CN104931857A - 一种基于d-s证据理论的配电网故障定位方法 - Google Patents

Abstract

本发明公开了一种基于D-S证据理论的配电网故障定位方法，包括：先建立配电网拓扑模型，由得到的FTU故障报警信息、配电网变压器异常报警信息和用户电话投诉信息分别对配电网进行拓扑搜索，得到三个故障区域。建立故障诊断的识别框架，用D-S证据理论对三个故障区域的信息进行融合，最后由判别准则得到诊断结果。本方法不仅在信息完备准确的情况下能准确诊断故障位置，而且在信息缺失，报警装置不完备，装置误动的情况下仍能有效诊断出故障位置，具有很强的容错性和在信息不健全情况下诊断故障的能力，提高了故障诊断结果的准确性。本发明不仅可用于配电网的故障诊断，也可用于其他设备或系统的故障诊断，从而提高它们的运行可靠性。

Description

一种基于D-S证据理论的配电网故障定位方法

技术领域

本发明涉及一种基于D-S证据理论的配电网故障定位方法。

背景技术

配网自动化是提高配电网运行智能化和自愈性的重要手段。其中，馈线自动化是其主要功能之一，即配电网故障后，根据馈线终端单元上报的故障信息快速找到故障区段并隔离，迅速恢复非故障失电负荷的供电。配电网的故障区段定位是馈线自动化的基础，对于提高供电可靠性具有重要意义。

目前配电网基于馈线终端单元FTU上报故障信息进行故障定位的方法主要分为两类：一类是基于健全信息的故障定位方法，其原理是故障电流判别法，主要研究成果是矩阵算法，当所有开关均安装有FTU，且FTU正确动作时，矩阵算法可以迅速实现配电网的故障定位，但是，配电终端设备多安装于户外，运行环境恶劣，使得故障信息漏报、误报的可能性较高，因此限制了基于健全信息的矩阵算法的应用；另一类是基于非健全信息的故障定位方法，主要研究成果是基于人工智能算法的故障定位方法，及基于人工智能算法的故障恢复方法。其中包括人工神经网络算法，专家系统，遗传算法，粗糙集理论，免疫算法等等，他们都是利用FTU上传的报警信息对配电网进行诊断，具有一定的容错性，但是他们都要求配电网的分段开关安装有馈线终端单元FTU。但是与高压输电网相比节点和支路繁多的配电网只在主馈线或长分支线上才配置FTU，因此当故障发生在这些线路时，可以从配电网SCADA系统获得一些实时故障信息。而在配电网的短分支线或细分支线上因没有配置FTU而不可能获得实时故障信息。所以，完全依靠SCADA系统提供的故障信息进行配电网故障定位实际上是不完全可行的。

实现配电网自动化的另一个手段就是利用电话投诉管理TCM，TCM不但可以解答对停电原因和恢复供电时间等问题，建立电力部门和用户之间的良好关系，而且可利用故障投诉电话TC方便地获取主叫电话或用户代码，得到该用户与变压器的连接关系，因而利用TC信息进行配电网故障定位是一条可行的途径。在此基础上有些学者提出了专家系统，模糊集理论，粗糙集，贝叶斯网络等智能算法，在投诉信息全备的情况下虽能得出准确的结果，但是实现起来比较复杂，而且电话投诉具有很大的不确定性，并不一定所有的停电区域都有用户投诉，这些原因都是得电话投诉只能作为利用SCADA系统进行配电网故障定位的辅助和补充。

随着配电网自动化的发展，配网中的配电变压器配置了配电变压器监测终端TTU，主站通过TTU可以获得大量变电站的运行数据，包括有功功率，无功功率，三相电压，四线电流，停电和缺相的起止时间，短路和开路信息，电压电流越限信息等等。在目前的配电网故障诊断中对TTU上传信息的利用几乎还是空白，然而这些信息却与FTU信息一样能够反映故障的位置，因而利用TTU上传的信息进行配电网故障定位也是一条可行的途径。

