基于遗传算法的电力系统故障诊断的解析模型与方法_第二部分_软件实现.pdf

《基于遗传算法的电力系统故障诊断的解析模型与方法_第二部分_软件实现.pdf》由会员分享，可在线阅读，更多相关《基于遗传算法的电力系统故障诊断的解析模型与方法_第二部分_软件实现.pdf（8页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、基于遗传算法的电力系统故障诊断的解析模型与方法第二部分:软件实现?文福拴韩祯祥田磊史觉玮张怀宇*(浙江大学电机系杭州 310027,*浙江省电力局中调所)摘要在本文第一部分所发展的故障诊断的解析模型与方法的基础上,首先提出了由计算机自动形成故障诊断的目标函数的方法,这是实现电力系统在线故障诊断所必需的。之后,介绍了为浙江省电力局开发的电力系统在线故障诊断实用软件的构成与主要功能。关键词故障诊断目标函数1 目标函数的自动形成将本文第一部分发展的故障诊断方法在线实际应用时,其目标函数也即其中的保护与断路器的期望状态值 r*k(S)和 c*j(S,R)必须由计算机自动形成。这是由于网络接线是经常变化

2、的,而r*k(S)和c*j(S,R)与网络拓扑结构有关,要求调度员在每次网络接线发生变化后人工修改目标函数中相应的 r*k(S)和 c*j(S,R)是不切实际的,因此必须开发自动形成目标函数的方法。此外,为提高运算速度以便于在线运用,故障诊断时应只对停电区域内有关的保护与断路器自动形成目标函数。以本文第一部分中图 1中的元件L1(s4)为例,先观察其对应的目标函数(参见本文第一部分),共有下面几项保护与断路器与其相关:L1Am(即 r4)、L1Bm(即 r5)、L1A P(即 r8)、L1Bp(即r9)、L1As(即 r12)、L1Bs(即 r13)、CB2(即c2)、CB3(即 c3)。下面

3、将其作分类分析。第一类为主保护(r4与 r5),它们的期望目标状态 r*的表达式易实现。即等于该元件的状态值,表达式为:r*4(S)=s4,r*5(S)=s4;第二类为第一后备保护(r8与 r9),它们的期望状态的表达式也易实现。只需反映出“主保护未动,第一后备保护应动作”这一动作原理即可。它等于元件的状态值乘以(1-该主保护状态值),其表达式为:r*8(S)=s4(1-r4),r*9(S)=s4(1-r5);第三类为第二后备保护(r12与 r13),它们的期望的状态函数较难形成。从本文第一部分中式(13)与式(14)来看,它们包括了其它一些元件的状态值及一些断路器的状态值;第四类为由保护触发

4、的断路器(c2与 c3),它们的期望的状态函数 c*的表达式在第三类第 10 卷第 3 期1998 年 9 月电 力 系 统 及 其 自 动 化 学 报Proceedings of the EPSAVol.10 No.3September1998?浙江省中青年科技人才培养专项基金和曹光彪高科技发展基金资助项目”资助本文 1998 年 1 月 15 日收到表达式形成后也较容易获得。因此,我们主要处理第三类的函数表达式。首先,引入“关联”这个概念。这里的“关联”意义较广,泛指有联系的元件与保护、保护与断路器、元件与元件间的关系。元件 保护间的关联,指该保护能划为该元件的主保护、第一后备保护、第二后

5、备保护中的一种;保护 断路器间的关联,指一旦该保护动作,原理上能使这个断路器动作;元件 1 元件 2间的关联,指元件 1 的第二后备保护范围能够包括元件 2,同时称元件 2 为元件 1 的关联元件。其次,引入几个关联矩阵。关联矩阵 ERA(元件一保护)中的各元素为:era1,j=主保护名 j=1第一后备保护名j=2第二后备保护名j=3ERA 为ne 3维矩阵,其中 ne=2nl+nT+nB+nG,nl为总线路数,nT为总变压器数,nB为总母线数,nG为总发电机数,2nL意指线路两侧的保护分别考虑。关联矩阵 RBA(保护一断路器)中的各元素为:rba1,j=0,若保护 i 动作,原理上不可以跳开

