電力系統(tǒng)輸變電故障診斷技術(shù)研究的國(guó)內(nèi)外文獻(xiàn)綜述電力系統(tǒng)輸變電故障診斷技術(shù)在最近幾十年中發(fā)展速度飛快，國(guó)內(nèi)外專家學(xué)者和電網(wǎng)工程研發(fā)人員傾注了大量的心血，取得了顯著的成績(jī)。本節(jié)將從以下三個(gè)方面—電網(wǎng)故障診斷技術(shù)發(fā)展歷程、典型輸變電故障診斷技術(shù)研究和新時(shí)代下智能電網(wǎng)故障診斷方法展開。(1)電網(wǎng)故障診斷技術(shù)的發(fā)展歷程故障診斷技術(shù)是指借用各種先進(jìn)數(shù)據(jù)監(jiān)測(cè)和整理的傳感器和硬件設(shè)施，結(jié)合檢查方法和測(cè)試?yán)碚摚崆盎蛘呒皶r(shí)發(fā)現(xiàn)潛在的、已經(jīng)發(fā)生的故障，方便后續(xù)的檢修維護(hù)的一種技術(shù)。在工程應(yīng)用的角度，故障診斷可以分為兩個(gè)過(guò)程，第一個(gè)過(guò)程是故障檢測(cè)，第二個(gè)過(guò)程是故障隔離[8]。故障診斷和狀態(tài)檢修的相關(guān)概念最早被美國(guó)應(yīng)用于航空航天領(lǐng)域，隨后被拓展到軍事領(lǐng)域的海軍艦艇維修。由于效果良好，最終被推廣應(yīng)用于電力系統(tǒng)領(lǐng)域[9]。文獻(xiàn)[10]對(duì)我國(guó)輸變電設(shè)備故障診斷技術(shù)的發(fā)展現(xiàn)狀進(jìn)行了歸納總結(jié)，概括了電力系統(tǒng)中不同設(shè)備故障的特點(diǎn)，對(duì)未來(lái)如何實(shí)現(xiàn)高效準(zhǔn)確故障診斷提出了自己的看法和展望，指出故障診斷本質(zhì)上就是數(shù)據(jù)流處理的過(guò)程，狀態(tài)分類和故障處理決策是核心內(nèi)容；考慮到以風(fēng)能為代表的新能源出力在能源體系中所占比例越來(lái)越大，文獻(xiàn)[11]提出了一套面向風(fēng)電機(jī)組的故障診斷方法，有效的填補(bǔ)了風(fēng)力發(fā)電機(jī)故障診斷技術(shù)發(fā)展的空白，同時(shí)充分考慮載荷和運(yùn)行工況的不確定性，建立了在線實(shí)時(shí)狀態(tài)監(jiān)控系統(tǒng)，取得了良好的經(jīng)濟(jì)效益；文獻(xiàn)[12]針對(duì)電力系統(tǒng)目前常用的監(jiān)測(cè)和診斷技術(shù)進(jìn)行了系統(tǒng)性的概括和總結(jié)，詳細(xì)介紹了傳感器技術(shù)、數(shù)據(jù)處理技術(shù)和監(jiān)測(cè)系統(tǒng)的物理結(jié)構(gòu)與工作原理；文獻(xiàn)[13]結(jié)合信息融合技術(shù)，給出了未來(lái)故障診斷技術(shù)研究發(fā)展的若干方向。在國(guó)外，以美國(guó)和加拿大為代表的發(fā)達(dá)國(guó)家的電力系統(tǒng)故障診斷技術(shù)已經(jīng)得到普遍的推廣和應(yīng)用，并且經(jīng)過(guò)相關(guān)研究機(jī)構(gòu)和眾多學(xué)者的不斷總結(jié)、歸納和完善，技術(shù)已經(jīng)相對(duì)成熟，并且以此為基礎(chǔ)，相關(guān)工作、科研人員已經(jīng)開發(fā)出智能檢修軟件，被推廣應(yīng)用于企業(yè)內(nèi)網(wǎng)、電網(wǎng)調(diào)度中[14]-[15]。美、加等國(guó)開發(fā)并推廣電網(wǎng)故障診斷系統(tǒng)后取得了顯著的效果：首先，維修成本、生產(chǎn)成本顯著降低，由更加智能化的機(jī)器監(jiān)控診斷代替?zhèn)鹘y(tǒng)的人力檢修，維修工作量下降了30%-50%；其次，故障診斷精確度更高，真正做到防患于未然，故障發(fā)生頻率明顯降低；最后，從電力系統(tǒng)長(zhǎng)期運(yùn)行的角度來(lái)看，減少了設(shè)備的開關(guān)次數(shù)和停電時(shí)間，提高了輸變電設(shè)備的可用率和使用壽命。(2)典型輸變電故障診斷技術(shù)研究在電力系統(tǒng)中，輸變電設(shè)備扮演著重要角色，是電力系統(tǒng)正常運(yùn)行的基礎(chǔ)。典型的輸變電設(shè)備包括輸電線路、變壓器、斷路器和一些繼電保護(hù)裝置。由于這些輸變電設(shè)備具有不同的特性，因此眾多學(xué)者分別展開了研究。