发明内容

本发明为了解决上述问题，提出了一种基于D-S证据理论的配电网故障定位方法，该方法针对现在配电网故障诊断信息源单一造成的故障诊断结果可靠性不高和配电变压器监测终端TTU获得的信息没有得到有效利用的问题，根据获得FTU报警信息、TTU报警信息和电话投诉信息，利用拓扑搜索得到三个相应的故障区域，然后构建基本概率分配函数，利用D-S证据理论对三类报警信息进行融合，由此得到诊断结果，提高了配电网故障诊断的准确度和可靠性。

为了实现上述目的，本发明采用如下技术方案：

一种基于D-S证据理论的配电网故障定位方法，包括以下步骤：

(1)建立配电网拓扑模型；

(2)对配电网进行区域划分，将每个区域作为一个元件，建立故障诊断的辨识框架；

(3)采集FTU报警信息、配电网变压器报警信息和电话投诉报警信息，分别依据其对配电网变压器网络进行搜索，得到三个相应的故障区域；

(4)根据得到的三个故障区域，得到三条相互独立的证据，构造基本概率分配函数，利用D-S对证据进行融合，计算所有元件的故障概率分配函数值，进行故障诊断。

所述步骤(1)中，采用基于CIM公共信息模型的模型，配电网的每一个节点作为CIM模型中的连接点，配电网的每一个元件都通过连接点连接，元件包括配电网变压器、开关元和用户。

所述步骤(2)中，对配电网进行区域划分，将每个元件作为一个区域，建立故障诊断的辨识框架Θ，Θ＝{U₁,U₂,U₃,…,U_n}，配电网的区域分为两类，一类是以开关为边界的线路，另一类是配电网变压器，现将以开关为边界的线路和配电网变压器分别看成是单独的元件，记作U_i其中，i＝1,2,3......n。

所述步骤(3)中，具体方法为：在搜索FTU报警信息时，以断路器为起点开始沿功率流向方向搜索，根据开关FTU的安装情况和得到的报警信息，确定以开关为边界的故障区域，假定为故障区域1；在搜索配电网变压器报警信息时，以其中一个报警的配电网变压器为起点开始搜索，搜索方式与FTU相同，根据得到的配电网变压器报警信息得到一个故障区域，假定为故障区域2；在搜索电话投诉报警信息时，还需要召测相邻用户的电表信息、相邻表箱的信息和所属配电网变压器的信息，根据他们的工作状态确定一个故障区域，假定为故障区域3。

所述步骤(4)中，构造基本概率分配函数的具体方法为：根据得到的三个故障区域得到三条相互独立的证据，相应构造D-S证据理论的基本概率分配函数，针对三个故障区域构建各自概率分配函数，线路与配电网变压器的在概率分配时按照一定的比例进行分配，且为全集Θ分配一个相同的值，得到三个概率分配函数如下：

M_FTU{A₁,A₂,…,A_i,Θ}＝{a₁,a₂,…,a_i,d}其中A_i是Θ的子集，表示可能的故障的元件；

M_配变{B₁,B₂,…,B_i,Θ}＝{b₁,b₂,…,b_i,d}其中B_i是Θ的子集，表示可能的故障的元件；

M_电投{C₁,C₂,…,C_i,Θ}＝{c₁,c₂,…,c_i,d}其中C_i是Θ的子集，表示可能的故障的元件；

以上a_i、b_i、c_i分别为A_i、B_i、C_i分得的概率值，d为全集Θ分得的概率。

所述步骤(4)中，进行数据融合的方法为：

用D-S证据融合公式进行融合，融合的公式为：

$m\left(P\right)=\left\{\begin{array}{ccc}0& & \\ & if& P=\mathrm{\Φ}\\ \frac{1}{1-k}\underset{\∩P_i=P}{\Σ}\underset{1\≤j\≤3}{\Π}{m}_j\left(P_i\right)& if& P\≠\mathrm{\Φ}\end{array}\right.$

