電網(wǎng)故障診斷的智能技術結語

采用智能方法的電網(wǎng)故障診斷是該領域發(fā)展過程中新的思路，并且已取得大量實質性成果。綜述了較受關注的電網(wǎng)故障診斷的智能方法，相應介紹了這些方法的特點以及所存在的問題和近年來的研究成果，并指出當前電網(wǎng)故障診斷領域所面臨的問題，如實用化不足，處理不確定信息容錯性差等，最后探討了電網(wǎng)故障診斷領域未來的發(fā)展趨勢。這些智能方法有些還處于理論階段，而且都有各自的弊端，因此需要在實際工程應用中不斷完善，提升電網(wǎng)故障診斷的智能化水平。

電網(wǎng)事故判斷是進行事故處理的前提，提高診斷的準確性和快速性具有重要意義。隨著電網(wǎng)規(guī)模的擴大，為調度員配備高智能、高速度、高質量的實時故障智能診斷判別系統(tǒng)，以協(xié)助調度員對電網(wǎng)運行進行實時調整和控制，是非常必要的。2100433B

電網(wǎng)故障診斷領域所面臨的主要問題是：(1)各種診斷方法在處理不確定和不完備信息時容錯性差，而且對于該問題仍沒有給出明確的解決方式；(2)像前文所介紹的，這些智能方法本身還存在應用的限制和缺陷，而且在實際應用中，大部分電網(wǎng)故障診斷還是只基于一種智能方法；(3)電網(wǎng)的運行方式和網(wǎng)絡拓撲結構的變化對故障診斷結果有明顯的影響；(4)電網(wǎng)智能故障診斷實用化的研究還不夠。

從當前電網(wǎng)故障診斷領域所面臨的問題出發(fā)，今后的研究重點可以分為以下幾個方面：

(1)基于多種智能方法融合的診斷方法研究。電網(wǎng)故障診斷的實際應用中，多數(shù)還是采用一種智能方法，其中應用較多的是專家系統(tǒng)和優(yōu)化技術。將多種智能技術融合，取長補短，并在電網(wǎng)故障診斷領域中適時地引入最新的技術，這是未來故障診斷發(fā)展的重要趨勢。

(2)基于多數(shù)據(jù)源信息融合技術的診斷方法研究。電網(wǎng)故障診斷系統(tǒng)所采用的智能技術大多是利用開關量信息。相比較來說在精確性、容錯性等方面，電氣量有著更大的優(yōu)勢。將不同數(shù)據(jù)源的開關量和電氣量的信息融合，充分利用多數(shù)據(jù)源的故障信息，能夠使診斷結果更加精確。

(3)基于分布式智能技術的故障診斷研究。采用分布式的故障診斷方法能夠將大電網(wǎng)分區(qū)后進行分布式故障診斷，有效地解決了面向大電網(wǎng)故障診斷的難題。中國電科院的專家2007年利用貝葉斯網(wǎng)絡的診斷方法，以含有不確定性故障信息的大型系統(tǒng)作為平臺，進行了MAS協(xié)同診斷問題的研究，并取得了很好的診斷結果。

(4)在線電網(wǎng)故障診斷實用化的研究。國內外的專家學者在電網(wǎng)故障診斷理論上的研究已經(jīng)取得了眾多成果，但在實用化研究的方面還十分欠缺。因此在未來的研究中，如何從實用化的角度出發(fā)，將理論應用到實際，仍然是一個重要的研究課題。故障診斷預處理功能是整個實用化的故障診斷系統(tǒng)的入口，為后續(xù)的運行提供保證，因此對故障診斷預處理功能的研究也是推進電網(wǎng)故障診斷實用化的重要一步。

電網(wǎng)故障診斷的智能技術專家系統(tǒng)智能診斷系統(tǒng)的應用

專家系統(tǒng)是發(fā)展最早，也是比較成熟的一種人工智能技術一般地說，專家系統(tǒng)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng)，它根據(jù)某個領域的專家提供的知識與經(jīng)驗進行推理和判斷，模擬專家的決策過程，以解決那些需要專家決策的復雜問題專家系統(tǒng)的應用領域不同，采用的知識表示方式也可以有所不同。

專家系統(tǒng)在電力網(wǎng)絡故障診斷中的典型應用是基于產(chǎn)生式規(guī)則的系統(tǒng)，即把保護、斷路器的動作邏輯以及運行人員的診斷經(jīng)驗用規(guī)則表示出來，形成故障診斷專家系統(tǒng)的知識庫，進而根據(jù)報警信息對知識庫進行推理，獲得故障診斷的結淪。該系統(tǒng)允許增加、刪除或修改一些規(guī)則，以確保診斷系統(tǒng)的實時性和有效性:能夠在一定程度上解決不確定性問題:能夠給出符合人類語言習慣的結淪并具有相應的解釋能力 。

