基于支持向量機(jī)的變電站過熱故障的在線監(jiān)測

余彬，胡洛娜，王吉哲

（1.國網(wǎng)浙江杭州市蕭山區(qū)供電公司，杭州311200；2.國網(wǎng)重慶市電力公司信息通信分公司，重慶400014）

基于支持向量機(jī)的變電站過熱故障的在線監(jiān)測

余彬1，胡洛娜2，王吉哲2

（1.國網(wǎng)浙江杭州市蕭山區(qū)供電公司，杭州311200；2.國網(wǎng)重慶市電力公司信息通信分公司，重慶400014）

作為電力傳輸?shù)闹匾M成部分，變電站的安全運行對電網(wǎng)具有十分重要的意義。根據(jù)變電站設(shè)備過熱故障的特點，基于支持向量分類器的數(shù)學(xué)理論模型，建立了設(shè)備過熱故障的判斷機(jī)制。該方法利用核函數(shù)實現(xiàn)向高維空間的非線性映射，并通過最優(yōu)超平面對特征空間進(jìn)行劃分，進(jìn)而完成對數(shù)據(jù)樣本的分類。以某變電站為例，驗證了支持向量分類器的強(qiáng)大功能，證明其能夠出色的完成故障診斷，完全滿足變電站設(shè)備過熱故障的在線監(jiān)測要求。

變電站；過熱故障；在線監(jiān)測；支持向量分類器

隨著電力工業(yè)的飛速發(fā)展，電力的傳輸對供電設(shè)備安全和可靠提出了更高的要求。作為電力傳輸過程中的一個重要組成部分，變電站的安全變得尤為重要。在變電站中，高壓開關(guān)柜內(nèi)的母線接頭，裸露在室外的刀閘開關(guān)、線夾等重要設(shè)備數(shù)量繁多，在長期運行過程中，會因材質(zhì)老化或者接觸電阻引起部件發(fā)熱。如果這些部位的溫度沒有得到及時監(jiān)測，設(shè)備過熱故障不被及時發(fā)現(xiàn)，最終可能導(dǎo)致突發(fā)斷電甚至火災(zāi)等嚴(yán)重的事故[1-5]。

傳統(tǒng)的變電站監(jiān)測方法，主要依賴人工使用紅外熱像儀對設(shè)備進(jìn)行定期巡檢。然而這種過熱故障監(jiān)測手段存在著檢測不全面、效率低下、運行成本較為昂貴、容易受到監(jiān)測人員主觀因素影響等缺點。由于變電站過熱故障不僅僅與設(shè)備自身溫度有關(guān)，而且還與環(huán)境溫度等外界因素相關(guān)，僅僅從設(shè)備溫度來判斷設(shè)備的過熱故障是不夠的。為了正確地判斷過熱故障是否發(fā)生，采用了SVM（基于支持向量機(jī)）的分類算法[6-7]，建立了一套設(shè)備過熱故障的判斷機(jī)制，以對變電站設(shè)備進(jìn)行在線全自動溫度檢測。

1 變電站設(shè)備過熱監(jiān)測

變電站一次設(shè)備主要有：電抗器、互感器、母線、避雷器、變壓器、接地裝置等[8]。

一次接線通常采用橋式和T型連接，這種連接方式需要由不同形狀的線夾進(jìn)行固定、銜接。對關(guān)鍵電氣設(shè)備的監(jiān)測，不僅僅是判斷其是否能正常工作，電壓、電流等是否在正常范圍內(nèi)，還要監(jiān)測設(shè)備的發(fā)熱和老化情況。變電站電氣設(shè)備易發(fā)熱、損壞的部位包括：高壓隔離開關(guān)、設(shè)備引出線、線夾和母排（銅排、鋁排）等，成為變電站監(jiān)測的重點。

電氣設(shè)備在進(jìn)行正常工作時會散發(fā)熱量，當(dāng)散發(fā)的熱量與發(fā)熱量達(dá)到平衡的時候，設(shè)備的溫度將不再升高。如果設(shè)備溫度持續(xù)升高時，會對設(shè)備性能產(chǎn)生嚴(yán)重的影響，如：使機(jī)械強(qiáng)度下降；使接觸電阻增加產(chǎn)生更高的溫度；使一些橡膠絕緣材料出現(xiàn)老化的情況。

由于普通監(jiān)測不能實時進(jìn)行，并不能直觀地讀出溫度數(shù)據(jù)，而是通過經(jīng)驗判斷設(shè)備的過熱故障或者通過設(shè)備不穩(wěn)定運行而間接反映出來。這時候再進(jìn)行監(jiān)測，往往已經(jīng)對設(shè)備造成了損壞。所以對電氣設(shè)備過熱故障在線監(jiān)測系統(tǒng)的研究，對變電站的安全運行有著重要的意義。

