基于多源信息融合的电力系统快速故障诊断方法研究.pdf

Microcomputer Applications Vol.39,No.10,2023文章编号：10 0 7-7 57 X(2023)10-0161-03基于多源信息融合的电力系统快速故障诊断方法研究（国网浙江省电力有限公司建德市供电公司，浙江，建德3116 0 0)摘要：在电力系统中，快速准确的故障诊断对于恢复系统正常运行发挥着至关重要的作用。作者将有序加权平均算子应用到电力系统故障诊断中，提出了一种基于信息融合的快速故障诊断方法。该方法将断路器的离散时间信息以及记录仪的连续时间信息进行融合，从而通过多源信息改进系统决策过程。仿真实验表明，当采用融合后的故障诊断系统进行决策时，可以有效提高故障诊断能力，缩短了发现故障的延迟时间，同时也验证了提出方法的有效性。关键词：电力系统；故障诊断；断路器；信息融合；系统决策中图分类号：TM72Research on Fast Fault Diagnosis Method of Power SystemBased on Multi-source Information Fusion(Jiande Power Supply Company,State Grid Zhejiang Electric Power Co.,Ltd.,Jiande 311600,China)Abstract:In the power system,fast and accurate fault diagnosis plays a vital role in restoring the system to normal operation.In this paper,the ordered weighted average operator is applied to power system fault diagnosis,and a new fast fault diagnosismethod based on information fusion is proposed.This method fuses discrete-time information from circuit breakers and continu-ous-time information from loggers to improve the system decision-making process through multiple-source of information.Sim-ulation experiments show that when the fused fault diagnosis system is used for decision making,it can not only effectively im-prove the fault diagnosis capability but also shorten the delay time of fault detection.Thus,the effectiveness of the proposedmethod is verified.Key words:power system;fault diagnosis;circuit breakers;information fusion;system decision0引言在智能电网中，对早期故障的位置进行诊断是维持供电可靠性、进行故障分析的重要手段。电网一旦发生故障，会在分布式系统中迅速传播，并可能引起系统的二次故障。由于电力系统故障的分散性和不确定性的影响，传统的基于断路器（CBs)和继电器信息的故障诊断方法往往是无效的。因此，需要将CBs的离散数据与相量测量单元（PMU)的连续电压相结合2，以提高智能电网的故障诊断能力。目前，故障检测与诊断在智能电网中得到了广泛的应用。一种方法是利用PMU的信息检测智能电网的故障位置3。PMU从全球定位系统卫星接收同步信号，并确定变电站的电压和电流相量。由于PMU的测量成本相对较高，因此实际的应用中，通常只使用较少的PMU，然后利用欧姆公式计算其他电网的电压。另一种则是基于人工神经网络、模糊逻辑、模糊Petri网、支持向量机、决策树等方式的智能检测方法。近年来，信息融合方法在不同领域得到了广泛的应用，其基本思想是通过充分利用有效的信息源来改进决策过程4。