但是需要說明的是，對于電網(wǎng)故障專家診斷系統(tǒng)，獲取完備的知識庫是形成故障診斷專家系統(tǒng)的瓶頸如果建立的知識庫不完備，可能導致專家系統(tǒng)推理失敗或給出錯誤的結論。因為專家系統(tǒng)在推理時要搜索、匹配知識庫內一定的規(guī)則集才能得出結淪，所以當系統(tǒng)比較大時完成診斷的速度將會比較慢:而電力系統(tǒng)領域專家在實際工作中的思考方式是非常簡潔實用的，他們更多的是利用其腦海中己熟知的典型方案，根據(jù)對比實際問題，再加以適當修改和調整，從而得到符合實際問題的求解方案。此外，專家系統(tǒng)的容錯能力較差，在故障后保護裝置或斷路器錯誤動作的情況下，專家系統(tǒng)因缺乏有效的方法識別錯誤信息，容易造成錯誤診斷。研究者將專家系統(tǒng)與其它理淪方法結合起來以改善這一缺陷，可望使專家系統(tǒng)得到新的發(fā)展與突破。

電網(wǎng)故障診斷的智能技術神經(jīng)網(wǎng)絡智能診斷系統(tǒng)的應用

人工神經(jīng)網(wǎng)絡(ANN)是模擬人類神經(jīng)系統(tǒng)傳輸、處理信息過程的一種人工智能技術與專家系統(tǒng)相比，人工神經(jīng)網(wǎng)絡最大的特點是采用神經(jīng)元及他們之間的優(yōu)先權重連接來隱含處理問題的知識，并具有學習與自學習能力和泛化能力，容錯能力較強，即使輸入信號帶有一定的干擾噪聲，仍能給出正確的輸出結果。

ANN在電網(wǎng)故障診斷中的應用主要在故障定位和故障類型識別兩個方面，其主要問題是:ANN在使用之前需要大量的、有代表性的樣本供其學習，且學習算法收斂的速度一般比較慢。學習完成之后，如果系統(tǒng)結構發(fā)生變化，則需要增加新的樣本重新學習:ANN通常只能給出一個介于0-1之間的數(shù)值作為輸出，對診斷結果缺乏解釋能力，這不利于運行人員理解診斷結果。因此，盡管ANN具有一定的容錯能力，但是它不能提供信息幫助運行人員推斷不正常動作的裝置:此外，如何設計適用于大型輸電網(wǎng)絡的故障診斷系統(tǒng)仍然是一個有待于進一步研究的問題。

電網(wǎng)故障診斷的智能技術模糊智能診斷方法的應用

模糊理淪是將經(jīng)典的集合理淪模糊化，并引入語言變量和近似推理的模糊邏輯，具有完整的推理體系的智能技術。一般模糊系統(tǒng)的結構與專家系統(tǒng)的結構類似，由模糊知識庫、模糊推理機和人機界面等幾部分組成，也可以說模糊系統(tǒng)是模糊理淪與專家系統(tǒng)結構的結合 。

模糊理淪己被大量引入輸電網(wǎng)絡故障診斷領域。輸電網(wǎng)絡故障診斷的不確定性主要是由保護或斷路器誤動、拒動，信道傳輸干擾錯誤，保護時間偏差等因素造成的。這些不確定因素對于要求嚴格匹配搜索的專家系統(tǒng)來說，很容易導致錯誤的結果但在專家系統(tǒng)中融入模糊理淪后，由精確推理變?yōu)榻仆评?，在一定程度上增強了專家系統(tǒng)的容錯性。模糊理淪除了與專家系統(tǒng)相結合構成診斷系統(tǒng)外，也可以與其他各種人工智能技術結合在一起，分析不確定因素對智能診斷系統(tǒng)的影響，提高診斷的準確率。只是需要注意的是，模糊理淪所必需的先驗信息較難準確獲得，這給其應用帶來的很大阻力。

電網(wǎng)故障診斷中需要構建表述電氣設備、保護和斷路器關系的解析模型。有文獻對于故障時警報信息的時序特性進行研究，結合動態(tài)關聯(lián)路徑概念構建了電網(wǎng)故障診斷解析模型，能夠更清晰地描述電網(wǎng)保護配置下保護與斷路器的動作邏輯和動作時序關系，可以更好地反映多重復雜故障。也有文獻研究了保護和斷路器發(fā)生誤動與拒動行為的故障假說，建立了更為完備的診斷模型，不僅可以分析保護與斷路器誤動、拒動行為，還可以識別漏報或誤報的信息。有研究提出了電網(wǎng)故障診斷的完全解析模型，通過建立邏輯約束表達了保護配置與斷路器動作規(guī)則之間的解析關系，完整地保留了保護動作狀態(tài)、斷路器跳閘狀態(tài)以及它們誤動、拒動之間通過規(guī)則解析而形成的藕合關系，提高了模型的魯棒性和故障診斷的容錯能力。上述模型面向繼電器層面構建，在應用時不能充分體現(xiàn)保護裝置層面的邏輯關系，電網(wǎng)運行中繼電保護按成套裝置配置，裝置內及裝置之間由于操作要求和電路聯(lián)系具有動作一致性 。

