（电力系统及其自动化专业论文）基于混合因果网络的配电变电站故障诊断的研究.pdf

a b s t r a c t w i t ht h ed e v e l o p m e n to fa u t o m a t i o ni nd i s t r i b u t i o ns u b s t a t i o n , i t 埘l ln e e dn o ta n y o n e t o k e e pw a t c h s c a d as e n d si n f o r m a t i o n t od m c - - d i s t r i b u f i o n m a n a g e m e n t c e n 仃e w h c n f a u l to c c u r s ，o p e r a t o mw i l lb es e n dt oj u d g ea n dd e a lw i t hi tb yd m c s ot h ea b s e n c ea n d d e l a y w i l lf o r md i s a d v a n t a g ef a c t o r s i n t e l l i g e n tf a u l td i a g n o s i ss y s t e mc a na s s i s t a n to p e r a t o r s t of o n q f lf a s tr e c o v e r yd e c i s i o n - m a k i n gf o rf a u l t s t oe r l s u r et h es e c u r i t yo fs y s t e ma n dt o r e c o v e rt h ec u r r e n ts u p p l y s oi th a si m p o r t a n tm e a n i n ga n du s ev a l u et oe m b e df a u l t d i a g n o s i sm o d u l ei nm o n i t o rs y s t e ma n d t os e n dd i a g n o s i so u t c o m et om a n a g e m e n tc e n t r e l o c a la r e ac o m m u n i c a t i o nb a s e di nd i s t r i b u t i o ns u b s t a t i o nt h es c a d as y s t e mc a n o b t a i nd i f f c r e n ti n f o r m a t i o nf o t i n s ，a st h es o ei n f o r m a t i o ns e q u e n c ei nt h ef a u l tp r o c e s s ， s w i t c h i n gi n f o r m a t i o ns e q u e n c eo fc i r c u i tb r e a k e r s f a u l tr e c o r d e ri n f o r m a t i o n , f a u l ta l a r i n i n f o r m a t i o ne t c a c c o r d i n gt oo b t a i n a b l ei n f o r m a t i o nt h i sp a p e rp r e s e n t st h eh y b r i dc - e ( c a u s ea n de 自f e c t 、n e t sb a s e di nu s ef o rf a u l td i a g n o s i so fd i s t r i b u t i o ns u b s t a t i o n s i ti s a p p l i e d t h a ta s s o c i a t i v er e l a t i o nb e t w e e f ti n f o r m a t i o nt om a k et h er e d u n d a n tc o r r e c t i n g t e c h n i q u ea n dd e e pk n o w l e d g er e a s o n i n g i ti se f f e c t i v et h a to v e r c o m e s t h ec - en e t sb a s e dt o r e l yo i le x c e s s i v e l ys h a l l o wk n o w l e d g ea n dt h a ti m p r o v e st h ef a u l t t o l e r a n c ep e r f o r m a n c eo f f a u l td i a g n o s i s h y b r i dc - en e t sa n db p n na r eu s e dt oe