摘要
随着社会经济的发展，电力系统的规模逐渐扩大，网架结构愈发复杂，电网的自动化程度也随之提高，电网数据的获得也相对便利。当电力系统内部发生复杂故障时，大量故障信息在短时间内涌入调度运行中心，此时，电网工作人员需要把握其中的核心信息，迅速确定故障元件位置，及时排除故障恢复供电。但故障数据的爆炸式增加，以及错误信息和丢失信息的情况出现，难免会导致工作人员误判、错判情况的发生。因此，需要将人工智能技术应用于故障信息处理，形成复杂电力系统的故障诊断及推演算法，为工作人员对内部故障快速反应，及时确定故障元件，准确把握故障性质，保障系统安全稳定运行，提供理论支撑。 传统的故障诊断算法大多数基于保护、断路器装置的动作信息展开，这类诊断方法受此类开关量信息的完整性及准确性的影响较大，而系统发生故障时，内部的模拟量信息也会发生相应变化，并蕴含大量的故障特征，本文综合考虑了故障后内部的开关量信息和模拟量信息，形成了基于信息融合的复杂电力系统故障诊断算法。 首先，在基于传统贝叶斯理论展开的故障诊断方法的基础上考虑了保信系统提供到的保护、断路器装置动作信息的时序信息，按照电力系统内部继电保护装置的时序配合原则，对开关量信息进行时序筛选，优化了应用于故障诊断的数据质量，使基于开关量信息得到的贝叶斯故障概率更为准确，诊断结果更为可靠。 然后，采集与疑似故障元件相关的模拟量信息，针对单站的故障录波数据，提出了系统内线路、母线、变压器三类元件基于模拟量信息的故障判据，并量化得到元件基于模拟量信息的故障概率。将基于开关量信息与模拟量信息得到的故障概率作为证据体，在决策层对上述证据体进行融合，得到元件基于信息融合的综合故障概率。 最后，提出了复杂电力系统故障推演方法。对元件相关的保护、断路器装置进行分层处理，分为主保护、近后备保护、远后备保护以及断路器;根据继电保护装置的时序配合逻辑对调度中心采集到的保护、断路器装置动作信息进行时序筛选，结合贝叶斯正向推理得到的各保护、断路器装置的期望动作概率，对保护、断路器装置的动作进行评价，找出误动、拒动装置以及时标错误装置，并进行时序修正，确定元件的故障时域，完成故障推演。
NETL