（电力系统及其自动化专业论文）电力系统故障诊断方法研究.pdf

山东大学硕士学位论文 a b s t r a c t o p e r a t i o nr e l i a b i l i t yi so n eo ft h eb a s i cr e q u i r e m e n t so fp o w e rs y s t e m ，b u tb e c a u s e o fm a n m a d e ，w e a t h e ra n dm a n yo t h e rr e a s o n s ，t h ep o w e rf a i l u r ei n e v i t a b l yo c c u r r e d w h e nt h ep o w e rs y s t e mf a u l to c c u r s ，t h ed i s p a t c h e r sr e q u i r e st oq u i c k l yd e t e r m i n et h e c a u s eo ft h em a l f u n c t i o n ，d e t e r m i n ec o m p o n e n t s ，f a u l tr e m o v a la n dt h er e s t o r a t i o no ft h e s y s t e mc o m p o n e n t si no r d e rt or e d u c et h ed a m a g et ot h ee l e c t r i c a le l e m e n t s ，a ss o o na s p o s s i b l et or e s t o r ep o w e rt oc u s t o m e r s ，t h el o s sb yt oam i n i m u m l a r g e s c a l ep o w e rs y s t e m s ，c h a n g i n go p e r a t i n gm o d e ，w h e nt h ef a i l u r eo c c u r s ， p r o t e c t i o nr e l a y sa n dt h ec i r c u i tb r e a k e rm a ym a l o p e r a t i o no rd i s o p e r a t i o n ，a l a r m s i n f o r m a t i o nm a yl o s so rd i s t o r t i o ni nt h ep r o c e s so ft r a n s m i s s i o n a l lt h e s ef a c t o r sm a k e t h ea c t u a lf a u l tc o m p l e x ，w h i c hm a k e si td i f f i c u l tf o rd i s p a t c h e r st om a k ed e c i s i o n c o r r e c t l yi nas h o r tp e r i o do ft i m e f a u l td i a g n o s i ss y s t e mc a nh e l pd i s p a t c h e r sf i n df a u l t c o m p o n e n t sq u i c k l yi no r d e rt o r e s t o r et h es y s t e mt on o r m a lo p e r a t i o na s s o o na s p o s s i b l e g e n e t i ca l g o r i t h mi nt h el a s tc e n t u r ys i n c et h en i n e t i e s ，i nt h ef i e l do ff a u l td i a g n o s i s d o n eal o to fa p p l i c a t i o n s ，h a sa l s ob e c o m eam o r em a t u r ea p p r o a c h g e n e t i ca l g o r i t h m t r a n s f o r m sf a u l td i a g n o s i sp r o b l e mi n t o0 ，1i n t e g e rp r o g r a m m i n gp r o b l e m ，a n dt h e n s o l v e si t u s i n go p t i m i z a t i o na l g o r i t h m s i nt h i sp a p e r , b a s e do nt h ew o r ko fo u r p r e d e c e s s o r s ，an u m b e ro fi m p r o v e m e n t s s i n g l ep o i n to ff a u l tc o m p l e t e l yi n i t i a l i z