模型的特點，對粗糙集理論結合Petri網方法在變電站故障診斷應用中的可行性和優(yōu)勢進行分析，確立了基于粗糙集理論和Petri網模型的變電站故障診斷方法。 (3) 以實際的110kV變電站為例，將其按電壓等級劃分為多個相對獨立的區(qū)域。 (4) 利用粗糙集理論對各個區(qū)域的原始決策表進行屬性約簡及屬性值約簡，提取出診斷規(guī)則，然后用Petri網對診斷規(guī)則進行描述，建立了各個區(qū)域診斷模型。結果表明：該方法確是一種快速準確、容錯性強、適應性好的變電站故障診斷方法，對高效地進行變電站在線故障診斷具有重要的意義。SCADA()與變電站的運行監(jiān)測系統(tǒng)為運行人員提供了對變電站進行監(jiān)視和控制的平臺。而且SCADA系統(tǒng)采集的信息還不能完全滿足現(xiàn)場運行的需要。準確的故障診斷主要由以下兩個方面來決定：（1）故障診斷是否采用了準確、完整的信息；（2）故障診斷是否采用了可靠的診斷方法。由于故障來源和故障信息傳輸、處理的速度不同，各個信息對于故障診斷的作用也不一樣，通常情況下，繼電保護和斷路器的動作信號反應最快，用于快速故障診斷和隔離，故障錄波器信息最為全面，一般用于事故追憶。它以計算機為基礎，監(jiān)視和控制現(xiàn)場的運行設備，從而實現(xiàn)了數據采集、參數調節(jié)、設備控制、測量以及各類信號報警等多種功能，也就是人們熟知的四遙。在現(xiàn)今的變電站綜合自動化建設中，SCADA系統(tǒng)以微機保護裝置和RTU為信息源，運用計算機系統(tǒng)監(jiān)視和操控變電所的控制、信號、測量等回路，并以此取代傳統(tǒng)的監(jiān)控屏，成功的減少了變電所的設備投資以及占地面積，提升了二次設備的可靠性。 圖21 SCADA系統(tǒng)結構示意圖目前，變電站使用的現(xiàn)場遠方量測終端（RTU）裝置有兩種，分別為布線式數字遠動裝置和微機遠動裝置，主要實現(xiàn)的功能如下：(1)收集變電站現(xiàn)場的量測量以及狀態(tài)量等數據，即遙測遙信數據。(2)對采集的數據進行一些基本處理，包括：量測量的死區(qū)比較、狀態(tài)量的變位比較以及越限的告警等。SCADA系統(tǒng)是現(xiàn)場設備和人之間聯(lián)系交流的一個重要平臺。其次，在遠方終端(RTU)中通過多路采樣、模數轉換和抗干擾編碼三個環(huán)節(jié)將直流電壓信號處理成了數字信號，繼而采用調幅、調頻和