架空电力线故障诊断系统的仿真数据生成算法.pdf

第 3 4卷第 6期 2 0 1 3年 6月 仪 器 仪 表 学 报 C h i n e s e J o u r n a l o f S c i e n t i f i c I n s t r u me n t Vo 1 ． 3 4 No ． 6 J u n ．2 0 1 3 架空电力线故障诊断系统的仿真数据生成算法 吴 华 ， 柳长安 ， 厉启鹏 ，申晓科 ( 华北电力大学控制与计算机工程学院北京1 0 2 2 0 6 ) 术 摘要： 现代社会的发展对电力的依赖性越来越强， 为了保障线路的稳定运行， 深入进行线路故障诊断的研究显得非常重要。 但是 由于数据缺乏一致性、 采集困难等问题， 模型训练、 测试数据的获取一直困扰着相关研究的开展。为此， 提出了一种故障数 据生成算法 P F G A， 利用该算法可以生成大量的设备故障数据、 单元故障数据及架空电力线路故障数据。由于该算法运用 了云 模型及多智能体系统等机制， 生成的故障数据除了包含一定的先验知识外还存在一定的随机性， 故障数据也很好地体现了真实 故障数据的层次关联性、 多样性、 动态性等特点。利用构建的贝叶斯诊断模型分别利用 P F G A和其他算法生成的数据进行诊 断， 结果表明， P F G A生成的数据更符合现实状况 ， 相应的诊断结果也更为可靠。此外， 该算法对不同线路状况的适应性也较 好 ， 研究人员可以根据实际研究情况生成所需的架空电力线路故障数据， 以满足各类故障诊断研究对数据的需求。 关键词： 架空电力线路； 故障诊断； 仿真数据生成算法； 多智能体 中图分类号 ： T P 2 0 6 ． 3 文献标 识码 ： A 国家标准学科分类代码 ： 5 2 0 ． 2 0 S i mu l a t i o n d a t a g e n e r a t i o n a l g o r i t hm f o r s y s t e m o f o v e r h e a d p o we r t he f a ul t d i a g n o s i s l i ne s Wu H u a ， L i u C h a n g ’ a n ， L i Q i p e n g ， S h e n X i a o k e ( S c h o o l o f C o n t r o l a n d C o m p u t e r E n g i n e e r i n g ， N o r t h C h i n a E l e c t r i c P o w e r U n i v e r s i t y ， B e ij i n g 1 0 2 2 0 6 ， C h i n a ) Abs t r a c t ： The d e v e l o p me n t o f mo d e r n s o c i e t y i s i n c r e a s i n g l y d e p e n d e n t o n e l e c t ric p o we r ． To e n s u r e s t a b l e o p e r a t i o n o f p o we r l i n e s， i t i s e x t r e me l y i mp o r t a n t t o c a r r y o u t t he r e s e a r c h o n t h e f a u l t d i a g n o s i s o f o v e r h e a d p o we r l i n e s ． Ho w- e v e r ， d u e t o p o o r d a t a c o n s i s t e n c y a n d a c q u i s i t i o n d i f f i c u l t y， t he p r o b l e ms ， s u c h a s mo de l t r a i n i n g a n d t e s t d a t a a c qu i — s i t i o n， h a v e g r e a t l y h i n d e r e d t h e r e l e v a n t r e s e