其中为证据间的冲突系数，P_i就是A_i,B_i,C_i，m_j(P_i)为第j条证据的第i个焦元的概率分配函数值。

所述步骤(4)中，计算所有元件的故障概率分配函数值，进行故障诊断的具体方法为：根据具体的判别准则得到最终的诊断结果，需要同时满足以下判别准则：

(a)判定的目标类型应具有最大的基本概率分配函数值；

(b)判定的目标类型和其他类型的基本概率分配函数值之差要大于某个阀值Δ；

(c)表示未知的m(Θ)必须小于某一门限θ；

(d)判定的目标类型的基本概率分配函数值必须大于m(Θ)。

本发明的有益效果为：

(1)本方法不仅在信息完备准确的情况下能准确诊断故障位置，而且在信息缺失，报警装置不完备，装置误动的情况下仍能正确诊断出故障位置；

(2)本方法具有很强的容错性和在不健全信息情况下诊断故障的能力，大大提高了故障诊断结果的准确性。

附图说明

图1(a)是本发明的简单配电网示意图；

图1(b)是本发明的简单配电网的CIM拓扑模型示意图；

图2是本发明简单配电网的CIM拓扑模型搜索顺序示意图；

图3是本发明基于证据理论的多传感器信息融合框图。

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

本发明主要以基于D-S证据理论的多源信息融合故障定位策略为核心，现对发明内容做进一步说明。

一、建立配电网拓扑模型

拓扑分析是配电网故障诊断的基础，要对配电网进行故障诊断，首先需要建立配电网的拓扑模型。一般配电网发生故障时，除了保护和断路器外，会产生3个方面的报警信息，即FTU报警信息，配电网变压器异常报警信息和用户电话投诉信息，因此将开关元件，配电网变压器和用户分别看作元件。这里采用基于CIM(公共信息模型)的模型，配电网的每一个节点作为CIM模型中的连接点，配电网的每一个元件都通过连接点连接，元件包括配电网变压器，开关元件。图1(a)所示的配电网构建的拓扑如图1(b)所示。

二、建立故障诊断的辨识框架Θ

对配电网进行区域划分，将每个元件作为一个区域，建立故障诊断的辨识框架Θ，Θ＝{U₁,U₂,U₃,…,U_n}。配电网的区域分为两类，一类是以开关为边界的线路，另一类是配电网变压器，现将以开关为边界的线路和配电网变压器分别看成是单独的元件，记作U_i。故障诊断的结果是U_i或者他们的组合，也就是Θ的子集。附图1所示的配电网的区域划分结果如下：U₁：(CB，S1，T1)；U₂:(S1,S2,S3,T4)；U₃:(S3,S4,T5)；U₄:(S4,SL2,T6)；U₅:(S2,T2,T3,SL1)；U₆:(T1)；U₇:(T2)；U₈:(T3)；U₉:(T4)；U₁₀:(T5)；U₁₁:(T6)；U₁₂:(T7)。U₁:(CB,S1,T1)表示区域U₁是CB，S1和T1之间的馈线段，U₆:(T1)表示区域U₆就是T1.

三、根据得到的FTU报警信息，配电网变压器报警信息和电话投诉报警信息对配电网变压器网络进行拓扑搜索，得到三个相应的故障区域。在搜索FTU报警信息时，以断路器为起点开始沿功率流向方向搜索，针对图1(b)的搜索顺序如图2所示。根据开关FTU的安装情况和得到的报警信息，可以确定以开关为边界的故障区域，假定为故障区域1。在搜索配电网变压器报警信息时，以其中一个报警的配电网变压器为起点开始搜索，搜索方式与FTU类似，根据得到的配电网变压器报警信息也可以得到一个故障区域，假定为故障区域2。在搜索电话投诉报警信息时，还需要召测相邻用户的电表信息、相邻表箱的信息和所属配电网变压器的信息，根据他们的工作状态可以确定一个故障区域，假定为故障区域3。