m u l a t et h r e e p h a s es h e r t c i r c u i t v i ac o n t r a s t ， t h ea d v a n t a g eo fc en e t si nt h ef a u l t - t o l e r a n c ep e r f o r m a n c eo ff a u l td i a g n o s i si si n c a r n a t e d p r o m i n e n t l y k e yw o r d s ：h y b r i dc e ( c a u s ea n de f f e c t ) n e t s ， d e e pk n o w l e d g er e a s o n i n g ，s h a l l o wk n o w l e d g e ， d i s t r i b u t i o ns u b s t a t i o n s ，f a u l td i a g n o s i s ， a r t i f i c i a ln e u r a ln e t w o r k 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成 果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研 究成果，也不包含为获得鑫注蠢堂或其他教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了 谢意。 学位论文作者签名：遢飚签字日期：舯严年月口日 学位论文版权使用授权书 本学位论文作者完全了解苤洼盘鲎有关保留、使用学位论文的规定。特授权 苤鲞盘堂可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、 缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送 交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：罩滔 导师繇蚕钿鹕 签字日期：加争年 月8 日 签字日期：0 。一牛年，月胡 第一章绪论 第一章绪论 1 1 课题研究的内容和意义 随着配电变电站( d i s t r i b u t i o ns u b s t a t i o n s ，d s s 或简称配变) 自动化水平的 提高，一般都趋向于无人值班的方式，为了在配电管理中心( d i s t r i b u t i o r l m a n a g e m e n tc e n t r e ，d m c ) 或配电变电站集控中心( i n t e g r a t e d c o n t r o lc e n 仃eo f d i s t r i b u t i o ns u b s t a t i o n ，i c c ) 能全面掌握各配电变电站的运行情况，所以在配变 自动化系统中都有相应基于计算机为核心的监视控制和数据采集系统，即简称 s c a d a 系统( s u p e r v i s o r y c o n t r o la n d d a t a a c q u i s i t i o n ，s c a d a ) ，它具有各种 运行方式下信息的汇集功能，并将其上传给d m c 或i c c ，同时在故障情况下， 可直接进行紧急控制。由于在当地无人值班，所以在d m c 和i c c 值班员由于未 处在故障环境下，如在配网中发生故障时，会有较多事故和报警信息上传，他们 所处视觉和环境感受是与在现场是不同的，导致处理事故时心理状态和正确性也 是不同的。为了能正确判断故障，迅速处理和恢复事故，在配变的监控系统中嵌 入故障诊断功能模块，并将诊断结果上传所属配电管理中心作为故障恢复处理的 决策依据是有重要意义和实用价值的。 1 2 人工智能技术在变电站故障诊断中的应用概述“删 人工智能技术( a r t i f i c i a li n t e l l i g e n c e ，a i ) 的实质就是用机器( 计算机或 智能机) 模拟人类的智能行为，即模拟人类基于知识、经验分析和处理问题的心 理与思维模型，它汇集了人类智慧的表现。随着生命科学、脑科学、认知科学、 计算机科学、系统论信息论等学科的发展，a i 技术得到了深入的研究和日趋渐 进的发展，形成了以专家系统、神经网络、模糊理论、遗传算法等为代表的理论 和方法，并在国民经济的各领域中得到了广泛的应用。 各学科相互渗透、相互交叉、相互促进是当代科学发展的重要趋势。计算机 技术、数据库技术、人工智能技术、数据通信技术的迅速发展，极大地推动了电 力系统自动化程度的提高，也为变电站故障诊断的研究提供了新的思路、新的技 术手段。智能型的故障诊断方法，大多利用开关状态变化和s o e ( 它们是在故 障过程中对事件进行带时标的顺序记录，包括有保护、设各状态和自动装置等信 息) 信息结合来实现故障的诊断。