a r c h wo r k ． T h u s ， t h i s p a p e r p r o p o s e s a f a u l t d a t a g e n e r a t i o n a l g o ri t h m n a m e d P F G A( p o w e r l i n e f a u l t d a t a s e t g e n e r a t i o n a l g o r i t h m) ． T h e a l g o r i t h m c a n g e n e r a t e a l o t o f e q u i p m e n t f a u l t d a — t a， u ni t f a u l t d a t a a n d t h e f a u l t d a t a o f o v e r h e a d p o we r l i n e s ． Be c a u s e t he a l g o rit h m u s e s c l o u d mo d e l a nd mu l t i — a g e n t s y s t e m ， t h e s e g e n e r a t e d f a u l t d a t a c o n t a i n n o t o n l y s o me p r i o ri k n o wl e d g e b u t a l s o s o me r a nd o mn e s s； a n d t h e s e f a ul t d a t a a l s o r e fl e c t t h e h i e r a r c h i c a l c o r r e l a t i o n， d i v e r s i t y a n d d y n a mi c s o f r e a l f a u l t d a t a ． T h e d i a g n o s i s mo d e l c o n s t r u c - t e d wi t h Dy n a mi c Ba y e s i a n Ne t wo r k wa s u s e d t o i mp l e me n t t h e f a u l t d i a g n o s i s o n t h e d a t a g e ne r a t e d u s i n g P FGA a n d o t h e r a l g o r i t h ms ． T h e r e s u l t s h o ws t h a t t h e d a t a g e n e r a t e d wi t h P F G A c a n b e t t e r s i mu l a t e t h e r e a l c o n d i t i o n a n d t h e c o r r e s p o n d i n g d i a g n o s i s r e s u l t s a r e mo r e r e l i a b l e a n d a c c u r a t e ． W i t h P FGA a l g o rit h m ， r e s e a r c h e r s c a n g e ne r a t e r e — qu i r e d f a u l t d a t a o f o v e r h e a d p o we r l i n e s b a s e d o n a c t u a l s t u d i e s， a n d f u l fil l t h e d a t a r e q ui r e me n t s o f v a rio u s f a u l t d i — a g no s i s r e s e a r c he s ． Ke y wor ds：o v e r h e a d p o we r l i ne； f a u l t d i a g no s i s ； s i mu l a t i o n d a t a g e n e r a t i o n a l g o r i t h m ； mu l t