【正文】 統(tǒng)故障診斷方面 [6~7]。后來(lái)，專(zhuān)家們也嘗試將人工神經(jīng)網(wǎng)絡(luò)（ ANN）的方法運(yùn)用到電力系統(tǒng)的故障診斷中 [8~9]，但是該方法的有效性卻因樣本的合理選取上略顯一般，對(duì)于大型的電力系統(tǒng)要形成一個(gè)完整的樣本集非常困難，使其結(jié)果的準(zhǔn)確性在理論上無(wú)法得到保證。而近些年，提出基于優(yōu)化技術(shù)的方法，其原 理是根據(jù)按照元件故障，保護(hù)動(dòng)作和開(kāi)關(guān)跳閘之間的邏2 輯關(guān)系，將故障診斷問(wèn)題表示為 01 這樣無(wú)約束的規(guī)劃問(wèn)題，然后利用優(yōu)化技術(shù)求解。文獻(xiàn) [13]簡(jiǎn)要的介紹了遺傳算法的研究現(xiàn)狀，它是由美國(guó)學(xué)者 Holland 于 1975 年首次提出，是模擬自然界生物進(jìn)化的計(jì)算模型。與傳統(tǒng)的優(yōu)化技術(shù)所 不同的是，遺傳算法對(duì)于求解問(wèn)題不會(huì)涉及常規(guī)問(wèn)題求解的數(shù)學(xué)過(guò)程。 因此在電力系統(tǒng)的故障診斷中基于遺傳算法的研究尤為重要，文獻(xiàn) [14~16]分別是基于遺傳算法的電力系統(tǒng)故障診斷的解析模型與算法的三部分。這種模型在一定程度上解決了保護(hù)信息不完整時(shí)的電力系統(tǒng)的 故障診斷問(wèn)題。 第二部分在第一部分的基礎(chǔ)上，先是提出了利用計(jì)算機(jī)自動(dòng)形成故障診斷的目標(biāo)函數(shù)的方法，是實(shí)現(xiàn)在線故障診斷分析的必要階段，然后介紹了為浙江省供電局設(shè)計(jì)的在線故障診斷檢測(cè)軟件的組成結(jié)構(gòu)以及功能 。算例分析表明該文基于保護(hù)設(shè)備與斷路器故障診斷的數(shù)學(xué)模型是正確的，遺傳算法的應(yīng)用有效 可靠，并且通過(guò)聯(lián)合應(yīng)用故障區(qū)域的識(shí)別法，提高了故障診斷的速度。在不失信息的可靠性和完整性的基礎(chǔ)上，把系統(tǒng)采集到的信息按時(shí)間的優(yōu)先級(jí)劃分為以下三層：遙信變位信息，遙測(cè)信息以及 錄 波信息。 當(dāng)然，目前國(guó)內(nèi)外對(duì)于遺傳算法的研究也都尚不完善，文獻(xiàn) [18]就遺傳算法提出了一些改進(jìn)。 另外，為了更好的適應(yīng)現(xiàn)代電力系統(tǒng)，提高其穩(wěn)定可靠性，人們將遺傳算法與其他技術(shù)結(jié)合來(lái)研究出新型算法。當(dāng)然，這些研究都還不夠成熟完善，要適應(yīng)現(xiàn)在以及未來(lái)發(fā)展的電力系統(tǒng)應(yīng)用還需要做很多方面的分析與研究。 2) 從 電網(wǎng)故障診斷的目標(biāo)、數(shù)據(jù)源及方法的角度，撰寫(xiě)電網(wǎng)故障診斷方法綜述。 3 4) 通過(guò) 實(shí)際案例結(jié)果 驗(yàn)證方法的有效性 與可靠性。 電力系統(tǒng)故障診斷的基本內(nèi)容包括： 1) 故障的檢測(cè)：根據(jù)相關(guān)監(jiān)測(cè)措施手段，測(cè)量正在運(yùn)行的設(shè)備的各種數(shù)據(jù)，來(lái)用作判斷故障的依據(jù)。 3) 故障的評(píng)價(jià)：在故障的分析檢測(cè)后，通過(guò)對(duì)故障的位置，程度以及性質(zhì)對(duì)整個(gè)電力系統(tǒng)的影響做出一定判斷，明確影響程度和故障等級(jí)。 根據(jù)系統(tǒng)的數(shù)據(jù)信息，可以將電力系統(tǒng)故障信息分類(lèi)如下： 1) 開(kāi)關(guān)信息：主要包含自動(dòng)重合閘 設(shè)備動(dòng)作引起的開(kāi)關(guān)閉合的信息與繼電保護(hù)器設(shè)備動(dòng)作引起的開(kāi)關(guān)合閘或跳閘信息。 