e d ， r e t a i n i n g 10 o ft h ef i n e ，t h r e ec r o s sp o i n t s ，a c c o r d i n gt oi n d i v i d u a lf i t n e s sa n d p o p u l a t i o na v e r a g ef i t n e s sa d a p t i v ea d ju s t m e n to ft h ec r o s sa n dm u t a t i o np r o b a b i l i t y a leu s e di nt h eg e n e t i ca l g o r i t h m t h e s ei m p r o v e m e n t se n h a n c et h ec o n v e r g e n c e p e r f o r m a n c ea n do p t i m i z a t i o nc a p a c i t yo fg e n e t i ca l g o r i t h m g e n e t i ca l g o r i t h mh a sac e r t a i nd e g r e eo ff a u l tt o l e r a n c e o nd e a l i n gw i t h i n f o r m a t i o no fi n c o m p l e t e p r o t e c t i o nr e l a y s a n dt h ec i r c u i tb r e a k e r s ，t h i s p a p e r p r o c e s s i n gi ng e n e t i co p e r a t i o na n dt h i sm e t h o dr e d u c et h ep o s s i b i l i t yo fj u s t i c ea n d v i i 山东大学硕士学位论文 d e v i m i o n t h i sp a p e re s t a b l i s hf a u l td i a g n o s i sp r o c e d u r e sb a s e do ns p e c i f i ce x a m p l e ，a n d c o m p a r ew i t l lk n o w ne x a m p l et op r o v et h ea l g o r i t h mr a i s e db yt h i sp a p e rh a st h ea b i l i t y t od e t e r m i n et h ef a u l tc o m p o n e n t sa c c u r a t e l yr e s p e c t i v e l ya c c o r d i n gt oc o m p l e t eo ri n c o m p l e t ep r o t e c t i o nr e l a y sa n dt h ec i r c u i tb r e a k e r s g e n e t i ca l g o r i t h m h a sc e r t a i n a d v a n t a g e si nd e a l i n gw i t ht h ei s s u eo ff a u l td i a g n o s i sa n dh a sb r o a dp r o s p e c t si n a p p l i a n c e k e yw o r d s ：p o w e rs y s t e m ，f a u l td i a g n o s i s ，g e n e t i ca l g o r i t h m v i i i 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本 论文不包含任何其他个人或集体已经发表或撰写过的科研成果。 对本文的研究作出重要贡献的个人和集体，均已在文中以明确方 式标明。本声明的法律责任由本人承担。 论文作者签名：熟墓兰 日 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意 学校保留或向国家有关部门或机构送交论文的复印件和电子版，允 许论文被查阅和借阅；本人授权山东大学可以将本学位论文的全部 或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他 复制手段保存论文和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) ：墟新虢妞日 山东大学硕士学位论文 1 1 研究目的与意义 第1 章绪论 在现代社会中，随着人民生活水平的不断提高，电能用户对电能可靠性，特 别是连续性的要求也越来越高；同时现代电力网络互联规模和运行复杂性的不断 扩大，也使故障造成的损失较以往增大，因此保证连续可靠的供电己成为电力系 统的一个极为重要的目标。然而由于天气、人为等多种因素的影响，故障的出现 又是必不可免的。