崔小鹏 王公宝 王 洁

(海军工程大学舰船综合电力技术国防科技重点实验室 武汉 430033)

一种故障诊断模糊专家系统的实现*

崔小鹏 王公宝 王 洁

(海军工程大学舰船综合电力技术国防科技重点实验室 武汉 430033)

针对电力系统多异构设备故障诊断工程化不高的问题,提出一种具体的故障诊断实现框架。采用通信方式和数据结构独立配置的方法,实现电力系统多种协议通信的无缝连接,解决了底层异构设备数据在顶层设备中的接收、分析和存储难以统一的问题;在故障诊断框架下,设计并实现模糊专家系统和其他故障数据处理综合诊断;研究了基于xml的系统配置信息描述,能够实现电力系统中各种设备、参数和故障判断准则等信息的标准化;同时提出了一种故障诊断算法,实现系统各设备的故障定位。诊断实例结果表明,系统推理效率高,可信度好,能够满足电力系统故障诊断要求。

跨协议; 模糊集; 专家系统; 故障诊断

Class Number TM312

1 引言

随着对电力需求的不断增加,电力系统网络规模不断扩大,系统设备、线路等分布复杂。因此有效的状态监测和故障诊断对设备长周期安全稳定运行具有十分重要的意义。

国内外在电力系统故障诊断方面已经提出了很多研究,如基于模糊集理论、人工神经网络、贝叶斯网络、专家系统和Petri网络的诊断方法等[1～8]。然而对于建立大规模电力系统都存在一定的局限性,单一的故障诊断手段对某些故障行之有效,对于复杂大系统效果并不明显。相对而言专家系统对于较难推理建模的大规模电力系统具有一定的优势。

本文提出一种对通信透明的数据集成框架,能够实现电力系统多种常用协议通信的无缝连接,适用于多通信协议设备的数据集成。在此基础上设计出合理的模糊知识库框架以及较为完善的推理算法,实现系统设备的故障定位。

2 系统及诊断总体设计方案

2.1 系统总体设计

如图1所示,系统采用分层分布式结构,将大量处理运算的数据放在远端监测单元中[9～10]。减轻上层运算压力。信息流作为电力系统的信息有效载体,控制电力系统能量流的流动。

图1 系统整体设计方案

系统模型包括四个层次,即设备层、通信网络层,数据管理层、数据应用层。其中设备层包括分布在现场的传感器和采集系统;通信网络层是信息流的传输通道,包括数据网、双冗余健康网及控制网。三网独立。数据管理层管理全系统实时故障信息“快照”和一定时期的日志及状态信息,以备查询、分析和培训使用。数据应用层则负责系统的故障诊断以及日常维护功能。

2.2 故障诊断框架设计

在数据应用层中,故障诊断主要由三部分构成,数据管理平台、故障诊断模块、融合诊断模块,如图2所示。

文献[7]设计的模糊专家系统考虑故障时电流电压的变化特征,在实际运行系统中,尽管电气量能更真实反映故障情况,但不宜作为系统实时诊断的依据,需要处理分析得出故障表征再进行诊断。因此本文不将电流电压等电气量的变化特征纳入模糊集。而是将综合管理平台获取的流场量、机械量、开关量和部分电气量进行分类,分别进入不同的诊断区进行故障识别获取故障表征以及故障置信度,经过数据融合,最终形成决策和诊断结果。

图2 故障诊断总体结构

3 模糊专家系统设计

模糊专家系统弥补了传统专家系统对不确定性描述的不足,其核心是知识库和推理算法的设计。

3.1 知识库模糊化设计

3.1.1 故障描述

系统所有异常都会引起相应参数的变化,而参数的变化可以通过试验监测得到。设计初期要在对系统可能出现故障充分分析的基础上,针对故障确定要监测的参数。

知识库实质上就是系统故障和导致故障诸因素之间的逻辑关系的描述集合。这个集合可以用特定的图形故障树来建立。如图3为电机振动异常故障树。

图3 电机振动故障树

通过故障树,可以将故障征兆与故障原因的关系表述如下矩阵:

p1p2p3…pn

故障隶属度表示故障征兆隶属故障原因的程度。隶属度的确定主要通过经验法,专家打分,专家经验权值等方法标准化后得到。

3.1.2 电力系统描述语言

建立故障征兆与故障原因的联系,确定故障隶属度后,需要通过一定的形式来反映这种联系。xml(eXtensible Markup Language,可扩展标记语言)作为一种面向对象的信息模型。xml与电力系统数据在结构上具有内在相似性,方便地保持电力系统数据的层次结构和次序语义,弥补其它数据库的不足,反映电力系统故障原因和征兆的逻辑结构。因此本文将xml格式的描述语言作为知识库的载体工具。