6、断路器 j;1,若保护 i 动作,原理上可以跳开断路器 j。RBA 为 nrnc维矩阵,其中nr为保护总数目,nc为断路器总数目。关联矩阵 REA(保护 元件)中的各元素为:rea1,j=0,若保护 i 不能保护到元件 j;1,若保护 i 能保护到元件 j。这里的保护只包括第二后备保护。REA 为nrne维矩阵,其中nr为第二后备保护数,ne为总元件数(ne=nL+nT+nB+nG)。例如,L1As(r12)能保护到B(s2)和L2(s5),则有:rear12,s2=1,rear12,s5=1。最后,从r*k(S)和c*j(S,R)的表达式中找规律,以便用计算机自动形成。对于第一类、第二类的表

7、达式,只要从关联矩阵 ERA 中找到相关信息,就可以写出表达式来。例如,对L1(s1),找到 eraS1A,1=r4,eraS1B,1=r5,eraS1A,2=r8,eraS1B,2=r9,eraS1A,3=r12,eraS1B,3=r13。这样关于L1两端的主保护,第一后备保护的信息都已得到,从而r*主保护(S)=元件状态值r*第一后备保护(S)=元件状态值 (1-r主保护)这 里 r主保护为该第一后备保护对应的主保护实际状态值(0:未动作,1:动作),元件为从ERA 中反向找到的某个保护对应的元件名。例如,r*4(S)=s4,r*8(S)=s4(1-eraS1A,1)=s4(1-r4)。表

8、 1L1的关联元件表关联元件名关联路径 右侧 L2(s5)B(s2)左侧 A (s1)CB3,CB4CB3CB2(C3,C4)(C3)(C2)第三类表达式的自动形成要复杂些。先从矩阵ERA 中找到L1两端的第二后备保护名,再从矩阵REA 中找到这些保护保护到的元件。例如从ERA 中找到L1在 A 侧的第二后备保护名L1As(r12),再从 REA 中找到L1的 A 侧关联到的元件B(s2)和L2(S5)。但要写出完整的表达式,即本文第一部分中式(13)与式(14),还需要一个关于断路器的信息。我们这里引入91998 年第 3 期 基于遗传算法的电力系统故障诊断的解析模型与方法第二部分:软件实现

9、“关联路径”的概念,以便解决这一问题。“关联路径”指一个元件到另一个元件,从系统结线图上来看,经过的一个或多个断路器的排列。如L1和L2为关联元件,L2是通过CB4和CB3连到 L1的,故 L1到 L2的关联路径为 CB3和CB4。为便于描述,建立L1的关联元件表(表 1)。从这个表中可以写出下列表达式:r*12(S)=1-1-s2(1-c3)1-s5(1-c3)(1-c4)r*13(S)=s1(1-c2)r*12(S)即为:1-1-关联元件 1的状态值(1-关联路径上的断路器 1 的状态值)(1-关联路径上的断路器 2 的状态值)1-关联元件 2 的状态值 (1-关联路径上的断路器 1 的状

10、态值)(1-关联路径上的断路器2的状态值)1-关联元件 3的状态值 (1-关联路径上的断路器 1 的状态值)。这样表达后可以自动形成第三类保护的期望的状态表达式。第四类为断路器的期望的状态表达式,只需按元件状态REA保护RBA断路器的路径找到保护触发断路器名,这些断路器可能不止一个。记下这些保护名,c*j(S,R)等于这些保护的期望状态函数值乘以该保护实际状态值所得值中的最大值。例如对断路器 CB2,从 RBA中找到 j=CB2,且 rbai,j=1 的所有 i(i 代表相关的保护的集合)为:r1(Am),r4(L1Am),r8(L1Ap),r12(L1As),又有:r*1(S)=s1,r*4

11、(S)=s4,r*8(S)=s4(1-r4),r*12(S)=1-1-s2(1-c3)1-s5(1-c3)(1-c4),所以:c*2(S,R)=MAX s1r1,s4r4,s4(1-r4)r8,1-1-s2(1-c3)1-s5(1-c3)(1-c4)r12这 样,在获得矩阵 ERA、REA 与关联元件表后,就可以自动形成 r*k(S)与c*j(S,R)的表达式。剩下的问题是如何根据系统拓扑结构自动形成元件的关联元件表。首先,根据 REA 确定第二后备保护的保护范围。之后,在这个范围内搜索出所有的元件名,同时确定搜索路径(即元件与元件间通过哪些断路器相连)。根据现行的保护整定原则,变压器的第二后