文獻(xiàn)[16]提出了采用支持向量機(jī)算法的變壓器故障診斷模型，結(jié)合歷史統(tǒng)計(jì)數(shù)據(jù)建立分層決策方案，最后采用k-means聚類算法對(duì)最終分類結(jié)果進(jìn)行精確逼近，所給算例證明了該方法的可行性與良好的分類效果；文獻(xiàn)[17]考慮到變壓器運(yùn)行狀態(tài)的監(jiān)控信息的遺漏或者缺失，提出了一種基于數(shù)學(xué)粗糙集理論的變壓器故障診斷模型，當(dāng)關(guān)鍵信息缺失時(shí)，采用歐氏距離和神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，構(gòu)建的決策表具有自我完善和更新的能力；考慮到傳統(tǒng)神經(jīng)網(wǎng)絡(luò)泛化能力不強(qiáng)、適用范圍狹窄、過(guò)度依賴訓(xùn)練樣本、訓(xùn)練時(shí)間長(zhǎng)的缺點(diǎn)，文獻(xiàn)[18]采用極限學(xué)習(xí)機(jī)算法，取得了良好的診斷效果；文獻(xiàn)[19]針對(duì)系統(tǒng)中變壓器的故障發(fā)生的頻率和次數(shù)，建立了故障樹模型，方便進(jìn)行系統(tǒng)可靠性評(píng)估；文獻(xiàn)[20]根據(jù)變壓器中溶解氣體比值的不同，結(jié)合遺傳算法構(gòu)建變壓器故障診斷模型。針對(duì)輸電線路，國(guó)內(nèi)有些學(xué)者結(jié)合數(shù)學(xué)領(lǐng)域的應(yīng)用分形幾何理論，分析系統(tǒng)監(jiān)控裝置所記錄的故障暫態(tài)相電壓和相電流信號(hào)，最后通過(guò)電磁暫態(tài)仿真證明了所提方法不僅能夠識(shí)別故障類型，還能靈敏可靠的選擇出故障相[21]；文獻(xiàn)[22]為了滿足超高速保護(hù)的需求，提出了一種基于暫態(tài)電氣量信息的故障診斷和故障選相方法，從時(shí)域和頻域兩個(gè)層次進(jìn)行分析；在文獻(xiàn)[23]中，采用了具有適用范圍更廣、容錯(cuò)能力更強(qiáng)的Hopfield聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)，進(jìn)行輸電線路的故障診斷，并且創(chuàng)造性的提出了基于投影原理的違逆學(xué)習(xí)算法；文獻(xiàn)[24]-[26]分別采用BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和紅外圖像識(shí)別方法，進(jìn)行輸電線路的故障診斷，總的來(lái)說(shuō)，由于輸電線路故障具有可觀測(cè)性，方便檢測(cè)，其故障診斷技術(shù)的研究已經(jīng)相對(duì)成熟，并且得到了廣泛的推廣和應(yīng)用。斷路器也是電力系統(tǒng)中發(fā)輸電設(shè)備的重要組成部分。針對(duì)斷路器故障診斷，文獻(xiàn)[27]通過(guò)采集斷路器不同工作狀態(tài)下合閘的聲波并進(jìn)行相應(yīng)的雙譜分析，研究結(jié)果表明，正常合閘過(guò)程中聲波信號(hào)中高頻、快動(dòng)態(tài)分量持續(xù)時(shí)間較短，并以此結(jié)果為基礎(chǔ)提出了基于固有模態(tài)函數(shù)能量熵的故障特征提取方法；根據(jù)采集信號(hào)來(lái)源的不同，文獻(xiàn)[28]-[29]分別提出了基于機(jī)械振動(dòng)信號(hào)和基于傳感器信號(hào)振動(dòng)融合的高壓斷路器故障診斷技術(shù)，并應(yīng)用于工程實(shí)際，取得了良好的效果；真空斷路器故障診斷因果性表現(xiàn)出很強(qiáng)的復(fù)雜性和模糊性，因此單獨(dú)采用神經(jīng)網(wǎng)絡(luò)算法會(huì)產(chǎn)生較大的誤差，為此，文獻(xiàn)[30]基于粗糙集理論和貝葉斯網(wǎng)絡(luò)理論，提出了智能互補(bǔ)融合的斷路器故障診斷模型，充分利用貝葉斯網(wǎng)絡(luò)的快速概率推理能力；文獻(xiàn)[31]系統(tǒng)性地概括了當(dāng)前電力系統(tǒng)和工程應(yīng)用中常見的斷路器故障診斷方法，詳細(xì)介紹了原理、模型和優(yōu)缺點(diǎn)。(3)新時(shí)代下智能電網(wǎng)故障診斷方法當(dāng)前，智能電網(wǎng)建設(shè)背景下的電網(wǎng)故障診斷方法可以歸納為以下四類，包含專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)以及模糊推理。