系统配置文件由电力系统描述语言来描述,主要包括系统设备以及设备参数,故障定位及故障信息等。系统健康数据处理模块利用存储在服务器中的一系列的xml数据表来执行系统设备故障定位。配置文件形式如表1～4所示。

设备列表描述了电力系统所有设备及其相关信息,如表1所示。

表1 设备列表

参数列表表示所属设备传感器采集的健康以及参数属性信息,设备列表与参数列表通过ID关联,如表2所示。

表2 参数列表

故障列表是故障诊断查询列表,故障列表和参数列表通过参数ID相关联,如表3所示。

故障信息列表描述了故障的代码所对应的故障原因以及维护信息等,故障信息列表与故障列表通过故障代码相关联,如表4所示。

表3 故障列表

表4 故障信息列表

在上述电力系统配置文件中,实现电力系统中各种设备、参数和故障判断准则等信息的标准化。配置文件独立于软件外,从而提高了软件的灵活性,简化了软件开发与维护过程。同时也为故障推理提供了信息支持。

3.2 模糊化推理设计

在故障检测中,传感器所获取的信息或多或少地受到一些干扰因素的影响,具有一定的模糊性,而且故障集合与故障特征之间也并不是一一对应关系,相互之间的影响也具有一定的模糊性。为此采用模糊推理算法进行设计。

推理算法需要具备如下特点:

1) 能够反映系统的结构特征。即当同时出现几个故障时,能够描述出故障之间逻辑顺序。

2) 算法具有独立性,算法的结构不能影响故障检测的效果。

3) 算法具有彻底性,算法能够实现最小单元诊断。

4) 算法只是一个框架,必须能够适应系统模型的改变。同时对具体内容的修改只是在数据库中,而不是在算法或者软件中。

本文采用Sugemo模糊逻辑方法,处理主要分三个过程,模糊化输入,通过隶属度函数描述显示模糊状态,即知识库模糊化;模糊化处理,即根据故障诊断的专家经验,通过故障征兆信号推理故障可能性的模糊规则。如下式:

ifp1(b1,w1) andp2(b2,w2) and … andpn(bn,wn)

thenR(Cf,τ)

其中B{b1b2b3…bn}为前提子条件的模糊隶属度阈值,W{w1w2w3…wn}为前提子条件的权重系数,Cf是规则的可信度,τ为规则成立的阈值。当τ大于设置时,故障成立。

如图4所示,本系统具体的推理过程如下:

图4 故障推理流程

1) 将不同协议数据标准化,并与设定的模糊隶属度阈值比较,异常则进入故障诊断系统。

2) 检查故障特征,如果与规则前提向量模糊匹配,则提取对应故障的置信度信息,检查是否下一级故障为真,若不为-1,则进入下一级故障判断。如为-1,表示诊断到最小割集,推理完毕。

3) 如果不匹配,则进入下一条规则进行匹配,重复步骤2。

在系统实际运行过程中,知识库的不完备可能会造成推理的不稳定,从而导致诊断出错。因此需要处理不完备情况。

在推理过程中,如果检查到故障状态不满足知识库中故障列表中内容,则将故障信息存储并做显示,在以后的检查中完善知识库。

4 系统实现

系统软件的运行平台使用XP Embedded,XML作为配置文件和数据存储格式,Microsoft Visual Studio 2010(C#)作为集成开发环境。

系统软件开发的关键问题在于,如何对各装置的功能需求进行详细的分析,从而能够将问题分解划分成多个对象,以及多个对象间如何进行协调和通信的问题。根据需求设计软件架构如图5所示。

其中通信类主要完成了不同终端设备数据的获取。状态数据的分析处理则在健康处理模块中完成。由分析结果判断是否进入故障诊断模块进行故障诊断处理。所有诊断结果和监测数据通过用户接口与操作员进行交互。

图5 软件架构

图6 诊断模块主要类设计

故障诊断模块类设计如图6所示,其中DataProcess类完成了不同终端设备状态数据的分析处理的过程;ParameterConfiguration类用于获取参数配置文件的信息;DetectFaults类完成故障定位的判断;FaultMessage类提供故障诊断的完整信息。将这些信息结合故障诊断算法就可以方便快速地判读故障的信息。