在診斷系統(tǒng)建模中，數(shù)據(jù)格式的定義一般結合具體應用目的由人工設計實現(xiàn)，隨意性較大，不夠規(guī)范。隨著電網(wǎng)自動化建設的發(fā)展，IEC61970和IEC61850標準的提出為電網(wǎng)故障診斷模型構建提供了新的思路，有文獻采用公共信息模型(CIM)，也有文獻提出一種統(tǒng)一信息模型，這就為故障診斷模型的構建提供了一個較規(guī)范化的模式，可以基于統(tǒng)一的規(guī)范進行系統(tǒng)的數(shù)據(jù)格式設計。然而IEC61970和IEC61850標準設計的初衷是為通訊應用，不體現(xiàn)數(shù)據(jù)之間的關系，電網(wǎng)故障診斷所需的知識與規(guī)則依然需要人工搭建。

電網(wǎng)故障診斷的應用目的是為調度中心的調度員提供智能化的決策，所以診斷的基本架構是基于調度中心構建的。由于當前電網(wǎng)規(guī)模的逐步擴大，分層分布式的診斷系統(tǒng)架構和多智能體系統(tǒng)的構建方式相繼展開研究，其主要目的在于通過分層分區(qū)的方式實現(xiàn)任務分解，降低調度端的解題壓力，以完成大電網(wǎng)復雜故障的診斷求解 。

電網(wǎng)故障診斷的智能技術基于專家系統(tǒng)的故障診斷方法

Feighbaum教授 于1968年開發(fā)了第一個專家系統(tǒng)((Expert System)并且具體說明專家系統(tǒng)是一種智能的計算機程序，它通過使用知識與推理過程，求解那些需要專家的知識才能求解的高難度問題。自從70年代人們將專家系統(tǒng)引入到電網(wǎng)的故障診斷領域，基于該方法的故障診斷應用較為成功。專家系統(tǒng)在電網(wǎng)故障診斷中的典型應用可以歸結為:首先建立故障信息知識庫，并用自然語言建立產(chǎn)生式規(guī)則;然后基于對這一產(chǎn)生式規(guī)則的理解，知識工程師將知識表示成機器語言并通過人機接口儲存到知識庫中;故障發(fā)生時，將故障信息輸入到推理機，推理機根據(jù)當前輸入的故障信息，運用知識庫中的知識，按一定的策略進行推理，從而識別出故障元件。

專家系統(tǒng)將專家的知識應用于電網(wǎng)故障診斷，可以保證診斷系統(tǒng)的實時性和有效性，但是基于知識的本質和實現(xiàn)故障診斷的原理沒有變，因此當前專家系統(tǒng)還存在著不足：(1)專家知識是人為移植到計算機的，所以難以建立完備的知識庫；(2)容錯性差，對于保護和斷路器的誤動作及知識庫中不包含的情況，很難給出正確的判斷；(3)系統(tǒng)的維護難度非常大，知識庫要經(jīng)常根據(jù)實際情況進行更新。

未來的研究中將專家系統(tǒng)與其他智能技術相結合是一種有效的方式，取長補短，彌補專家系統(tǒng)本身的缺陷。有研究將模糊集理論與專家系統(tǒng)結合，通過對電壓和電流值以及保護和斷路器信息進行模糊推理，能夠有效地改善專家系統(tǒng)容錯性差的問題。也有采用一種適用于電網(wǎng)故障診斷的整個協(xié)同式專家系統(tǒng)的結構體系，并且將其與多智能體技術相結合，克服了單一專家系統(tǒng)的局限性，增強了對復雜故障實時診斷的推理能力 。

電網(wǎng)故障診斷的智能技術基于人工神經(jīng)網(wǎng)絡的故障診斷方法

人工神經(jīng)網(wǎng)絡(Artificial Neural Network)是一種模擬神經(jīng)系統(tǒng)來進行信息處理的數(shù)學模型，主要是基于輸入和輸出關系建立起來的，并由大量簡單的處理單元(神經(jīng)元)廣泛互連而形成的復雜網(wǎng)絡系統(tǒng)。神經(jīng)網(wǎng)絡能夠對大量的訓練樣本進行分析推理，得到一般規(guī)律，從而能對未知的或無法預測的故障信息進行分析判斷。前饋神經(jīng)網(wǎng)絡較廣泛地應用于電網(wǎng)故障診斷領域，其中最具代表性的是BP(Back Propagation)神經(jīng)網(wǎng)絡和徑向基神經(jīng)網(wǎng)絡。