将来自不同信息源的多个信息集成到一个框架中，可作者简介：罗卿（198 3一）男，本科，工程师，研究方向为计算机科学与技术。研究与设计罗卿文献标志码：ALUO Qing以得到比单个信息源更可靠的数据库，并可以得到精度更高的决策方法。因此，本文提出了一种新的智能电网故障诊断融合方法。首先，将来自CBs的离散信息和记录仪的连续电压用于控制中心单元，并使用有序加权平均（OWA)算子来识别故障位置。然后，结合径向基函数（RFS)神经网络和小波的诊断，最后，根据径向基函数的信息，在特征层进行融合决策。1基于OWA算子的信息融合算法1.1离散小波变换小波是在时域和频域具有局域特性的波状振荡。它们的正交特性使它们适合于的监测和故障诊断。MALAT等S5为离散小波变换（DWT)引人了一个框架，即多分辨率分析，它将一个信号映射到不同的分辨率级别。假设f(t)ELz（R)为正交小波及其尺度函数的线性组合，则(1)pmk(t)=2-m/2g(2-t-k);m,k Ez（2)m.(t)=2-m/2g(2-t-k);m,k E z(3)其中，(t)和以(t)分别表示尺度函数及其正交小波。m为膨微型电脑应用2 0 2 3年第39 卷第10 期Microcomputer Applications Vol.39,No.10,2023胀因子，k为平移参数。在尺度函数和小波中加人2-/进行归一化处理，则ao.k=dmk=1.2RBF神经网络RBF网络是一种前馈神经网络6。该网络采用径向基函数作为激活函数，提供全局逼近。这是该网络与其它存在局部最小问题的多层感知器网络的主要优势7。研究与设计态信号的有效方法10。这些基函数被称为母小波。Har小波和Daubechies 小波是两个著名的母小波1。为了达到故(4)障检测的目的，用多分辨率分析方法对故障信号进行分解，(5)以获得故障信号在不同层次上的近似值和细节系数。nd/各刺牌20Wo.1nd/zVo2W1,1微型电脑应用2 0 2 3年第39 卷第10 期100200300400采样时间/s0500600100W2.1X292：Xm图1RBF网络结构RBF网络由输人层和非线性隐含层组成，隐含层具有高斯激活函数，输出层具有线性传递函数。通常假设每一层中的节点都与前面的节点完全连接。图1为m个输入，n个隐藏节点,k个输出的RBF网络结构。假设(t)=i(t),2(t)，.,m(t)T 为输人向量,(t)=y1(t),yz(t),y(t)T 输出向量。g;（(t)为隐层节点的高斯激活函数，则9,;(z(t)=exp(其中,C(j=1,2，,n)ER 和入，分别为第j个RBF隐藏节点的中心和宽度。1.3基于OWA算子的融合方法利用OWA算子可以将不同方法的决策信息进行融合，以实现高性能的电力系统故障诊断。OWA算子代表了一类通用的聚合算子8。它已被广泛用于不同的领域，包括函数逼近，决策和控制9。OWA算子可以被认为是从维度为n的空间到维度为1的空间的映射，由F:RR表示，关联的权重向量W=w i，w 2，,T 服从如下关系，w=l;0w1;i=1,ni-1F(ai,an)=其中，b表示a1，,a 中的第i个最大值。剩下的任务是如何确定权重因子wi。考虑M个不同的数据，每一个都可以从N个数据集中获得，并估计正确的结果。因此，样本i可以为ai，,ab i,其中aj为i个采样时间内地个源的信息，6 为样本的最优结果。主要目的是利用以下准则求出加权向量W，MminZ(W(ai,ai)-b)j-1对于式（7)和式（8)中约束条件，可以通过梯度下降法等方法来获得式(9)的最优解。2基于信息融合的故障诊断方法2.1基于小波的故障诊断单元基于基函数的正交性,离散小波变换被证明是分析非稳2003004002采样时间/snd/Iao2：0Wn.k2nd/zao0图2 故障信号及其db4小波分解图2 显示了长度为4的Daubechies母小波的故障信号和它的分解级别(db4),其中,纵轴为标幺值,单位为 pu,横轴(IL2(k)-C.L)(6)入(7)(8)i=1(9)1625001100200300400采样时间/s100200300采样时间/s为采样时间，单位为 s。可以看出，细节系数1(CD1)包含高频信号，说明了故障信号的快速变化，可用于检测故障时间。此外，在总线上CD1的值很大的位置，意味着可能存在故障或故障的影响。