历史上，国内外电力系统曾发生多次停电事故，对人类经济造 成了极大的损失，很大程序上影响到人类生活和社会进步。例如，1 9 6 5 年1 1 月美 国东北部大停电事故，使美国纽约市和东北部六大州停电，还波及加拿大安大略 省，停电负荷2 1 0 0 0 m w ，停电区域2 0 万平方公里，最长停电时间长达1 3 t j x 时。1 9 9 6 年7 月、8 月美国西部两次发生大面积停电事故。1 9 9 0 年9 月，我国广东发生大停电 事故，导致广东省网东北部崩溃。这些大面积停电事故均造成了巨大的经济损失， 这些事例表明保证电网安全、可靠运行是电力系统所面临的一项重大任务。 随着电力系统自动化的发展，越来越多的自动装置应用到电力系统，当系统 某一元件发生故障时，各级自动装置产生的大量报警信息诸如保护动作、开关跳 闸、重合闸、过电流等信号将会在一瞬间涌入调度中心，面对比以往多的多的报 警信息，快速准确的进行故障判断对于运行人员来说无疑是一个巨大的挑战。在 紧急的情况下，由于受经验不足、心理紧张等因素的影响，很容易出现误判断或 误处理，从而导致事故的进一步扩大和恢复时间加长，特别是当故障同时存在断 路器或保护拒动、误动时，停电区域的加大往往会增大故障判断的复杂性，另外， 多重故障同时发生时的故障判断也是一个相当棘手的问题。因此，设计一个能够 自动快速实现电力网络故障定位、故障类型识别的故障诊断系统具有重要的意义。 它不但能够辅助运行人员在故障时进行故障诊断、减轻运行人员在异常运行时的 精神负担，同时也是继电保护工程师事故后故障分析的有效助手。 电力系统故障诊断一直是国内外热门研究课题，具有重要的理论价值和实用 价值。电力系统的故障诊断主要是对各级各类保护装置产生的报警信息、断路器 山东大学硕士学位论文 的状态变化信息以及电压电流等电气量测量的特征进行分析，根据保护动作的逻 辑和运行人员的经验来推断可能的故障位置和故障类型。其中，故障元件的识别， 也就是找出最能解释警报信号的故障假说，是电力系统故障诊断的关键问题。在 故障元件识别的基础上，通过继电保护动作原理和相关的电气量等信息进行推理 分析，就可以识别出误动作的保护与断路器，从而获得较全面的故障诊断结果。 故障诊断的目的是确定故障元件，以便对故障进行处理并尽快恢复供电。经 过多年来许多专家的研究，多种方法应用到电力系统故障诊断中来，常见的方法 有多种，如专家系统法、人工神经网络法、基于优化技术等方法。 1 2 国内外研究的现状 目前，国内外对电力系统故障诊断提出了很多种方法，主要有：专家系统、 人工神经网络、p e t r i 网络、模糊集理论、粗糙集理论、贝叶斯网络等。 2 1 专家系统 专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平 的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。 也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工 智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推 理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问 题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 对专家系统可以按不同的方法分类，通常，可以按其应用领域、知识表示方 法、控制策略、任务类型等分类。专家系统与传统的计算机程序系统有着完全不 同的体系结构，随专家系统的类型、功能和规模的不同而有所差异，通常它由知 识库、推理机、综合数据库、知识获取机制、解释机制和人机接口等几个基本的、 独立的部分所组成，其中尤以知识库与推理机相互分离而别具特色。 文献 1 针对变电站报警信息具有时间特征的特点，以v c + + 6 0 为平台，采用 组件技术设计了一个具有时间特征的变电站故障诊断专家系统，通过诊断系统结 构内的资源和数据共享，在诊断决策的形成过程中充分利用故障信息的时间和空 2 山东大学硕士学位论文 间特征，以实现故障诊断的高容错性能，具有较强的实用性。文中用六个功能模 块组成变电站故障诊断系统：信息接收与处理组件、诊断知识库组件、基于事件 序列标准故障模式库、优化处理操作组件、基于事件序列的动态规划法纠错处理 组件和故障推理诊断组件。文献 2 将专家系统应用于电力系统故障诊断，将专家 知识表示为逻辑内涵，并转化成布尔函数。布尔函数的应用，使得专家知识的表 达更方便，也利于推理。不同于通常的基于规则的专家系统，基于逻辑的专家系 统将专家知识转化成逻辑健全的基本组合( p i s ) 。这种方法具有更快的推理速度， 更好的容错性，在知识表达上具有更少的限制，可以利用知识库中的隐含信息， 从而给出逻辑上完整的推理结果。献 3 根据诊断的对象不同，将诊断规则知识库 分为两类：一类属于对保护和断路器进行评价的规则库；另一类则是输电线、变 压器、母线诊断的知识库。当发生故障时，将事故信息与相应的规则库相匹配， 得出故障结果。文献【4 描述了安装于某电力公司的专家故障诊断系统。其主要特 点是对推理输入数据仔细选择，推理速度快，将专家系统与其他系统综合在一个 实际的结构中，利用从断路器、保护和自动重合闸获得的时间标签数据以及故障 前的输入数据，提高系统的实用性。