有研究給出了BP神經(jīng)網(wǎng)絡在電網(wǎng)故障診斷中的典型應用:將保護器和斷路器的動作信息作為神經(jīng)網(wǎng)絡的輸入，可能發(fā)生的故障情況作為輸出，以此來建立診斷模型;通過大量的故障實例形成訓練神經(jīng)網(wǎng)絡的樣本集;訓練過程中，網(wǎng)絡的輸入節(jié)點加輸入信號，此信號向前傳播，并不斷根據(jù)當時的節(jié)點活化函數(shù)、連接加權系數(shù)和給定值進行相應計算，此過程即為學習過程;在學習結束前，若前向計算的輸出與期望的輸出之間存在誤差，則將誤差信號反向傳播，調整權值和值，直到輸出滿足要求。

神經(jīng)網(wǎng)絡有強大的學習能力，而且具有容錯能力強、魯棒性好、非線性映射和并行分布處理等特點。然而，神經(jīng)網(wǎng)絡還存在如下缺陷：(1)需要大量的訓練樣本以供學習，但獲取完備優(yōu)質的樣本十分困難；(2)神經(jīng)網(wǎng)絡在診斷過程中被看成是“黑箱”，缺乏對自身行為的解釋能力；(3)神經(jīng)網(wǎng)絡不善于處理啟發(fā)式的規(guī)則。未來對基于神經(jīng)網(wǎng)絡的電網(wǎng)故障診斷方法的研究重點還是在選取有價值的訓練樣本、給予診斷過程解釋能力、使適用于大規(guī)模電網(wǎng)故障診斷等方面。

電網(wǎng)故障診斷的智能技術基于貝葉斯網(wǎng)絡的故障診斷方法

貝葉斯網(wǎng)絡(Bayesian Network)是一種用來表示和推理不確定性知識的模型，它將概率論的相關知識與圖形理論相結合，具有較為嚴格的理論基礎，對解決復雜電網(wǎng)由于不確定因素引起的故障等問題具有明顯作用。利用貝葉斯網(wǎng)絡技術進行電網(wǎng)故障診斷的研究還處于初期階段，但是發(fā)展的較為迅速。文獻采用分層遞歸的思想，利用粗糙集理論對電網(wǎng)故障信息進行分層挖掘，達到屬性優(yōu)選，然后通過貝葉斯網(wǎng)絡進行故障診斷，成功識別出故障元件。結合監(jiān)測設備的狀態(tài)信息，利用貝葉斯網(wǎng)絡實現(xiàn)了故障情況的提前預測。也有文獻基于元件建模，通過設置各節(jié)點的先驗概率，使得故障信息經(jīng)過貝葉斯網(wǎng)絡后，得到各元件發(fā)生故障的概率，以此識別故障元件，若采用某個值作為判斷條件，可同時對一個或多個元件的故障進行有效診斷。

貝葉斯網(wǎng)絡的診斷模型清晰直觀，對于不確定和不完備信息可以進行良好的診斷決策，然而，網(wǎng)絡節(jié)點賦值需要大量的實際觀察或統(tǒng)計分析方法來確定，而且貝葉斯網(wǎng)的訓練屬于NP難度問題，處理復雜問題時將變得非常困難。未來該領域的研究將主要集中在如何實現(xiàn)貝葉斯網(wǎng)絡的自動建模，如何將其與信息融合理論相結合等方面。

電網(wǎng)故障診斷的智能技術基于優(yōu)化技術的故障診斷方法

采用優(yōu)化技術(Optimization Methods)的故障診斷方法是一種基于數(shù)學模型的求解方法。國內外學者提出了多種優(yōu)化算法，可以將其應用到電網(wǎng)故障診斷領域，而且優(yōu)化算法在電網(wǎng)規(guī)劃等方面也有較好的應用。常用的優(yōu)化算法包括:遺傳算法，模擬退火算法和蟻群算法，還有較新的算法如交叉嫡算法。

優(yōu)化技術應用于電網(wǎng)故障診斷的方法是考慮故障元件與保護器和斷路器的動作關系，將電網(wǎng)故障診斷問題表示為使目標函數(shù)最小化的0-1整數(shù)規(guī)劃問題，然后通過優(yōu)化算法求解該問題的最優(yōu)解。有文獻基于小生境遺傳算法，并結合粗糙集理論，來求取決策表約簡，從而抽出診斷規(guī)則，提升了對不完備信息的分析能力。

