0　引言

　　到目前为止，很多单位已开发了适用于电力系统故障定位的专家系统^［1，2］，并在实际应用中发挥了一定的作用。但这些专家系统在满足实时性要求方面不尽人意，并且需要建立很复杂的知识库。
　　在现场处理事故时，往往要先判断故障位置。在现有的SCADA/EMS中，一般只能得到继电器和开关的动作量，很难有数字量，这给故障定位带来很多不便。为此，本文论述了使用因果网^［3，4］进行故障定位的方法。

1　故障定位的数学描述

　　SCADA系统可以给出大量的报警信息，但不能给出究竟哪个元件发生了故障，要想从SCADA信息中推断故障元件，还需要利用EMS中网络结构与保护装置的信息。EMS中网络结构与保护装置的信息包括：各元件之间的联接关系；保护装置与开关及被保护设备之间的逻辑关系。
　　如果将SCADA信息看作是由故障元件引起的结果，即故障是原因，SCADA信息是结果，而将EMS网络结构与保护装置信息看作是原因与结果的桥梁，即一种变换关系，那么整个过程可以抽象地看成一种状态经过一种变换，达到了另一种状态，可以用式(1)描述：

S_s=E（S_F）

(1)

其中　S_s为SCADA状态集；S_F为故障元件集；E为因果转换关系。
　　对式(1)进行研究，以确定它的逆变换：

S_F=E^-1（S_s）

(2)

这就是故障定位的数学描述，由此可达到确定故障元件的目的。
　　式(1)、式(2)描述的是两个集合之间的变换，从故障元件集到SCADA状态集之间的映射是多对一的关系（如图1）。即不同元件分别发生的故障在SCADA中可以产生相同的表现。如果考虑到EMS数据库中的信息，那么这种多对一的关系完全是确定性的（如图2）。

图1 故障元件集与SCADA状态集的映射
Fig.2 Map of faukt cimponent set and SCADA state set

图2 考虑EMS信息后的映射过程
Fig.2 Map with EMS information

　　图1看不到保护装置及拓扑关系所起的转换作用，图2中由于考虑了EMS信息，它可以给出由原因到现象的详细解释，例如某线路故障引起某些保护动作，某些保护动作又引起某些开关动作，于是SCADA数据中有一些开关状态发生了变化。
　　在从故障元件集到SCADA状态集的变换中，最重要的一点是：变换关系可以从EMS网络结构与保护配置信息中搜索得到，即这种变换关系是确定的、可预知的。所以，可以在EMS数据库中离线搜索，完成图1的映射过程，然后，将图1的指向箭头反转，便实现了从SCADA状态到可能的故障元件之间的映射，而这正是所需要的故障定位。
　　有多种方法描述从故障元件集到SCADA状态集的转换关系，本文采用因果网描述这种关系。

2　因果网
2.1　因果网的定义
　　因果网由节点和弧组成。弧代表事件与结果之间的关系。因果网有以下3种节点：
　　a.故障节点：代表电力系统中的元件，用元件的名称表示。
　　b.继电器节点：代表一个保护，用保护的名称表示。
　　c.开关节点：代表电力系统中的开关，用开关名称和引起开关动作的保护的名称表示。
　　它们之间的弧有以下3种含意：
　　a.　AB，表示故障元件A引起主保护B动作。
　　b. AB，表示继电器A引起开关B动作。
　　c. AB，表示开关或继电器A拒动引起保护B动作。
　　下面通过例子来说明上述概念。图3表示一简单电力系统模型，图4表示对应于图3的因果网。

图3 简单电力系统模型
Fig.3 A simple power system model

图4 因果网
Fig.4 Cause-effect network

2.2　因果网的操作
　　因果网可采用“符号传播”的方法进行操作，该方法指从一符号开始，在因果网上沿反方向穿越每一个相关节点，并在所通过的节点上加上标记。假定图3中的后备保护p发生动作，则图5表示该方法的结果。符号“×”沿因果网反方向标在每一个相关节点上。

