计及天气因子的输电网细胞群组织型P系统故障诊断方法

计及天气因子的输电网细胞群组织型p系统故障诊断方法
技术领域
1.本发明涉及输电网领域，具体涉及一种计及天气因子的输电网细胞群组织型p系统故障诊断方法。


背景技术：

2.输电网作为电力系统中的重要组成部分，担负着输送和分配电能的任务。由于输电网跨区大且长期暴露在大气环境下，所以遭遇灾害天气时容易发生多重故障、连锁故障，从而导致大面积停电。故障事件发生后，高效可靠的故障诊断是快速恢复电力供应的首要环节。因此，输电网故障诊断的准确性和快速性对于故障后的快速恢复供电，以及维持电网系统的安全稳定运行具有重要意义。
3.输电网故障诊断包括故障元件识别、故障类型辨识与故障恢复等内容，同时进行保护装置的动作行为评价与警报信号的准确性辨识等环节。截至目前，国内外已经提出多种输电网故障诊断方法，如专家系统、人工神经网络、petri网、因果网络、贝叶斯网络和p系统等。每类方法都有其独特的优势与适用的应用场景。
4.然而，随着输电网规模逐步扩大、结构日益复杂以及灾害天气的频发，现有故障诊断方法的问题也逐渐凸显出来，主要包括：(1)现有诊断方法主要基于单元件建模，当发生多重故障与连锁故障等大规模复杂故障时，可疑故障元件增多，需对多个可疑故障元件进行故障诊断，因此诊断难度与复杂度增大；(2)灾害天气过境期间，输电线断线和输电塔倒塔等事故会导致电网拓扑结构不断变化，各元件的故障概率和系统状态也将随外界的影响而变化，而现有大部分诊断方法在电网拓扑结构和保护配置发生变化时需要重新建模，建模时效性和拓扑适应性较差；(3)在灾害天气因素干扰下，警报信号在通信过程中容易发生畸变，从而影响诊断结果的准确性。
5.因此，如何高效诊断灾害天气下易发生的多重故障、连锁故障，以及有效处理故障警报信号误报、漏报等问题的相关工作亟待研究。


技术实现要素：

6.针对现有技术中的上述不足，本发明提供的一种计及天气因子的输电网细胞群组织型p系统故障诊断方法解决了在灾害天气因素干扰下，警报信号在通信过程中容易发生畸变，从而影响诊断结果的准确性的问题。
7.为了达到上述发明目的，本发明采用的技术方案为：
8.提供一种计及天气因子的输电网细胞群组织型p系统故障诊断方法，其包括以下步骤：
9.s1、对目标电网进行网络化简，根据其网络拓扑结构和保护装置配置信息，分别建立各个分区的cptps故障诊断模型(tissue-like p system with cell populations，cptps)；
10.s2、确定失电区域，将失电区域所在分区的cptps故障诊断模型作为目标模型；
11.s3、对保护装置进行可信度评估，并根据评估结果修正目标模型中输入细胞群的初始对象值，得到修正后的模型；
12.s4、根据气象数据对灾害天气进行等级评估；
13.s5、对修正后的模型进行拓扑矩阵推理，获取输出细胞群的母线判断向量和输出细胞群的线路判断向量；
14.s6、基于灾害天气的等级、输出细胞群的母线判断向量和输出细胞群的线路判断向量，获取输出细胞群融合天气因子的母线判断向量、输出细胞群融合天气因子的线路判断向量；
15.s7、将输出细胞群融合天气因子的母线判断向量、输出细胞群融合天气因子的线路判断向量中元素值大于等于阈值的元素对应的元器件作为故障元件，完成故障诊断。
16.本发明的有益效果为：
17.1、本方法基于失电区域所在电网分区建模，当发生多重故障、连锁故障时，无需遍历所有可疑故障元件，故障诊断复杂度不会随可疑故障元件的增多而增大，有效降低了诊断方法的复杂度，对于处理多重故障、连锁故障具有较强的适用性；