i — a g e n t s y s t e m 收稿 日期 ： 2 0 1 2 - 0 7 R e c e i v e d D a t e ： 2 0 1 2 - O 7 基金项 目： 国家青 年 自然 基 金 ( 6 1 1 0 5 0 8 3 1 ) 、 新世 纪优 秀人 才 支持 计划 ( N C E T — l 1 -06 3 4 )、 中央高校 基本 科 研业 务费 专项 资金 ( 1 2 Z X1 6 1 1 Q G1 2 ) 资助项 目 学兔兔 w w w .x u e t u t u .c o m 第 6期 吴华 等： 架空电力线故障诊断系统的仿真数据生成算法 l 3 8 9 引 言 架空电力线路是 电力传 输和配送 的命 脉 ， 其运行状 态直接关系到整个电网的安全性 和可靠 性。如果架空 电 力线路的故障得不到正确 的判断和解决 ， 便会 造成 巨大 的经济损失 。所以对架空电力线路各类故 障的正确诊断 成为保证电网稳定运行的重要条件。架空 电力线路故障 诊断一般是通过专家系统 、 神经 网络 、 P e t r i 网 、 模糊逻 辑 、 粗糙集理论 等技术对变压 器 、 导线 、 绝缘子 以及其 他附件进行故障的分析建模 。故障诊断 模型 的构建需 要大量 的架空电力线 路故障数据 ， 原则上所需 的故障 数据应从架空 电力线路巡 检历史信 息中获取 ， 但是 以下 原因制约了研究架空电力线路的故 障诊断 ： 1 ) 数据采集不完整 。由于架空 电力线路涉及的设备 较多 ， 包括导线 、 架空地 线 、 绝 缘子 、 金具 、 杆塔 、 附属设 备 、 环境通道等 。无论是人工巡检 ， 或是驾驶 直升机巡检 架空 电力线路 ， 其观察范 围和对象 由人决策 ， 必然存在疏 漏 ， 或因直升机的尺寸限制了观察 的区域 ， 从 而使得所采 集 的数据不完整 ， 影 响整体线路故障的有效诊断。 2 ) 数据缺乏一致性。由于人为参与 的巡检过程缺少 统一的架空 电力线路故障诊断标准 ， 同时 ， 对 于故障 的评 价也因人而异 。因此不 同人不 同时间不同地点采集 的数 据间缺少一致性 ， 难 以验证故 障诊断算法 的有效性 ， 这 限 制了故障诊断算法的推广和应用。 3 ) 数据量有限。由于大部分故障诊断算法依赖较多 的训练样本数据 ， 而实际 中能够记 录统计得 到的数 据非 常有限， 往往数据的数量是固定的， 不能根据算法的需要 任意地增加或减少数据。因此数据的规模 限制 了故障诊 断模 型的求解和验证 。 由于缺少大量 、 真 实、 一致 的架 空 电力线路 故 障数 据 ， 大多数故障诊断模 型通过仿真 软件 获取仿真 故障 数据用于训练与测试。但是仿真软件所能模拟的故障类 型较少 ， 缺少统一的故障衡量标准， 而且算法或硬件的计 算能力 限制了数据采集 的规模 。由此 ， 本文根据架 空电 力线路故障诊断的需求 ， 构建 了一套 仿真数据 的生 成方 案和实现算法 P F G A ( p o w e r l i n e f a u l t d a t a s e t g e n e r a t i o n a l - g o r i t h m) ， 通过 P F G A算法可 以仿真得到完整 、 一致 、 大量 的设备故障数据、 单元故障数据及架空电力线路故障数 据 ， 解决 了研究或测试故 障诊断算法 时所需故 障数据 的 来源问题， 有效保障了故障诊断算法的验证和评估。 P F G A算法根据架空电力线路设备的构成特点， 通过 高斯概率分布函数及正态 云模 型仿真架空 电力线路设备 的所有故障数据 ， 然后以设备故障数据 为输入 ， 通过多智 能体系统生成架空输电线路各单元的故障数据及架空电 力线路的故障数据。实验证明 P F G A算法生成的故障数 据能够很好地逼近真实的故 障数据， 可以很好地应用于故 障诊断模型的训练与测试。与其他 算法对 比， P F G A表现 出更好的适用性。 2 架空电力线路故障数据的表示 2 ． 1架空电力线路故障数据分类 目前对架空 电力线路 故障数 据 的分 类 尚无统一 标 准 ， 本文按照故障数据的特点 ， 将架空电力线路故障数据 分为 3类 ： 元数据 、 经验数据和评估数据 。 