文献【5 】提出了只用断路器状态和继电保护动 作来判断故障的专家系统，并提出了利用断路器和继电保护信息识别的数学模型， 并提出了以数学逻辑推理得出的知识库与常见的规则库相比的优点：推理时间快； 能准确判断断路器的误动、拒动；知识库描述简单、清楚、完整。 专家系统是发展最早的人工智能系统之一，已经有着比较成熟的理论体系， 能够有效地模拟故障诊断专家完成故障诊断的过程，是目前研究最多，也是最为 成熟的一种电力系统故障诊断方法，获得了一定的应用。但是在实际应用中仍存 在一定缺陷。获取完备的知识库是形成故障诊断专家系统的薄弱环节，如果建立 的知识库不完备，可能导致专家系统推理混乱并得出错误的结论。专家系统不具 备学习能力，知识获取及验证其完备性是比较困难的，这在很大程度上限制了故 障诊断专家系统的发展。专家系统在推理时要搜索、匹配知识库内一定的规则集 才能得出结论，所以当系统比较大时完成诊断的速度将非常慢。另外，专家系统 的容错能力较差，这一点可以通过将专家系统与模糊理论结合起来，对知识进行 模糊推理得到改善，这也是专家系统近几年发展的主要趋势。 山东大学硕士学位论文 1 2 2 人工神经网络 1 9 4 3 年，心理学家w s m c c u l l o c h 和数理逻辑学家w p i r s 建立了神经网络和 数学模型，称为m p 模型。他们通过m p 模型提出了神经元的形式化数学描述和 网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研 究的时代。之后a n n 迅速发展，成为人工智能领域的另一个重要分支。 人工神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理 的算法数学模型。它依靠系统的复杂程度，通过调整内部大量节点之间相互连接 的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力， 可以通过预先提供的一批相互对应的输入一输出数据，分析掌握两者之间潜在的 规律，最终根据这些规律，用新的输入数据来推算输出结果，这就是人工神经网 络的“训练”过程。人工神经网络具有以下特点：( 1 ) 非线性，这是自然界的普遍 特征，人工神经元处于激活或抑制两种不同的状态，在数学上表现为一种非线性 的关系。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储 容量。( 2 ) 非常定性，人工神经网络具有自适应、自组织、自学习能力。神经网 络不但处理的信息可以有各种变化，而且在处理信息的同时，非线性动力系统本 身也在不断变化。( 3 ) 非局限性，一个神经网络通常由多个神经元广泛连接而成。 一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的 相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。联 想记忆是非局限性的典型例子。( 4 ) 相对独立性，人工神经元之间具有运算相对 独立的特性，便于并行处理，因此a n n 的执行速度比较快。 文献 6 】研究了b p 神经网络的容错性，提出将网络的容错能力与测试样本所 形成的模糊区大小相对应，进而消除模糊区来提高网络的容错能力。并且以南昌 5 0 0 k v 变电站自动化系统为对象，开发了变电站实时故障诊断系统，系统的核心 是3 层前向b p 网络，输入量为变电站开关动作信息、保护动作信息，利用专家 系统的推理判断能力，识别变电站的运行方式，修正人工神经网络的结果。文献 7 】同样进行了a n n 的容错性，并充分利用a n n 强大的学习能力及高容错性，实 现对变电站故障元件的诊断。文中同样提出了一个三层b p 网络模型，如图1 1 所示，其输入量l x 。，x ：，x 。l 是具体的保护动作和开关跳闸信息及电气量信息， 4 山东大学硕士学位论文 输出量阮，艺，匕】为被诊断元件的状态。文献【8 用。和1 来表示保护装置以及继 电器的动作信息，输入三层前馈神经网络，用全局逼近的b p 学习算法实现故障 定位。文献【9 】采用a n n 和e s 紧密相结合的故障诊断系统，首先利用e s 对故障 报警信息进行预处理，再用基于r b f 的神经网络确定故障情况，最后利用e s 评 价保护和开关的动作情况。这这种方法充分利用了e s 的推理能力和a n n 的学习 能力，具有通用性强，执行速度快，容错性较好的特点。文献 1 0 是用于大系统 的故障诊断方法，针对大规模电力网络故障诊断问题解决的难题，提出使用分布 式神经网络( d n s s ) ，按基于加权最小度排序的图形分割算法实现初始分割并通 过迭代使网络边界元件数目最小化。 嬲【层 图1 1a n n 网络模型 人工神经网络比较适用于故障类型和信号之间逻辑表述困难和专家经验不 丰富的场合，但也有一些应用方面的问题：人工神经网络在使用前需要大量的样 本来学习，且学习算法收敛的速度一般比较慢，需要一定的时间。学习完成之后， 如果系统结构发生变化，则需要增加新的样本重新学习。a n n 学习完成之后具有较 好的内插结果，但外推时则可能误差较大，特别是当系统非线性较强或具有其他 不规则特性时误差更为严重。 