摘 要：电能作为一类特殊的清洁绿色能源被广泛地运用到生产和生活中，特别是伴随着经济的不断发展，对电能的依赖性越来越高，因此对电能的质量和安全性均提出了更高的要求。电网作为传输电能的重要载体，因为其长年累月暴露在自然环境下，不可避免会发生故障。为了保证电力系统安全稳定运行，在第一时间检测并解除故障，需要借助各种智能技术，迅速锁定故障元件，及时恢复故障区域的供电功能。本文就电网故障诊断的智能方法进行简单综述。
关键词：智能技术；电网故障；诊断；综述
电网故障诊断主要指的是电网在运行过程中出现故障后，保护开关（如断路器等）会动作并结合电网的电压、电流波形的变化情况对故障的类型进行判断，以确定故障部位，迅速识别故障元件。一旦电网出现故障会引发各类异常，大量的报警信息全部上传至控制中心，要想用最短的时间找到故障所在并切断故障电源难度较大，这便要求故障诊断方法快速准确。当前随着电网的不断发展，各种新型技术被应用在电网故障诊断中，而基于人工算法的故障诊断技术因其巨大的优势被应用在电网故障诊断中。
1 电网故障诊断的智能方法
1.1专家系统在电网故障诊断中的应用
赵笑奢指出：专家系统主要包含知识库、知识获取、数据库、咨询解释、推理机以及人机接口等，在电网故障诊断中应用专家系统主要是通过规则的形式将运行人员诊断经验、断路器的动作逻辑以及保护器的动作逻辑等表现出来，以此构成故障诊断专家系统知识库，再结合报警信息对知识库予以推理，找准故障。[1]随着专家系统在电网故障诊断中的应用，其逐渐暴露出以下缺陷：一是由于需要通过人工移植来获取知识，因此获取全部知识库成为了故障诊断专家系统面临的一大瓶颈；二是系统维护的难度较大，专家系统中的知识库需要常常结合实际情况予以不断修改，以至于维护的工作量较大；三是容错能力较低，可能存在因为新故障现象没有被包含在该知识库中，引起系统误诊。
1.2人工神经网络在电网故障诊断中的应用
相比于专家系统，人工神经网络的最大优势便是其主要是运用神经元和神经元之间的优先权重连接来隐含故障处理知识，不仅泛化能力和非线性映射能力较强，而且还具有强大的容错性。即便输入带有噪声的信号，依然可以获得准确的输出结果，并且神经元还拥有相对独立性，可以并行处理，因此人工神经网络被广泛应用在电网故障诊断中。朱立忠指出，人工神经网络依然存在一些缺陷，主要表现为：一是所需的训练样本数量大，学习收敛的速度过慢；二是神经网络的输出值只能限于0~1之间，从而限制了其对诊断结果的解释能力，增加了运行人员理解的难度；三是虽然神经网络的容错性较强，但是其依然无法为运行人员判定异常动作的装置提供信息帮助。[2]由于神经网络的上述缺陷，决定了这种智能方法比较适用于诊断中小型电力系统故障。
1.3优化技术在电网故障诊断中的应用
优化技术其实是多种智能算法的统称，常见的优化算法主要包含粒子群优化算法、遗传算法、交叉熵算法以及蚁群算法等等。当前优化技术运用在电网故障诊断中能够取得满意的效果，是因为该项技术的推理主要是结合故障元件和断路器、保护器之间的动作关系，通过目标函数最小化的0~1整数规划来表示最优解问题。刘道兵等指出：在电网故障诊断中应用优化技术拥有扎实的理论基础和严谨的推理，一般情况下优化算法均能够正确地诊断故障，即便在故障信息不全面的情况下，也可以给出给出全面和局部的诊断结果。[3]但是，优化技术依然存在自身的不足，主要表现在三个方面：一是寻找目标函数的难度较大；二是优化算法的诊断过程需要无数次迭代数据，直到符合要求，因此整个过程所需时间较长；三是迭代的过程可能出现局部最优值或者在随机因素下最优解丢失的情况。因此为了在电网故障中应用优化技术，还需要在提高迭代收敛和数学模型等方面做进一步研究。