基于優(yōu)化技術的故障診斷方法具有嚴密的數(shù)學基礎和理論依據(jù)，用常規(guī)的優(yōu)化算法即能夠實現(xiàn)而且能夠在診斷信息不全面的條件下，給出局部和全局最優(yōu)的多個診斷結果。不過該方法還存在的問題是：(1)目標函數(shù)的確定比較困難；(2)優(yōu)化算法的多次迭代，導致診斷時間過長；(3)優(yōu)化算法在尋優(yōu)的過程中存在隨機因素，可能導致丟失最優(yōu)解。所以選擇更全面的診斷模型以及采用合適的優(yōu)化算法來提高診斷的準確性和實時性是該領域未來研究的重要方向。

電網(wǎng)故障診斷的智能技術基于支持向量機的故障診斷方法

統(tǒng)計學習理論是一種專門研究有限樣本情況下機器學習規(guī)律的理論，為研究統(tǒng)計模式識別和更廣泛的機器學習問題建立了一個較好的理論框架。Vapnik等人根據(jù)對統(tǒng)計學習理論的研究，提出了支持向量機(Support Vector Machine)這種全新的模式識別算法，有效地改善了傳統(tǒng)分類方法的缺陷，具有充足的理論依據(jù)。它在文本分類、故障診斷、手寫識別等領域中獲得了較多的應用。

故障診斷問題從本質上來說就是一種分類問題，而支持向量機對于有限樣本狀況下的分類問題具有較強的針對性。有文獻通過將粒子群優(yōu)化算法與支持向量機相結合來進行故障診斷。由于在支持向量機算法中，核函數(shù)參數(shù)選擇的好壞直接影響到診斷結果的準確度，而文中采用的方法能夠實現(xiàn)參數(shù)的動態(tài)選取，達到優(yōu)化診斷結果的目的 。

支持向量機基于統(tǒng)計學習理論，有效地改善了傳統(tǒng)分類方法的缺陷，具有充足的理論依據(jù)，對解決有限樣本的模式識別問題具有很高的適用性。下一步的研究重點在于如何改進算法，使診斷過程快速并滿足實時性的要求以及處理大電網(wǎng)故障診斷、參數(shù)的選擇等問題。該技術在故障診斷中的應用起步較晚，隨著研究的加深，該方法有望成為電網(wǎng)故障診斷領域的實用方法之一。

電網(wǎng)故障診斷的智能技術基于模糊集理論的故障診斷方法

美國自動控制專家L A Zadek于1965年首次提出“模糊集合”的概念，并引入“隸屬函數(shù)”來描述差異的中間過渡。模糊集理論(Fuzzy set Theory)將信息模糊化，首先系統(tǒng)獲取的信息組成的集合可以看成一種經(jīng)典集合，按照某種對應法則將集合中的元素映射到 [0，1]這一區(qū)間，這樣集合中的每一個元素在0和1之間都對應一個實數(shù)，這個實數(shù)可以表明其隸屬于0或1的程度，按照以上對應法則組成的函數(shù)就是隸屬度函數(shù)，該理論就是以隸屬度函數(shù)為基礎建立的。在電網(wǎng)故障診斷領域發(fā)展的早期，人們對專家系統(tǒng)應用在故障診斷領域做了較多的研究，然而很少考慮到信息的不確定性，從而導致診斷的不精確。有文獻針對電力系統(tǒng)故障診斷問題中的不確定信息給出解決方法，將模糊集理論應用在電網(wǎng)故障診斷領域，通過將故障信息模糊化，不僅可以減小數(shù)據(jù)信息的存儲空間，也能提升診斷精度和容錯性。

模糊集理論的特點就是可以處理信息的不確定性，然而基于模糊集理論的故障診斷方法還面臨著一些弊端：(1)隸屬函數(shù)的建立沒有一個明確的標準；(2)可維護性差，當電網(wǎng)結構發(fā)生變化時，模糊知識庫和隸屬度也要做相應的變化；(3)大規(guī)模電網(wǎng)的模糊診斷模型建立困難。在實際應用中，常常將模糊集理論與其他智能方法相結合(如專家系統(tǒng)、神經(jīng)網(wǎng)絡、Petri網(wǎng)等)，用來分析不確定性信息對診斷系統(tǒng)的影響，提升診斷精度，增強系統(tǒng)的容錯性。

電網(wǎng)故障診斷的智能技術基于Petri網(wǎng)技術的故障診斷方法

Petri網(wǎng)是德國科學家Carl Adam Petri 于1960到1965年提出的一種數(shù)學模型，它利用目標系統(tǒng)中元件之間的關系來構建有向圖的組合模型，從而能夠準確地表示離散事件發(fā)生的順序、并發(fā)和沖突的關系。印度學者 Jenkensl和Khincha在1992年首先將Petri網(wǎng)技術應用于電網(wǎng)的建模中，在這之后Petri網(wǎng)在電力系統(tǒng)的很多領域中得到了應用，并顯示出了其良好的應用前景。電網(wǎng)的故障可看成是離散事件，而Petri網(wǎng)是對離散事件組成的系統(tǒng)進行建模和分析的理想工具。