1 2 3 p o t ri 网络 p e t r i 网是由德国的c a r la d a mp e t r i 在其博士论文中提出来的。p e t r i 网是 一种可以用网状图形表示的系统模型，它以网理论为基础描述系统中离散事件的 逻辑关系，以代数矩阵运算表示系统中同时、次序发生的各种动态活动。p e t r i 山东大学硕士学位论文 网基本定义为：三元组= $ ，t ；f ) ( 1 ) s r nt = ( 2 ) sut ( 3 ) f t ) u ( t s ) ( 4 ) d o m ( f ) u c o d ( f ) = s u t 其中s 和t 分别称为n 的库所和变迁。 ( 1 1 ) ( 1 2 ) ( 1 3 ) ( 1 4 ) p e t r i 网除了库所和变迁两种节点之外，还有令牌、有向弧等元素组成。p e t r i 网结构是静态的，其动态性质是由库所中令牌的数目及其变迁体现出来的。p e t r i 网络的输入函数用来确定网络位置中令牌的初始数目，此时如果一个变迁的条件 能够满足，那么该变迁将被激活，使得令牌按照加权弧的约束由输入位置迁移到 输出位置，这称为p e t r i 网络完成了一次状态变化。当网络中没有变迁可以激活时， 它进入了稳定状态。p e t r i 网络的结构以及变迁的激活和执行不仅可以用图形直观 地表示出来，而且可以用矩阵运算来描述，这一特点使得它可以对同时发生、次 序发生或循环发生的各种活动过程进行定性和定量的分析，所以p e t r i 网络是研究 和模拟系统同时发生、次序发生或循环发生的各种活动的理想工具。目前，它已 经被广泛应用于计算机系统和制造系统。 文献 1 1 提出的诊断模型充分考虑变电站继电保护配置的多重性，在变迁集 不变的情况下，通过变迁矢量的权表示继电保护的配置级别，使诊断结果中产生 对继电器和断路器的特定诊断标志，使对故障信号的识别能力有所增强。文献 1 2 将母线或线路，以及与其相关的保护和断路器通过p e t r i 网进行建模，描述各级、 各类保护系统对故障的反应，并选择地切除故障的过程，并利用前向、后向p e t r i 网和特定推理规则进行诊断。文献 1 4 利用文献 1 3 提出的冗余嵌入p e t r i 网方 法，利用变电站的保护和断路器的状态信息，针对一个具体的变电站故障诊断过 程进行了分析和探讨。文献 1 5 研究了基于编码原理和p e t r i 网建模方法和电力系 统故障诊断，分析了电力系统元件故障诊断p e t r i 网模型的特点，提出了根据模型 标准型进行添加或删减的快速修正方法来适应电网拓扑结构发生变化的情况，以 使其适应大型电网多变的运行方式。文献 1 6 运用p e t r i 网进行建模，同时利用概 6 山东大学硕士学位论文 率信息处理电力系统故障诊断中不确定性因素，并在如何对系统全网进行有效的 故障诊断问题上进行研究，并提出相应算法。 p e t r i 网在应对故障诊断方面是一种比较常见的方法，但也存在一些问题， 在大型电网建模过程中存在一定困难。另外，p e t r i 在应对不完备信息和不确定性 问题的时候面临比较大的处理难度。 1 2 4 模糊理论 模糊理论( f u z z yt h e o r y ) 是在美国加州大学伯克利分校电气工程系的 l a z a d e h 教授于1 9 6 5 年创立的模糊集合理论的数学基础上发展起来的，主要包 括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容。 模糊理论是将经典集合理论模糊化，并引入语言变量和近似推理的模糊逻辑， 具有完整的推理体系的智能技术。一般模糊系统的结构与专家系统的结构类似， 由模糊知识库、模糊推理机和人机界面等几部分组成，也可以说模糊系统是模糊 理论与专家系统结构的结合。随着模糊理论的发展及完善，模糊理论的一些优点 逐步被重视，如模糊理论可适应不确定性问题：其模糊知识库使用语言变量来表 述专家的经验，更接近人的表达习惯；模糊理论能够得到问题的多个可能的解决 方案，并可以根据这些方案的模糊度的高低进行优先程度排序等。目前，模糊理 论己被引入输电网络故障诊断领域。 由于保护或断路器的误动、拒动，信道传输干扰错误，保护动作时间偏差等 因素的影响，输、配电网络故障诊断存在不确定性。而模糊理论则擅长模拟人类 思维中的近似推理过程，主要应用于人类经验知识起重要作用的场合，在容错性 方面有着突出的优点。基于模糊理论的方法比较适用于故障诊断问题。模糊理论 很少单独应用于电力系统故障诊断。多数情况下，模糊理论都是与其他人工智能 算法结合起来应用的。这一结合，在一定程度上解决了其他算法容错性差的缺陷。 文献 1 7 】针对电力系统故障诊断问题存在的大量不确定性，将模糊集和模糊推理 方法结合专家系统工程进行故障诊断，同时结合电力系统信息分散分布的特点， 将分布式问题求解方法应用于解决电力系统故障诊断。文献 1 8 】将模糊推理与神 经网络相结合的模糊神经网络的信息融合技术应用于电网的故障诊断中，在电网 7 山东大学硕士学位论文 的不同区域加装传感器网络，将所测结果首先在子模糊神经网络中进行特征级融 合，然后再将其结果送至融合中心进行决策级融合，最后得到诊断结果。 模糊理论的缺点也很明显，规则库的维护复杂，不具备自学习能力。