12、备保护范围一般在本变电站内,线路一侧的第二后备保护可以保护到对侧厂站及对侧厂站相邻的下一个厂站内,但一般不会保护到对侧厂站变压器以后的元件。这个范围已是较保险的,一般情况下故障范围不会蔓延到两个厂站(变电所)外。这样,对于变压器,我们只在它所在的变电站内进行搜索,首先找到它所连结的断路器 K,再找到开关另一侧元件号 e1,同时记下K 与e1。按照同样的步骤,再从 e1开始搜索,找下一个关联元件e2。重复上述过程,直到找到的元件不在该变电站内,或者这个变电站里的元件已被搜索完为止。我们用本文第一部分中的图 2 中的 T1 为例解释一下这个过程。图 1T1 关联元件的搜索过程示意图10电 力 系

13、统 及 其 自 动 化 学 报 1998 年第 3 期表 2T1的关联元件表关联元件名B1A1B2L1L3F1T 2L2L4关联路径CB4CB2CB4CB6CB4CB7CB4CB9CB2CB1CB2CB3CB4CB6CB8CB4CB6CB10对于线路,可按上述类似步骤进行搜索,限于篇幅,这里不作介绍,可参看文献 1,2。当两个元件间有两条或者两条以上的关联路径时,几条路径名都要保存下来。在本文第一部分所述的故障诊断的目标函数中,对于连接同样两个元件的几条路径是以取其中的最大值进行处理的。这是考虑到一个元件e1故障时,另一个元件 e2的第二后备保护的启动可能不单靠一条线路的信息。但只要有一条路径

14、的信息使之动作,就可以说明 e1故障。停电区域形成后,上述关联元件表的自动形成就可在这些停电区域中进行。搜索过程可以根据被扫描到的元件是否属于停电区域为标志。如果是,则继续搜索;不是,则停止该方向的搜索,而转向下一个方向。总之,变电站实时结线分析的功能有两个方面:(1)找出待处理的停电区域(可以是一个或几个小网络),以便于用遗传算法快速诊断;(2)找出停电区域的关联元件以及关联路径,便于自动形成目标函数。2软件总体框架该软件采用 Visual Foxpro 编写数据库与界面,核心算法采用 Borland C+语言,主要包括以下几部分:(1)网络数据管理系统;(2)和 EMS 的数据通讯接口;(

15、3)在线故障诊断模块;(4)离线故障诊断模块;(5)核心算法程序。网络数据管理系统主要完成的功能为网络数据的输入和维护,以及网络数据的浏览、重复输入数据的检测、形成各项数据的报表文件和打印等功能。和 EMS 的数据通讯接口的功能为:通过串行口和 EMS 进行通讯,对实时接收到各厂站传送到 EMS 的信息进行筛选,只选取我们所需的保护、断路器及隔离开关的信息。每天自动建立当天文本文件,形成有参考价值的历史数据。在线故障诊断模块的功能为:接收保护、断路器和隔离开关的信息并刷新数据库中的信息,实时地改变网络中各元件的状态,并形成计算所需的数据文件。若无特定的故障告警信号,每隔一定时间自动调用故障诊断

16、程序,接收并显示故障诊断结果;若有告警信号来,则转向紧急处理程序,将一定时间段内发生的故障动作信息收集全,调用故障诊断程序,接收并显示诊断结果。若没有动作信息发生,则系统处于自动等待扫描状态。离线故障诊断的功能为:调度员可以根据历史数据或重新编辑模拟故障信息,进行模拟运算,查看诊断结果是否和预期的相符。这样做的目的是为了帮助调度员不断地积累经验,同时也可以进一步检验故障诊断算法的可靠性。该模块可以和在线故障诊断同时运行。核心算法程序的功能为:进行变电站实时结线分析,找出故障后的停电区域,并在停电区域内找出关联元件以及关联路径,形成故障诊断的目标函数,然后采用遗传算法进行计算。111998 年第