18.2、本cptps故障诊断模型中网络拓扑与保护装置相耦合，因此当网络拓扑结构变化时，模型可以跟随网络拓扑变化进行自适应调整，无需改变推理规则，便可实现网络拓扑变化后的正确推理，通用性好且方便；
19.3、基于灾害天气条件下警报信号在传输过程中畸变可能性上升，本方法将天气因子考虑到故障诊断过程中，提高了诊断方法的准确性。
附图说明
20.图1为本方法的流程示意图；
21.图2为cptps故障诊断模型示意图；
22.图3为动作时刻可信度示意图；
23.图4为气象因素的梯形隶属度函数示意图；
24.图5为实施例中分区后的标准ieee39节点示意图。
具体实施方式
25.下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
26.如图1所示，该计及天气因子的输电网细胞群组织型p系统故障诊断方法包括以下步骤：
27.s1、对目标电网进行网络化简，根据其网络拓扑结构和保护装置配置信息，分别建立各个分区的cptps故障诊断模型；
28.s2、确定失电区域，将失电区域所在分区的cptps故障诊断模型作为目标模型；
29.s3、对保护装置进行可信度评估，并根据评估结果修正目标模型中输入细胞群的初始对象值，得到修正后的模型；
30.s4、根据气象数据对灾害天气进行等级评估；
31.s5、对修正后的模型进行拓扑矩阵推理，获取输出细胞群的母线判断向量和输出细胞群的线路判断向量；
32.s6、基于灾害天气的等级、输出细胞群的母线判断向量和输出细胞群的线路判断向量，获取输出细胞群融合天气因子的母线判断向量、输出细胞群融合天气因子的线路判断向量；
33.s7、将输出细胞群融合天气因子的母线判断向量、输出细胞群融合天气因子的线路判断向量中元素值大于等于阈值的元素对应的元器件作为故障元件，完成故障诊断。
34.步骤s1的具体方法包括以下子步骤：
35.s1-1、对目标电网进行网络化简，并依据权重网络分割原则进行电网分区，得到各个分区；
36.s1-2、根据各个分区的网络拓扑结构和保护装置配置信息，分别建立各个分区的cptps故障诊断模型；其中cptps故障诊断模型的表达式为：
[0037][0038]
其中∏表示cptps故障诊断模型；o表示初始对象集合；θ表示细胞群集合，θ＝[θ1,...,θk,...,θn]，n为细胞群总个数，第k个细胞群θk＝(w
in
,r1,r2,δ
k/1
,...,δ
k/j
,...,δ
k/m
,scn)；w
in
表示o中的初始对象；r1表示细胞群的转运规则，其形式为(e,x/λ,f)，其中x和λ分别代表细胞群e和细胞群f中的对象，λ为空字符串；r2表示细胞群的溶解规则，其形式为[a]e[b]f→
[c]
l
，其中a、b、c分别代表细胞群e中的对象a和细胞群f中的对象b溶解为细胞群l中的对象c；δ
k/j
表示第k个细胞群中第j个细胞，cptps故障诊断模型中的细胞调制规则为其中表示第k个细胞群中的第j个细胞在t时刻的对象值，β
t
为动作时刻置信度的辅助对象，表示调制后的第k个细胞群中的第j个细胞在t时刻的对象值；m为第k个细胞群中细胞总数，一个细胞对应一个母线，每个母线都设置有至少一个保护装置，当母线i和母线j相邻时，母线i和母线j的连接矩阵c
ij
＝1，当母线i和母线j不相邻时，母线i和母线j的连接矩阵c
ij
＝0，c
ij
∈c；scn表示第k个细胞群内细胞的锚定连接关系，细胞之间通过锚定连接组成一个坚挺、有序的细胞群；表示输出细胞群的气象生存微环境，τ是[0,1]上的实数，表示输电线路的天气因子风险值；为常数，当调度中心只接收到保护继电器动作信号和断路器动作信号的其中一个信号时否则否则表示输出细胞群组织液的渗透规则，渗透规则的触发条件为h