近些年来，国内外学者将人工智能技术( a r t i f i c i a l i n t e l l i g e n c et e c h n i q u e ，a i t ) 用于电力系统的研究已有不少，并取得了相当有效 第一章绪论 的成果，且已有部分成果在实际中得到了应用。 为使本文的研究目标明确、抓住问题的关键和进行刨造性的研究，本节将对 已研究的各种智能型的变电站故障诊断作全面的分析和归纳，主要是专家系统 ( e s ) 、人工神经网络( a n n ) 、模糊理论( f s t ) 及p e t r i 网络( p e t r i n e t ) 等 方面在变电站故障诊断中应用的全面的概述，并在此基础上分析它们在变电站故 障诊断中应用的特点以及存在的主要问题，它为本文的研究工作奠定了重要的基 础。 1 2 1 基于专家系统原理的变电站故障诊断卜1 7 3 专家系统的提出是在7 0 年代中期，是发展最早，也是发展的比较成熟的人 工智能技术之一，它与工程研究紧密地联系在一起。所谓专家系统就是利用存储 在计算机内的某一特定领域内人类专家的知识，来解决过去需要人类专家才能解 决的现实问题的计算机系统。它一般包括知识库、知识获取器( 或学习机) 、解 释模块几部分。 e s 不仅是融合了书本相关的理论知识来处理各种定性的问题，而且还可总 结利用专家的经验知识( 或称为启发式知识) 来求解问题，它不仅可解决那些依 靠解析方法不能解决的问题，也可使所求解问题的知识搜索和推理范围缩小，提 高阀题求解速度和推理效率，另外e s 的解释模块能够对推理所用的知识、推理 过程及结论进行解释。在电力系统中e 8 在故障诊断方面的研究较多，可根据e s 知识表达方式和推理机结构的不同对器进行划分。 在变电站故障诊断的e s 中，常用的知识表达方式有：基于谓词逻辑表示法、 基于产生式规则表示法、基于过程式知识表示法、基于框架式表示法、基于知识 模型表示法和基于面向对象表示法。它们在变电站故障诊断应用的特性分析如 下： 谓词逻辑法是一种较早的知识描述方法之一。例如文献 7 中利用保护和 断路器信息来构造知识库，文中使用p r o l o g 语言用谓词逻辑构造了三个知识库： 描述电力系统结构、保护和断路器动作关系及断路器的状态方面的知识；描 述保护原理方面的知识；描述故障位置的规则和启发性知识。它根据故障设备 与保护、断路器的信息关系，采用反向推理，实现了多重故障、保护和断路器误 动、拒动诊断的功能。但谓词逻辑仅仅依据形式逻辑进行，推理过程太冗长，效 率低；不便于加入启发性知识：灵活性差；因而其应用范围受到限制。 在变电站故障诊断中，由于各种保护的动作逻辑、保护和断路器之间因果关 系易于用模块化的规则集表示，故不少e s 采用产生式规则来描述知识。基于产 第一章绪论 生式规则的知识表示结构便于增加、删除或修改一些规则；它适于表示因果关系 的知识，但难于描述电力系统结构性的知识：且这种知识表达方式对层次性、继 承性知识的表达能力较差，降低了推理效率。 基于框架理论表示法是将概念性和经验性的知识事例、事件细节，用类似框 架的通用数据结构描述的一种结构化知识表达方式。电力系统中网络结构复杂， 设备间存在的各种拓扑关联和电气关联，易于用框架结构来描述。框架可灵活的 形成层次关系，继承属性使表达简单、简化复杂的推理知识，其缺点是不善于表 达过程性的知识。 基于知识模型表示法用“与，或”逻辑元代替传统的经验启发式规则来表示 各电力系统设备内在功能、各设备与各种输入信息间的物理连接关系，构造被诊 断系统内各种设备的知识逻辑模型，这种表达方式描述了对象的整个逻辑推理过 程，就相当于过程式知识描述，不同处是根据信息的具体情况嵌入相应的逻辑运 算，使整体概念和行为更清晰。基于知识模型表示法是将电力设备表示为等效的 逻辑元件，它是局部的整体性，缺乏整个e s 的通用性及层次性；并对诊断假设 的验证推理增加了复杂性。 面向对象的知识表达方法是随着面向对象技术和语言而推出的。将研究问题 抽象为类，将类实例化为对象，通过采用继承和封装技术，减少了知识表达的冗 余性和易于知识库修改。它在本质上与框架式表示法没有质的区别，但由于面向 对象技术和语言的发展而赋予新的定义，使其在表达方式上更简洁、清晰；同时 将框架理论的优点更充分的发挥，特别是对逻辑推理过程的适应能力的增强。 在变电站故障诊断的e s 中，常用的推理机制可以划分为：正向推理、反向 推理和正反向混合推理三种基础推理结构。 正向推理即由原始数据出发向结论方向的推理，即所谓事实驱动方式。例如 文献 9 中就采用了正向推理。系统发生故障时，跳闸的断路器和动作的保护 信息作为驱动输入，按照知识指导的推理策略调动知识库在相关空阀中规则，搜 所求得故障诊断的结果( 由网络结构信息、断路器状态、断路器和保护装置的连 接、保护系统的属性等组成) ，当规则的条件部分与诊断输入信息相匹配，就将 该规则作为可用规则放入后选队列中，再通过冲突消解，将其作为进一步推理的 证据直接得到诊断结果。 反向推理首先提出假设，然后寻找支持该假设的证据，如果所需证据都能够 找到，则表明该假设成立，反之假设不成立。这种方法极少单独在变电站故障诊 断中应用。 正反向混合推理即先根据原始数据通过正向推理帮助提出中间结论，再由反 向推理进一步寻找假设的证据，反复这个过程直到最终得出中间结论。文献 1 0 第一章绪论 中采用正反向混合推理。