1.4 Petri网在电网故障诊断中的应用
Petri网属于一类加权的有向网络，该网络主要是通过图形表示的，能够针对离散时间动行为进行建模和分析的工具。由于电网系统故障的形成和传播属于一种并发的动态的行为，协助Petri网便能够成功地构建故障诊断系统模型，通过图形的形式对该系统功能关系和处理流程进行描述，将原本复杂的逻辑关系变得更加形象，利于运行人员分析和理解，因此Petri网在电网故障中的诊断拥有良好的前景。Petri网运用在电网故障诊断中的思路如下：借助Petri网对电网中继电保护反应和故障以及有选择性地故障切除整个过程描述出来，再求逆便可以获得Petri网络的故障诊断模型。涂敏指出：Petri网存在两大缺陷，其一是要想保证Petri网的完整，要求经验知识足够多，并且节点的数量太多，容易引起状态空间爆炸；其二是容错能力有待提高识别错误的报警信息难度较大。[4]迄今为止，无论是国内还是国外，关于Petri网在电网故障诊断中的应用还停留在理论研究的阶段，随着电力事业的不断发展以及电网结构的日益复杂，如何结合电网故障诊断的特征构建简化的Petri网模型，是将Petri网应用在电网故障诊断中的前提。
1.5模糊系统在电网故障诊断中的应用
从结构上分析，模糊系统和专家系统存在一定的相似性，该系统包含人机界面、模糊推理机以及模糊知识库，通过引入模糊逻辑，将原本精确的推理变成了近似推理，从而提高了容错性，便于运行人员理解。模糊系统适用于不确定性问题的处理中。导致电网故障不确定性的主要原因为断路器或者保护器拒动、信息传输过程中受损等等，而应用模糊系统后上述问题便迎刃而解。赵笑奢就电力系统故障存在很多不确定性因素，提出了将模糊推理、模糊集同专家系统结合起来，形成了电网故障诊断新方法。模糊系统可以用于各类不确定信息的处理中，但是在应用时常常需要结合其他方法进行。[5]模糊系统的缺陷主要表现在三个方面：一是该系统无学习的能力；二是该系统在维护难度大，知识获取困难等；三是虽然模糊系统具有一定的容错能力，但是关于怎样确定隶属函数和当系统结构改变后如何修改隶属函数等问题还有待解决。
1.6粗糙集在电网故障诊断中的应用
粗糙集理论作为一类新型的数学工具，其研究的对象为不完整的数据和不精确的知识表达、归纳以及学习。该理论的基础为观察数据和测量数据的分类，通过分析数据，近似分类，对数据之间的关系进行推断以及约简知识等寻找出隐含的知识，发现潜在的规律。刘伟等针对当配电网出现故障诊断报警信息因为不完整和不确定引起结论不准确的问题，提出了借助改进辨识矩阵约简故障样本，在此基础上结合加权平均粗糙度值实现故障样本的分层，以此构建模型。[6]粗糙集的诊断方法不会发生分层的冗余性和盲目性，极大地减小了诊断模型空间，并且计算加权平均粗糙度非常容易，因此在电网故障诊断中具有较高的应用价值。
1.7贝叶斯网络在电网故障诊断中的应用
概率理论和图论相结合由此诞生了贝叶斯网络。这种诊断方法是在概率不确定性推理的基础上产生的，当前已经成为处理各类不确定性信息的重要工具，被广泛运用在各个领域的故障诊断中。张亚茹通过分析输电线路中存在信息不确定和不完备的问题，提出了贝叶斯网络诊断方法，并根据保护装置的动作原理分别建立了不完备信息和完备信息下的分布式贝叶斯网络模型，通过验证发现将其运用在输电线电路故障诊断中有效性和正确性较高。[7]站在理论的角度上分析，贝叶斯网络属于NP-complete问题，因此其训练比较复杂，换句话说就是在现有的计算机条件下是无法计算的，但是在某些应用中，可以简化训练过程，从而实现计算。