17、 3 期 基于遗传算法的电力系统故障诊断的解析模型与方法第二部分:软件实现3软件运行流程软件运行流程如图 2所示。图 2软件运行流程图4软件使用简价4.1数据准备在网络数据的输入过程中,首先填好网络拓扑结构及断电保护信息的数据,可以由菜单提示。输入数据时,在选中某电网后,再选其中的地区,然后选择厂站,依次将厂站 110 kV以上的变压器、母线、断路器、隔离开关、继电保护数据按要求填上。网络拓扑中元件的编号由实际操作员根据工作中约定的编号,遵循简单易懂、维护方便的原则进行。继电保护数据的维护是为诊断中用到的保护信息服务的。保护的信息包括:保护名与被保护设备名,保护设备的类型(如高频保护,距离 I

18、、II、III 段保护,母差保护等等)。数据准备工作是比较繁锁的人工操作过程。一旦这块数据确定后,以后就只是维护方面的工作。增加、删除变电所中的某个开关、线路,甚至整个变电所都很方便。12电 力 系 统 及 其 自 动 化 学 报 1998 年第 3 期4.2网络数据浏览网络数据浏览这部分的功能是辅助检查网络拓扑结构数据和继电保护数据输入是否正确。当网络拓扑结构数据和继电保护数据输入后,以数据库中的格式进行存贮。当选择数据库检查时,将对数据库中数据的单一性进行检查,并将重复的数据作为错误数据列出(可打印输出)。选择数据库浏览时可有选择地对电网、地区、厂站、变压器、电压等级、断路器、网络结点、隔

19、离开关、发电机、母线、线路等等的数据进行浏览以检查输入数据是否有错。4.3生成报表文件为了方便数据库的维护,我们将发电机、线路、变压器、网络节点、断路器与隔离开关、保护数据、故障诊断的结果以规范的表格形式列出。调度员可以将输入的数据按类别分别打印输出,以便其对输入数据进行校验和维护。此外,调度员可以对故障诊断进行存档处理,记录发生事故时收到的保护和断路器动作信息及可能的故障元件,以便调度员作进一步的分析。4.4在线故障诊断开始在线故障诊断时需先选择“系统初始化”菜单,则自动建立日期和当天数据库。我们设置了一个“自动监控时间间隔”菜单,每隔一段时间后进行一次故障诊断。软件中给出了时间间隔的下限,

20、其为运行软件所需的最少时间,使用者可以选择大于这个下限的时间值作为诊断间隔。这样,我们可以在故障频繁时增加诊断次数,而在正常运行时减少诊断次数。此外还设置了“紧急等待时间间隔”菜单,即在收到变电所事故信号时,软件等待一定时间再进行故障诊断,以便将该事故发生时的所有断路器和保护动作信息收全。选择“数据自动检测”菜单时,即开始接收来自 EMS 的实时信息并进行故障诊断。“数据人工检测”菜单仅用于软件调试,“当天数据库浏览”菜单用于查阅当天收到的来自 EMS 的实时信息。4.5离线模拟故障诊断先选中“更新模拟运算文件”菜单,则数据库对原始数据进行处理,形成离线模拟计算所需的文件。然后选中“进行模拟计

21、算”菜单,在此后出现的画面上选择“自定义故障动作”菜单输入动作的继电保护编号和断路器编号,然后选中“模拟故障诊断”菜单开始进行故障诊断计算。诊断结果将自动以报表文件形式显示供调度员查看,使其判断是否与预测相同。当有原始数据输入错误时,例如,某字符串中有一位字符错误,那么它很可能与其它地方出现的该字符串不符,这时系统提示“该字符串在原始文件中不存在”,或者作为故障元件单独列出,这两种情况下都可以发现该字符串中有错误。5结 束 语这一部分首先描述了由计算机自动形成基于遗传算法的电力系统故障诊断的目标函数的方法,这对于实现在线故障诊断具有重要作用。之后,介绍了为浙江省电力局开发的在线故障诊断实用软件