Petri網(wǎng)方法能夠定性或定量地對系統(tǒng)中事件發(fā)生的各種過程采取準確的分析，同時還具有圖形化的結構表示等優(yōu)點，是對離散事件進行動態(tài)建模和分析的有效方法，不過還有一些尚需深入的問題存在，主要是：(1)系統(tǒng)網(wǎng)絡拓撲的擴大，易導致建模時發(fā)生信息組合爆炸的情況；(2)電網(wǎng)多重故障時，診斷結果不夠理想；(3)對于保護和斷路器拒動或誤動時產(chǎn)生的錯誤信息不能很好地分析識別。未來的研究中，將高級的Petri網(wǎng)用于復雜電網(wǎng)的故障診斷是一種有效的措施 。

電網(wǎng)故障診斷的智能技術基于信息融合技術的故障診斷方法

信息融合(Information fusion)技術實際上是一種多源信息的綜合技術，通過對來自不同數(shù)據(jù)源的信息進行分析和智能化合成，獲得被測對象及其性質的最佳一致估計，從而產(chǎn)生比單一信息源更精確、更完全的估計和決策。采用該方法的電網(wǎng)故障診斷已顯示出了明顯的優(yōu)勢。

采用信息融合技術將開關量與電氣量等來自不同數(shù)據(jù)源的信息綜合利用，可以極大地提高診斷系統(tǒng)的實時性和準確性，有效地避免由于故障信息的不確定性而導致的錯誤診斷。信息融合技術在今后的研究中，重點將放在解決如何選取合適的信息融合方法以及如何在實際中融合更多方面的信息，這會使得電網(wǎng)故障診斷水平上升到一個新高度。

電網(wǎng)故障診斷的智能技術基于MAS的故障診斷方法

多智能體(Multi-Agent System， MAS)技術是分布式人工智能技術的重要分支，它是一種將計算機、網(wǎng)絡和分布式思想相結合的軟件工程技術，能夠將目標問題轉變成在邏輯上或物理上分離的多個Agent，可分別針對每個Agent來解決問題，而且各個Agent之間相互協(xié)調信息得到最終結果，節(jié)約了數(shù)據(jù)和資源。文獻將MAS技術應用于電網(wǎng)的故障診斷中，先將診斷系統(tǒng)智能分解，再通過軟件技術來協(xié)調各Agent中的信息并得出診斷結果，滿足了準確性和實時性的要求。有文獻提出一種基于智能識別系統(tǒng)的MAS技術。MAS實現(xiàn)了控制過程的在線自適應識別和實時的進行離線故障診斷，同時可以適應和克服大規(guī)模電網(wǎng)的復雜性。

電網(wǎng)故障診斷就是通過測量和分析故障后電網(wǎng)中電流、電壓等電氣量以及保護和斷路器動作的開關量變化信息，識別故障元件。良好的診斷策略對于縮短故障時間，防止事故擴大具有重要意義。故障發(fā)生時，監(jiān)控系統(tǒng)采集到的大量故障信息涌入調度中心，基于傳統(tǒng)數(shù)學模型的診斷方法已很大程度上不能保證診斷的準確性和快速性等要求，而相比較來說，基于智能技術的診斷方法具有明顯的優(yōu)勢。智能方法能夠模擬、延伸和擴展人類的智能行為，彌補數(shù)學模型診斷方法的不足，為電網(wǎng)故障診斷領域開辟了新途徑。因此故障診斷方法由傳統(tǒng)技術向智能化技術方向發(fā)展是該領域未來研究的重點和熱點 。

在國內外專家學者對電網(wǎng)故障診斷領域研究成果的基礎上，綜述了一些當前應用較為廣泛的電網(wǎng)故障診斷的智能方法，其中包括專家系統(tǒng)、神經(jīng)網(wǎng)絡、模糊集理論、Petri網(wǎng)等，并相應的給出了簡要的介紹，同時分析了這些方法的特點和不足，總結了當前電網(wǎng)故障診斷領域所面臨的問題，探討了該領域在今后的發(fā)展中需要重點解決的關鍵問題和未來的發(fā)展趨勢。

我國已經(jīng)建立了系統(tǒng)的特高壓與智能電網(wǎng)技術標準體系，編制相關國際標準19項，特高壓交流電壓已成為國際標準電壓。

國際電工委員會主席克勞斯·武赫雷爾表示，中國的特高壓輸電技術在世界上處于領先水平，這種能夠減少長距離輸電損耗的技術，在世界其他地區(qū)也將有廣泛的應用前景。

智能電網(wǎng)新型配電技術的應用

未來的配電技術必須具有如下特點：網(wǎng)絡快速自愈、抗擾動能力強、提供優(yōu)質電力、與用戶互動等。這些智能電網(wǎng)配電技術都會促進云計算數(shù)據(jù)機房的供電系統(tǒng)更加安全可靠。

