电力系统故障诊断的现状和趋势

摘 要：电力系统扩大我国电网的规模,与此同时相关故障也逐渐浮现出来,本文分析目前电力系统故障诊断的研究现状,其方法包括：模糊集理论、专家系统、粗糙集理论、人工神经网络、Petri网络和优化技术；在此基础上,对我国电力系统今后的发展趋势与发展重点做了简要描述,旨在为相关工作人员提供一定的参考.

关 键 词：电力系统故障诊断；研究现状；发展趋势

电力系统在我国得到越来越普遍的运用,其系统的发展扩大了我国的电网规模,同时也使得电网更加复杂,并且不同区域之间的相互联系也更加的紧密.电网规模的扩大的同时,其自身问题也在逐渐增多,对电力系统故障加强诊断,首先需要熟悉相关的诊断方法的研究现状.目前,在相关故障的研究上,其方法主要采用：模糊集理论、专家系统、粗糙集理论、人工神经网络、Petri网络、优化技术,下面详细的介绍相关方法.

1电力系统故障诊断的研究现状

模糊集理论（fuzzytheory）.模糊集理论主要是研究问题的不确定性,它将经典集合理论模糊化,通过引入语言变量和模糊逻辑,建立了具有完整体系的智能技术.随着模糊理论的发展,它已经被更多的运用到实际操作中,目前其在电力系统故障诊断中的运用主要集中在两个方面：第一,检测设基础信息正确,但是实际上故障对应的保护装置和断路器之间的关系并不明确,运用模糊隶属度对这种关系进行定量模拟；第二,检测设警报信息的可信度不是1,根据相关状态直接赋予可信度,再结合其他诊断方法给出模糊结果.模糊理论还可以和其它方法结合运用,但是由于隶属度获取等问题,限制了该理论的运用.

专家系统（expertsystem）.专家系统由于发展最早,所以是一种比较成熟的研究方法,被用到电力系统诊断的很多领域,其自身具有的特点与电力系统故障诊断有很多切入点.专家系统具有实时性、直观性和有效性,在一定程度上能够解决不确定性问题,并且给出的最终的结论比较符合人类言语习惯.专家系统虽然发展比较成熟并且运用广泛,但其自身有些缺点还是不能忽视的：第一,知识获取有待提高.知识的更新需要学习,需要靠人工移植,因此完善和更新知识库是完善专家系统方法的瓶颈；第二,系统维护问题.专家系统的知识库需要经常因为实际情况的变化进行更新与修改,相关的工作量比较大；第三,错误容忍度差.在专家系统知识没有涵盖的领域,专家系统对现有问题出现大量的错误诊断.

粗糙集理论.1982年,数学家Z.Pawlak提出的粗糙集方法主要用于处理不精确、不确定和不完全数据,它的核心思想：保持分类能力不变,简约知识,找出问题决策.该特点使得不少研究者把粗糙集理论引入电力系统故障诊断中.虽然粗糙集理论能够较强的出了力不完整的信息,但是其自身也有其缺点：第一,诊断规则取决于条件属性下各种故障情况训练样本集；第二,如果警报信息是关键信息时,系统的诊断结果将会受到很大的影响,也有可能因此得出错误的结论；第三,当出现多重问题时,粗糙集理论可能使系统崩溃.

人工神经网络（artificalneuralwork,ANN）.人工神经网络具有学习能力强、鲁棒性好和容错能力强,ANN主要运用于电力网络中不同故障组合产生不同的故障信息组合.其主要问题是：第一,系统的样本采集有时候很困难；第二,ANN与符号数据库的交互功能弱；第三,启发性知识处理得不好；第四,不能处理好收敛问题,可能陷入局部最小；第四,没有解释自身行为和输出结果的能力.

Petri网络.1992年,印度学者JenkinsL和KhinchaHP将Petri原理应用到电力系统建模中,是最早的Petri应用实例.Petri网络计算简单,仅仅需要进行简单的矩阵计算,诊断速度快,并且有不确定信息的模板可以参考.缺点：第一,对知识经验的要求较高,节点多；第二,容错能力比较差,不易识别错误的警报信息.

优化技术.随着计算机技术的发展,许多优化方法浮出水面,采用优化方法解决电力系统故障现在也已经比较普遍.目前常用的方法有遗传算法、模拟分子进化算法、Tabu搜索、模拟退火算法,贪婪算法等等,其中,遗传算法在电力系统中的应用比较普遍.缺点：第一,数学模型的建立比较困难；第二,随机因素的干扰可能会影响最优解的获取；第三,迭代次数太多时可能导致运行速度.

2电力系统故障诊断的研究发展趋势

在以后的电力系统工作,需要再以下方面下手,提高电力系统故障的诊断能力与解决能力,促进我国电力系统的优化.第一：信息不完整情况下电力系统故障方法的研究；第二,将多种诊断方法联合使用,提高电力系统故障诊断的能力；第三,在信息高速发展的时代,各种信息越来越多,很多事物都是动态发展,因此对电力系统的诊断需要从静态到动态发展；第四,扩大诊断的领域意义.