文獻(xiàn)[32]介紹了最初版本專家系統(tǒng)的故障診斷方法，分析了其工作原理和優(yōu)缺點(diǎn)，并針對(duì)初級(jí)版本存在的問(wèn)題依次進(jìn)行改進(jìn)和升級(jí)；國(guó)外研究學(xué)者從上世紀(jì)七八十年代開始研究，現(xiàn)如今，專家系統(tǒng)開發(fā)和運(yùn)行相關(guān)技術(shù)已經(jīng)趨于成熟并被應(yīng)用于實(shí)際電網(wǎng)[33]-[35]；近些年來(lái)，國(guó)內(nèi)研究學(xué)者不斷將專家系統(tǒng)技術(shù)與其他先進(jìn)理論相融合，模糊邏輯[36]、故障數(shù)分析法[37]、VisualProlog[38]語(yǔ)言等一些列新技術(shù)的接入，極大的豐富了專家系統(tǒng)建設(shè)的方案。人工神經(jīng)網(wǎng)絡(luò)由于其對(duì)非線性模型的刻畫能力強(qiáng)，能有效處理并解決高維海量監(jiān)控信息，實(shí)現(xiàn)數(shù)據(jù)降維的目標(biāo)，提高輸變電設(shè)備故障診斷的效率。文獻(xiàn)[39]采用徑向基神經(jīng)網(wǎng)絡(luò)(RadialBasisFunctionNeuralNetwork,RBFNN)進(jìn)行知識(shí)的存儲(chǔ)和推理，提出了局部重新訓(xùn)練算法，以避免電網(wǎng)拓?fù)涓淖儠r(shí)，需要重新訓(xùn)練的弊端，該方法易于理解，并且適應(yīng)性強(qiáng)，當(dāng)電網(wǎng)拓?fù)浜瓦\(yùn)行方式改變時(shí)，依然能夠取得較為理想的效果；文獻(xiàn)[40]采用人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,ANN)，并且針對(duì)配電網(wǎng)建立了詳細(xì)的故障診斷數(shù)學(xué)模型，取得了良好的效果；針對(duì)電力系統(tǒng)故障診斷是大量不確定信息，文獻(xiàn)[41]從計(jì)算機(jī)領(lǐng)域得到啟發(fā)，提出并采用基于模糊最小最大神經(jīng)網(wǎng)絡(luò)(FuzzyMin-MaxNeuralNetwork,FMNN)方法，有效解決了不確定信息對(duì)于診斷結(jié)果的影響，同事計(jì)算求解效率高，滿足實(shí)時(shí)需要。此外，Petri網(wǎng)[42]、貝葉斯網(wǎng)絡(luò)[43]、小波熵證據(jù)理論[44]、正反向邏輯推理[45]等一系列新興技術(shù)和理論也被廣泛應(yīng)用于電力系統(tǒng)輸變電設(shè)備故障診斷中。[1] 趙明欣,魯宗相,吳林林,等.基于風(fēng)險(xiǎn)評(píng)估的輸變電設(shè)備維修技術(shù)[J].電力系統(tǒng)自動(dòng)化,2009,12(19):30-35.[2] 鐘自勤.繼電保護(hù)裝置及二次回路故障檢修典型實(shí)例[M].機(jī)械工業(yè)出版社,2006.[3] 嚴(yán)英杰,盛戈皞,陳玉峰,江秀臣,郭志紅,杜修明.基于大數(shù)據(jù)分析的輸變電設(shè)備狀態(tài)數(shù)據(jù)異常檢測(cè)方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(01):52-59.[4] WangDY,ZhouLJ,WangLJ,etal.Frequencydomaindielectricresponseofoilgapintime-varyingtemperatureconditions[J].IEEETransactionsonDielectricsandElectricalInsulation,2017,24(02):964-973.[5] ChenC,LuN,JiangB,etal.Condition-basedmaintenanceoptimizationforcontinuouslymonitoreddegradingsystemsunderimperfectmaintenanceactions[J].JournalofSystemsEngineeringandElectronics,2020,31(04):841-851.[6] 宋亞奇,周國(guó)亮,朱永利,李莉,王劉旺,王德文.云平臺(tái)下輸變電設(shè)備狀態(tài)監(jiān)測(cè)大數(shù)據(jù)存儲(chǔ)優(yōu)化與并行處理[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(02):255-267.