论文部分内容阅读
随着电力系统规模的扩大与电网智能化建设的深入,作为智能电网核心部分的智能站的建设规模也在逐渐扩大。当下对智能站二次系统的运维工作也提出了更高的要求,因此,针对智能变电站二次系统的故障诊断已成为智能电网建设的一个重要研究方向。在常规变电站中,各二次设备采用硬接线(光缆)连接,信号的输入输出存在一一对应的关系,因此,对二次接线进行监测,依靠一次信息和有限的二次信息即可实现对二次系统的故障或异常诊断,智能变电站二次系统趋于网络化,各二次设备通过通信网络进行信息交互,虚拟回路替代了硬回路,信号的输入输出不再一一对应,因此,对智能站的故障诊断不能采用针对传统站的办法;二次系统网络化同时也带来了大量的二次系统状态信息,发生故障后,海量、多维的二次系统故障信息在短时间内涌入调度中心,运检人员对于故障情况难以有效把控和精准处置;目前,国家电网公司在调控云系统的架构层面已经建立了完整的结构体系,该系统为智能变电站二次系统故障定位的数字化及智能化提供了有力支撑。在以上背景下,为了辅助二次专业人员快速、准确地判断故障情况并精准处置,亟需提出一种精准、高效的智能变电站二次系统故障定位方法。本文提出一种面向智能变电站的二次系统故障定位方法,该方法首先进行信息建模,然后采用基于邻接表与skyline查询相结合的搜索算法确定故障区域,最后通过PNN(概率神经网络)对故障区域的元件(光纤、端口、插件等)实现精确定位。该方案在故障信息完备与否的情况下都适用,与采用神经网络直接对全网元件进行故障定位的方法相比,缩小了神经网络的训练规模,降低“不关键”的特征量对故障定位的干扰,突出了“关键”特征量的价值,有效提高了故障定位的准确率。本文首先建立了面向智能变电站二次系统故障定位的信息模型:故障特征信息模型与拓扑信息模型,为后续故障定位做好准备工作。给出了多维故障信息的来源与获取方法,并完成了故障特征信息的提取;深度挖掘了二次系统不同元件(光纤、端口等)故障时的特征信息,厘清了故障特征信息与故障元件的关联映射关系;给出了建立物理回路拓扑、虚回路拓扑以及拓扑映射的步骤,并提出了基于邻接表的拓扑信息存储方法。在对信息建模研究的基础上,提出了基于邻接表与skyline查询相结合的搜索算法,实现了故障区域的辨识。智能变电站二次系统发生故障后,启动基于邻接表的搜索算法,索引出与故障链路相映射的物理回路所包含的元件,完成了故障区域的确定;深度分析了告警信息缺失导致故障区域无法形成的原因,并提出了告警信息缺失情形的推理方法;针对各种情形下形成的可疑故障区域,提出了基于skyline的多目标优化查询方法,实现了对故障区域的准确识别。建立了基于PNN(概率神经网络)的二次系统故障定位模型。从二次系统的信息模型出发,结合二次设备运行自检状态信息、实时状态监测信息、通信链路状态信息,提取面向故障区域的故障特征量,并提出了故障特征量的表征方式;完成PNN神经网络的搭建,按照故障特征集的形式构建训练样本,并给出了 PNN样本训练的步骤;训练结束,故障定位模型建立,将当下故障断面特征信息作为PNN故障定位模型的输入,实现故障元件的精确定位。最后通过不同场景下的故障案例对本文所提出的方法进行验证,结果显示,该方法精度较高,在告警信息缺失情况下仍有较高的正确率,容错性能良好,具有较强的实用性;与采用PNN直接对全网元件进行故障定位的方法相比,缩小了神经网络的训练规模,提高了故障定位的准确率。