1 ) 元数据 ： 元数据处于故 障数据体系的最底层 ， 是精 确数据 。这些数据主要用于描述架空电力线路设备的故 障状态 ， 其 中大 多 数 是通 过 高清 摄 像 头 、 红 外传 感 器 、 紫外传感器 J 、 超声波故障检测仪 等测量而得到 的。这类 数据描述 了每一个设备 的运 行状态 ， 是评估架 空电力线路各个单元故 障状 态的基础性数据 。因此 ， 对 元数据的采集 、 整理 、 加工和处理具有非常重要的作用 。 2 ) 经验数据 ： 经验数据的来源有二 ， 一是通过对历史 巡检数据进行统计 与分析获得规律性数 据； 二 是相关领 域 的专家根据长期从事该方面研究 的经历及研究结果总 结 出来的认知数据 。架空电力线路各单元 的影 响权重 因 子 ， 架空电力线路各个设 备出现故障 的原始概率 等都属 于经验数据 ， 主要用 于生成评估性数据及验证仿 真结 果 与真实世界的吻合度。 3 ) 评估数据 ： 评估 数据主要用于描述架空 电力线 路 及其单元 的故障状态。由于对架空 电力线路 的故障评估 是人对客观事物 的一种 主观评价 ， 故评估数据无法通 过 测量得到 ， 一般需要通过相关 领域的专家对 目标数据 分 析评价得到评估数据。 2 ． 2 故障数据 的特点 故 障数据是按 照一定规 则采集 得到设 备 的状态 信 息 ， 并对该信息 量化处理所得到 的数据 。架空 电力线路 故障数据是对架空 电力线路故 障状态 的量化描述 ， 其本 质是架空 电力线路运行过程中各设备运行状态的具体 表 现 ， 涵盖了杆塔故 障 、 导 线故 障 、 绝缘子故 障、 金具故 障 、 附属设施故障 、 环境通道故障 6方面。架空 电力线路故 障数据体系结构如图 1 所示 。 架空电力线路故障数据体系结构分为 3 层 ， 第 1 层故障 数据是对架空电力线路所有设备( 如杆塔 、 绝缘子、 导线、 连 接器、 悬垂线夹等) 以及每个设备的各个方面( 如杆塔的倾斜 情况、 杆塔的生锈情况等) 的故障状态 的描述， 即2 ． 1 节中定 义的元数据 ， 是故障数据体系结构 中的基础性数据 ； 第 2层 故障数据是对架空输电线路 6 个单元故障状态的描述 ， 该数 据由多智能体系统通过对元数据的评估得到 ， 属于评估数 据； 第3 层故障数据是对整个架空电力线路故障状态的总体 描述， 是由第 2 层数据结合经验数据得到的。 学兔兔 w w w .x u e t u t u .c o m 1 3 9 0 仪器仪表学报 第 3 4卷 图 1 架空电力线路故障体系结构 F i g ． 1 F a u l t d a t a s y s t e m a r c h i t e c t u r e o f o v e r h e a d p o we r l i n e 通过对架空电力线路故 障数据进行分析可发现它具 有层次关联性 、 多样性 、 随机性 、 动态性等特点。 1 ) 故障数据层次关 联性 。影 响架空 电力 线路故 障 状态因素 较 多 ， 这 些 因素 之 间都 存 在 着 内在联 系。 当用 数据的形 式表示 这些 因素 时 ， 它们 之 间不仅 相互 关联 而且有层次之分 。每 一组数据都 必然处 于架空 电 力线 路故障数 据体 系 中的一定 层次 ， 有 时下 层数 据 的 变化 还会 给上一层次 的数据带来影 响 。比如杆 塔倾斜 数据 的改变就会 直接 影 响杆塔 故 障数据 的变化 ， 电力 设备 经验数 据的改变也会 对各架空 电力线路 单元故 障 数据 产生影 响。所 有 各层 数据 相互 结合 在 一起 ， 就客 观地 反映着 架空电力线路 故障状态 。建立数据 间的层 次关 系 ， 客观反映数据 的因果成 因关 系 ， 是数据 生成建 模 的主要任 务。 2 ) 故障数据 多样性 。架空电力线路故障数据的多样 性主要是由于其设备种类繁多及影响各个设备故障状 态 的因素多种多样而产生 的。此外 ， 各 因素 间存在一定 的 关联 ， 使得对多样性 的描述更加 复杂。然而通过 明确 因 素间的因果关系 ， 确定主要 因素 ， 解耦 因素 问的相关 性 ， 是简化数据生成建模的必要措施 。 3 ) 故障数据 的主观性 。主要体现为架空电力线路故 障数据有些是精确 的有些是随机 的。