*
≥h3，h
*
为当前灾害天气对应的风险等级，h3为三级风险；syn表示细胞群之间的连接状态，相互连接的细胞群可以进行信息交换；i
in
表示输入细胞群集合；i
out
表示输出细胞群集合；
[0039]
如图2所示，cptps故障诊断模型包括依次连接的输入层、信息融合中间层和输出层；输入层包括细胞群，每个细胞群包含m个细胞；输入层和信息融合中间层通过连接通道连接，连接通道上反馈对象包括和和和依据专家经验分别取值为0.6和0.4，用于控制细胞群中的对象的输入和输出的比例，只有符合条件的对象多重集才会经连接通道传输到相应的细胞群中；
[0040]
信息融合中间层，用于获取输出细胞群的母线判断向量和输出细胞群的线路判断向量，融合天气因子；
[0041]
输出层，用于获取输出细胞群融合天气因子的母线判断向量、输出细胞群融合天气因子的线路判断向量。在信息融合中间层中，由于远后备保护所控制的断路器与其对应的被保护设备之间不直接连接，因此w
bs
,w
ls
需基于远后备保护动作原理转换成在输出层中，为考虑了天气因子的输出细胞群(融合天气因子的线路判断向量)。
[0042]
步骤s2的具体方法包括以下子步骤：
[0043]
s2-1、令当前搜索迭代次数为1；
[0044]
s2-2、构建一个元件编号集合nk：从故障发生时开始，到保护继电器跳开触发断路器切除故障这一时间段内，调度中心将接收到断路器的动作警报信号，对所有断路器动作警报信号对应的断路器进行编号并形成集合nk；
[0045]
s2-3、按照编号顺序访问nk中断路器并判断当前断路器是否已经被搜索，若是则继续沿断路器的停电侧方向搜索下一个断路器并将搜索迭代次数加1；否则进入步骤s2-4；
[0046]
s2-4、判断当前断路器是否为故障区域边界断路器，若是则将该断路器对应编号放入到元件编号集合ηk内，进入步骤s2-5；否则返回步骤s2-3并将搜索迭代次数加1；
[0047]
s2-5、判断是否搜索完nk中所有断路器，若是则进入步骤s2-6；否则返回步骤s2-3并将搜索迭代次数加1；
[0048]
s2-6、按照编号顺序访问ηk，沿ηk中的断路器的停电侧方向搜索断路器并记录，若搜索到的断路器为故障区域边界断路器，则将该断路器对应的编号加入ηk；
[0049]
s2-7、获取当前ηk中断路器所在的所有无源网络，并将得到的无源网络作为失电区域，将失电区域所在分区的cptps故障诊断模型作为目标模型。
[0050]
步骤s3的具体方法包括以下子步骤：
[0051]
s3-1、在scada系统中采集保护装置的动作信息，通过警报信号时序推理获取故障时刻β
time
；
[0052]
s3-2、对保护装置设定距离内的电压、电流波形在动作时刻的特点进行提取，通过电压、电流波形变化获取故障时刻β
elec
；
[0053]
s3-3、将β
time
和β
elec
进行对比，根据比较结果获取保护装置动作的真实状态；构建并根据保护装置继电器置信度表和对应的断路器置信度表获取保护装置的动作状态可信度；
[0054]
s3-4、根据保护装置的动作时延获取保护装置动作时刻可信度；
[0055]
s3-5、根据公式：
[0056][0057]
获取第k个细胞群中的第i个细胞在初始时刻的对象值即第k个细胞群中的第i个细胞修正后的初始对象值；其中和均为权重系数，可分别设置为0.55和0.45；为第k个细胞群中的第i个细胞对应的保护装置的动作状态可信度；ξ
time
(i)为第k个细胞群中
的第i个细胞对应的保护装置的动作时刻可信度。
[0058]
步骤s3-3中将β
time
和β
elec
进行对比，根据比较结果获取保护装置动作的真实状态的具体方法为：