四、基于D-S证据理论的故障诊断判定

虽然三个方面的信息都是同一个故障所产生，但是由于信息的不完备或者报警装置的不正常工作造成报警信息有误，所以有三种报警信息得到的三个故障区域有时并不一定完全一样，需要对三种信息进行融合得到准确的故障区域。

根据得到的三个故障区域得到三条相互独立的证据，相应构造D-S证据理论的基本概率分配函数。由于这三个方面的报警信息是相互独立的，即互不影响。FTU是否报警不影响配电网变压器的报警信息，而配电网变压器是否报警与用户投诉也没有必然联系。这三条信息相互独立满足D-S证据理论要求各条证据要相互独立的要求。针对三个故障区域构建他们的概率分配函数，根据经验，线路与配电网变压器的故障机率相差较大，在概率分配时按照一定的比例进行分配，且为全集Θ分配一个相同的值。得到三个概率分配函数如下：

M_FTU{A₁,A₂,…,A_i,Θ}＝{a₁,a₂,…,a_i,d}其中A_i是Θ的子集

M_配变{B₁,B₂,…,B_i,Θ}＝{b₁,b₂,…,b_i,d}其中B_i是Θ的子集

M_电投{C₁,C₂,…,C_i,Θ}＝{c₁,c₂,…,c_i,d}其中C_i是Θ的子集

在得到三条证据的基本概率分配函数后，利用D-S证据融合公式进行融合，融合的公式为：

$m\left(P\right)=\left\{\begin{array}{ccc}0& & \\ & if& P=\mathrm{\Φ}\\ \frac{1}{1-k}\underset{\∩P_i=P}{\Σ}\underset{1\≤j\≤3}{\Π}{m}_j\left(P_i\right)& if& P\≠\mathrm{\Φ}\end{array}\right.$

其中为证据间的冲突系数。P_i就是A_i,B_i,C_i，m_j(P_i)为第j条证据的第i个焦元的概率分配函数值。

在计算出所有元件的故障概率分配函数值后，根据具体的判别准则得到最终的诊断结果。具体的判别准则可以是：

(1)判定的目标类型应具有最大的基本概率分配函数值；

(2)判定的目标类型和其他类型的基本概率分配函数值之差要大于某个阀值Δ；

(3)表示未知的m(Θ)必须小于某一门限θ；

(4)判定的目标类型的基本概率分配函数值必须大于m(Θ)。

为了测试本方法，这里选用了几种典型的情况作为测试。测试的配电网为图1(a)所示的配电网，故障位置如图所示。

情形1：所有分段开关均装有FTU且正常工作，所有配电网变压器均能正常报警，所有停电配电网变压器下属用户至少有一用户投诉。则获得的报警信息为：FTU1报警，配电网变压器T4停电报警且高压开关闭合，下属的用户有投诉。通过拓扑搜索获得三个故障区域分别为：故障区域1：U₂,U₉；故障区域2：U₂；故障区域3：U₂,U₉。设定m(Θ)＝0.16，概率分配函数分别为：M_FTU{U₂,U₉,Θ}＝{0.7,0.14,0.16}；M_配变{U₂,Θ}＝{0.84,0.16}；M_电投{U₂,U₉,Θ}＝{0.7,0.14,0.16}。融合结果如表1所示。

表1

故障区域	U2	U9	Θ
				概率分配值	0.9808	0.0137	0.0055

情形2：报警装置不完备，信息不全，这是实际中经常遇到的情况。假设S3未装FTU，得到的报警信息为：FTU1报警，配电网变压器T4停电报警且高压开关闭合，下属用户有投诉。通过拓扑所搜获得三个故障区域分别为：故障区域1：U₂,U₃,U₉,U₁₀；故障区域2：U₂；故障区域3：U₂,U₉。设定m(Θ)＝0.16，概率分配函数分别为：M_FTU{U₂，U₃，U₉，U₁₀，Θ}＝{0.35，0.35，0.07，0.07，0.16}；M_配变{U₂,Θ}＝{0.84,0.16}；M_电投{U₂,U₉,Θ}＝{0.7,0.14,0.16}。融合结果如表2所示。