首先根据跳闸断路器的保护信息进行初步推理，得到故 障设备的假设，根据假设，再用断路器和保护设各之间的逻辑规则进行反向推理， 验证假设的故障设备的正确性，有效地缩小查找故障的范围。 综上所述，基于e s 技术的变电站故障诊断系统的研究，随着计算机和语言 技术、智能技术的发展，知识表达形式和结构随之相应的变化，在知识获取和 构造方面有很多的改进，其发展的趋势是力图使知识获取、知识表示简化，进而 提高故障诊断的推理效率。 因为e s 基于知识实现故障诊断的推理逻辑过程原理不变，所以其在实际应 用中仍存在一些缺陷。 在变电站故障诊断的研究中，如何全面、有效地获取专家知识是一大难题。 e s 的知识表示：知识表达方式和知识构造质量是e s 成功的关键；专业知 识和专家启发性知识转化和形成完备的知识库是故障诊断的瓶颈；知识库的可维 护性也极其重要。 e s 的容错能力较差。在现实环境中，信息在形成和传递过程中发生畸变 是不可避免的，易出现知识库没有涵盖的新故障情况，使e s 陷入无穷递归、无 法求解或得出错误解。， 1 2 2 基于人工神经网络的变电站故障诊断吩咐7 3 a n n 是a j 技术的一个重要分支，是一种大规模并行处理的自学习自组织非 线性动力学系统。 不同的标准会产生不同的模型分类。按照网络的性能可分为连续型和离散 型，又可分为确定型和随机型；按照网络结构可分为反馈网络和前馈网络；按学 习方式可分为有导师学习和无导师学习；按连接突触性质可分为阶线性关联网 络和高阶非线性关联网络。 a n n 有多种学习算法。按有无导师来分类可分为有导师学习和无导师学习 两大类。进一步，若按导师信号的取值情况又可将有导师学习分为二分割学习和 输出值学习，若按导师信号是否固定来分类又可将有导师学习分为固定式学习和 示例学习。在理论和实用中都较常用的有模拟退火算法、b p 学习算法、竞争学 习算法和自组织映射学习算法等。 基于a n n 原理的故障诊断与基于e s 原理的相比，其最大的特点是不需要 为专业知识与专家启发性的知识转化、知识形成、知识表达方式和知识库构造作 大量工作，而需专家提供大量和充分的故障实例，形成故障诊断a n n 模型的训 练样本集，运用一定的学习算法对样本集进行训练；通过有导师监督的训练学习 4 第一章绪论 使a n n 实现知识的自我组织、自我学习能力、对新知识的加入增加样本训练即 可。经学习后，在神经元及它们之间的有向权重连接中蕴含了处理问题的知识， 即它的知识表达是隐式的，并具有一定的联想和泛化能力；对已训练的a n n 模 型，由于问题的求解就蕴含于a n n 的权值中，因此其推理也是隐式的，计算速 度很快。a n n 具有很强的白组织、自学 - - 3 能力、鲁棒性高、推理速度快且与规 模大小无明显关系。 在已研究的基于b p 算法的n n 的变电站故障诊断中，大多数研究更强调如 何提高学习算法的收敛速度、克服陷入局部极小点、提高精度；或根据研究目标 都需要改变a n n 模型结构、通过对其知识分层分布存储来提高和改善它的泛化 能力、联想记忆性能力。但是明显缺乏对影响a n n 容错性的因数和如何提高其 容错性能的系统性的研究。 a n n 在故障诊断中应用的局限性为： 有导师学习的a n n 模型，外推时误差较大，难以保证解的准确度和容错 性能。 系统结构发生变化时，则有可能需改变a n n 的组成结构，或增加新的样 本重新学习获得新知识。 难于实现基于结构化知识的逻辑推理。 缺乏解释能力，诊断结果不易于运行人员理解。 1 2 3 基于模糊理论的变电站故障诊断1 2 8 , - 3 1 】 模糊理论是l a z a d e h 教授于1 9 6 5 年创立的模糊集合理论基础上发展起来 的。它突破了经典集合用0 和1 表示非此即彼的清晰概念，而采用模糊隶属度的 概念来描述不精确的、不确定事件与现象，引入语言变量和近似推理的模糊逻辑， 来表述专家的经验知识。在变电站故障诊断中，根据具体知识表达或推理的需要， 引入模糊理论，可使精确推理相应转换为近似推理，在一定程度上也提高了故障 诊断的容错性。模糊理论与其它ai 技术相结合，相互渗透、取长补短，可使各 相应智能诊断系统在分析不确定因素问题上更成熟、更完善。 模糊理论在变电站故障诊断的应用分两类情况：一类认为诊断所依据的报警 信息的可信度不为1 ，而根据系统网络拓扑与故障所发生动作保护、断路器状态 赋予报警信息的可信度，再由e s 或a n n 给出故障诊断结果的模糊输出。另一 类认为诊断所依据的信息正确，但故障与对应的动作保护装置和断路器状态之间 存在不确定的关联关系，用模糊隶属度来对这种可能性进行描述的度量。 模糊理论在变电站故障诊断中的应用还存在以下问题： 第一章绪论 对变电站故障诊断的不确定问题的多样性，如何有效地建立隶属函数需深 入研究。 存在模糊系统的知识库的维护性问题。 1 2 4 基于p e t r i 网络的变电站故障诊断3 2 蚓 p e t r i 网络是由德国的数学家c a r la d a mp e t r i 在1 9 6 2 年提出的 3 0 ，后来 由p e t e r s o n 加以阐述。它是一种适用于多种系统的图形化、数学化建模工具，为 描述和研究具有并行、异步、分布式和随机性等特征的信息加工系统提供了强有 力的手段。