[0059]
若β
time
和β
elec
不一致，保护装置设定距离内的电压、电流波形没有发生变化，但调度中心接收到继电器动作信号，说明二者信息不匹配，则说明有保护继电器误动，但断路器未动作；
[0060]
若β
time
和β
elec
一致，则判定无误动作；
[0061]
若β
time
和β
elec
不一致，保护装置设定距离内的电压、电流波形发生变化，且β
elec
与断路器动作时刻一致，调度中心未接收到继电器动作信号，则判定继电器未动作，但断路器误动，断路器切断电路从而导致保护装置附近的电压、电流波形发生变化，而非发生故障导致保护装置附近的电压、电流波形发生变化；
[0062]
若β
time
和β
elec
不一致，保护装置设定距离内的电压、电流波形发生变化，且β
elec
与断路器动作时刻一致，调度中心接收到继电器动作信号，则判定继电器误动作并驱动断路器动作，切断电路从而导致保护装置附近的电压、电流波形发生变化，而非发生故障导致保护装置附近的电压、电流波形发生变化。
[0063]
保护装置继电器置信度表和对应的断路器置信度表如表1所示。
[0064]
表1
[0065][0066]
分别根据继电器和断路器动作的真实状态以及继电器和断路器的可信度即可获取保护装置的动作状态可信度。
[0067]
步骤s3-4的具体方法为：根据公式：
[0068][0069]
获取保护装置动作时刻可信度ξ
time
；其中t表示继电器或断路器动作时刻；te表示第e个继电器或断路器动作时刻；δte表示第e个继电器或断路器所允许的时延；δt表示事件所允许的时延。保护装置动作时刻可信度所涉及的时间参数如图3所示。时延是指保护装置在接收信号和发生机械动作时存在的时间延迟，且不同保护的延迟时间也不相同。给定各类保护装置时延如表2所示。
[0070]
表2
[0071]
对应保护装置动作延时/ms线路主保护δt＝[10,20]母线主保护δt＝[10,20]断路器δt＝[40,60]线路近后备保护δt＝[190,240]线路远后备保护δt＝[1950,2050]
[0072]
步骤s4的具体方法包括以下子步骤：
[0073]
s4-1、构建气象因素在不同环境等级下的故障率表，通过气象站获得故障区域的实时气象数据，并结合故障率表得到故障时刻对应气象因素的故障率；气象因素在不同环境等级下的故障率表如表3所示；本实施中的气象因素包括大风、覆冰、雷电、降雨和雪；
[0074]
表3
[0075][0076]
s4-2、根据公式：
[0077][0078]
获取第a个气象因素、第b个风险等级下的模糊评判值ν
ab
，进而得到模糊评判矩阵z，ν
ab
∈z；其中pa表示第a个气象因素对应的故障率，大风、覆冰、雷电、降雨和雪对应的故障率如表4所示；y1表示一级风险h1的评判标准边界值；y2和y3表示二级风险h2的评判标准边界值；y4和y5表示三级风险h3的评判标准边界值；y6和y7表示四级风险h4的评判标准边界值；y8表示五级风险h5的评判标准边界值；
[0079]
表4
[0080]
[0081]
s4-3、获取气象因素间的两两关系矩阵a，a
ac
∈a，a
ac
表示第a个气象相比较于第c个气象的相对重要性，其取值(重要尺度)参考表5；
[0082]
表5
[0083][0084]
s4-4、根据公式：
[0085][0086]
获取第a个气象的权重值ua；其中n表示气象总类数；
[0087]
s4-5、根据公式：
[0088]
h＝z
·u[0089]