1.8综合智能技术在电网故障诊断中的应用
在上面综述了七种智能方法，其各有自身的优点和缺点，若将其单一地运用在电网故障诊断中存在一定的局限性，而选取几种方法融合使用，便能够最好最快的诊断出故障，因此综合智能技术在电网故障诊断中的应用成为了研究的热点。熊军华等在配电网故障诊断中将粗糙集和贝叶斯网络有机结合起来，借助粗糙集信息表约简技术来压缩故障特征和简化专家知识，从而获得了最小的诊断规则，在此基础上构建贝叶斯网络模型便能够有效降低获取故障特征的难度和网络结构的复杂性，并且运用贝叶斯网络对概率进行推理，以便把握故障变化特征，迅速分析配电网故障原因。[8]刘超提出了一种基于粗糙集理论和量子神经网络的电网故障诊断技术，即通过粗糙集理论不确定信息处理能力和知识约简能力，分层挖掘了电网故障诊断知识，从中优选属性，最后再借助神经网络模式识别故障诊断知识。[9]
2 电网故障诊断发展趋势
根据当前电网故障诊断中智能技术应用现状，今后电网故障诊断将朝着以下几个方面发展。（1）多种智能方法融合运用于电网故障诊断中。就目前来看，大多数依然是采用单一的智能方法诊断电网故障，而今后会将多种智能技术融合起来，相互之间取长补短，从而提高诊断结果的可靠性。（2）基于多数据源信息融合诊断技术。目前在电网故障诊断中使用的诊断技术大部分是利用开关量的信息，电气量在精确性和容错性方面更具优势，将数据源不同的电气量和开关量信息融合起来，有助于提高诊断结果的精确性。（3）基于分布式智能技术故障诊断。分布式的故障诊断方法能够把大电网分区之后再开展分布式故障诊断，从而成功化解了大电网故障诊断难度大的问题。2007年，中国电科院的工作者便采用贝叶斯网络诊断技术，在含有不确定故障信息的大型系统这一平台上，开展了MAS协同故障诊断，诊断结果确切。（4）关于在线电网故障诊断实用化方面的研究。迄今为止，相关领域的专家和学者在电网故障诊断的理论方法取得了大量的研究成果，但是在关于实用化研究方法还有待加强。如何将理论运用于实践中，是未来电网故障诊断的一大重要课题。
3 结语
综上所述，在现代化技术飞速发展的今天，对电网运行系统运行的稳定性和安全性均提出了更高的要求，但是在电网运行过程中不可避免地发生各类故障，因此必须借助新技术迅速诊断出故障。当前我国电网已经步入了智能化，运用智能技术诊断电网故障是发展的必然趋势。本文综述了智能技术在电网故障诊断中的应用，但是很多技术当前还处于理论研究阶段，还需要更多学者进行研究和实践。
参考文献
[1]赵笑奢. 电网故障诊断问题中基于模糊理论的专家系统研究[D].吉林大学，2013.
[2]朱立忠，程楠.人工神经网络的电网故障诊断[J].沈阳理工大学学报，2017，36（01）：102-106.
[3]刘道兵，顾雪平，李海鹏.电网故障诊断的一种安全解析模型 [J]. 中国电机工程学报 ，2011，31（34）：85-92.
[4]涂敏.Petri网理论在电网故障诊断中的应用分析[J].通信电源技术，2018，35（12）：100-101.
[5]赵笑奢. 电网故障诊断问题中基于模糊理论的专家系统研究[D].吉林大学，2013
[6]刘伟，黎劲松，刘爱军.用于电力系统故障诊断的优势粗糙集分类系统研究[J].电工技术，2018（22）：57-60.
[7]张亚茹. 基于贝叶斯网络的输电线路故障诊断[D].安徽理工大学，2018.
[8]熊军华，张春歌.基于粗糙集与贝叶斯网络的配电网故障诊断[J].节能，2017，36（01）：46-49+3.
[9]刘超. 基于粗糙集理论和量子神经网络的电网故障诊断方法研究[D].西南交通大学，2008.
责编/马铭阳