1、同步開斷技術

云計算數(shù)據(jù)中心機房中，由于電力需求量大，常涉及到高壓供電。高壓開關大都是機械開關，開斷時間長、分散性大。這種慢過程的機械開斷容易引起操作過電壓，加速設備老化或者直接損害設備。同步開斷，又稱智能開關，是在電壓或電流的指定相位完成電路的斷開或閉合。采用電子開關取代機械開關，在理論上應用同步開斷技術可完全避免電力系統(tǒng)的操作過電壓。這樣，由操作過電壓決定的電力設備絕緣水平可大幅度降低，由于操作引起設備（包括斷路器本身）的損壞也可大大減少。

2、故障電流限制技術

由于云計算數(shù)據(jù)中心的規(guī)模，數(shù)據(jù)中心的用電電流是很大的，短路電流也呈日益增大的趨勢，如果不采取有效的抑制短路電流的措施，一旦發(fā)生短路故障，開關及用戶設備將是無法承受的。隨著電力電子技術、超導技術等的發(fā)展，限制短路電流已成為可能，這就依賴于故障電流限制器（FaultCurrentLimiter,FCL）的研制和開發(fā)。國外對超導FCL和電力電子FLC研究較多，這可以在云計算數(shù)據(jù)中心中借鑒和應用。

3、主動配電網(wǎng)技術

未來“主動配電網(wǎng)”可能采取類似英特網(wǎng)的形式，即分布式?jīng)Q策和雙向潮流。在遍布全系統(tǒng)的所有節(jié)點上都將有控制設備。主動配電網(wǎng)的功能是將電源和用戶需求有效連接起來，允許雙方共同決定如何最好地實時運行。要達到這一要求，控制水平要遠高于配電網(wǎng)的水平。這包括潮流評估、有競爭力的電壓控制和保護技術，以及比配電網(wǎng)擁有更多的傳感器和自動裝置的新型通信控制系統(tǒng)等，實現(xiàn)云計算數(shù)據(jù)中心供電系統(tǒng)的主動預警，負載均衡和三相平衡等。

4、儲能技術

儲能技術已被視為電網(wǎng)運行過程中的重要組成部分。系統(tǒng)中引入儲能環(huán)節(jié)后，可以有效地實現(xiàn)需求側管理，消除晝夜間峰谷差，平滑負荷，不僅可以更有效地利用電力設備，降低供電成本，也可作為提高系統(tǒng)運行穩(wěn)定性、調整頻率、補償負荷波動的一種手段。

儲能技術可用于云計算數(shù)據(jù)中心的應急供電狀況，以及充分利用當?shù)氐姆骞入妰r差?，F(xiàn)有的電能存儲方式主要可分為機械儲能、化學儲能、電磁儲能和相變儲能等。超導儲能由于超導體電流大，能量密度高，存取快速，可作為理想的電磁能儲藏器，超導材料臨界溫度低一直是超導儲能應用的限制因素，直接冷卻超導儲能（HTc-SMES）的研究受到了美日等國的高度重視，但絕大部分超導儲能裝置為低溫超導儲能系統(tǒng)。

智能電網(wǎng)新型用電技術的應用

在智能電網(wǎng)的框架下，需要新型用電技術提高電力需求彈性，提升電力需求側管理的智能化水平，幫助電力用戶與智能電網(wǎng)進行互動，實現(xiàn)云計算數(shù)據(jù)中心更加方便、高效、經(jīng)濟、環(huán)保的管理用電。

1、先進傳感器技術

未來的數(shù)據(jù)中心傳感器將更加智能化，功能將逐步融合。風、火、水、電、氣、溫度、濕度、煙霧、二氧化碳等都是傳感器的采集對象。傳感器不僅可以分析和提取數(shù)據(jù)中心環(huán)境的特征數(shù)據(jù)，而且可以和特定的數(shù)據(jù)管理分析系統(tǒng)進行信息交互，可以對數(shù)據(jù)中心的日常數(shù)據(jù)、整體效能和環(huán)境指數(shù)提供整體分析和科學評估。

2、先進用電監(jiān)控技術

用電監(jiān)控技術分為兩個層面：用電監(jiān)測技術和用電控制技術。新型用電監(jiān)測技術對用戶的電力消費信息進行動態(tài)的準實時監(jiān)測，幫助用戶了解自身的詳細用電信息，以指導用戶優(yōu)化系統(tǒng)的用電行為。新型用電控制技術在信息獲取的基礎上，結合用戶的用電需要，對整個數(shù)據(jù)中心用電系統(tǒng)進行自動控制，實現(xiàn)電能更合理的分配。