3) 保護(hù)信息：事故或故障后保 護(hù)的動(dòng)作信息主要包含保護(hù)軟壓板狀態(tài)報(bào)告，保護(hù)跳閘報(bào)告，保護(hù)自檢報(bào)告以及保護(hù)錄 波 報(bào)告等。 保護(hù)動(dòng)作 類(lèi)型 通常故障區(qū)域內(nèi)動(dòng)作的保護(hù)可以分為以下 3 種： 主保護(hù)：母線的主保護(hù)在動(dòng)作時(shí)會(huì)跳開(kāi)所有與該母線直接相連的斷路器，變壓器主保護(hù)在動(dòng)作時(shí)會(huì)跳開(kāi)其兩端的所有斷路器，線路的主保護(hù)在動(dòng)作時(shí) 會(huì)跳開(kāi)所有與該線路 直接相連的 斷路器。線路的兩個(gè)第一后備保護(hù)用于當(dāng)主保護(hù)拒動(dòng)時(shí)引起動(dòng)作跳開(kāi)線路兩端的全部斷路器。跳開(kāi) 相鄰區(qū)域內(nèi)的全部斷路器，完成隔離并切除故障的目的。變電所的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可以看作是一個(gè)圖 G=（ N， E）， N 是節(jié)點(diǎn)的集合， E 是支路的集合。其中 G`屬于集合 G， N`屬于集合 N， E`屬于集合 E。變電所的網(wǎng) 絡(luò) 拓 撲在發(fā)生變化時(shí)主要是支路的連 通 狀 況 發(fā)生變化而引起的，而支路的斷開(kāi)與聯(lián)通則主要取決于支路上設(shè)備的連通狀況。 “與”的 關(guān)系：支路上所有的串聯(lián)裝置都是閉合的狀態(tài)，支路才會(huì)是“連通”。 2) 支路如果是斷開(kāi)的，那么該支路就不屬于任意一個(gè)連通的區(qū)域。如果孤立的節(jié)點(diǎn)是屬于其他的節(jié)點(diǎn)，那么就不用考慮。為了增加實(shí)時(shí)性，防止重復(fù)的工作，進(jìn)一步的提高診斷效率，在診斷的模塊啟動(dòng)時(shí)，對(duì)變電所進(jìn)行一次網(wǎng)絡(luò) 拓?fù)鋭澐忠约皩?duì)變電所 所有的支路完成變電所的連通 區(qū)域的劃分。 由于所含的開(kāi)關(guān)設(shè)備閉合而引起原來(lái)斷開(kāi)的支路 iE 連通對(duì)網(wǎng)絡(luò)的拓?fù)溆绊懀? 1) 如果支路的兩端都屬于一個(gè)連通的子圖 sG ，那么 sG 就只增加 一個(gè)支路 iE 。 由于所包括的開(kāi)關(guān)設(shè)備斷開(kāi)而引起原連通支路 iE 不連通時(shí)對(duì)網(wǎng)絡(luò)拓?fù)溆绊懀? 1) 如果支路的兩 端節(jié)點(diǎn)之間依然有連通子圖 sG 的存在，那么 sG 所擁有的節(jié)點(diǎn)數(shù)量不會(huì)變，支路上會(huì)缺少 iE 。 這樣一來(lái)，當(dāng)有開(kāi)關(guān)關(guān)斷或閉合時(shí)，就只需要對(duì)幾條有關(guān)支路進(jìn)行判斷，即可以快速的得到新的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。 6 2) 由于保護(hù)以及開(kāi)關(guān)誤動(dòng)作導(dǎo)致的被誤操作斷電的區(qū)域。 4) 由于上一級(jí)的元件設(shè)備故障被切除而導(dǎo)致停電的區(qū)域。 電網(wǎng)故障診斷方法 專(zhuān)家系統(tǒng) 專(zhuān)家系統(tǒng)（ ES）在人工智能的領(lǐng)域中是最成功并且發(fā)展最早的一個(gè)方法，它是通過(guò)各項(xiàng)有機(jī)連接來(lái)利用計(jì)算機(jī)的技術(shù)將各專(zhuān)業(yè)領(lǐng)域的專(zhuān)家經(jīng)驗(yàn)和理論知識(shí)融合，使其達(dá)到解決各領(lǐng)域問(wèn)題的能力。 圖 1 專(zhuān)家系統(tǒng)的完整結(jié)構(gòu) 目前研究最多也較成熟的一個(gè)復(fù)雜電網(wǎng)故障診斷方法就是專(zhuān)家系統(tǒng)法，它有著比較成熟的理論體系及研究，并且能很有效穩(wěn)定的模擬出在故障診斷中的分析檢測(cè)過(guò)程。 