[7] 李勤.電網(wǎng)調(diào)控一體化運(yùn)行管理模式優(yōu)化研究[D].云南財(cái)經(jīng)大學(xué),2017.[8] 薛禹勝,謝云云,文福拴,董朝陽(yáng).關(guān)于電力系統(tǒng)相繼故障研究的評(píng)述[J].電力系統(tǒng)自動(dòng)化,2013,37(19):1-9+40.[9] 郭創(chuàng)新,朱傳柏,曹一家,等.電力系統(tǒng)故障診斷的研究現(xiàn)狀與發(fā)展趨勢(shì)[J].電力系統(tǒng)自動(dòng)化,2006,30(08):98-103.[10] 蘇鵬聲,王歡.電力系統(tǒng)設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)分析[J].電力系統(tǒng)自動(dòng)化,2003,27(01):61-65.[11] 曾軍,陳艷峰,楊蘋,郭紅霞.大型風(fēng)力發(fā)電機(jī)組故障診斷綜述[J].電網(wǎng)技術(shù),2018,42(03):849-860.[12] 王呂長(zhǎng),李福祺,高勝友.電力設(shè)備的在線監(jiān)測(cè)與故障診斷[M].清華大學(xué)出版社,2006.[13] 朱大奇,劉永安.故障診斷的信息融合方法[J].控制與決策,2007,25(12):1321-1328.[14] MirsaeediH,FereidunianA,Mohammadi-HosseininejadSM,etal.Long-termmaintenanceschedulingandbudgetinginelectricitydistributionsystemsequippedwithautomaticswitches[J].IEEETransactionsonIndustrialInformatics,2017,33(05):1-1.[15] G.PenchevandA.Toskova.Intelligentfailureforecastandpreventivemaintenancesystem[C].2020IEEE10thInternationalConferenceonIntelligentSystems(IS),Varna,Bulgaria,2020,pp.557-561.[16] 董明,孟源源,徐長(zhǎng)響,等.基于支持向量機(jī)及油中溶解氣體分析的大型電力變壓器故障診斷模型研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2003,14(07):88-92.[17] 莫娟,王雪,董明,等.基于粗糙集理論的電力變壓器故障診斷方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2004,12(07):166-171.[18] MedeirosRP,CostaFB.Awavelet-basedtransformerdifferentialprotectionwithdifferentialcurrenttransformersaturationandcross-countryfaultdetection[J].IEEETransactionsonPowerDelivery,2017,17(03):11-27.[19] KimJW,ParkBK,JeongSC,etal.Faultdiagnosisofapowertransformerusinganimprovedfrequency-responseanalysis[J].IEEETransactionsonPowerDelivery,2005,20(01):169-178.[20] 謝可夫,羅安.遺傳算法在變壓器故障診斷中的應(yīng)用[J].電力自動(dòng)化設(shè)備,2005,25(04):55-58.[21] 楊丹,劉沛,王冬青,等.基于分形理論的輸電線路故障檢測(cè)和選相[J].電力系統(tǒng)自動(dòng)化,2005,29(15):35-39.[22] 林圣,梅俊濤,陳雙,等.基于暫態(tài)行波時(shí)頻特征的輸電線路故障檢測(cè)與選相方法[J].電網(wǎng)技術(shù),2012,15(07):48-53.[23] 姜惠蘭,孫雅明.反饋式Hopfield神經(jīng)網(wǎng)絡(luò)在輸電線路故障診斷中的應(yīng)用[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),1999,11(01):6-12.