本發(fā)明涉及一種變電站故障診斷方法，具體地說是一種基于多參量信息融合的智能變電站二次系統(tǒng)缺陷診斷方法，屬于變電站故障分析技術領域。

背景技術：

智能化變電站二次系統(tǒng)是電力系統(tǒng)測量、保護、監(jiān)控的重要組成，運行良好的二次系統(tǒng)對整個電網的影響至關重要。電力系統(tǒng)二次系統(tǒng)的可靠性要求不僅體現(xiàn)在保證了用戶正常用電，延長設備的使用壽命，還能夠保證電網安全有效地經濟運行，提高工作效率。

在傳統(tǒng)變電站中由于二次系統(tǒng)采用硬接線，存在相應邏輯實回路，物理接線與變電站的功能配置存在一一對應的關系，因此通過檢測二次系統(tǒng)的接線便可以分析確定變電站二次系統(tǒng)故障。但是隨著技術的發(fā)展，智能變電站以其特有的優(yōu)勢成為未來變電站發(fā)展的趨勢。而智能變電站二次系統(tǒng)則將硬接線變?yōu)橥ㄐ啪W絡，即實回路變?yōu)樘摶芈罚緝鹊牟蓸有畔?、控制信息、閉鎖信息、狀態(tài)信息以及繼電保護跳閘合閘都是通過通信網絡實現(xiàn)，網絡拓撲結構與功能信息以及信號的輸入輸出不再一一對應。基于這些變化，智能變電站二次系統(tǒng)的故障診斷與傳統(tǒng)變電站有很大的不同。

由于智能變電站二次系統(tǒng)缺陷具有多樣性和不確定性，在各種缺陷之間存在著復雜的聯(lián)系，使得缺陷診斷過程較為復雜，單一的診斷方法難以滿足需求。為了能夠更精確的判斷缺陷類型，需要一種綜合多方面缺陷信息進行推理的智能變電站二次系統(tǒng)缺陷分析診斷方法。

技術實現(xiàn)要素：

為解決現(xiàn)有技術存在的不足，本發(fā)明提供了一種基于多參量信息融合的智能變電站二次系統(tǒng)缺陷診斷方法，其能夠對電力系統(tǒng)二次設備缺陷進行綜合診斷。

本發(fā)明解決其技術問題采取的技術方案是：基于多參量信息融合的智能變電站二次系統(tǒng)缺陷診斷方法，其特征是，包括以下步驟：

1)建立二次設備缺陷診斷的信息融合模型，所述二次設備缺陷診斷的信息融合模型按照不同融合對象的層次將信息融合劃分為數(shù)據(jù)層融合、特征層融合和決策層融合；

2)建立二次設備缺陷診斷分析的專家?guī)?，所述二次設備缺陷診斷分析的專家?guī)齑鎯τ袑Χ卧O備缺陷進行診斷的推理規(guī)則；

3)采集二次設備的原始數(shù)據(jù)信息，所述原始數(shù)據(jù)信息包括二次系統(tǒng)配置信息、設備在線監(jiān)測信息、綜自告警信息(來自變電站綜自系統(tǒng))和通信網絡在線監(jiān)測信息；

4)進行信息融合，利用二次設備缺陷診斷的信息融合模型對二次設備的配置信息、設備在線監(jiān)測信息、綜自告警信息、通信網絡在線監(jiān)測信息進行分類、匯集處理提取特征信息，按照不同類別的缺陷特征信息進行不同診斷規(guī)則的匹配，并根據(jù)缺陷特征信息進行二次設備缺陷定位；

5)輸出診斷結果輸出，輸出二次設備缺陷診斷結果并給出相關診斷解釋說明。

進一步地，所述二次設備缺陷診斷分析的專家?guī)煸\斷對象包括合并單元、保護裝置、智能開關、測控裝置、通信網絡以及通信裝置。

進一步地，在信息融合過程中，對采集的二次設備數(shù)據(jù)信息分別進行數(shù)據(jù)層融合、特征層融合和決策層融合。

進一步地，所述數(shù)據(jù)層融合就是對采集的原始數(shù)據(jù)信息進行分類、匯集和綜合，當缺陷發(fā)生時，站內將集中出現(xiàn)大量報文信息、監(jiān)控報警信息及事故信息，將采集到的原始數(shù)據(jù)進行合并分析來提取特征信息。

進一步地，所述特征層融合就是對告警信息進行篩選分類處理，并對原始告警信息進行處理，以一定的通用知識結構將其進行表述，按照不同類別的缺陷特征信息進行不同診斷規(guī)則的匹配.