作为一种图形化工具，可以把p e t r i 网看作与数据流图相似的通讯辅 助方法；作为一种数学化工具，它可以建立状态方程、代数方程和其他描述系统 行为的数学模型。p e t r i 网络是是离散事件动态系统建模和分析的理想工具。 电力系统故障是一个离散事件动态系统，由系统中各级电压、各级保护动作 反应故障，并把切除故障的过程看作一系列事件活动的组合，而事件序列是与相 应实体联系在一起。动态事件主要包括实体活动( 如断路器、继电保护、自动装 置等) 和信息流活动( 如信号的传递、控制指令发送、各监测信号流等) 。鉴于 电力系统故障动态过程描述的可行性，可确定用p e l r i 网络去构建交电站故障诊 断模型。 p e 缸- i 网络的突出特点是： 用直观的有向图，并可用数学运算来描述离散事件系统静态结构和动态行 为的分析。 在标准故障类型的求解速度快。 p e t r i 网络存在的主要问题： p e t r i 网系统是一个封闭的网系统，对外没有明确的输入和输出，其动态 行为是由内部状态的各种可能变化以及这些变化间的关系刻画的。 当网系统节点太多时，状态空间的状态数随着节点的增加而呈指数关系增 长，使得对复杂系统的分析非常困难。 当超出所考虑的故障类型出现时( 故障信息出现畸变时) 缺乏有效的方法 识别，且容错能力不够。 1 2 5 小结 上述各种人工智能技术，是从不同的途径去解决故障诊断问题的，但同时也 存在着相应的缺陷，现在已有不少学者综合已有的人工智能技术解决变电站故障 6 第一章绪论 诊断问题，扬长避短，研究开发出更加完善的智能故障诊断系统。 1 3 本文主要研究工作 通过对已研究的各种变电站故障诊断原理的了解和分析研究可知，如果故障 诊断系统所依据的是故障时是实时信息，那么这些信息在形成或传递过程中，信 息受到干扰、畸变或丢失的可能是无法避免的，会造成故障诊断系统推理失败， 得出错误的诊断结论。这问题的实质是由于所用的诊断原理在容错性能上的局 限性所致，这也是困扰和阻碍故障诊断系统更广泛地推向实用化所要解决的关键 性问题。 因此，在具有不精确、不完整、不正确、近似推理的环境中去实现高容错性 推理，是电力系统实时性故障诊断急需解决的难题。本文将研究重点放在提高故 障诊断的容错性能上，通过具体配电变电站的仿真和测试，与文献中的相关方法 作了比较，证明所研究的原理和方法是有效地、可行的。 本文的主要研究工作包括以下几个方面： 、通过对国内外变电站故障诊断问题研究内容的全面了解，进行综合归纳、 分析和概述，掌握了各种原理和方法存在的主要的本质问题故障诊断 的容错性问题。为本文的研究工作奠定了基础。 二、根据本文研究方向是基于因果网络( c a u s ea n de f f e c tn e t s _ en e t s ) 原理的 配电变电站故障诊断，由于c e n e t s 是建立在因果关系上的数学模型求解。 所以在构造模型型之前必须对按知识关系，对在故障情况下发生的动作事 件的因果关系分析清楚。特别在配变变电站中它的设备类型多、各设备之 间缺乏知识共性，因此在电力系统或配网故障诊断中能应用的灿原理在变 电站的故障诊断中不一定具有优势，如e s 技术是建立知识工程的基础上， 对不同设备在构造知识库和推理机的工作量是很大的。而c en e t s 的仅需 要掌握因果关系而无须构造知识库，是数学模型的快速求解也不要构造推 理机。所以为了对配变中所有设备在故障情况下因果关系的清晰地掌握。 本文提出对配变中的各种电气设备构造了知识树，它是建立c en e t s 可靠 性信息模型的重要基础。 三、由于单一的c en e t s 模型中因果关系属于浅层知识的推理，它最突出的问 题是对受干扰信息没有纠错能力，直接影响到故障诊断的准确性，即诊断的 容错性能。本文在分析了的不足的基础上，创造性地提出基于混合因果网络 7 第一章绪论 的配电变电站故障诊断模型。本文所提出的混合c - en e t s 模型是充分运用 现代变电站自动化系统中能全方位的获取故障信息，进行分析和推理，并将 其与c en e t s 信息流模型结合实现变电站的综合故障诊断。这样，可克服 c en e t s 对于扰信息误诊断的敏感性，可保证在保护、断路器出现误动、拒 动；信息出现丢失、畸变等情况下仍能保证诊断的正确性，使c en e t s 对 浅层知识的过分依赖性得到了克服。 四、本文根据所提出的混合c en e t s 原理，为构造相应的混合c en e t s 数学模 型，本文提出了五种基本因果关系描述，并提出了模型的求解方法。文是运 用m a t l a b 语言编程，实现混合因果网络的信息流模型的推理和信息赋值， 以及故障元件的矩阵运算求解。 五、通过使用a t p 软件进行故障仿真，得到大量的仿真故障录波数据，为研究 工作的实用性提供了保证。 六、为了证明本文研究的有效性，将基于混合因果网络的故障诊断模型与b p 神 经网络进行诊断性能的对比，文中对馈线三相短路故障进行仿真，可比较出， 在故障诊断原理的容错性能方面，前者较之后者有很大提高，实现了预期对 故障容错性能的提高，这是混合c en e t s 原理在故障诊断实用中的关键突 破。 