配电网智能故障诊断与谐波源定位研究

配电网智能故障诊断与谐波源定位研究

伍冲

国网湖北省电力有限公司孝感供电公司 湖北 孝感 432000

摘要：配电网作为电力网的末端，智能化的配电网可满足电力用户在电能经济、安全以及优质等方面的所有需求。但是，智能配电网一旦出现故障，就会引发一系列运行、安全问题。因此准确、及时地找到智能配电网的故障点，缩短非故障停电供电恢复时间，以保证可靠、高质量供电。本文主要阐述了配电网故障诊断和谐波源定位技术的研究和讨论。

关键词：配电网；智能故障诊断；谐波源定位

1 配电网故障的分类及诊断方法概述

1.1 配电网故障分类

配电网是供电系统的重要环节，直接关系着用户是否能够安全可靠的用电，也关系着企业能否正常盈利。配电网中的配电线路点多面广，走径复杂，设备质量也参差不齐，受到气候环境等因素的影响，所以配电网中常有故障发生，以下便是对配电网故障的分类概括：

（1）人为因素造成的配电网故障：基建施工、违章驾车、违章建筑、高空落物、燃放烟花礼炮，放风筝等人为因素会造成配电网设备或配电线路的故障，影响电力的正常供应。

（2）自然因素造成的配电网故障：包括雷击，大风，洪涝等自然灾害会对配电网络甚至整个电力系统造成破坏。

（3）配备设备方面的因素造成的配电网络故障：配电变压器自身故障或操作不当引起弧光短路的配电变压器故障；绝缘子破裂造成的短路或接地等故障；保护装置及开关设备的长期未校验造成的故障；工作人员的技术水平不够或责任心不强造成的故障。

1.2 智能配电网的优势

智能配电网具有如下几方面的优势：

（1）安全性更高。在安全性方面，智能配电网进行了更进一步的升级，能够在电网遭受破坏，避免出现大面积的停电现象，也可以做好外部破坏的有效控制，确保供电的安全性。

（2）可视化管理。智能配电网的设各可以保证整个系统的运行数据、电能质量扰动、停电数据的实时采集，使得工作人员能够全而掌握运行状态，在有问题出现时，迅速地进行管理与决策。其可视化管理方便了整个系统的操作，问题的检测与处理。

（3）管理信息化。管理信息化主要指的是配电与用电之间的管理信息化，智能配电网系统可以将实时的运行同离线数据管理相互融合集成，这样才能实现真正的管理信息化。

2 配电网故障智能诊断技术现状

2.1 专家系统

专家系统是一种智能的推理程序，它将专家知识归纳总结为知识库，根据相应的推理机制推理答案。专家系统的结构包括数据库、知识库、推理机、人机接口、解释程序和知识获取程序。专家诊断系统能够存放专家提供的知识，根据已知信息，通过不断匹配知识库中的规则得到结论。

专家系统法能够拥有强大的推理能力，并且对推理结果具备解释能力，当处理配电网简单故障时效率较高；但获取知识、建立知识库的过程是复杂而困难的，而且当故障信号发生畸变、保护拒动或误动时，专家系统缺乏识别能力；专家系统的诊断需要在庞大的知识库中搜索，诊断时间长，不能做到实时显示的要求。

专家系统的关键在于如何自动获取知识、补充知识库；如何使专家系统的诊断具有容错性；如何加快专家系统的诊断速度。因此，未来专家系统应用于配电网故障诊断发展趋势应为：（1）专家系统和神经网络、模糊理论、粗糙集理论等结合应用，利用神经网络自动获取知识；（2）利用模糊理论清洗畸变数据，增加容错性；（3）利用粗糙集理论简约规则，加快诊断速度。

2.2 神经网络

神经网络（ANN）模拟人脑的神经元网络，输入层神经元的值经过数层映射到达输出层，使得输入和输出建立了某种隐函数关系。通过给定样本学习，不断调整神经元之间的映射关系，使输入和输出的函数关系逼近真实规律。目前在故障诊断领域应用最广泛的是基于BP算法的多层感知器神经网络理论，神经网络采用基于知识的非线性处理方式，相比传统诊断方式，其对知识的运用更灵活；同时，对于新型故障，神经网络能够通过学习自我完善，具有强大的适应性。