進一步地，所述決策層融合就是根據(jù)缺陷特征信息分別進行二次設備工作狀態(tài)診斷，并逐步分析二次設備缺陷出現(xiàn)的具體原因和最小范圍。

進一步地，在步驟4)中，采用DS信息融合算法根據(jù)DS證據(jù)理論及DS證據(jù)理論的組合規(guī)則進行信息融合，所述DS證據(jù)理論包括基本概率分配、信任函數(shù)和似然函數(shù)。

進一步地，在進行智能變電站二次系統(tǒng)缺陷診斷過程中，

當二次設備缺陷為某500kV線路間隔智能組件柜的第一條電壓合并單元SV總告警信息時，所述原始數(shù)據(jù)信息包括測控裝置SV接收告警信息、保護及合并單元裝置自檢報文、sv/goose組網通信設備信息；

在缺陷發(fā)生期間，繼電保護及故障信息系統(tǒng)上報“第一條電壓合并單元SV總告警”作為數(shù)據(jù)層的輸入數(shù)據(jù)，首先解析SCD文件，判斷該告警的發(fā)出裝置是否為測控裝置，如不是則判斷該告警信息為誤發(fā)，然后特征層依據(jù)專家?guī)旆治霾⒘谐鲇|發(fā)測控裝置發(fā)送該告警的原因，如測控裝置、合并單元裝置電源掉電，GOOSE斷鏈，報文解析異常或交換機故障原因，判斷以上原因的邏輯值(1，0)，鎖定該原因，最后決策層依據(jù)原因的輸入給出相應的解決方案(如校驗電源掉電光字、檢驗goose斷鏈光字、檢查相應物理光纖回路或人工經驗干預)。

進一步地，所述觸發(fā)測控裝置發(fā)送該告警的原因包括測控裝置、合并單元裝置電源掉電、GOOSE斷鏈、報文解析異?；蚪粨Q機故障原因。

進一步地，所述相應的解決方案包括校驗電源掉電光字、檢驗goose斷鏈光字、檢查相應物理光纖回路或人工經驗干預。

本發(fā)明的有益效果是：

本發(fā)明提出了一種基于多參量的電力二次設備缺陷綜合診斷模型，參考已有的信息融合方法，結合已采集的基準數(shù)據(jù)和電力試驗數(shù)據(jù)，利用自適應算法優(yōu)化網絡和信息歸納演繹技術，對電力二次設備缺陷進行綜合診斷,它根據(jù)不同缺陷特征信息之間的邏輯關系，通過劃分缺陷特征參數(shù)來構建關系網絡，從不同側面反映二次設備的缺陷原因，同時結合證據(jù)不確定推理的輸出改進證據(jù)體的基本概率分配賦值，充分體現(xiàn)證據(jù)體對單個障模式識別的可信度。

針對現(xiàn)有技術在缺陷診斷過程中存在的模糊性和不確定性問題，本發(fā)明提出了基于多參量的設備缺陷診斷技術，其更適合問題的解決并克服了組合爆炸問題。由于缺陷與征兆之間存在著不同程度的因果關系，在綜臺考慮所有征兆參量的基礎上判斷設備可能發(fā)生的缺陷，就可以有效提高缺陷診斷的準確性，降低漏判的可能性，消除在線監(jiān)測中測量誤差的影響。變電站內各設備及通信網絡并不能保證百分之百的檢測出全部缺陷，并將告警信息進行無差上傳，因此，在某些情況下會出現(xiàn)缺陷特征信息或告警信息不全的情況，本發(fā)明通過其他相關告警信息缺陷進行輔助診斷，并且推斷缺陷告警信息的缺失部分，輔助校驗診斷結果準確性。

附圖說明

圖1為本發(fā)明的方法流程圖；

圖2為本發(fā)明二次設備缺陷診斷的信息融合模型的基本架構圖；

圖3為圖2所示信息融合模型的具體結構示意圖；

圖4為本發(fā)明二次設備缺陷診斷分析的專家?guī)斓慕Y構示意圖；

圖5為本發(fā)明進行智能變電站二次系統(tǒng)缺陷診斷的具體流程圖；

圖6為本發(fā)明所示DS證據(jù)理論的示意圖。

具體實施方式

為能清楚說明本方案的技術特點，下面通過具體實施方式，并結合其附圖，對本發(fā)明進行詳細闡述。下文的公開提供了許多不同的實施例或例子用來實現(xiàn)本發(fā)明的不同結構。為了簡化本發(fā)明的公開，下文中對特定例子的部件和設置進行描述。此外，本發(fā)明可以在不同例子中重復參考數(shù)字和/或字母。這種重復是為了簡化和清楚的目的，其本身不指示所討論各種實施例和/或設置之間的關系。應當注意，在附圖中所圖示的部件不一定按比例繪制。本發(fā)明省略了對公知組件和處理技術及工藝的描述以避免不必要地限制本發(fā)明。