表2

故障区域	U2	U3	U9	U10	Θ
						概率分配值	0.95224	0.01964	0.01522	0.00393	0.00897

情形3：缺少某一方面信息，假设没有人进行电话投诉，其他两种信息全备，得到的报警信息为：FTU1报警，配电网变压器T4停电报警且高压开关闭合。通过拓扑搜索获得两个故障区域分别为：故障区域1：U₂,U₉；故障区域2：U₂。设定m(Θ)＝0.16概率分配函数分别为：M_FTU{U₂,U₉,Θ}＝{0.7,0.14,0.16}；M_配变{U₂,Θ}＝{0.84,0.16}，融合结果如表3所示。

表3

故障区域	U2	U9	Θ
				概率分配值	0.9456	0.0254	0.029

情形4：装置误动。假设FTU3出现了误动作，即上传了报警信息，其他两种信息正常，得到的报警信息为：FTU1、FTU3报警，配电网变压器T4停电报警且高压开关闭合，下属用户有投诉。通过拓扑所搜获得三个故障区域分别为：故障区域1：U₃,U₁₀；故障区域2：U₂；故障区域3：U₂,U₉。设定m(Θ)＝0.16，概率分配函数分别为：M_FTU{U₃，U₁₀，Θ}＝{0.7，0.14，0.16}；M_配变{U₂,Θ}＝{0.84,0.16}；M_电投{U₂,U₉,Θ}＝{0.7,0.14,0.16}。融合结果如表4所示。

表4

故障区域	U2	U3	U9	U10	Θ
						概率分配值	0.8206	0.1101	0.022	0.022	0.0253

在计算出所有元件的故障概率分配函数值后，根据以下判别准则得到最终的诊断结果。

(1)判定的目标类型应具有最大的基本概率分配函数值；

(2)判定的目标类型和其他类型的基本概率分配函数值之差要大于0.6；

(3)表示未知的m(Θ)必须小于0.05；

(4)判定的目标类型的基本概率分配函数值必须大于m(Θ)。

在表1中满足以上四条判别准则的是U₂，即S1,S2,S3,T4包围的馈线断，与实际情况一致。在表2中满足以上四条判别准则的U₂，即S1,S2,S3,T4包围的馈线断，与实际情况一致。在表3中满足以上四条判别准则的U₂，即S1,S2,S3,T4包围的馈线断，与实际情况一致。在表4中满足以上四条判别准则的U₂，即S1,S2,S3,T4包围的馈线断，与实际情况一致。

通过四种情况的测试可以看出应用本发明的方法不仅在信息完备准确的情况下能准确诊断故障位置，而且在信息缺失，报警装置不完备，装置误动的情况下仍能正确诊断出故障位置，具有很强的容错性和在不健全信息情况下诊断故障的能力，大大提高了故障诊断结果的准确性。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (7)

1.一种基于D-S证据理论的配电网故障定位方法，其特征是：包括以下步骤：

(1)建立配电网拓扑模型；

(2)对配电网进行区域划分，将每个区域作为一个元件，建立故障诊断的辨识框架；

(3)采集FTU报警信息、配电网变压器报警信息和电话投诉报警信息，分别依据其对配电网变压器网络进行搜索，得到三个相应的故障区域；

(4)根据得到的三个故障区域，得到三条相互独立的证据，构造基本概率分配函数，利用D-S对证据进行融合，计算所有元件的故障概率分配函数值，进行故障诊断。

2.如权利要求1所述的一种基于D-S证据理论的配电网故障定位方法，其特征是：所述步骤(1)中，采用基于CIM公共信息模型的模型，配电网的每一个节点作为CIM模型中的连接点，配电网的每一个元件都通过连接点连接，元件包括配电网变压器、开关元和用户。