在電力系統(tǒng)故障診斷上，根據(jù)其知識(shí)的表達(dá)和推算方法的不同，專(zhuān)家系統(tǒng)主要分為兩類(lèi)： 1) 基于啟發(fā)式規(guī)則推理。 基于規(guī)則基于框架基于案例基于模型基于網(wǎng)絡(luò) 圖 2 專(zhuān)家系統(tǒng)的發(fā)展 這些基于專(zhuān)家系統(tǒng)的診斷方法的主要特點(diǎn)是可以快速有效的把保護(hù)設(shè)備和斷路器的相關(guān)動(dòng)作和運(yùn)行人員的檢測(cè)診斷經(jīng)驗(yàn)通過(guò)規(guī)則表達(dá)出來(lái)，在確保診斷系統(tǒng)的準(zhǔn)確性和實(shí)時(shí)性同時(shí)能給出相應(yīng)的結(jié)論的情況下，在其知識(shí)庫(kù)中修改或者刪減增 加一些合適的規(guī)則，在故障診斷中，適合中小型的電力系統(tǒng)和電站的故障診斷。其中要去的完整的知識(shí)庫(kù)是專(zhuān)家系統(tǒng)在故障診斷中的一大難題。 人工神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)（ ANN）是模擬人類(lèi)神經(jīng)系統(tǒng)處理信息以及傳輸過(guò)程的一種人工 智能技術(shù)方法。人工 神經(jīng)網(wǎng)絡(luò)的出現(xiàn)為處理非線性問(wèn)題提供了一條新 的道路 。 相比于專(zhuān)家系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)最大的優(yōu)點(diǎn)就是采用了神經(jīng)元和它們之間有向權(quán)重鏈接來(lái)隱含處理相關(guān)問(wèn)題的理論知識(shí)，同時(shí)也有具有以下一些特點(diǎn)： 1) 自我組織，學(xué)習(xí)能力強(qiáng)， 能夠?qū)W習(xí)并適應(yīng)各種不確定關(guān)系系統(tǒng)的特性。 3) 神經(jīng)元間的計(jì)算性具有獨(dú)立性，所有的定量與定性的相關(guān)信息都均勻分布在網(wǎng)絡(luò)內(nèi)神經(jīng)元里。 隨著人工神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展，人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用越來(lái)越開(kāi)始活躍。目前來(lái)說(shuō)，在電力系統(tǒng)的故障診斷中，人工神經(jīng)網(wǎng)絡(luò)（ ANN）的應(yīng)用主要集中在以下幾方面： 1) 電力系統(tǒng)的負(fù)荷預(yù)測(cè)； 2) 故障診斷與警報(bào)的處理； 3) 可預(yù)測(cè)性分析與狀態(tài)的估計(jì)； 4) 動(dòng)靜態(tài)的 安全穩(wěn)定性估計(jì)； 5) 電力系統(tǒng)的無(wú)功優(yōu)化； 8 6) 暫態(tài)穩(wěn)定控制與運(yùn)行監(jiān)測(cè)系統(tǒng)。圖 3 就是人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)故障診斷中的模型。雖然都還不夠成熟，理論體系尚不 夠完整，但前景很不錯(cuò)，值得進(jìn)一步研究。主要包括遺傳算法，粒子群算法，模擬退火算法以及免疫進(jìn)化算法等，其中遺傳算法就是本文研究的重點(diǎn)。另外基于優(yōu)化技術(shù)的也存在許多的不足，主要有以下幾方面： 1) 在形成目標(biāo)函數(shù)的過(guò)程中，對(duì)于如何建立一個(gè)合理的電力系統(tǒng)故障診斷的解析模型，在考慮到多級(jí)的后備保護(hù)時(shí)會(huì)有些困難。 3) 因?yàn)閮?yōu)化技術(shù)需要迭代計(jì)算，所以其診斷速度是一個(gè)很大的影響因素。