如圖1所示，本發(fā)明的一種基于多參量信息融合的智能變電站二次系統(tǒng)缺陷診斷方法，它包括以下步驟：

1)建立二次設備缺陷診斷的信息融合模型，所述二次設備缺陷診斷的信息融合模型按照不同融合對象的層次將信息融合劃分為數(shù)據(jù)層融合、特征層融合和決策層融合；

2)建立二次設備缺陷診斷分析的專家?guī)?，所述二次設備缺陷診斷分析的專家?guī)齑鎯τ袑Χ卧O備缺陷進行診斷的推理規(guī)則；

3)采集二次設備的原始數(shù)據(jù)信息，所述原始數(shù)據(jù)信息包括二次系統(tǒng)配置信息、設備在線監(jiān)測信息、綜自告警信息(來自變電站綜自系統(tǒng))和通信網絡在線監(jiān)測信息；

4)進行信息融合，利用二次設備缺陷診斷的信息融合模型對二次設備的配置信息、設備在線監(jiān)測信息、綜自告警信息、通信網絡在線監(jiān)測信息進行分類、匯集處理提取特征信息，按照不同類別的缺陷特征信息進行不同診斷規(guī)則的匹配，并根據(jù)缺陷特征信息進行二次設備缺陷定位；

5)輸出診斷結果輸出，輸出二次設備缺陷診斷結果并給出相關診斷解釋說明。

如圖2和圖3所示，二次設備缺陷診斷的信息融合模型按照融合對象的層次不同，將信息融合劃分為低層(數(shù)據(jù)級或像素級)、中層(特征級)和高層(決策級):(1)數(shù)據(jù)層(像素層)融合就是直接融合由檢測終端采集到的原始數(shù)據(jù)，并合并分析；(2)特征層融合即信息融合的中間層，它對特征信息進行綜合分析與處理；(3)決策層融合即高級融合，它的結果為控制決策提供依據(jù)，在一個或幾個信息源失效的情況下，決策層融合也能夠繼續(xù)工作，具有容錯性。

下面分別對數(shù)據(jù)層融合、特征層融合和決策層融合進行詳細介紹：

(1)數(shù)據(jù)層融合。通常所提取的特征信息應是數(shù)據(jù)信息的充分表示量或統(tǒng)計量，據(jù)此對原始數(shù)據(jù)信息進行分類、匯集和綜合。當缺陷發(fā)生時，站內將集中出現(xiàn)大量報文信息、監(jiān)控報警信息及事故信息，本方法將二次系統(tǒng)配置信息、設備在線監(jiān)測信息、綜自告警信息、通信網絡在線監(jiān)測信息等信息統(tǒng)稱為原始數(shù)據(jù)。系統(tǒng)利用從多個智能變電站智能檢測分析儀終端采集到的原始數(shù)據(jù)來提取特征信息。

(2)特征層融合。在綜合分析和處理的中間層次過程，缺陷診斷應首先對告警信息進行篩選分類處理，并對原始告警信息進行處理，以一定的通用知識結構將其進行表述，按照不同類別的缺陷特征信息進行不同診斷規(guī)則的匹配。這里的包含一次設備工作狀態(tài)、二次智能裝置工作狀態(tài)、通信網絡性能、通信設備工作狀態(tài)。解析邏輯鏈路、現(xiàn)場綜自系統(tǒng)點表，明確光字與具體的MMS告警的對應關系，解讀相關報文作為輔助判斷依據(jù)。例如保護接收的過程層SMV報文、發(fā)送的相關站控層MMS報文告警、二次回路配置是否正確等信息，可以作為缺陷判斷驗證。

(3)決策層融合。綜合診斷過程中，將根據(jù)缺陷特征信息分別進行二次智能裝置工作狀態(tài)、輸入/輸出回路完整性、通信網絡性能、通信設備工作狀態(tài)診斷。然后綜合分析中間推理結果，依據(jù)SCD描述的邏輯回路、二次裝置之間的關聯(lián)關系、配置錄入的二次裝置物理通信網絡拓撲關系，逐步分析出現(xiàn)在這個光字的具體原因和最小范圍。最后將綜合診斷結果輸出，并給出相關診斷解釋說明。

進一步地，所述二次設備缺陷診斷分析的專家?guī)煸\斷對象包括合并單元、保護裝置、智能開關(包括智能組件及開關操作機構)、測控裝置、通信網絡以及通信裝置。如圖4所示，本發(fā)明根據(jù)缺陷診斷對象對知識庫進行分類。由于專家系統(tǒng)獲取缺陷信息的全面程度，決定了其推理規(guī)則的適用范圍，同時，當有新的缺陷案例出現(xiàn)時，需要通過專家系統(tǒng)的學習機制對規(guī)則庫進行更新完善。

如圖5所示，在進行智能變電站二次系統(tǒng)缺陷診斷過程中，這里以保信系統(tǒng)(繼電保護及故障信息系統(tǒng))上報某500kV線路間隔智能組件柜的第一條電壓合并單元SV總告警為例。