2.2基于RBF网络结构设计IEEE14总线系统被广泛用于进行各种电力系统研究。因此，为了利用RBF网络来诊断IEEE14总线系统中的故障位置和时间。考虑如图1所示的RBF网络，并对其诊断单元进行设计。该网络的输人层有14个神经元，隐藏层有2 8 个神经元，输出层有4个神经元。输出函数是以二进制格式设计的。例如，输出0 0 0 0 表示系统中没有故障。输出0 0 0 1意味着在总线1的位置有故障。输出0 0 10 显示总线2 的位置有故障，以此类推。选择这种格式的原因是，如果选择十进制格式，输出会对像13和14这样的较大的数字产生饱和，系统无法正确检测这些故障。2.3基于OWA算子融合检测方法设计融合实现的基本思想是利用融合方法的互补性，提高故障检测与诊断系统的性能。本小节将结合基于OWA算子的融合算法的特点，设计所需的故障诊断系统。其基本框架如图3所示。CBs诊断单元DWT诊断单元RBF诊断单元图3融合方法框架600500600400500融合诊断单元600Microcomputer Applications Vol.39,No.10,2023其中,CBs 可以在早期阶段检测系统中的故障,但由于故障会影响其附近的总线，因此该方法往往不能确定故障的确切位置。DWT诊断单元可以诊断出故障及其位置，但它对系统中的噪声仍然很敏感，并可能产生不止一个故障位置,甚至可能出现漏检。而基于RBF方法可以诊断出故障的位置，但它对故障识别有一定的延迟。基于上述分析，在融合单元，利用基于OWA的融合方法可以有效的结合不同诊断单元的决策，并提前诊断出故障位置。在此过程中，通过优化(9)来调整OWA的权重系数。3仿真实验分析IEEE14总线系统由于其合理的复杂性和与微电网结构的相似性而被广泛用作研究平台。因此，本文设计如图4所示的IEEE14总线系统的故障场景。并通过设计的故障方法测试结果，从而验证系统的有效性。为此，在不同的总线位置向系统加入了几个故障。其中，断路器的离散数据和记录器的连续电压被同时用于故障分析。此外,在所设计的融合诊断系统中,RBF、D W T 和CBs诊断单元的权重系数分别为0.4、0.36 和0.2 4。研究与设计使用DWT进行故障诊断时,可能由于 CD1 携带了系统中噪声等高频信号而导致漏报。2nd/(9)平甲-250.2nd/(9)1ao0-0.250nd/(1)平-100.1r13nd/(I)o14微型电脑应用2 0 2 3年第39 卷第10 期100200采样时间/s100200采样时间/s100200采样时间/s0300300300400400400500500500600600600-0.198总线断路器2图4IEEE标准14总线系统图5为总线6 上19 0 个采样时间的A相接地故障。可以看出，该故障对与总线6 连接的总线11有较大影响，从而导致 6 和11 的 CB同时断开。因此,CBs 信息不能准确标识故障的位置。2nd/9亚申每0图6 故障电压和6 号和11号总线上的CD1图7 为CBs、D W T、RBF和 OWA四个故障诊断系统的输出。可以看出，RBF诊断单元在195个采样时间检测到6号总线的故障。210nd/LMa21100100200300采样时间/s200采样时间/s4003004005005006006000-20nd/申第每2120图5总线6 中的A相接地故障及其对总线11的影响。图6 显示了总线6 和11的故障电压及其CD1。CD 1显示了电压的变化。在总线6 的19 1个采样时间，它从几乎为零跳到0.15pu。在191个采样时间，总线11的值上升到接近0.1pu。因此，DWT诊断单元在时间191诊断出6 号总线的故障位置。需要注意的是，如果系统中的噪声较大，单独0300600100200采样时间/s200300100采样时间/s1002400500500400600200采样时间/s0100nd/MO210图7 总线6 的CBs，D W T，RBF和OWA故障诊断系统的输出而当通过本文提出的基于OWA算子的融合方法进行诊断时,在191采样时间能够准确检测到总线6 的故障。与RBF诊断单元相比，它的检测延迟更低。此外，由图7 可以(下转第18 0 页）.163300200300采样时间/s100200300采样时间/s400400400500500500600600600Microcomputer Applications Vol.39,No.10,2023622-627.7徐单恒，龚建新.