获取模糊综合评判矩阵h，并基于模糊综合评判矩阵h根据最大隶属度原则获取当前灾害天气对应的风险等级，并根据当前灾害天气对应的风险等级获取对应的天气因子风险值τ，不同灾害天气对应的风险等级对应的天气因子风险值如表6所示。本实施例中气象因素的梯形隶属度函数如图4所示。
[0090]
表6
[0091][0092]
步骤s5的具体方法包括以下子步骤：
[0093]
s5-1、根据系统母线拓扑关系建立连接矩阵c，根据连接矩阵c构建母线主保护连接矩阵pr
bm
、线路主保护连接矩阵pr
lm
、线路近后备保护pr
lp
、线路远后备保护pr
ls
、与pr
bm
所
对应的断路器连接矩阵cb
bm
、与pr
lm
所对应的断路器连接矩阵cb
lm
、与pr
lp
所对应的断路器连接矩阵cb
lp
，以及与pr
ls
所对应的断路器连接矩阵cb
ls
；；若细胞群θk(1≤k≤n)内细胞δ
k/i
所对应母线与细胞δ
k/j
所对应母线之间存在连接关系，则分别为细胞δ
k/i
侧的母线主保护、线路主保护、线路近后备保护、线路远后备保护对象值；否则保护、线路远后备保护对象值；否则若细胞群θk(1≤k≤n)内细胞δ
k/i
所对应母线与细胞δ
k/j
所对应母线之间存在连接关系，则分别为细胞δ
k/i
侧的母线主保护对应断路器、线路主保护对应断路器、线路近后备保护对应断路器、线路远后备对应断路器对象值；否则
[0094]
s5-2、根据公式：
[0095][0096][0097][0098][0099]
分别获取细胞群溶解后的母线主保护与对应断路器经信息融合后的连接矩阵w
bm
、线路主保护与对应断路器经信息融合后的连接矩阵w
lm
、线路近后备保护与对应断路器经信息融合后的连接矩阵w
lp
和线路远后备保护与对应断路器经信息融合后的连接矩阵w
ls
；；若细胞群θk(1≤k≤n)内细胞δ
k/i
所对应母线与细胞δ
k/j
所对应母线之间存在连接关系，则分别为细胞δ
k/i
侧的母线主保护、线路主保护、线路近后备保护、线路远后备保护与对应断路器经细胞群溶解后的对象值；否则备保护、线路远后备保护与对应断路器经细胞群溶解后的对象值；否则其中其中
[0100]
s5-3、判断是否成立，若是则根据公式获取转换后的线路远后备保护连接矩阵中第j行i列的对象值否则根据公式获取转换后的线路远后备保护连接矩阵中第
j行i列的对象值其中w
ls
(j,i)表示w
ls
第j行i列的对象值；w
ls
(r,i)表示w
ls
第r行i列的对象值；c
ij
表示连接矩阵c第i行j列的对象值；表示两个矩阵中每个对应位置的元素相乘；c
gi
表示连接矩阵c第g行i列的对象值；
[0101]
s5-4、根据公式：
[0102][0103]
获取转换后的母线远后备保护连接矩阵其中(
·
)
t
表示矩阵的转置；
[0104]
若细胞群θk(1≤k≤n)内细胞δ
k/i
所对应母线与细胞δ
k/j
所对应母线之间存在连接关系，则分别为经特殊映射转换规则后的对象值；否则
[0105]
s5-5、根据公式：
[0106][0107][0108]
分别获取输出细胞群的母线判断向量wb和输出细胞群的线路判断判断向量w
l
；其中表示两个矩阵中每个对应位置处元素求取最大值；em×1表示m维单位列向量；表示从左往右提取矩阵中右上三角中的非零元素的提取函数。是(0,1)上的实数。其中
[0109]
步骤s6的具体方法为：判断当前灾害天气等级是否达到预设等级(预设等级优先选择三级风险h3)，若是则根据公式和分别获取输出细胞群融合天气因子的母线判断向量和输出细胞群融合天气因子的线路判断向量否则直接将wb作为输出细胞群融合天气因子的母线判断向量直接将w
l
作为输
