Page 237 - 能源互联网背景下电力技术分析

第六章 能源互联网背景下电力系统自动化技术研究

统异常故障预测诊断模型可以通过机器学习算法、神经网络，根据历史故障数据
预测电力系统未来可能出现的异常故障，通过对比当前的感知数据，得到电力系
统异常故障的监测结果。五是将异常故障监测结果输入电力系统异常故障诊断知

识库进行故障诊断。电力系统异常故障诊断知识库包括电力系统异常故障相关的
知识和经验，这些知识和经验将有助于确定故障产生的原因，并为后续的修复和
处理提供指导和帮助。若电力系统异常故障监测结果超出当前知识库范围，则需
更新数据库，以不断优化和完善电力系统异常故障处理的知识库体系。

（二）基于数据驱动的电力系统异常故障处理流程
基于数据驱动的电力系统异常故障处理流程包括以下 3 点。
一是获取电力系统异常故障监测参数，将获取的参数传输至大数据分析系统

中，在系统中对监测数据进行标签识别，通过将数据聚类分析和异常点检测的方
法，识别电力系统的异常状况。这些异常标签将用作诊断模型的训练数据，使模
型具有更高的准确性和可靠性。
二是大数据分析系统一旦发现电力系统异常故障，则会迅速通知专家系统进
行诊断。诊断步骤为：首先，通过判断故障点的位置和范围，确定电力系统故障

位置；其次，分析失效模式，检查电力系统设备的工作状况、维护记录、使用环
境，并确定故障原因；最后，对设备故障的物理过程进行失效机理分析，以了解
故障是如何发生的，为后续的故障处理提供更加具体和针对性的建议。

三是输出设备健康状态和解决方案。设备健康状态的输出包括设备的故障信
息、故障的时间和地点等。针对电力系统异常故障的不同类型，需要提供相应的
解决方案，如更换设备、修改参数、维修等。
（三）基于知识库和数据驱动的故障处理流程的优劣
基于数据驱动的故障处理流程对未知、新型问题的处理能力强，适合探索未

知的电力系统异常故障类型，提高了系统的故障诊断效率和可靠性。但相对的，
该方法对可靠数据的要求较高，需要大量高质量数据的支持、硬件投入以及复杂
的算法优化的工作。基于知识库的故障处理流程适用于已知、历史频繁出现的电

力系统异常故障类型，优势在于执行效率高且对专家知识的依赖性较高。但相对
而言，该方法在面对未知、新型问题时的处理能力有限，需要专家进行手动更新
或调整知识库规则，需要较多专家的经验支持。
综合两种故障处理流程的优劣，采用两种方法相结合的方式能够克服各自的

229