基于区块链技术的第三方电子数据存证方法研究J.微型电脑应用，2 0 2 1,37（10）：9-12.8 毕兴，唐朝京.基于模型检测的TLS协议实现库安全性分析J.系统工程与电子技术，2 0 2 143（3)：839-846.9吴永强，国密SSL安全通信协议的研究与实现D.西安：西安电子科技大学，2 0 14.10蔡成杭.支持国产密码算法的OpenSSL设计实现及应用J.信息安全研究，2 0 18，4（2）：115-132.11TIAN C,CHEN C,DUAN Z H,et al.DifferentialTesting of Certificate Validation in SSL/TLS Imple-mentationsJJ.ACM Transactions on Software Engi-neering and Methodology,2019,28(4):1-37.(上接第16 3页）看出融合检测方法将CBs、D W T、RBF的故障结果组合在一起作为系统的输出，从而有效的提高了故障识别能力，以及故障定位的可靠性。4总结本文提出了一种用于电力智能电网的新融合方法。该方法利用OWA运算器将CBs、D W T 和RBF3个诊断单元的信息结合起来，从而得到一个融合的框架来识别故障。通过实验证明，基于OWA的融合方法不仅可以识别故障的确切位置，而且与RBF诊断单元相比，它的检测延迟更低。1下陈艳丽，周群，滕欢.配电网故障定位容错算法.电力系统保护与控制，2 0 11,39(13）：91-95.2陈亮，毕天姝，薛安成，等.基于断路器零阻抗特性的PMU量测状态估计方法J.电力自动化设备，2 0 14，34(5):105-110.3徐浩，苗世洪，姜臻，等.基于有限相量测量单元测量故障分量信息的故障定位算法J.电力系统自动化，2013,37(2):43-48.开发应用12曹琪，阮树骅，陈兴蜀，等.Hyperledger Fabric平台的国密算法嵌入研究J.网络与信息安全学报，2 0 2 1，7(1):65-75.13金先涛.商用密码算法在PLC固件完整性校验中的应用J.计算机科学与技术，2 0 2 1，39（2：2 1-2 5.14纪文桃，李媛媛，秦宝东.基于决策树的SM4分组密码工作模式识别J.计算机工程，2 0 2 1，47（8)：157-161.15YAU A K L,PATERSON K G,MITCHELL C J.Padding Oracle Attacks on CBC-mode Encryptionwith Secret and Random IVsC/Proceedings of the12th International conference on Fast Software En-cryption.New York:ACM,2005:299-319.（收稿日期：2 0 2 2-0 1-2 7）4 W ILK INSO N W A,CO X M D.D i s c r e t e W a v e l e t A-nalysis of Power System TransientsJJ.IEEE Trans-actions on Power Systems,1996,11(4):2038-2044.5关书怀，沈艳霞.基于粒子群优化径向基函数神经网络的电力负荷预测J.传感器与微系统，2 0 2 1，40(5):128-131.6吴吴微.神经网络计算M.北京：高等教育出版社，2 0 0 3.75张晓慧，冯源.计算OWA算子权重的最小最大不一致方法及讨论J.浙江大学学报（理学版），2 0 2 0，47(4):455-459.8王奕.基于集对分析OWA算子信息决策排序方法参考文献J.自动化与仪器仪表，2 0 15（1)：17 4-17 59杨建国.小波分析及其工程应用M.北京：机械工业出版社，2 0 0 5.10邵塗，吴昊，姚朔晔.基于CNN卷积神经网络的电力通信网故障诊断J.微型电脑应用，2 0 2 2，38（5）：111-115.11薛东博.智能电网中虚假数据注入攻击检测研究D.重庆：重庆邮电大学，2 0 19.微型电脑应用2 0 2 3年第39 卷第10 期（收稿日期：2 0 2 3-0 1-16）.180.