苎三童里墨旦丝笪茎奎堕垄 第二章因果网络的基本原理 2 1 因果网络的发展和研究概述帅1 因果网络提出于1 9 8 9 年，但直到最近几年才在电力系统中受到重视呢。其原因 就在于，过去的变电站都不是分布式的，故障信息都是集中上传的，只有一个信息 通道，上传的信息还得进一步进行区分。因此，若在变电站故障诊断中应用因果网， 还得先进行信息分类，因果网发挥不出其快速的特点，因此其应用受到了很大的限 制。 因果网络的知识表达简单清楚、适于并行处理、可建立相应的数学模型，敢是 推理运算速度快，它对在线快速故障诊断是及其重要的；数据库维护容易。但由于 因果关系属于浅层知识表示，缺乏深层知识的推理。为此，当在故障信息中存在丢 失或畸变会影响诊断的正确性，即导致容错性能的降低。所以在实际应用中受到限 制。但随着计算机技术、数字通信技术的迅速发展，使电力系统中自动化也得到相 应的快速发展。特别是变电站内的基于数字通信局域网的建成，使变电站形成了分 层分布式的系统结构，可获得更广泛的信息，特别是面向目标的数据结构，如反映 故障过程的s o e 状态信息( 事件顺序记录) 、故障录波数字信息，故障前的预警信 息等。它为c - en e t s 应用进一步发挥优势创造了有利的条件。 本文根据c en e t s 存在的不足，提出了基于混合c en e t s 配变故障诊断的研 究。 2 2 因果网的基础概念3 6 删 2 2 1 因果网基本定义 c - en e t s 中有四类节点：状态、征兆、假设、起始原因。状态节点是表达领域 中某部分或某功能的状态，如断路器跳闸；征兆节点是表达状态节点的征兆。如断 路器跳闸的征兆是保护动作；假设节点是表达研究系统的诊断假设，如发生故障的 假设；起始原因节点是表达引起系统故障的最初原因。对应各节点可形成各类节点 之间的基本关系：如起始原因节点到状态节点之间或状态节点之间的因果关系，它 表明后者的发生起因于前者；状态节点到征兆节点之间关系，它表明状态节点会以 何征兆来表现，是附属关系；状态节点到假设节点之间的关系，是确定性关系。前 两种关系可以是确定或不确定的。 9 第二章因果网络的基本原理 对变电站故障过程的描述可由动态离散事件组成，如变电站中某个设备发生故 障时，先从该设备相应的保护动作状态因果关系，再由保护装置动作确定与断路器 动作之间的因果关系。c e n e t s 是用图形网络来表示，由节点和弧组成节点关系，本 文提出节点有：故障区段( 或设备) 节点；保护继电器节点；断路器节点； 重台闸接点：断路器状态变位过程记忆节点( 合一跳一合) 为判断重合闸动作。 本文对节点之间提出以下连接关系，其含义如下： 1 ) 、表示故障设备区段节点a 与引起保护继电器动作节点b 之间的因果关系的 连接，它属于不确定性的，如馈线保护拒动时则由上一级设备( 变压器) 后备保护 动作。 a ( 故障设备区段) 一b ( 保护继电器动作) 2 ) 、表示动作继电器节点a 引起断路器跳闸节点b 之间的连接。 a ( 动作保护继电器) b ( z k l 起断路器跳闸) 3 ) 、表示拒动断路器节点a 与引起相应后备保护动作的b 节点之间的连接。 a i 拒跳断路器) _ b ( 引起相应后备保护动作) 4 ) 、表示拒动保护继电器节点a 与引起相应后备保护继电器动作节点之间的连 接。 a 拒动保护继电器) + b ( 引起相应后备保护动作) 5 ) 、表示馈线重合闸动作节点引起相应断路器动作状态节点的变换 a ( 馈线重合闸动作) + b ( 引起相应断路器状态变换过程) 这是本文提出了数值分析和知识推理能判断出继电器拒动而表示的节点之间联 接。 2 2 2 因果网模型概念和示例 用馈线故障例子来说明上述的基本模型和概念。图2 1 所示为配变电气接线和 保护配置示意图。假设馈线f l 故障，可能发生事件有：情况馈线f 1 故障时， 三段式电流保护继电器x r 5 动作( 无论在何处故障相应段的保护都应动作跳c b 5 ) ； 情况如果断路器c b 5 拒跳时，且运行方式处在1 0 k v 母联断路器t c b 在合位， 则变压器1 t 、2 t 的后备过流保护1 t r b 、2 t r b 都将启动无选择性动作，但故障电 流经t c b 启动过流时限保护跳开，使2 撑变后备保护2 t r b 返回。如t c b 没配置过 流保护，则对后备保护可设两个时限，第一个时限动作跳t c b ，并闭锁各自投。同 样使2 撑变后备保护2 t r b 返回，仅由1 撑变的1 t r b 跳两侧的c b l 和c b 2 。情况如 果x r 5 保护拒动作，也会引起同样的结果。显然，由于x r 5 的拒动和c b 5 拒跳都 是由馈线f l 故障引起的。因此，从因果关系就无法区分清是保护拒动和断路器拒跳， 1 0 第二章因果网络的基本原理 形成不确定的解。在4 撑母线上任何馈线故障时出现上述情况都会形成不确定解。情 况：如由于l t 所在母线或1 t 变压器主保护范围外处出现故障，则也将跳t c b ， 1 t r b 动作跳c b l 、c b 2 。由于因果网的推理是沿有向弧箭头反向的求解法，去求出 故障起因的源节点故障设备，从图2 2 可知情况、的结果是相同的，但所 涉及故障设备是不同的，本文提出依据故障全方位信息分析确定优先求解模型。