例如杆塔 的倾斜角 度、 导线的摆动程度等这些数据一般都是经过传感器等 测量得到的。诸如该类 的数据是 精确的。而对 于杆塔 、 绝缘子或周边环境通道的故障数据而言 ， 需要根 据 已有 的精确数据结合相 关领域 的专家经 验综合评 判才 能得 到 ， 这些数据受到人为主观判断的影响 ， 故该类数据具有 主观性 。 4 ) 故 障数 据 的动 态性 。绝 大部 分 故 障 数 据 随 时 间， 线路运行状态等各种 因素而变化 ， 也随着 自然环境 和周边生态环 境 的变化 而 变化 的。例如 ， 杆塔 生 锈会 随着降雨量和 空气潮 湿程 度 的变化 而缓 慢 变化 ； 杆塔 污染数据也会随着 风 的强度 或生态环境 的变化 而随 时 变化。这些都是架空电力线路故障数据动态性的很好 体现。 2 ． 3 故障数据建模 参考《 架空电力线路状态评价导则》 ， 本文进行了 具体数据建模 ， 将架空电力线路 ( L ) 分为 6个单元 ： 杆塔 单元 ： ( A ) 、 导 线单 元 ( B) 、 绝 缘子 单元 ( C) 、 金具 单元 ( D ) 、 附属设备单元 ( E) 、 环境通道单元 ( F ) 。每个单元 由若干种电力设备或其 附属设备构成。其架空电力线路 的故 障层次结构如图2所示。 图2 架空电力线路故障层次结构图 F i g ． 2 O v e r h e a d p o w e r l i n e f a u l t h i e r a r c h y d i a g r a m 架空电力线路及 6个单元状态分 为 4个 等级 ： 良好 状态 ( We ) ， 注 意状态 ( A t ) ， 异常状 态 ( A b ) ， 故 障状 态 ( s e ) 。其中后 3 个状态为故障状态的3个不同等级， 故 障严重程度依次递增。每个设备故 障有 2个基本状态 ： 损坏状态 ( D a ) 和正常状态 ( N o ) 。架空电力线 路单元与 设备故障描述对应表如表 1 所示。 学兔兔 w w w .x u e t u t u .c o m 第 6期 吴华 等 ： 架空电力线故障诊断系统的仿真数据生成算法 1 3 9 1 表 I 架空电力线路单元与设备故障描述对应 Ta b l e 1 Th e ma p pi n g t a b l e d e s c r i b i n g o v e r h e a d p o we r l i n e u n i t V S ． e q u i p me n t f a i l u r e s 线路单元 线路设备故障描述 杆塔单元( A) A 1 ： 铁塔杆塔生锈情况 A 2 ： 铁塔污染情况 A 3： 铁塔主题部分受破坏情况 导线单元 ( B) B 1 ： 导线断骨 、 损伤情况 B 2 ： 导线磨损情况 B 3 ： 导线污染情况 绝缘子单元 ( C) c 1 ： 绝缘子表面污染情况 c 2： 绝缘子 自爆 、 闪络情况 c 3： 绝缘子串爬比距污染情况 ● 金具单元( D) D 1 ： 金具生锈情况 D 2： 金具腐蚀 、 磨损 、 松动情况 D 3： 悬垂线夹情况 E 1 ： 杆塔标致 、 警示牌安装情况 附属设施单元( E ) E 2 ： 爬梯防坠装置安装情况 E 3 ： 驱鸟、 防雷 、 在线监控 、 航空警示等 F 1 ： 架空电力线路附近树木生长情况 通 道 环 境 单 元 c F 茎 凳 i 刷 道 附 近 1 7 4： 架空电力线路周边居民房屋情况 3 P F G A仿真数据生成算法 P F G A算法生成仿真故障数据 的主要步骤有 ： 1 ) 仿真架空电力线路设备的故障状态信息； 2 ) 对架空电力线路设备 的故 障状态信息进 行量化 、 映射处理 ， 生成元数据 ； 3 ) 将元数据通过多智能体系统模拟专家评估生成各 个单元对应的评估数据 ； 4 ) 按照相关经验数据将各个架空电力线路单元 的故 障数据映射为整个架空 电力线路 的故障状态 ； 5 ) 将仿 真得到的各种数据作鉴别 、 分类 、 整理估算整 个架空 电力线路 的状态。 这 5个步骤 中比较关键的是构造元数据和生成评估 数据 。 3 ． 1 元数据的构造 由于架空 电力线路设 备种类繁多 ， 故其 实际的故 障 检测方式也不相 同。