3.如权利要求1所述的一种基于D-S证据理论的配电网故障定位方法，其特征是：所述步骤(2)中，对配电网进行区域划分，将每个元件作为一个区域，建立故障诊断的辨识框架Θ，Θ＝{U₁,U₂,U₃,…,U_n}，配电网的区域分为两类，一类是以开关为边界的线路，另一类是配电网变压器，现将以开关为边界的线路和配电网变压器分别看成是单独的元件，记作U_i其中，i＝1,2,3……n。

4.如权利要求1所述的一种基于D-S证据理论的配电网故障定位方法，其特征是：所述步骤(3)中，具体方法为：在搜索FTU报警信息时，以断路器为起点开始沿功率流向方向搜索，根据开关FTU的安装情况和得到的报警信息，确定以开关为边界的故障区域，假定为故障区域1；在搜索配电网变压器报警信息时，以其中一个报警的配电网变压器为起点开始搜索，搜索方式与FTU相同，根据得到的配电网变压器报警信息得到一个故障区域，假定为故障区域2；在搜索电话投诉报警信息时，还需要召测相邻用户的电表信息、相邻表箱的信息和所属配电网变压器的信息，根据他们的工作状态确定一个故障区域，假定为故障区域3。

5.如权利要求1所述的一种基于D-S证据理论的配电网故障定位方法，其特征是：所述步骤(4)中，构造基本概率分配函数的具体方法为：根据得到的三个故障区域得到三条相互独立的证据，相应构造D-S证据理论的基本概率分配函数，针对三个故障区域构建各自概率分配函数，线路与配电网变压器的在概率分配时按照一定的比例进行分配，且为全集Θ分配一个相同的值，得到三个概率分配函数如下：

M_FTU{A₁,A₂,…,A_i,Θ}＝{a₁,a₂,…,a_i,d}其中A_i是Θ的子集，表示可能的故障的元件；

M_配变{B₁,B₂,…,B_i,Θ}＝{b₁,b₂,…,b_i,d}其中B_i是Θ的子集，表示可能的故障的元件；

M_电投{C₁,C₂,…,C_i,Θ}＝{c₁,c₂,…,c_i,d}其中C_i是Θ的子集，表示可能的故障的元件；

以上a_i、b_i、c_i分别为A_i、B_i、C_i分得的概率值，d为全集Θ分得的概率。

6.如权利要求1所述的一种基于D-S证据理论的配电网故障定位方法，其特征是：所述步骤(4)中，进行数据融合的方法为：

用D-S证据融合公式进行融合，融合的公式为：

$m\left(P\right)=\left\{\begin{array}{ccc}0& if& P=\mathrm{\Φ}\\ \frac{1}{1-k}\underset{\∩P_i=P}{\mathrm{\Σ}}\underset{1\≤j\≤3}{\Π}{m}_j\left(P_i\right)& if& P\≠\mathrm{\Φ}\end{array}\right.$

其中为证据间的冲突系数，P_i就是A_i,B_i,C_i，m_j(P_i)为第j条证据的第i个焦元的概率分配函数值。

7.如权利要求1所述的一种基于D-S证据理论的配电网故障定位方法，其特征是：所述步骤(4)中，计算所有元件的故障概率分配函数值，进行故障诊断的具体方法为：根据具体的判别准则得到最终的诊断结果，需要同时满足以下判别准则：

(a)判定的目标类型应具有最大的基本概率分配函数值；

(b)判定的目标类型和其他类型的基本概率分配函数值之差要大于某个阀值Δ；

(c)表示未知的m(Θ)必须小于某一门限θ；

(d)判定的目标类型的基本概率分配函数值必须大于m(Θ)。