图7为线程间交互顺序图,将不同通信协议设备进行分类,根据不同协议将数据获取,根据数据类型分别进行检测,检测出故障后进入诊断程序,执行推理算法。

5 实例验证

利用本系统开发的故障诊断系统,对某电力系统进行实际测试,通过用户接口可以查询系统故障分析结果,得到详细的故障定位信息。

由于极间连线绝缘破损导致不能维持母线电压,励磁电流急剧上升,励磁电流高出正常值30%左右;同时分析母线电压,在建压完成后母线电压在反而下降约3%。电机振幅也出现异常。通过励磁电流、母线电压和振动等异常征兆与规则成立阈值比较越限20%,诊断用户界面出现报警。电机可以显示异常数据的诊断波形。基本确定为发电机内部极间绕组发生故障。

图7 线程间交互顺序图

故障征兆测量值最高越限所属隶属值励磁机励磁电流15.6%30.47%0.4母线电压-1.03%-3.41%0.1电机端口电压3.24%7.31%0.2轴瓦振幅5.1%19.7%0.2转速-1.92%1.03%0.1

6 结语

本文较好地运用模糊专家系统描述了电力系统故障的不确定性,模拟了专家推理过程,具有一定的通用性;知识库具有可扩展性;系统实现了数据的无缝拼接和共享。并在某电力系统中运行,得到验证,具有一定的实用价值。

在实际诊断系统中,还需要有录波数据分析的功能,当故障发生后,能够通过分析故障波形确定故障表征,两者结合,才能更有效地进行诊断。

在构建故障专家库时,对于阈值和权值的选取是系统能够准确定位的关键。需要结合专家经验进行,本文中不进行赘述。

[1] 毛鹏,许扬,蒋平.输电网故障诊断研究综述及发展[J].电力系统保护与控制,2005,33(22):79-86.

[2] Ford Motor Company. Potential failure mode and effects analysis in design(design FMEA) and for manufacturing and assembly processes(process FMEA), instruction manual[M]. Dearborn, Michigan,1988.

[3] 王家林,夏立,吴正国.电力系统故障诊断研究现状与展望[J].电力系统保护与控制,2011,38(18):210-216.

[4] 周明,任建文.基于模糊推理的分布式电力系统故障诊断专家系统[J].电力系统自动化,2001(12):33-36.

[5] 赖于树,李迅波,熊燕.基于模糊群决策的智能仪器故障诊断专家系统[J].仪器仪表学报,2008(1):206-211.

[6] 荣健,乔文钊.基于模糊神经系统的多传感器数据融合算法[J].电子科技大学学报,2010(29):376-380.

[7] 孙静,秦世引.模糊PETRI网在电力系统故障诊断中的应用[J].中国电机工程学报,2004(24):74-81.

[8] 朱永利,吴立增,李雪玉.贝叶斯分类器与粗糙集相结合的变压器综合故障诊断[J].中国电机工程学报,2005(25):159-170.

[9] 曹津平,李伟,秦应力.数字化变电站过程层的通信技术研究[J].电力系统保护与控制,2008(36):81-85.

[10] 练笔战,杨扬.电力图像监控系统集成平台的研究与设计[J].电力系统保护与控制,2011,39(6):124-130.

Realization of Fuzzy Expert System for Fault Diagnosis

CUI Xiaopeng WANG Gongbao WANG Jie

(National Key Laboratory for Vessel Integrated Power System Technology,Naval University of Engineering, Wuhan 430033)

For the engineering problems of fault diagnosis in multi-heterogeneous power system, the paper proposes a concrete realization framework of fault diagnosis. Communication and data structure configured independently is introduced to achieve the seamlessly connection of multiple protocol communications in power system and to solve the problem of receiving unified analysis and storage data between top equipment and underlying heterogeneous devices. Under the fault diagnosis framework, a comprehensive diagnosis is designed and implemented using fuzzy expert system and other fault data processing. Power system can achieve a variety of equipment, parameters and fault criterion standardization of information based on the xml system configuration information describing. A fault diagnosis algorithm is proposed to realize fault location of all equipment in the system. The diagnosis example results show that the system has high efficiency, credibility and good reasoning, able to meet the requirements of power system fault diagnosis.

cross-protocol, fuzzy sets, expert systems, fault diagnosis

2013年7月5日,

2013年8月29日

国家自然科学基金(编号:51077129);国家高技术研究发展计划项目(编号:2010AA8091902)资助。

崔小鹏,男,博士研究生,研究方向:电力状态监测与故障诊断。王公宝,男,教授,博士生导师,研究方向:小波分析、神经网络及其在电力系统中的应用。王洁,男,讲师,研究方向:电力状态监测与故障诊断。

TM312

10.3969/j.issn1672-9730.2014.01.039