還有以下相關(guān)診斷技術(shù)：模糊集理論、小波分析法、 Petri 網(wǎng)絡(luò)以及粗糙集理論技術(shù)等一些，同時(shí)從數(shù)據(jù)采集的層面上進(jìn)行區(qū)分還有很多相關(guān)技術(shù)方法，另外也通過(guò)多種方法結(jié)合創(chuàng)造出更適合現(xiàn)代復(fù)雜的電網(wǎng)系統(tǒng)的故障診斷技術(shù)，例如遺傳算法與模擬退火技術(shù)相結(jié)合或是專(zhuān)家系統(tǒng)與人工神經(jīng)網(wǎng)絡(luò)結(jié)合的一種診斷方式，如圖 4 所示就是 人工神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng) 結(jié) 合的一種新方法 。然后簡(jiǎn)單介紹了故障診斷中專(zhuān)家系統(tǒng)以及人工神經(jīng)網(wǎng)絡(luò)，并說(shuō)明其特點(diǎn)與存在的問(wèn)題，以及未來(lái)的發(fā)展趨勢(shì)。通過(guò)本章的 知識(shí) ，我們明確了電力系統(tǒng)故障診斷的地位以 及重要性。 遺傳算法的基本原理 基本概念 遺傳算法（ GA）是一種隨機(jī)的搜索方法，它借鑒于生物界的進(jìn)化規(guī)律（優(yōu)勝略汰與適者生存）演化而來(lái)的。采用概率化的尋找最優(yōu)解方法，能自動(dòng)調(diào)整搜索方向并獲取指導(dǎo)優(yōu)化的搜索范圍，沒(méi)有規(guī)則的約束性。 遺傳算法特點(diǎn) 遺傳算法（ GA）具有以下一些特點(diǎn)： 1) 與傳統(tǒng)的一些優(yōu)化算法不同，遺傳算法不是從單個(gè)解數(shù)據(jù)進(jìn)行的，是從 問(wèn)題的串集解開(kāi)始搜索。 2) 遺傳算法對(duì)搜索范圍內(nèi)的多個(gè)解開(kāi)始篩選評(píng)估，能同時(shí)處理種群中的多個(gè)個(gè)體，減少了一定的風(fēng)險(xiǎn)，同時(shí)也讓遺傳算法更好的實(shí)現(xiàn)優(yōu)化。適應(yīng)度函數(shù)在它的定義域內(nèi)可以任意的設(shè)置，不受連續(xù)可微的限制。 5) 遺傳算法具有自主的學(xué)習(xí)以及適應(yīng)性，并且有著良好的自我組織能力。最后對(duì)篩選出來(lái)的解進(jìn)行操作處理，得到新的解。然后按照這些解的優(yōu)異性來(lái)進(jìn)行排列，通過(guò)遺傳算子中的交叉以及變異來(lái)對(duì)其運(yùn)算求解出新的預(yù)備解，一直重復(fù)該過(guò)程，直到求出滿足收斂為止。 2) 使用哪種 遺傳算子來(lái)對(duì)篩選出的解進(jìn)行運(yùn)算操作。所以使用隨機(jī)性的方法來(lái)構(gòu)成匹配集是一種相對(duì)來(lái)說(shuō)很好的方法。目前有一種比較好的方法就是采用隨機(jī)的方式兩兩競(jìng)爭(zhēng)，這樣保證了所加 入匹配集中的那些串有比較大的適應(yīng)值。 交叉與變異 交叉的主要目的是可以把兩個(gè)串中較優(yōu)良的遺傳到下一代的某個(gè)串中去，使該串擁有優(yōu)于其上一代的性能。尋求最優(yōu)的搜索過(guò)程主要就是通過(guò)交叉來(lái)得以實(shí)現(xiàn)的，它是遺傳算法中最重要的算子，所以一般說(shuō)它發(fā)生的概率會(huì)比較大。因?yàn)樵谶z傳中，如果出現(xiàn)某 一代的串的某些數(shù)字均是 0，那么它的后代的所有串中該位數(shù)將一直為 0，不會(huì)有 1 的出現(xiàn)，不論選擇和交叉的如何進(jìn)行。但變異的概率應(yīng)比較小，如果發(fā)生的概率達(dá)到 50%以上，那么遺傳算法就會(huì)變成隨機(jī)搜索了， GA 的一些重要的計(jì)算能力和數(shù)據(jù)特性將不會(huì)存在了。 對(duì)于 C 和 D 中的數(shù)字： C＝ 1 l|0 0 1 0 1|1 1 1 0 1 ； D＝ l 0|0 1 1 1 0|0 1 1 1 1 ， 其中，第 3 位與第 8 位是斷點(diǎn)，就是交叉點(diǎn)。比如 A 改變成 A? ： A=0 1 0 1 1 0 1 A? =0 1 1 1 1 0 1 A? 是 A 的第三位數(shù)字發(fā)生變異后的結(jié)果。