當二次設備缺陷為某500kV線路間隔智能組件柜的第一條電壓合并單元SV總告警信息時，所述原始數(shù)據(jù)信息包括測控裝置SV接收告警信息、保護及合并單元裝置自檢報文、sv/goose組網通信設備信息等；

在缺陷發(fā)生期間，繼電保護及故障信息系統(tǒng)上報“第一條電壓合并單元SV總告警”作為數(shù)據(jù)層的輸入數(shù)據(jù)，首先解析SCD文件，判斷該告警的發(fā)出裝置(正常來說發(fā)出裝置是測控裝置)是否為測控裝置，如不是則判斷該告警信息為誤發(fā)，如是測控裝置，然后特征層依據(jù)專家?guī)旆治霾⒘谐鲇|發(fā)測控裝置發(fā)送該告警的原因，如測控裝置、合并單元裝置電源掉電，GOOSE斷鏈，報文解析異?；蚪粨Q機故障原因，判斷以上原因的邏輯值(1，0)，鎖定該原因，最后決策層依據(jù)原因的輸入給出相應的解決方案(如校驗電源掉電光字、檢驗goose斷鏈光字、檢查相應物理光纖回路或人工經驗干預等)。

進一步地，在步驟4)中，采用DS(Dempster_Shafer)信息融合算法根據(jù)DS證據(jù)理論及DS證據(jù)理論的組合規(guī)則進行信息融合。下面對DS信息融合算法進行詳細介紹。

DS證據(jù)理論

如圖6所示，該理論將不同渠道采集到的信息加以綜合，消除多源信息間可能存在的冗余和矛盾信息，并對其加以互補，降低不確定性，已形成對系統(tǒng)環(huán)境相對完整的一致性描述的過程。主要針對事件發(fā)生后的結果(證據(jù))，探求事件發(fā)生的主要原因(假設)，對于具有主觀不確定性判斷的多屬性診斷問題，DS證據(jù)理論是一個融合主觀不確定性信息的有效手段，例如一個故障發(fā)生，誘發(fā)的原因有多種可能，或者多種因素的組合，該理論通過對誘因發(fā)生概率進行分配，結合函數(shù)計算，組合推導出概率最高的誘因。

設Θ是一個識別框架、或假設空間。

(1)基本概率分配

基本概率分配：Basic Probability Assignment，簡稱BPA。在識別框架Θ上的BPA是一個2Θ→[0,1]的函數(shù)m，稱為mass函數(shù)。并且滿足且

其中，使得m(A)>0的A稱為焦元(Focal elements)。

(2)信任函數(shù)

信任函數(shù)也稱信度函數(shù)(Belief function)。在識別框架Θ上基于BPA m的信任函數(shù)定義為：

表示對A命題為真的信任程度。

(3)似然函數(shù)

似然函數(shù)也稱似然度函數(shù)(Plausibility function)。在識別框架Θ上基于BPA m的似然函數(shù)定義為：

表示對A為非假的信任程度，也對A似乎可能成立的不確定性度量。

信任函數(shù)Bel(A)和似然函數(shù)Pl(A)組成信任區(qū)間[Bel(A),Pl(A)]，用以表示對某個假設的確認程度。

二、DS證據(jù)理論的組合規(guī)則

1)組合公式

對于Θ上的兩個mass函數(shù)m1,m2的Dempster合成規(guī)則為：

其中，K為歸一化常數(shù)

對于識別框架Θ上的有限個mass函數(shù)m1,m2,...,mn的Dempster合成規(guī)則為：

其中，

2)組合信任區(qū)間(組合后的證據(jù)間隔)A和B的信任區(qū)間分別是：

El₁(A)＝[Bel₁(A)，pl₁(A)]，El₂(B)＝[Bel₂(B)，pl₂(B)]

對于缺陷診斷過程中存在的模糊性和不確定性，本發(fā)明提出了基于多參量的設備缺陷診斷技術，它更適合問題的解決，并克服了組合爆炸問題。由于缺陷與征兆之間存在著不同程度的因果關系，在綜臺考慮所有征兆參量的基礎上判斷設備可能發(fā)生的缺陷，就可以有效提高缺陷診斷的準確性，降低漏判的可能性，消除在線監(jiān)測中測量誤差的影響。變電站內各設備及通信網絡并不能保證百分之百的檢測出全部缺陷，并將告警信息進行無差上傳，因此，在某些情況下會出現(xiàn)缺陷特征信息或告警信息不全的情況，本發(fā)明通過其他相關告警信息缺陷進行輔助診斷，并且推斷缺陷告警信息的缺失部分，輔助校驗診斷結果準確性。

以上所述只是本發(fā)明的優(yōu)選實施方式，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也被視為本發(fā)明的保護范圍。