2 過熱故障影響因子

變電站過熱故障診斷最直觀的影響因子，是環(huán)境溫度。根據(jù)經(jīng)驗，正常溫度為變電站設(shè)備的實際溫度，而故障溫度，則采用報警值（比正常值高出10℃）以上的溫度。表1給出了某日變電站1號變壓器A相穿墻套管溫度的變化。該穿墻套管是復(fù)合干式穿墻套管，電氣性能穩(wěn)定且溫升低。因此在此試驗中，排除材料影響，設(shè)備溫度僅與相對溫度有關(guān)。

短時間內(nèi)可以近似地認(rèn)為，變電站每小時的負(fù)荷是基本一樣的。從表中可以看出，白天設(shè)備的溫度要明顯高于夜晚，這表明設(shè)備所處的環(huán)境溫度，對設(shè)備有比較大的影響。在診斷故障時，大氣環(huán)境溫度是一個不可忽視的影響因子。但是在目前的報警系統(tǒng)中，并沒有考慮這個因素，報警值的設(shè)置在晝間和夜晚是相同的。同樣，隨著季節(jié)的變化，相應(yīng)的報警值也應(yīng)該有所改變。但是，如果靠人工去改變設(shè)定值的話，其作用是很有限的。

3 支持向量分類器

將環(huán)境溫度和設(shè)備溫度綜合考量作為判別設(shè)備故障與否的依據(jù)，以精確控制為目的，抽象為數(shù)學(xué)問題即是多變量分類問題。SVC（支持向量分類器）是一種可訓(xùn)練的機(jī)器學(xué)習(xí)方法，由于在實際應(yīng)用中表現(xiàn)出良好的學(xué)習(xí)性能，被廣泛應(yīng)用于分類問題之中。

表1 變電站1號變壓器A相穿墻套管某日溫度

支持向量分類器的基本思想是：首先通過一個非線性映射，將輸入向量從原空間映射到高維特征空間。在此空間中，利用結(jié)構(gòu)風(fēng)險最小化原則，構(gòu)造最優(yōu)決策函數(shù)。利用原空間的核函數(shù)取代高維特征空間中的點積運算，降低了計算的復(fù)雜性。

設(shè)給定訓(xùn)練集為（xi1，xi2，yi），其中i∈{1，…，l}，l為樣本總數(shù)；（xi1，xi2）為樣本的輸入，表示大氣溫度和設(shè)備溫度；yi∈{-1，1}為樣本的輸出，表示設(shè)備溫度是否正常，“1”表示溫度正常，“-1”表示溫度過高。用非線性映射φ（·）將樣本從原空間映射到高維特征空間，在此高維空間中構(gòu)造最優(yōu)線性決策函數(shù)y（x）=sgn[w·φ（x）+b]。其中，w為權(quán)向量；b為常數(shù)。

利用最小二乘法求解最優(yōu)超平面：

定義Lagrange函數(shù)為：

對w，b分別求導(dǎo)：

將式（3）代入式（2）中，得：

約束條件為：

引入一個非負(fù)的松弛變量，及懲罰參數(shù)C（當(dāng)C無窮大時，就是原始的超平面分類），即得到了C-SVC[9]。

利用Lagrange函數(shù)，可以得到該問題的對偶問題如下：

設(shè)定核函數(shù)K（xi，xj）=φ（xi）·φ（xj），若K是正定核，則對偶問題必定有解。求解最優(yōu)化問題公式（6），應(yīng)用最優(yōu)解α*可以構(gòu)造分類函數(shù)：

從而對未知樣本進(jìn)行分類。

4 實例分析

采用支持向量機(jī)分類方法，利用已有的數(shù)據(jù)作為訓(xùn)練集，進(jìn)行最優(yōu)分類面的選取。對于所提的故障檢測問題，所得出的最優(yōu)分類面即是二維平面的一條線。這條線將整個數(shù)據(jù)空間分為2部分，一部分為無故障空間，無需進(jìn)行預(yù)警；另一部分為故障空間，表明設(shè)備溫度超出預(yù)警界限，需進(jìn)行預(yù)警。然后再將部分?jǐn)?shù)據(jù)設(shè)為測試集，帶入已有的模型，檢驗?zāi)Ｐ偷臏?zhǔn)確性。

為了驗證所提方法的有效性，利用MATLAB平臺，對所提出的分類機(jī)制進(jìn)行實例分析。試驗選取RBF核函數(shù)完成原始數(shù)據(jù)向高維空間的非線性映射。試驗的數(shù)據(jù)采集于某變電站，這些樣本數(shù)據(jù)都事先由人工進(jìn)行故障判定，如果樣本被判斷為設(shè)備溫度正常，則返回值為1；若樣本被判斷為設(shè)備溫度過高，即設(shè)備過熱故障，則返回值為-1。這樣便形成一組包含環(huán)境溫度，設(shè)備溫度和故障測定值的數(shù)據(jù)值。再從這些數(shù)據(jù)中拿出部分樣本組成訓(xùn)練集和測試集。訓(xùn)練集用來進(jìn)行模型的建立，測試集用來測試模型的可靠性。