电 气接线图的右半部的情况同左半步一样分析。图2 2 所示为图2 1 低压部分故障 设备的基本因果网模型。 圆 圆 l t 网 i t r m i ! ! 墅_ j 4 # 母线 圈b 一2 t f 。 i 一 圈圆砼：匿 c b ti 网 鼯 囤 故障处 马囤1 回1 回1 圃1 画1 圆_ l 圃1 回 f 1 、lr z f 34 rf 4 丁i c f 5if 6l - ，l f 8 l2 c 丁 图2 1 配变电气接线和部分保护配置示意图 o -o ，l o c 4 1 c 5 l n 卜- 叫x r 5 h c b 5 b c 1 0c 1 l c 1 2c 1 3 c 1 4 1 砣卜叫x r 6 卜叫c b 6 卜 c 1 5 c 1 6 c 1 7c 1 8 c 1 9 r 一r 一r lf 3 卜叫x r 7 h c b 7 b 苞疗c 2 1 涮2 函汤 阿卧幅硒订面砰o l - - - - - 一 c 2 5 c 2 6 c 2 7c 2 8 c 2 9 li c h x r 9 l + | c b 9 卜 c 3 0 4 # 母线或1 t 主保护区外l 图2 - - 2 配变低压母线设备基本c en e t s 模型 墨三雯里墨堕竺塑茎查堕墨一- _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ - _ _ _ _ _ _ _ _ _ _ _ _ _ 。_ 。_ _ _ _ _ _ _ _ 。_ 。_ 。 2 2 3 因果网的数学模型 c - en e t s 是用矩阵形式来表征的。为此，将各因果网节点关系转换为子状态向 量c i 和c i 来形成c en e t s 关联矩阵r 中的各元素，限。关联矩阵r 的元素为如 图2 ，3 中所示的五种关系的布尔值( 0 或1 ) 。在关联矩阵r 中，如果元素r f j ) = 1 ， 则表示当状态c i 为真时，状态c j 也为真；如果元素r ( i j ) = 0 ，则表示c i 和c j 之间没 有联系。并规定关联矩阵r 的对角线元素的值都是1 。 c c i 图2 3c e n e t s 中的五种关联关系 下面举一个小例子来说明关联矩阵r 。图2 4 所示为一个简单的配电网模型。 假设f l 处出现故障，则继电器r 1 动作( 无论主保护动作还是后备保护动作都视为 继电器r 动作，即r 的值为对各个保护进行逻辑或运算的结果) ，令断路器c b l 跳 闸。如果断路器c b i 拒动作，贝i j 会弓l 起继电器t r b 动作，令断路器c b 3 和c b 4 跳 闸。如果r 1 拒动作，也会引起t r s 动作，令c b 3 和c b 4 跳闸。同理，f 2 处如果 出现故障，动作与上述过程相似。母线或变压器处如果出现故障，则继电器r 3 动 作，令开关c b 3 跳闸。 f if 2 图2 4 简单的配电网模型 1 2 兰三兰里墨塑丝箜茎查星墨 图2 5 所示为图2 4 相应的因果网。 图2 5 例中的因果网 例中的因果网所对应的状态集如下所示： c 1 ) f 1 出现故障 c 2 ) 继电器r 1 动作 c 3 继电器r l 拒动作 c 4 ) 断路器c b l 跳开 c 5 ) r 1 动作，但c b l 拒动作 c 6 ) 继电器t r a 动作 c 7 ) 断路器c b 3 、c b 4 跳开 c 8 ) f 2 出现故障 c 9 ) 继电器r 2 动作 c 1 0 ) 继电器r 2 拒动作 c 1 1 ) 断路器c b 2 跳开 c 1 2 ) p , 2 动作，但c b 2 拒动作 c 1 3 ) 母线或变压器主保护区外出现故障 图2 - - 5 所示因果网的关联矩阵如下所示： oqoaac 5c 7 口6 9c 1 0c 1 10 2c 1 3 r = 001 01100 010l1 000 00110 000 00 0 0 0 0 0 0 c 1 c 2 c 3 c 4 c 5 c 6 c 7 c 8 c 9 c 1 0 c 1 1 c 1 2 c 1 3 o 0 o o 0 0 0 o o 0 0 o o 0 0 o 0 o 0 0 o o o o o 0 o o 0 0 0 0 o o o o 0 o 0 o o o ，0 o o 1 o o0o，0 】1 1 o 0 0 o o o 0 l o 0 0 o ，o o 0 0 l o o 0 o 1 o o 0 0 o l o 0 l l 1 o o 0 o 0 o o o 0 0 o o o o 0 0 0 o o 0 0 o 0 0 o o 0 0 o 0 o o o o o 0 o o o 第二章因果网络的基本原理 2 3 本章小结 本章介绍了因果网络的基础概念( 包括因果网的基本定义、因果网的数学模型) ， 并通过举例加以说明，为变电站故障诊断的进行提供了数学工具。 1 4 第三章变电站故障诊断的分析知识树 第三章变电站故障诊断的分析知识树 故障诊断系统的智能化水平与系统拥有知识的数量和使用知识的能力有 着密切的关系。