22、的基本情况。本文第三部分将介绍该软件应用于浙江电力系统时其EMS信息的获取方法及模拟在线测试结果。参考文献1 田磊.电力系统故障诊断遗传算法的应用:学位论文.杭州:浙江大学,1997.2 张怀宇.浙江电力系统故障诊断的研究:学位论文.杭州:浙江大学,1997.131998 年第 3 期 基于遗传算法的电力系统故障诊断的解析模型与方法第二部分:软件实现An analytic model and genetic algorithm based method for faultdiagnosis in power systemsPart 2:The software implementationWe

23、n FushuanHan ZhenxiangTian LeiShi Juewei(Dept of Electrical Engineering,Zhejiang University Hangzhou,310027)Zhang Huaiyu*(*Central Dispatching Institute,Zhejiang Provincial Power Company,310007)ABSTRACTBased on the analytic model and genetic algorithm(GA)based method forthe fault diagnosis problem a

24、s developed in part 1 of this 3-part paper,the au-tomatic forming of the objective function by computers for the GA based faultdiagnosis method is first proposed in part 2 with the objective for on-line faultdiagnosis implementation.Afterwards,the modulars and functions fo the on-line fault diagnosi

25、s software developed by the authors for Zhejiang ProvincialPower Company are described.Key wordsfault diagnosis,objective function讨论问题 1:与其它优化算法相比,遗传算法是一种寻优速度较慢的方法,作者应该说明选用遗传算法求解该问题的理由。答:本文构造的电力系统故障诊断的无约束 0-1 整数规划模型可用很多方法求解,如分枝定界法、模拟退火方法、遗传算法(GA)和 Tabu 搜索方法等等,遗传算法并不是唯一可选择的方法。我们选用遗传算法求解这一问题的主要原因是其在原理

26、上最适于求解无约束的 0-1 整数规划问题,且计算效率相当高(当然,遗传算法在求解有约束的连续优化或混合优化问题时速度较慢)。还有,由于电力系统故障诊断可局限于停电区域中的元件,变量数目一般不多(通常少于50 个),遗传算法的求解速度足以满足我们的要求。但无论如何,遗传算法不是求解这一问题的唯一选择,也未必是最好的选择。问题2:文中遗传算法的收敛判据是什么?因为只有在保护无误动情况下求得的最优解才能正确判断故障。若所求解的是次优解而不是最优解,就难以保证判断的正确性,所以其判据应保证得到最优解。答:本文采用的遗传算法的收敛判据为最大允许的迭代次数已经达到。在保护和断路器均正确动作的情况下,可以

27、用简单的办法来判断所得到的解是否为最优解。当保护和断路器下转 22 页14电 力 系 统 及 其 自 动 化 学 报 1998 年第 3 期ABSTRACTThe optimal planning of distribution system(including design for new res-idential developments and expansion for old districts)is a very complicatednonlinear combinatorial optimization problem.Combining the robustness ofAr

28、tificial Intelligence techniques with the spatial characteristics of GeographicInformation System,this paper deals with the problem of distribution planningand presents the structure and composition of Intelligent Decision Support sys-tem used for distribution planning.Finally,the paper describes th

29、e realizationof such IDSS as the application of Genetic Algorithm in Primary Routing.Key wordsGeographic Information System,Distribution Planning,ArtificialIntelligence,Genetic Algorithm上接 14 页有误动作时,判断一个解是否为最优解并不是一件容易的事。如果求得的解是次优解,故障诊断的结果就不正确。我们采用三种办法来增加遗传算法求得最优解的机会:一是在给定遗传算法的初始解群时,只选用哪些故障元件少于 5 个的、随机产生的数字串(这是由于 5 个以上的元件同时发生故障的机会非常小),这样在一般情况下迭代几次就可以得到最优解;二是在求解过程中始终保留所求得的最好解,以免被交叉和变异算子所破坏;三是最大允许迭代次数给得相当大(如 100 次,这是一种保守的作法),确保有很大的机会求得最优解。对浙江电力系统的离线与在线故障诊断的测试结果表明,所采用的遗传算法都能找到最优解。22电 力 系 统 及 其 自 动 化 学 报1998 年第 3 期