[24] 周曉克.基于經(jīng)驗(yàn)小波變換和學(xué)習(xí)矢量量化神經(jīng)網(wǎng)絡(luò)的輸電線路故障分類[D].燕山大學(xué),2018.[25] 馬新明,韓占忠,劉平.基于支持向量機(jī)的輸電線路故障診斷分類[J].電氣開關(guān),2009,47(05):61-63+79.[26] 徐智達(dá).無(wú)線測(cè)溫技術(shù)在架空輸電線路故障診斷中的應(yīng)用[J].通訊世界,2020,27(02):194-195.[27] 李建鵬,趙書濤,夏燕青,等.基于雙譜和希爾伯特-黃變換的斷路器故障診斷方法[J].電力自動(dòng)化設(shè)備,2013,33(02):115-119.[28] 趙洋,劉漢宇,曾慶軍.基于機(jī)械振動(dòng)信號(hào)的高壓真空斷路器故障診斷研究[J].高壓電器,2010,31(02):46-51.[29] 齊賀,趙智忠,李振華,等.基于多傳感器振動(dòng)信號(hào)融合的真空斷路器故障診斷[J].高壓電器,2013,49(02):43-48+54.[30] 馬小波,韓富春,李海亮.基于粗糙集理論和貝葉斯網(wǎng)絡(luò)的真空斷路器故障診斷方法[J].現(xiàn)代電力,2008,10(03):47-51.[31] 苗紅霞.高壓斷路器故障診斷[M].電子工業(yè)出版社,2011.[32] 卞玉濤,李志華.基于專家系統(tǒng)的故障診斷方法的研究與改進(jìn)[J].電子設(shè)計(jì)工程,2013,21(16):83-86.[33] R.J.SpierandM.E.Liffring.Real-timeexpertsystemsforadvancedpowercontrol(astatusupdate)(aerospacepowersystemtestbed)[J].

IEEEAerospaceandElectronicSystemsMagazine,1989,4(11):33-38.[34] B.L.BelkinandR.F.Stengel.Systematicmethodsforknowledgeacquisitionandexpertsystemdevelopment(forcombataircraft)[J].IEEEAerospaceandElectronicSystemsMagazine,1991,6(06):3-11.[35] W.Melvin,M.Wicks,P.Antonik,Y.Salama,PingLiandH.Schuman.Knowledge-basedspace-timeadaptiveprocessingforairborneearlywarningradar[J].IEEEAerospaceandElectronicSystemsMagazine,1998,3(14):37-42.[36] 張曉丹,趙海,王剛,等.模糊專家系統(tǒng)在故障診斷中的應(yīng)用研究[J].計(jì)算機(jī)工程與應(yīng)用,2004,3(03):21-22.[37] 蔡宗平,湯正平,閔海波.故障樹分析法的專家系統(tǒng)在故障診斷中應(yīng)用[J].微計(jì)算機(jī)信息,2006,22(08):135-137.[38] 鄭璇,馬昕,張貝克.VisualProlog在專家系統(tǒng)故障診斷中的應(yīng)用[J].計(jì)算機(jī)工程,2009,6(16):189-191.[39] 畢天姝,倪以信,吳復(fù)立,等.基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和模糊控制系統(tǒng)的電網(wǎng)故障診斷新方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2005,25(14):12-18.[40] 楊博超.基于粗糙集-人工神經(jīng)網(wǎng)絡(luò)算法的配電網(wǎng)故障診斷[D].西安理工大學(xué),2015.[41] 謝從珍,白劍鋒,王紅斌,欒樂,朱文,王江儲(chǔ),劉智健.基于多維關(guān)聯(lián)信息融合的架空輸電線路雷害風(fēng)險(xiǎn)評(píng)估方法[J].中國(guó)電機(jī)工程學(xué)報(bào),2018,38(21):6233-6244+6485.[42] 孫靜,秦世引,宋永華.一種基于Petri網(wǎng)和概率信息的電力系統(tǒng)故障診斷方法[J].電力系統(tǒng)自動(dòng)化,2003,27(13):10-14.[43] 吳欣,郭創(chuàng)新,曹一家.基于貝葉斯網(wǎng)絡(luò)及信息時(shí)序