其隶属 函数的确定也没有一个统一的通用的方法，通常是根据经验或统计来确定，如何 正确地建立隶属函数和选择算子来恰当地表现模糊概念也是一个关键性的问题。 模糊理论在容错性方面有着突出的优点，但在解决电力系统故障诊断中大量不完 备和不确定性信息方面，还缺乏一个有效的方案。 1 2 5 粗糙集理论 粗糙集理论，它是一种刻画不完整性和不确定性的数学工具，能有效地分析 不精确、不一致、不完整等各种不完备的信息，还可以对数据进行分析和推理， 从中发现隐含的知识，揭示潜在的规律。文献 1 9 i n 述了粗糙集理论在电力系统 的应用及发展前景。文献 2 0 】以其提出的决策表为主要工具，应用粗糙集理论来 处理因保护装置和断路器误动作、信号传输误码而造成的错误或不完整警报信号， 直接从故障样本集中导出诊断规则。文献【2 1 】以变电站的开关继电保护信息为基 础，利用粗糙集理论的知识约简和处理不确定性信息的能力，对变电站的故障诊 断知识分层挖掘，再用神经网络进行模式识别，充分发挥粗糙集和神经网络的各 自优点。文献 2 2 2 3 】以各自的见解将粗糙集理论应用于电力系统故障诊断中。粗 糙集理论在处理电力系统故障诊断中起步较晚，但在理不确定和不完备信息方面 有着较大的潜力 1 2 6 贝叶斯网络 贝叶斯网络也称为信念网络，是1 9 8 5 年由珀尔首先提出的，它是基于概率 分析、图论的一种不确定性知识表达的推理模型，它将因果知识和概率知识相结 合来表示事物。贝叶斯网络是一个有向无环图，其中节点表示论域中的变量，一 个贝叶斯网络可以反映出变量之间的定性信息，也可以反映出定量信息，定性信 息由有向弧来反映，它代表变量的关系，定量信息由变量之间的关系强度来表示， 它由节点与其父节点之间的条件概率来表示。 8 山东大学硕士学位论文 贝叶斯网络具有清晰直观，便于理解，容易计及元件、保护、断路器之间 的关系等优点，已经有不少的研究将其应用到电力系统故障诊断中来。文献 2 4 将定性贝叶斯网络应用到专家系统的推理中，发挥了贝叶斯网络在推理上的优势。 文献 2 5 提出了基于贝叶斯网络的故障诊断模型，该模型清晰、直观、易于理解、 便于发现数据间的关系，比较适用于不确定性和不完备信息下进行有效的诊断决 策。文献 2 6 在文献 2 5 的基础上充分合理地利用了信息的时序属性，提高了诊 断的准确性。但是贝叶斯网络方法要求给出事件的先验概率和条件概率，这些数 据很难获得，因此应用受到了限制。文献 2 7 2 8 分别建立了线路、变压器和母 线的故障诊断模型，应用了类似神经网络的误差反射传播算法对贝叶斯网络进行 训练，取得较好的效果，但是在运行的时候需要大量完备的实际故障样本进行训 练。文献 2 9 将主观贝叶斯方法应用到电力系统故障诊断中，用贝叶斯网络建模， 用主观贝叶斯方法设置参数，发挥了贝叶斯网络在推理上的优势并且解决了其参 数难以获取的难题目，在用主观贝叶斯网络进行计算时，对贝叶斯网络进行合理 的简化，使算法更为简单高效。 1 2 7 多a g e n t 技术 a g e n t 是一个具有自适应性和智能性的软件实体，能代表用户或其它程序， 以主动服务的方式完成一项工作。多a g e n t 系统( m a s ) 由多个自主或半自主的 。 智能体组成，每个a g e n t 或者履行自己的职责，或者与其他a g e n t 通信获取信息互 相协作完成整个问题的求解。 分布式的多a g e n t 技术在处理复杂问题方面显示出了一定的优势。文献 3 0 】 提出了将多a g e n t 技术应用于动态电力系统环境中的故障定位，通过将复杂问题 分解，应用不同的软件a g e n t 协调求解，以实现动态电力系统中的自动故障定位， 并满足一定的精度和计算速度要求。文献 3 l 】中提出了用一种多层次、多a g e n t 的结构来实现故障诊断。文献 3 2 】提出了一种基于多a g e n t 的电力系统实时故障 诊断方法和系统结构，将多线程技术应用于a g e n t 的设计，并采用p r o l o g 与 j a v a 混合编程。并给出了具体实现方法及结果。文献 3 3 】在变电站故障诊断中采 用了多a g e n t 技术，这种方法提高了计算机对故障诊断的有效支持，文章同时给 9 山东大学硕士学位论文 出了相应的a g e n t 模型，并对模型的功能进行了分析。文献 3 4 】提出了一种在原 有专家系统的基础上产生的基于多a g e n t 的电力系统故障诊断系统模型，并实现 了其中的诊断a g e n t 。 1 3 本文的主要工作 本文主要研究了遗传算法及其在电力系统故障诊断中的应用。 第一章综述了电力系统故障诊断的方法。 第二、三章介绍了遗传算法的基本原理，发展特点以及其在电力系统中的应 用。 第四章建立了电力系统故障诊断的数学模型，并对标准遗传算法进行适当改 进，提高了算法的收敛性，同时针对不完备信息提出相应的应对方法。该章还依 据特定算例建立故障诊断程序，并用仿真结果与已知算例进行比对。 第五章对本文工作进行总结、展望。 1 0 山东大学硕士学位论文 第2 章遗传算法的发展及其在电力系统故障诊断中的应用 2 1 遗传算法的发展与特点 2 1 1 遗传算法的发展 早在2 0 世纪5 0 年代和6 0 年代，少数几个计算机科学家独立地进行了“人工进 化系统”的研究，其出发点是进化的思想可以发展成为一些工程问题的优化工具。 