變異的概率 Pm 一般來(lái)說(shuō)都給得比較小，一般在千分之一和十分之一之間，所以變異的數(shù)字的位置都是隨機(jī)確定。遺傳算法的范圍比較廣，因?yàn)槠錄](méi)有使用梯度等一些信息。 12 目前所使用的判據(jù)比較多，比如從最優(yōu)解的方面所確定 的收斂判據(jù)，在連續(xù)得到的解集中的最優(yōu)解無(wú)變化就會(huì)認(rèn)定 GA 是收斂的；或者通過(guò)所使用的計(jì)算機(jī)容量限制與計(jì)算時(shí)間來(lái)確定的判據(jù)，就是所給與的每一代解集中的串的數(shù)量與迭代的次數(shù)；或者是解集中的最優(yōu)解的適應(yīng)度跟其平均適應(yīng)度之差所占的百分比小于所給定的允許值等判據(jù)。 簡(jiǎn)單遺傳算法（ SGA） 簡(jiǎn)單遺傳算法（ SGA） 的 基本運(yùn)算 過(guò)程如下： 1) 初始化： 首先令 進(jìn)化代數(shù) 的 計(jì)數(shù)器 初始值 t=0， 然后 設(shè)置最大 的 進(jìn)化代數(shù) T，隨機(jī) 的 生成M 個(gè) 單位讓它們 作為初始 的種群 P(0)。 3) 選擇運(yùn)算 ： 選擇操作 就 是建立在 種群 中 每一個(gè) 個(gè)體的 適應(yīng)度 評(píng)估 的 基礎(chǔ) 之 上 ， 將選擇算子作用 到 群體 。 4) 交叉運(yùn)算：交叉是指把兩個(gè)父代個(gè)體的 一 部分結(jié)構(gòu)加以 更換 重組 然后 生成 的 新個(gè)體的操作 。 GA 中起 關(guān)鍵 作用的 就是 交叉 算子。 就 是對(duì)群體中的個(gè)體串的 一些基因 上的基因 做出相應(yīng)的 變動(dòng) 。 6) 終止條件判斷 ： 若 t=T,則以進(jìn)化過(guò)程中 得到的最大 適應(yīng)度 個(gè)體作為 最優(yōu)解 ， 最后 計(jì)算 終止。 13 開(kāi) 始產(chǎn) 生 初 始 種 群計(jì) 算 適 應(yīng) 度適 應(yīng) 度 時(shí) 候 達(dá) 到 期 望 值 或迭 代 次 數(shù) 是 否 達(dá) 到 最 大 值選 擇交 叉計(jì) 算 適 應(yīng) 度適 應(yīng) 度 時(shí) 候 達(dá) 到 期 望 值 或迭 代 次 數(shù) 是 否 達(dá) 到 最 大 值變 異否結(jié) 束是是 圖 5 遺傳算法方框圖 在遺傳算法的優(yōu)化準(zhǔn)則中，通常會(huì)根據(jù)處理的問(wèn)題不同而有不一樣的確定方法，一般的判斷條件用有以下幾種規(guī)則： 1) 在群體中的個(gè)體的最大適應(yīng)度值高于初始預(yù)設(shè)值； 2) 在群體中的個(gè)體的平均適應(yīng)度值高于初始預(yù)設(shè)值； 3) 代數(shù)高于初始預(yù)設(shè)值。不同于簡(jiǎn)單遺傳算法，高級(jí)遺傳算法的變異概率以及交叉概率是可變的，通過(guò)遺傳算法的原理可知，在迭代之前，變異概率比較小，交叉概率比較大，這樣才能確定計(jì)算過(guò)程的穩(wěn)定進(jìn)行。本文采用的交叉 概率以及變異概率隨迭代次數(shù)的增加而改變的方程是： 14 兩式中： t ：迭代的次數(shù) tcP ： 交叉概率 在 第 t 次 迭 代 時(shí)的 數(shù)值 0cP ：交叉 概率的初 始值 tmP ：變異概率在第 t 次迭代時(shí)的數(shù)值 0mP ：變異 概率的初 始值 megn ：允許的 最大迭代次數(shù) 可以發(fā)現(xiàn)，交叉概率是隨著迭代的次數(shù)增加而呈現(xiàn)出線性遞減趨勢(shì)的，其最小允許值在達(dá)到最大允許迭代次數(shù)時(shí)為 。 簡(jiǎn)單遺傳算法和高級(jí)遺傳算法有很多差異，主要的區(qū)別有如下兩點(diǎn)： 1) 簡(jiǎn)單遺傳算法只有變異和交叉，但是高級(jí)遺傳算法中還有很多新的算子，實(shí)現(xiàn)其算子的方式是不一樣的。在高級(jí)遺傳算法開(kāi)始計(jì)算的時(shí)候，一般來(lái)說(shuō)給定的交 叉算子概率 Pc的值比較大，而