对于杆塔 、 绝缘子 、 导线 、 金具等故 障检测一般是通过各种 仪器进行 的， 其 检测结果是一个 精确 的值。但诸如表 1中的 F l “ 架 空电力线路周边树木 生长情况 ” ， F 4 “ 架空 电力线路周边居 民房 屋情况” 等 数 据大多数是 由人工巡检得 到的 ， 巡检结果也是语 言性 的 描述 ， 如“ 架空电力线路 周边树 木很多” 。为了全 面真 实 地反映架空 电力线 路设备 故障情况 ， P F G A算法 架空 电 力线路设备的故障状态信息分为精确性信息和主观性信 息 2种 。P F G A算法通过高斯 概率分布 函数模拟生成架 空电力线路基本单元故障状 态的精 确性信 息 ， 而通过 正态云模 型函数来生成主观性设备性信息 。 正态云模型是一种定性概念与定量表示相互转化的模 型， 是表征语言原子最重要最有力的工具， 比如严重生锈 、 轻 度污染等语言原子都可以用云很好地描述 ， 而云的数字特征则 反映了定性知识的定量特 陛。一个基本正态云只需要用期望 值 、 熵 、 超熵 3 个数字特征就可以完整地表征出来。 期望值 ： 普通正态云的论域 中， 对应于隶属度最大 值的基础变量 称为云的期望 ， 它标定了云对象在论域中的 位置， 即云的重心位置， 换句话说， 反映了相应 的模糊概 念的信 息中心值。 熵 E n ： 概念模糊度的度量。 熵的大小直接 决定了在论域中可被模糊概念所接受的范围。 由期望和熵便 可确定具有正态分布形式的云期望曲线方程： MEC Ⅱ ( u )= e - ‘ “ 他 P F G A算法规定 A、 B、 c 、 D、 E单元 所属 的设备 故障 信息属于精确性信息 ， 通过高斯概率分 布函数生成其故 障情况 ， 确定设备是损坏状态或者是正常状态 ， T表示设 备为损坏状态 ， F为正常状 态。对 于 F单元所属 的设备 故障数据属于主观性信息通过正态云模型生成其故障情 况 。P F G A算法规定通过 0～ 9的数字来表征事件的严重 程度 ， 严重程度随着数字 的增大而升高。表 2描述了架 空 电力线路周边 “ 树木过多” 这个概念的隶属度 。 表 2 “ 树木 过多” 的隶属度 Ta b l e 2 Th e me mb e r s h i p d e g r e e o f t h e c o nc e pt“t oo many t r e e s ” 故障描述 隶属度 故障描述 隶属 度 0 O 5 0． 6 0 1 O． 1 1 6 0． 7 0 2 0． 2 7 7 O． 8 O 3 0． 4 4 8 0． 9 0 4 0． 5 5 9 1 P F G A算法中F单元所属设备故障程度的语言描述最 终映射为一个 0～ 9的数字。通过经验数据算法规定映射规 则为从隶属度I>0 ． 8 的数字中随机的选取一个为架空电力线 路设备的故障描述信息。例如若对 F 1 的语言描述为“ 某段 架空电力线路旁边数 目过多” ， 根据表 2 ， F 1 的故障描述信息 为7 、 8 、 9 三个数字中的任意一个。根据经验数据， P F G A算 法规定若某节点 8 0 ％的故障描述信息大于或等于5 ， 则该节 点为损坏状态 T ， 反正为正常状态 F 。这样最后 A 1 、 A 2 、 ⋯、 F 4每个节点都会对应一个状态 T或者 F ， 这些数据构成了第 学兔兔 w w w .x u e t u t u .c o m 1 3 9 2 仪器仪表学报 第 3 4卷 3 层元数据。为了使故障数据更加符合实际情况 ， 在元数据 中加入了一定的随机扰动数据。 3 ． 2 评估数据生成的建模与计算 由于架空 电力线路 各个单元 ( 如杆塔 ) 通常 由一些 设备组成 ， 故其故障状态无法通过简单 的测量或 累加故 障状态获得。应通过相关领域的专家评估分析生成评估 数据。P F G A中故 障数据的生成算法 就是通 过多智 能体 系统模拟专家评估 的行为 ， 以架空 电力线路各个设 备的 元数据为基础 ， 得到其相对应的高层节点的评估数据。 通过对专家评估过程研究发现专家进行故 障状态评 估一般分为确定兴趣因子 、 评估架空电力线路单元故障状 态 、 确定权重因子 、 生成架空电力线路故障状态 4个步骤 。 根据专家评估 的实际过程 ， 利用多智能体 系统模 拟 多个专家按照经验数据评估元数据 ， 进而求得评估 结果 的平均值为最终的故 障状态值。