2 0 世纪6 0 年代，j o h nh o l l a n d 教授和他的博士受生物模拟技术的启发，认识到自 然遗传可以转化为人工遗传算法。1 9 6 2 年j o h nh o l l a n d 提出了利用群体进化模拟 适应性系统的思想，引进了群体、适应度、选择、交叉、变异等基本概念。1 9 6 7 年，j d b a g e l y 在其博士论文中首次提出了“遗传算法 的概念。1 9 7 5 年，h o l l a n d 编著了自然与人工系统中的适应性行为( a d a p t a t i o ni n n a t u r a la n d a r t i f i c i a ls y s t e m ) ，系统地阐述了遗传算法的基本理论和方法，提出了遗传算 法的基本定理一模式定理，从而奠定了遗传算法的理论基础。同年，d ej o n g 在其 博士论文中首次把遗传算法应用于函数优化问题，对遗传算法的机理与参数进行 了较为系统地研究，并建立了著名的五函数测试平台，其中包括非凸函数、连续 函数、随机函数和高维函数，把模式理论和函数优化结合起来，定义了遗传算法 性能评价的标准。2 0 世纪8 0 年代初，h o l l a n d 教授实现了第一个基于遗传算法的机 器学习系统分类器系统( c s ，c l a s s i f i e rs y s t e m ) ，开创了基于遗传算法的机 器学习的新概念。1 9 8 9 年，d a v i dg o l d b e r g 编著了搜索、优化和机器学习中的 遗传算法( g e n e t i ca l g o r i t h m si ns e a r c ho p t i m i z a t i o na n dm a c h i n e l e a r n i n g ) ，全面系统地总结了当时关于遗传算法的研究成果，结合大量的实例， 完整的论述了遗传算法的基本原理及应用，奠定了现代遗传算法的基础。1 9 9 2 年， j o h nr k o z a 出版了专著了遗传编程( g e n e t i cp r o g r a m m i n g ) ，提出了遗传编 程的概念，并成功地把遗传编程的方法应用于人工智能、机器学习、符号处理等 方面。同年，m i c h a l e w i c z 出版了一本很有影响力的著作( g e n e t i c a l g o r i t h m s + d a t as t r u c t u r e s = e v o l u t i o np r o g r a m s ，对遗传算法应用于最优化 山东大学硕士学位论文 问题起到了推动的作用，1 9 9 4 年该书再版发行。2 0 世纪8 0 年代中期遗传算法进入 了蓬勃发展时期，有关遗传算法的会议相继召开。 2 1 2 遗传算法的特点 遗传算法是一类可用于复杂系统优化的具有鲁棒性的搜索算法，与传统的优 化算法相比，主要有以下特点： 遗传算法操作的是待求解问题变量的编码，而不是变量本身，目标函数解释 为编码化个体的适应度，因而具有良好的可操作性与简单性。 一遗传算法使用概率规则而不是确定性规则指导搜索，只需利用目标的取值信 息，而无需梯度等高价值信息，因而适用于任何大规模、高度非线性的不连 续多峰函数的优化以及无解析表达式的目标函数优化，具有很强的鲁棒性。 遗传算法通过控制种群中相对少的个体，能处理各代中大量的模式。若每一 代对n 个个体进行操作，基于模式定理，可得出每次遗传有效保留的模式为 o c n 3 ) 的估计，即是说实际上处理了大约o ( n 3 个模式。这体现了遗传算法的 隐含并行性，同时搜索解空间中许多点而不是一个点，因而能够快速全局收 敛。隐含并行性是g a 优于其它方法的关键所在。 - 遗传算法在变量空间中进行寻优，种群在遗传因子的作用下，同时对空间中 不同的区域进行充分搜索，从而构成一个不断优化的种群序列。g a 通过保持 在解空间不同区域中各个点的搜索，而不是盲目地穷举或试探，故能以很大 概率找到优化问题的全局最优解。 2 2 遗传算法在电力系统中的应用 遗传算法已经在很多工程领域有了比较广泛的应用，文献 3 5 详细介绍了遗 传算法在各类问题中的用法。遗传算法在上世纪9 0 年代引入电力系统，已经在电 力系统中广泛应用。遗传算法适于解决规划与调度这样的组合优化问题，电力系 统中这类问题的规模常常很大，现有的方法中有的难以保证求得全局最优解，有 的方法因计算量太大而无法应用于大系统。g a 为求解这类问题提供了一种可能的 1 2 山东大学硕士学位论文 途径。总的说来，g a 在这一领域被广泛应用于发电规划、网络规划、检修计划、 机组最优组合等方面。 运行优化中既有组合优化问题又有参数优化问题，是g a 在电力系统中应用的 一个主要领域。由于g a 可以处理非线性因素、无可微性要求且有较大的概率求得 全局最优解而吸引了很多学者的研究兴趣。在这个领域，g a 可以令人满意的解决 发电调度、无功调度、网络重构、潮流计算等问题。 g a 的另一个重要应用就是警报处理与故障诊断。警报处理的目标是当系统处 于非正常条件下帮助控制中心的运行人员了解发生了什么事，其提供的信息应是 综合的、简洁的而不是大量数据。另一方面，故障诊断是利用保护和断路器信息 来判别系统中哪些元件发生了故障、故障种类及原因。