神经网络具有强大的学习能力，用于故障诊断时其容错性较好，相比于专家系统，避免了将专家知识编入知识库的繁琐过程，但神经网络存在一些缺陷：（1）神经网络需要大量样本训练，在配电网故障诊断领域，获得足量的训练样本是困难的；（2）神经网络对其诊断过程缺乏解释能力。

2.3 贝叶斯网络

贝叶斯网络是基于概率推理和图论的数学模型，应用于电网故障诊断时，贝叶斯网络利用先验概率和相关知识推理得到各元件故障的概率，以概率的形式展示诊断结果，在解决不确定性和不完备性问题时有很大优势。

目前，在实际应用中，贝叶斯网络有一定瓶颈。首先是先验概率的确定，配电网有多种故障，故障特征也是复杂多样的，获取先验概率有一定难度；其次，贝叶斯网络需要准确建模，当配电网结构复杂时，建模难度很大。而且由于模型过于复杂导致诊断效率低。

2.4 遗传算法

这种方法是通过建立诊断的数学模型，再运用遗传算法求解，最终实现配电网故障诊断的方法。遗传算法是运用的全局优化的思想来解决配电网的故障诊断问题的，这种方法较为适合处理复杂故障等问题。在配电网故障诊断过程中运用这种方法可以做到全局最优化和局部最优化的结果，具有较高的容错能力，遗传算法也有自己的缺点即如何能更好更快的建立数学模型。

2.5 Petri网络

利用系统中元件之间的相互关系同时利用网络来表示系统中的各种活动并对其进行合理的分析研究。该方法是模拟配电网系统同时出现、次序出现和循环出现故障的主要工具。

3 谐波源定位技术的研究

在配电系统中，为了监测并治理电力系统中非线性负荷产生的大量谐波，就要从谐波源定位入手。谐波源的定位实质上就是检测配电系统侧和用户侧对公共耦合点谐波电流和电压进行研究。当系统侧的影响较大时，就把系统侧视为谐波源，同样，当用户侧的影响较大时就把用户侧视为谐波源。谐波源定位方法主要包括：谐波功率潮流方向法；谐波阻抗检测法；神经网络法；电流矢量法；参考阻抗法等。

基于谐波功率潮流方向的检测方法。该方法最初是HcydtGT提出的，当时这种方法被称为谐波潮流的逆问题。谐波功率潮流方向法又有很多分支：有功率方向法、无功率方向法、同步检测判别法、临界阻抗法、无功率变化法等。基于谐波阻抗的检测方法主要包括：微分方程法，最小二乘系统辨识法，波动量法，双线性回归估计法等。在谐波源定位研究中，运维管理人员发现，基于最小二乘法的谐波源定位方法对四种工况（非主要谐波源存在注入干扰、量测矩阵存在误差、网络存在环路、网络接有补偿电容器）的适应性好，但要增加测量点；谐波最大化的谐波源定位方法可以减少测量点能够在注入干扰和网络存在环路及误差时还有较好的表现，但这种方法会在网络有补偿电容时，准确性下降，这就需要通过测量网络上补偿电容的谐波电流来减小其影响。

4 结论

本文介绍了常见的一些配电网故障，阐述了传统配电网故障诊断方法的一些弊端，并研究讨论了专家系统、人工神经网络、模糊理论、遗传算法等故障诊断方法，运维管理人员发现人工智能应用于配电网故障诊断中提升了诊断的速度和准确性。现今，电子设备广泛应用的同时也为供电网络带来了越来越严重的谐波污染，谐波源定位技术的研究能够很好的限制污染的扩大，保障供电网络的安全平稳地进行，为居民和企业的正常生产生活提供保障。

参考文献：

[1]张钧.配电网智能故障诊断与谐波源定位研究[D].西南交通大学，2012.

[2]赵元鹏.配电网故障诊断方法与实现[D].西安石油大学，2013.

[3]陆伟明.配电网谐波源辨识技术研究[D].广东工业大学，2015.