评估架空电力线路各单 元的故障状态信息的流程如图 3 所示。 图 3 仿真故障数据流程图 F i g ． 3 S i mu l a t e d f a u l t d a t a f l o w c h a rt 本文是通过 6个智能体模拟专家行为对架空电力线 路各单元所属设备故障信息进行评估 ， 最终确定架空电力 线路各单元故障状态。P F G A算法规定每个智能体确定架 空电力线路各单元的4个所属设备为其兴趣因子 ( E单元 所属设备全部为兴趣因子) ， 智能体对该单元兴趣因子之 外的设备不关 心。根据经验数据 P F G A算法为 每个架空 电力线路单元确定 了最能反映该单元故障状况的 2种设 备为其兴趣 因子 ， 剩余两个兴趣因子 由每个智能体随机确 定。根据评估规则， 若兴趣因子的值为 F则得2 5分， 若为 T得 0分。例如 A单元的兴趣 因子 ( A l ， A 2 ， A 6 ， A 8 ) =( T ， T ， T ， F ) ， 则 A单元得分为 2 5分。由于 E单元只有 3 个设 备 ， 其兴趣因子对应的得分分别为 3 0 ， 3 0 ， 4 0 。 最后取 6个智能体评估得分的平均 分为该架空电力 线路故障单元的最终得分。表 3为架空电力线路单元故 障状态与得分映射表。根据经验数据 A、 B 、 ⋯、 F 6个单 元在 整个 电力 线 路所 占的权重 因子 分别 为 0 ． 3 、 0 ． 2 、 0 ． 1 、 0 ． 1 、 0 ． 1 、 0 ． 2 。架空 电力线路故 障状态 根据 6个单 元 的分与相应的权重因子相乘后得到。架空电力线路 故 障状态与分数的映射关 系同表 3 。表 4为根据 P F G A算 法生成的几组架空 电力线路故障数据。 表 3 单元故障状态与得分映射表 T a b l e 3 Th e ma p p i n g t a b l e o f u n i t f a u l t s t a t u s V S ． s c o r e 故障状态 评估分数 We At Ab S e 7 6 —1 0 0 51～7 5 2 6 ～5 0 0 ～2 5 表 4架空电力线路故障数据 Ta b l e 4 Ov e r h e a d p o we r H n e f a u l t d a t a 4 应用实例分析 贝叶斯网络。 。 进行架空电力线路故障诊断 的关 键在于准确地获得贝叶斯网络的参数 ， 而可靠 的训练数据 是获取贝叶斯 网络参数的基础。本文通过 c 拌 编程实现仿 真数据生成算法， 共生成4( D O例故障仿真数据， 将其中 3 5 0 0 例故障仿真数据用于网络模型的训练 ， 5 0 0例故障仿 真数据用于网络模 型的测试。表 5是通过贝叶斯 网络模 型通过对 3 5 0 0组例仿真数 据进行训 练获取 ， 条件 概率 ( c o n d i t i o n a l p r o b a b i l i t y t a b l e ， C P T ) C P T表。 将5 0 0 例故障数据用于训练好的贝叶斯模型的测试， 成 功诊断出其中的4 5 9 例故障， 成功率为 9 1 ． 8 ％。在未诊断成 功的4 1 例故障中有 3 4 例将架空 电力线路的“ 故障状态” 误 诊断为注意状态， 分析有可能是仿真数据算法未完全考虑基 本单元故障的关联性导致训练参数有偏差所致。P F G A算 法的提出使面向架空电力线路故障数据的 自动化生成有 了 新的科学依据。根据专家经验结合多智能体机制， 通过对故 学兔兔 w w w .x u e t u t u .c o m 第 6期 吴华 等： 架空电力线故障诊断系统的仿真数据生成算法 1 3 9 3 障数据特 的归纳及故障数据体系结构的抽象 ， 构建了架空 电力线路故障数据 自动生成系统。该系统生成的故障仿真 数据可以全面、 客观 、 准确地反映架空电力线路的故障状态， 为架空电力线路故障诊断模型的训练 、 测试提供了可靠的数 据集 。图 4 显示的是 由 P F G A算法生成的仿真故障数据集 训练所得到的贝叶斯故障诊断模型的故障诊断成功率。贝 叶斯故障诊断模型的建模是通过贝叶斯推理工具 I n f e r ． n e t 完成的， 具体的建模细节本文不再 阐述。