图5 符号传播
Fig.5 Signal propagation

2.3　因果网的推理过程
　　因果网的推理过程包括以下几个主要步骤：
　　a.利用继电保护动作信息，产生动作元件的集合。
　　b.利用继电保护和开关动作信息，估计开关状态。
　　c.估计不正确动作。不正确动作主要包括误动、拒动、不正确报警、报警信息丢失。
　　d.利用不正确动作信息进行多重故障估计。
　　e.确定最可能的故障元件。
　　限于篇幅，只解释不正确动作信息的表示方法，以及如何根据不正确动作信息确定最可能的故障元件集。
　　假设故障元件集为F_j(j=1,2,…,n），E(F_j)表示相应于该故障元件的不正确动作信息。根据E(F_j)的结果，按照两个原则排序：E(F_j)中有无误动信息；E(F_j)中错误信息的多少。其中以前者更为重要。这样就按照最大可能到最小可能给出一故障元件参考结果。在实时运行时，还可以根据EMS潮流结果，去除那些明显没有发生故障的元件。

3　因果网的形成方法

　　因果网的形成方法采用面向对象的网络模型来描述，使产生因果网的过程更简单。
　　电力系统具有鲜明的层次结构，可以用对象对每一类元件进行描述。每个类都有它自身的处理过程，C++把这个处理过程叫作“方法”。例如开关类有一个方法“跳闸”，当模拟继电器动作去打开一开关时，“跳闸”信息会被送到一开关实例中去打开开关。
　　在实际电力系统中，一个开关上可能安装了很多套保护。在不同故障时，将启动不同的保护来打开该开关。在不同电力系统中，各个系统又会根据自身的特点安装不同类型的保护。如直接采用保护名称来形成因果网，势必造成对不同电力系统要重新编制一套因果网形成程序。因此为了使程序本身具有很大的通用性，本文把一个开关上的某一类保护看成一个对象或一个元素加以对待。既然保护安装在该开关上，在发生故障时这些保护就可能发生动作。把一类保护看成一个元素，不仅概括了故障时保护动作的最大可能性，还避开了与某种具体故障类型直接联系的不利局面。所形成的因果网就可以适应于任何故障，不受故障类型限制。
　　本文在形成因果网的过程中，对每一个元件的因果网进行了解耦处理，即每一个元件的因果网节点是独立的，在不同元件的因果网中可能有相同的节点。因为在考虑故障扩大时，因果网的范围扩大，如不对因果网进行解耦，因果网将变成一循环图。这样处理后，因果网的推理过程和前述的过程是一致的，只是在判断因果网节点状态的时候，需找出不同元件的因果网中相同的节点，以便正确判断其状态。这样在故障扩大的时候，也能正确判断出故障元件。
　　现介绍因果网的形成步骤。在一给定的网络结构下，该方法能自动模拟故障的传播，最终形成一套因果网。简述如下：
　　a.寻找所有可能在元件F_j故障时动作的保护，包括主保护、后备保护及远后备保护，设置其动作顺序，假设这个集合为R₀。
　　b.从R₀中寻找可能动作的继电器。由于开关的状态或整定方法的不同，R₀中有些保护会动作，而另一些保护不会动作，假设动作的继电器集合为R₁(如图6(a))。
　　c.搜寻可能被继电器R₁启动的开关，假设开关集合为C₁(如图6(b))。
　　d.假设C₁中的某个开关没有动作，从R₀中继续搜寻可能动作的继电器，然后按步骤c寻找相应的动作开关，如此不断循环，直至R₀中所有继电器都被搜寻过（如图6(c)）。
　　利用本文论述的方法，对于某实际电网的EMS数据进行了仿真计算，结果表明本方法快速有效。

图6 因果网的形成
Fig.6 Generation of cause-effect network

4　结论

　　本文论述了利用集合论进行故障定位的方法，该方法可用因果网技术进行描述。因果网利用了比传统专家系统更深的知识，不需要人工维护庞大的知识库。提出了自动形成因果网的方法，它能适应任何不同的网络，不必考虑具体的保护，所形成的因果网包括的网络范围大，在故障扩大时也能正确判断故障元件。

［1］顾雪平，盛四清，张文勤，等.电力系统故障诊断神经网络专家系统的一种实现方式.电力系统自动化，1995，19(9)：26～29
［2］秦红霞，董张卓，孙启宏，等.基于面向对象技术的变电站故障诊断及恢复处理专家系统.电力系统自动化，1996，20(9)；1997，21(2)
［3］Sekine Y, Okamoto H, Shibamoto T. Fault Section Estimation Using Cause-Effect Network. In: Proc of Second Symposium on Expert System Applications to Power Systems. Seattle (Washington): 1989
［4］Okamoto H, Yokoyama A, Sekine Y. A Real-Time Expert System for Fault Section Estimation Using Cause-Effect Network. In: Proc of Third Symposium on Expert System Applications to Power Systems. Australia: 1990