智能電網(wǎng)環(huán)境中的物聯(lián)網(wǎng)技術應用

目前，物聯(lián)網(wǎng)在智能電網(wǎng)中的每個環(huán)節(jié)都有應用，協(xié)助實現(xiàn)了對電網(wǎng)的智能控制和優(yōu)化配置，提高電力規(guī)劃的管理能力。

第一：發(fā)電環(huán)節(jié)。對常規(guī)能源發(fā)電的機組的運行情況、設備之間的互動以及各種參數(shù)指標實行實時監(jiān)控，對風力、太陽能發(fā)電進行電機組的穩(wěn)態(tài)特性和動態(tài)特性進行穩(wěn)定性分析預測，實現(xiàn)發(fā)電環(huán)節(jié)的自動、穩(wěn)定和高效。

第二：輸送環(huán)節(jié)。運用物聯(lián)網(wǎng)在每個節(jié)點上的監(jiān)控能力，對整個輸送線路上的導線溫度、線路電容、絕緣子污穢以及線路風振進行全程監(jiān)測，并作出評估和診斷。由于智能電網(wǎng)具有自愈的特性，對發(fā)現(xiàn)破壞或者不正常的情況進行自我治愈，對用戶實現(xiàn)連續(xù)供電。

第三：變電環(huán)節(jié)。將物聯(lián)網(wǎng)應用到智能電網(wǎng)后，可以通過物聯(lián)網(wǎng)中的傳感器對重要變電設備進行檢測，并將數(shù)據(jù)傳送到管理終端，實現(xiàn)對整個變電站的實時檢修，對周圍的安全進行防護，更好地提高變電環(huán)節(jié)的可靠性和智能化水平。

第四：配電環(huán)節(jié)。由于我國國土廣闊，所以配電規(guī)模和配電設備數(shù)量都十分巨大。物聯(lián)網(wǎng)可靠傳遞特性恰好可以針對這一情況實現(xiàn)配電網(wǎng)絡中的配電現(xiàn)場作業(yè)、配電網(wǎng)絡設備以及運行狀態(tài)信息的有效傳遞并進行安全防護，避免大規(guī)模人力、物力的投入。

第五：用電環(huán)節(jié)。物聯(lián)網(wǎng)技術與門禁系統(tǒng)、防盜防火系統(tǒng)以及有情境控制的結合，實現(xiàn)了電網(wǎng)與用戶的雙向互動。革新電力服務的傳統(tǒng)模式為用戶提供更加優(yōu)質、便捷的服務，提高了人民生活質量。2100433B

要實現(xiàn)真正意義上的電網(wǎng)友好，必須加大對各項技術的研發(fā)，落實新技術應用的相關政策。電網(wǎng)友好技術的推廣機制是一個需要研究的重要問題。電網(wǎng)友好技術的研發(fā)應用具有周期長的特點，且具有“正外部性”，如何將電網(wǎng)友好的外部性內化，形成激勵相容的推廣機制，是電網(wǎng)友好技術能否真正發(fā)揮作用的關鍵。

在發(fā)電技術方面，應繼續(xù)完善新能源發(fā)電技術，實現(xiàn)其運行頻率控制、繼電保護配置、信息采集、自動化、通信、電能質量等的智能一體化發(fā)展。同時，隨著電網(wǎng)友好的發(fā)電技術研發(fā)、推廣應用，提高電網(wǎng)接納新能源發(fā)電的能力，實現(xiàn)低碳電力。進一步，針對傳統(tǒng)電廠，研發(fā)低成本改造升級技術，也將是下一步電網(wǎng)友好技術的研究熱點。

用電技術中亦可從負荷的諧波特性入手改善負荷特性，如盡量避免各種用電設備產(chǎn)生諧波、電壓畸變等；在改善負荷的時間特性方面，可進一步研究負荷的時間彈性。在控制裝置研發(fā)上，應著力研制低成本的智能控制裝置，在不影響用戶用電體驗的前提下，實現(xiàn)自主監(jiān)測電網(wǎng)實時信息，主動響應電網(wǎng)運行狀態(tài)，維持電網(wǎng)的安全、穩(wěn)定、經(jīng)濟運行。在平臺開發(fā)上，除全面考慮用戶的個性化需求外，還應為功能升級預留一定的空間。 2100433B

內容簡介

國網(wǎng)浙江省電力公司電力科學研究院組編了《電網(wǎng)設備狀態(tài)檢測與故障診斷》一書。

《電網(wǎng)設備狀態(tài)檢測與故障診斷》分為六篇十七章，分別為基礎知識、光學檢測、化學檢測、電氣量檢測、機械量檢測、故障診斷及分析。

《電網(wǎng)設備狀態(tài)檢測與故障診斷》可供電網(wǎng)設備帶電檢測人員學習及培訓使用，也可供相關專業(yè)師生學習參考。2100433B