警报处理和故障诊断的区 别在于两者分析的深度不同。 电力系统故障诊断采用遗传算法，其基本思想是按照元件故障、保护动作和 开关跳闸之问的逻辑关系将故障诊断描述为0 、1 整数规划问题，然后用优化方法 求解。遗传算法方法的关键在两点：染色体的编码和适应度函数的构造。 由于遗传算法有着其它算法所不具备的优势，它在电力系统中的应用也越来 越广泛。目前，在电力系统其它领域，g a 己被广泛应用于短期负荷预报、网络分 解、谐波分析与滤波、状态估计、分散电源( d i s p e r s e dp o w e rs o u r c e s ) 的最优配 置、水轮机参数解调、灵活交流输电系统、配电系统中分段开关的最优分布等各 个方面。 山东大学硕士学位论文 第3 章遗传算法的基本理论 3 1 遗传算法的原理 遗传算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由 经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实体。 染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现( 即基因型) 是某种基因组合，它决定了个体的形状的外部表现。因此，在一开始需要实现从 表现型到基因型的映射即编码工作。初始种群产生之后，按照适者生存和优胜劣 汰的原理，逐代演化产生出越来越好的近似解。在每一代，根据问题域中个体的 适应度大小挑选个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产 生出代表新的解集的种群。这个过程将使种群像自然进化一样，后生代种群比前 代更加适应于环境，未代种群中的最优个体经过解码，可以作为问题近似最优解。 遗传算法在整个进化进程中的遗传操作是随机性的，但并不意味着完全是随 机搜寻，遗传算法的工作过程是一个典型的迭代过程，一般来说有以下几个步骤： 一选择遗传编码，定义适应度函数。 _ 确定种群大小，确定选择、交叉、变异方法、各遗传操作运算概率等参 数。 进行种群初始化操作 - 计算群体中各染色体的适应度函数值，并按照遗传操作形成下一代群体。 _ 判断是否满足收敛判据，不满足则重新进行遗传操作形成新一代种群。 基本遗传算法的流程图如图3 1 所示。 山东大学硕士学位论文 图3 1 标准遗传算法流程图 3 2 遗传编码与种群初始化 按照遗传算法的工作流程，当用遗传算法求解问题时，必须在目标问题实际 表示与遗传算法的染色体位串结构之间建立联系，即确定编码和解码运算，由于 遗传算法计算过程具有鲁棒性，它对编码的要求并不苛刻，一般采用基因呈一维 排列的定长染色体表现形式。编码是将求解空间的解的表示映射成遗传空间解的 表示。编码方法除了决定个体的染色体排列形式之外，它还决定了个体从搜索空 1 6 间的基因型交换到解空间的表现型时的解码方法，编码方法也影响到交叉算子、 变异算子等遗传算子的运算方法。对编码的基本要求是两个空间的解需一一对应， 且编码尽量简明。通常通过三个方面来评估编码策略：完备性、健全性和非冗余 性，也就是要求问题空间的所有解都能用g a 空间的染色体表示，g a 的染色体 能够成为问题的潜在解。 编码方式大体可以分为二进制编码和实数编码。二进制编码有利用与计算机 码制统一，适于计算机应用，并且编码、解码、交叉、变异操作比较简单，也比 较适合表示离散变量，如果有足够大的群体，在解决连续函数的优化问题时，也 能满足一定的精度。二进制编码缺点在于对连续函数优化问题时，由于遗传算法 的随机特性使得其局部搜索能力较差，对于高精度的连续函数，二进制编码达不 到相应的精度。实数编码表示问题解的数字串会比用二进制表示的数字串短，相 应的遗传操作算子的运算量也会减小。所需的计算时间也相对降低，优化时也不 用编码和译码，相应不存在精度问题。 电力系统中的各个元件，都有故障和正常两种状态，故采用二进制方法进行 编码具有得天独厚的优势，一般来说用“1 ”来表示故障状态，“o ”表示正常状态。 电力系统故障诊断的研究对象为保护和断路器的变位信息，而保护和断路器的信 息除了动作和未动作两种状态外，还可能处于不可观察状态，也就是信息的缺失 状态。我们可以用“1 ”来表示动作，“0 ”表示未动作，用“2 ”来表示缺失信息。 用二进制编编时，遗传算法要处理的是二进制数据o 和l ，因此信息缺失状态“2 要经过一定的处理，转化成动作或未动作两种状态。 种群初始化的目的在于为后面的遗传操作提供初始种群。种群的初始化可以 采用完全随机初始化的方法，通过随机方式产生若干个所求解问题的数字编码， 也可以根据不同问题采用不同的改进方法，缩小搜索空间，提高收敛性能。 文中继承前人研究成果，初始种群包括所有元件单点故障。电力系统中的实 际故障多为单点故障，此方法可以保证能够快速准确地判断出单点故障，对于包 含在多点故障中的单点故障一般也拥有较大的适应度，因此可以将优良的性能遗 传到下一代，更有可能通过交叉产生性能更优良的解，加快了收敛速度。一般情 况下，设置种群个体数量比染色体基因位数大得多，因此，初始化单一故障之外， 1 7 山东大学硕士学位论文 还要对剩余的个体进行随机初始化。实际系统中同时出现故障的元件一般不会太 多，通常不大于三个，设个体中基因个数为s ，本文依照前人经验、随