在試驗中，訓(xùn)練集是由50個正常溫度樣本和50個過熱故障樣本組成，驗證集由3個正常溫度樣本和3個過熱故障樣本組成。將訓(xùn)練集中的數(shù)據(jù)反映在二維空間中，即如圖1所示。橫坐標(biāo)為設(shè)備溫度，縱坐標(biāo)為大氣溫度，X型圖標(biāo)表示該樣本為正常溫度，黑點表示該樣本為故障溫度。

圖1 訓(xùn)練樣本

將訓(xùn)練集中的樣本輸入到C-SVC，建立初始模型并進(jìn)行訓(xùn)練，即可得到支持向量和最優(yōu)分類面。如圖2所示，圖中直線為最優(yōu)分類面。

圖2 持向量和分類面

最后將驗證集樣本輸入已建立的模型CSVC之中，得到分類結(jié)果，可以驗證算法是否有效。設(shè)備過熱故障的最直接影響因子為大氣溫度和設(shè)備溫度（即相對溫度），每一個驗證集中樣本的最終返回值為1或者-1。

如圖3所示。五角星即為驗證集的樣本數(shù)據(jù)，其中X的返回值為1，即算法判斷為正常溫度；黑點的返回值為-1，即算法判斷為故障溫度。從圖中可以直觀看出，位于直線上方的樣本，經(jīng)過模型的計算，均為正常溫度。位于直線下方的樣本，得出為故障溫度。由此可得驗證集中的3個正常溫度樣本和3個過熱故障樣本都得到了正確的分類處理。

圖3 分類結(jié)果

5 結(jié)語

針對變電站設(shè)備過熱故障與自身設(shè)備溫度、環(huán)境溫度相關(guān)的特點，基于支持向量分類器的數(shù)學(xué)理論模型，建立了設(shè)備過熱故障的判斷機(jī)制。該方法利用內(nèi)積核函數(shù)實現(xiàn)向高維空間的非線性映射，并通過最優(yōu)超平面對特征空間進(jìn)行劃分，不但算法簡單，而且具有較好的魯棒性。以某變電站的溫度數(shù)據(jù)分析，驗證了支持向量分類器，能夠出色的完成故障診斷，完全滿足變電站設(shè)備過熱故障的在線監(jiān)測要求。

[1]韓蓓，盛戈嗥，蔣秀臣，等．基于ZigBee無線傳感器網(wǎng)絡(luò)的導(dǎo)線接頭在線測溫系統(tǒng)[J]．電力系統(tǒng)自動化，2008，32（16）∶72-77.

[2]曹楠，李剛，王冬青.智能變電站關(guān)鍵技術(shù)及其構(gòu)建方式的探討[J].電力系統(tǒng)保護(hù)與控制，2011，39（5）∶63-68.

[3]KAYANO PD，SILVA MS，MAGRINI LC.Distribution substation transformer and circuit breaker diagnoses with the assistance of real-timemonitoring[C].IEEE Transmission&Distribution Conference&Exposition，2004.

[4]梁湖輝，張峰，常沖，等.基于ZigBee的變電站監(jiān)測報警系統(tǒng)[J].電力系統(tǒng)保護(hù)與控制，2010，38（12）∶121-124.

[5]鄔春明，程亮.變電站監(jiān)測數(shù)據(jù)采集系統(tǒng)[J].電測與儀表，2014，51（3）∶64-67.

[6]李勇，劉哲.基于LS-SVM的汽輪機(jī)組加熱器運行經(jīng)濟(jì)性評價方法[J].熱力發(fā)電，2014，43（2）∶9-15.

[7]FEDERICO SFORZA，VITTORIO LIPPI.Support vector machine classification on a biased training set∶Multijet background rejection at hadron colliders[J].Nuclear Instruments and Methods in Physics Research A，2013（722）∶11-19.

[8]余海濤．高壓變電站無線自動測溫控制系統(tǒng)研究[D]．天津：天津大學(xué)，2007.

[9]張濤，徐曉蘇.基于C-SVM的組合導(dǎo)航系統(tǒng)故障診斷算法[J].中國慣性技術(shù)學(xué)報，2011，19（2）∶239-242.

（本文編輯：楊勇）（本文編輯：楊勇）

On-line M onitoring of Substation Overheat Fault Based on Support Vector M achine

YU Bin1，HU Luona2，WANG Jizhe2
（1.State Grid Hangzhou Xiaoshan Power Supply Company，Hangzhou 311200，China；2.State Grid Chongqing Information&Telecommunication Company，Chongqing 400014，China）

As an important partof power transmission，the safe operation of substation is key to power grid.In this paper，according to the characteristics of the substation equipment overheat fault and mathematical theory model of support vector classifier，equipment overheat fault diagnosismechanism is established.Themethod uses kernel function to realize nonlinearmapping to high dimensional space and completes feature space division through optimal hyperplane to classify data sampling.The powerful functions of support vector classifier is proved by its application in a substation that it can well diagnose faults and meet the onlinemonitoring requirements of substation equipment overheat.

substation；overheat fault；onlinemonitoring；support vector classifier

TM732

A

1007-1881（2016）01-0031-04

2015-11-02

余彬（1987），男，助理工程師，主要從事電力信息數(shù)據(jù)網(wǎng)的研究。