出细胞群融合天气因子的线路判断向量其中为m维列向量，当调度中心只接收到保护继电器动作信号和断路器动作信号的其中一个信号时，中对应元素的值为0.4；否则对应元素的值为0；即
[0110]
在具体实施过程中，步骤s7中的阈值为0.6。
[0111]
在本发明的一个实施例中，以标准ieee39节点系统为诊断对象，以算例1为例，给出具体计算过程，以促进细节理解。图5为分区后标准ieee39节点网络拓扑图。算例1的预设故障场景和故障元件结果如表7所示。
[0112]
表7
[0113][0114]
首先，在故障发生后，利用广度优先搜索法判断出失电区域位于分区s1。基于系统拓扑结构和保护配置信息建立图5中s1分区的连接矩阵c：
[0115][0116]
为确保故障诊断的准确性和真实性分别对保护装置的动作状态和置信度进行评估。
[0117]
表8
[0118]
[0119]
由表8可知断路器动作时刻与电压、电流波形变化时刻一致，且未接收到保护继电器动作信号，警报信号时序推理获取故障时刻β
time
小于通过观察电压、电流波形变化获取故障时刻β
elec
，由此推断断路器cb60为误动作。对输入细胞群初始对象值进行修正。
[0120]
基于连接矩阵c以及保护装置置信度评估结果，分别建立母线主保护连接矩阵pr
bm
，线路主保护连接矩阵pr
lm
，线路近后备保护连接矩阵pr
lp
，线路远后备保护连接矩阵pr
ls
以及所对应的断路器连接矩阵cb
bm
,cb
lm
,cb
lp
,cb
ls
：
[0121][0122][0123]
[0124][0125][0126][0127]
[0128][0129]
结合实时气象信息和表3得到该区域各气象因素故障率为(0.44,0.0032,0.52,0.08,0.003)。求得气象因素的模糊评判矩阵为：气象因素间两两关系矩阵a为：求解矩阵得到气象因素的权重向量为u＝[0.2591 0.0566 0.4637 0.1811 0.0395]；求得气象因素的模糊综合评判矩阵h＝[0.0955 0.0006 0 0.1252 0.7787]；基于表6和隶属度最大原则得到气象因素风险等级为h5，天气因子风险值为1。
[0130]
对应得到的分别为：
[0131][0132][0133]
求得线路l28、母线b23输出对象值分别为0.9156、0.9149，表示线路l28和母线b23发生故障。
[0134]
此外，为检测cptps故障诊断模型诊断性能的可靠性，以ieee39节点为基础，对其进行故障信息不确定性实验，分别在发生单一故障、双重故障、三重故障、四重故障、五重故障的情况下，增加不确定信息出现的概率κ，并进行100000次随机测试，统计出本方法的准确率如表9所示。
[0135]
表9
[0136][0137]
其中，l表示单一线路故障，b表示单一母线故障，1l1b表示发生一条线路和一条母线的双重故障，其他参数同理可得。由表9可知，当警报信号具有不确定性(即发生了误报、漏报等情况)，即使在不确定性概率κ为14％的情况下发生四重故障、五重故障，本方法依旧有较高的准确率。
[0138]
综上所述，本发明基于失电区域所在电网分区建模，当发生多重故障、连锁故障时，无需遍历所有可疑故障元件，故障诊断复杂度不会随可疑故障元件的增多而增大，有效降低了诊断方法的复杂度，对于处理多重故障、连锁故障具有较强的适用性；本cptps故障诊断模型中网络拓扑与保护装置相耦合，因此当网络拓扑结构变化时，模型可以跟随网络拓扑变化进行自适应调整，无需改变推理规则，便可实现网络拓扑变化后的正确推理，通用性好且方便；本发明基于灾害天气条件下警报信号在传输过程中畸变可能性上升，本方法将天气因子考虑到故障诊断过程中，提高了诊断方法的准确性。