迄今为止，基于知识的故障诊断系统的发展经历了两个阶段： 基于浅知识( 人类专家的经验知识) 的第一代故障诊断专家系统和基于深知识 ( 诊断对象的模型、原理知识) 的第二代故障诊断专家系统。基于浅知识的系统 具有知识表达直观，形式统一模块性强，推理速度快等优点，但是，随着设备 复杂性的增加，专家的经验很难完整表示诊断对象的故障诊断领域知识，致使 诊断难以得出准确的结论，有时甚至得不出诊断结论，此时只有使用深知识才 能进行进一步的诊断。近年来出现的混合结构的智能诊断系统，就是将上述两 种方法结合起来，互补不足，相得益彰。所以如何将深浅知识有机结合在起 的问题颇受研究者的关注。 3 1 深浅知识的概念与关系4 1 4 4 3 3 1 1 深知识和浅知识的概念 从认识论的角度出发，可以将故障智能诊断系统中的知识分为三类，即 经验知识、因果知识和第一定律知识。其中经验知识被称为浅知识，因果知识 和第一定律知识被称为深知识。 下面分别给出其概念： 经验知识是专家在长期的工作实践中经过反复诊断领域问题而获得的 知识a 它结专家提供了解决诊断问题的捷径，使他解决问题比一个新手更快、 更有效。经验知识常以产生式规则的形式给出。 因果知识是反映诊断对象内部结构和功能的知识。它建立在经验知识的 基础之上，能把诊断对象的内部结构显式地表示出来。与经验知识相比，因果 知识包含了诊断对象可见和不可见的全部属性，而经验知识仅包含了诊断对象 的外部可见属性。 第一定律知识是指与诊断对象的物理性质、功能和原理有关的知识。它 包括理论、定律、公式、规律等。第一定律知识以明确的科学理论为基础，具 有普遍性和通用性。常见的有能量守恒定律、质量守衡定律、压力与压强的关 系、电压与电流的关系等。 第三章变电站故障诊断的分析知识树 3 1 2 深浅知识的特点和关系 浅知识是领域专家对诊断对象低层次的认识，它不仅隐含着领域专家对 被诊断对象行为的控制准则，而且也隐含着领域专家自身的行为规范，也可以 说浅知识表征了领域专家求解诊断问题的方法。由此可见，浅知识既有其客观 性，也有其主观性，基于浅知识的故障诊断系统是以领域专家和操作者的启发 性经验知识为核心，通过演绎推理或产生式推理来获取诊断结果。基于浅知识 的诊断推理的特点是，具有知识表达直观、形式统一、模块性强、推理速度快 等优点。但是这种方法具有较大的局限性，如知识集不完备，对超出系统知识 范围的情况系统容易陷入困境。 深知识是指描述诊断对象结构、功能等更深一层次的有关诊断对象内在 联系的知识，它表达了诊断对象的内在规律。基于深知识的故障诊断系统要求 诊断对象的每一个环节具有明确的输入和输出的表达关系。诊断时通过诊断对 象的实际输出与期望输出之间的不一致，生成引起这种不一致的原因集合，然 后采用一定的算法，确定故障原因。基于深知识的诊断推理的优点是：在知识 的表达上与组织上比基于浅知识的诊断推理具有更大的优越性和灵活性，知识 获取方便，维护简单，易于保证知识库的一致性秘完备性。其缺点是：搜索空 间大，推理速度慢。 经验知识 因果知识 第定律知识 专家的经验 总结 前提与结论之间有强 l 烈的因果关系，具有 i普遍性 理论、定律、公式、 l 规律等，具有普遍性 和通用性 浅 深 图3 1诊断知识按深浅程度的分类 经验知识、因果知识和第一定律知识的关系如图2 所示。事实上，一个领域 专家在求解诊断问题的过程中，并不是孤立地使用深知识或法知识，而是将二 1 6 第三章变电站故障诊断的分析知识树 者有机地结合起来，相互补充，一般情况下，领域专家首先使用浅知识，找到 诊断问题的近似解，然后使用诊断对象的深知识，获得诊断问题的精确解一在 复杂设备故障诊断中，只有将诊断对象的基本原理与专家的经验知识相结合才 能更好地解决诊断问题。 3 2 基于知识的诊断系统方法卜4 4 1 基于知识的设备诊断方法是以知识为基础完成诊断故障过程的。在获取诊 断信息时，不再是盲目的，而是在诊断知识的引导下，动态地获取对当前诊断 问题最有用的诊断信息。基于知识的诊断系统可分为基于浅知识诊断系统和基 于深知识的诊断系统。基于浅知识诊断系统中使用的知识主要是浅知识，但并 不是说没有使用深知识，事实上在有些系统( 如m y c i n 、m d x ) 中就使用了 大量的因果知识。由于大量浅知识在诊断系统中的运用，使系统具有许多难以 克服的缺陷，如它的局限性、脆弱性、弱解释能力以及知识获取的困难等等， 这导致人们开始研究使用所谓的深知识，进而开始了基于深知识的诊断推理研 究工作，也就是基于深知识的诊断系统的研究。两种诊断的主要差异，体现在 所用知识的层次和组织形式上，基于深知识的诊断系统使用的知识包括各种层 次的深知识，并且这类知识是以模型的形式来组织的，因而也叫模型知识。 3 3 知识树模型1 4 4 1 知识树本质上就是一个层级式知识图，它表达了为实现某组织目标的所 有相关组织知识问的因果关系或从属关系。层级式知识图由于具有对称性、良 好图形、连续性等特点，而得到广泛的应用。知识树模型在层级式知识图的基 础上拓展了更多的管理功能。 知识树结构就是考虑一个为完成某一组织目标的知识构成的层次知识结 构。它是若干个关联的知识结点集k ，知识结点间的关系r 构成了个关系集 r 。知识结点集k 与知识关系集r 构成了一个知识树d = ( k ，r ) 。如图3 2 所 示。 c 1 c 4c