由图4可以看出随 着训练数据的增加故障诊断模型的诊断成功率不断提高。 图4的另外 2 条曲线分别描述通过未加扰动数据训练所的 故障诊断模型的诊断成功率， 以及 由随机数据训练的故障诊 断模型的诊断成功率。由图4比较可以看 出加入干扰数据 后 P F G A算法生成的架空电力线路故障数据更加接近真实 故障数据 ， 训练所得模型的效果更加优越。可见在现有条件 的基础上通过 P F G A数据仿真算法生成估值数据来训练故 障诊断模型是一种比较经济、 科学的解决方案。 表 5条件概 率 Ta b l e 5 Co n d i t i o n a l p r o b a b i l i t y t a b l e O ． 2 O． 1 5 结 论 本文针 对架空 电力线 路 现有 故 障数据 不完 整 、 不 一 致 、 有 限量 的情况 下 ， 提 出 了一 种仿 真 数 据 生成 算 法 P F G A算法 。P F G A算法 通过 高斯 概率 分布 函数 以 正 态云模型 生成元数 据 ， 并 结合 经验 数据 与仿 真专 家 评估 算法生 成评估数 据 。P F G A算 法生 成 的故 障 数据 用 于贝 叶斯 诊 断 模 型 的训 练 ， 成 功率 达 9 1 ． 8 ％ 。仿 真实 验将 P F G A算 法生 成 的故 障 数 据 与其 他 算 法 生 成仿 真数据及 部 分 真 实数 据 分别 用 于 贝 叶斯 诊 断 模 型 的训 练 ， 结 果表 明通 过 P F G A算法 生 成故 障 数据 训 练的诊断模型的性能明显高于其他仿真算法。本仿 真 数据生 成算 法对 于开 展 架空 电力 线故 障诊 断 的研 究 奠定 了重要 的基 础 。 参考文献 [1] 陈伟根， 潘羽 中 ， 云玉新 ， 等． 基于改进小波神经网络算 法的电力变压器故障诊断方法 [ J ] ． 仪器仪表学报， 2 0 0 8 ， 2 9( 7 ) ： 1 4 8 9 — 1 4 9 3 ． CHE N W G， P AN C H ， YU N Y X ， e t a 1 ． F a u l t d i a g n o s t i c me t h o d f o r p o we r t r a n s f o r me r b a s e d o n i mp r o v e d wa v e l e t n e u r a l n e t wo r k a l g o ri t h m『 J ] ． C h i n e s e J o u r n a l o f S c i e n t i fi c I n s t r u me n t ， 2 0 0 8 ， 2 9 ( 7 ) ： 1 4 8 9 — 1 4 9 3 ． [ 2] Y u J L ， N I UX J ． T h e f a u l t d i a g n o s i s o f t r a n s f o rme r b a s e d o n B P n e u r a l n e t w o r k [ C ] ． I n t e r n e t C o n f e r e n c e o n I nf o r m a t i o n Ma n a g e me n t ， I n n o v a t i o n Ma n a g e me n t and I n d u s t ri a l E n g i — n e e r ， 2 01 2： 4 8 7— 48 9． [ 3] 孙秋野， 张化光， 刘鑫蕊． 基于粗糙集和遗传算法的变 压器故障诊断方法[ J ] ． 仪器仪表学报， 2 0 0 8 ， 2 9 ( 1 0 ) ： 20 3 4— 2 0 40． S U N Q Y， Z H A N G H G， L I U X R ． F anh d i a g n o s i s o f t r a n s f o r m e r b a s e d o n r o u g h s e t a n d g e n e t i c a l g o ri t h m[ J ] ． C h i n e s e J o u rna l o f S c i e n t i f i c I n s t r u