基于DA-SVR的2M繼電保護通道在線監測和故障診斷

，，

(中國南方電網有限責任公司超高壓輸電公司貴陽局，貴州 貴陽 550081)

0 引言

目前，在南方電網光纖差動保護應用越來越廣泛，在220 kV和500 kV線路上都作為主要繼電保護方式[1-2]。當前南網主干通信網建設已經相當完善，但通信網管只能有限的監控，無法解決傳輸設備到DDF架以及DDF架到繼保設備最后10 m同軸電纜的監測問題，也無法對2M繼保通道的協議、性能和健康狀況進行有針對性的監測、管理和預警[3-4]。實際應用時，普遍存在現場調試困難的情況，出現故障后不能準確定位故障位置。如互聯后，保護裝置出現誤碼或通道異常告警后，由于復用通道經過各級通信設備，很難區分到底是哪個環節出現問題(共有8個環節可能出現問題)，只能通過分段自環的方式檢查，且必須變電站兩側均派人檢查，檢查工作會同時涉及通信專業和保護專業，尤其在線路兩側分屬不同供電公司時，需要各單位各專業密切配合才能檢查出問題。有時候甚至各段自環沒有問題，但是互聯后就有問題，此時就很難檢查到底是哪里有問題了。因此，會經常出現這種情況，平時運行時，通道狀態良好，故障或操作時，由于接口設備相關接口沒有良好接地，導致出現誤碼，影響保護正確動作，但是目前只能判斷哪個方向有誤碼，不能準確定位故障位置，只能對整個通道回路進行全面檢查，浪費人力物力。因此，進行2M繼電保護通道在線監測和故障診斷具有重要的現實意義[5-6]。

本文將2M繼電保護通道在線監測技術和DA-SVR結合起來，提出一種基于DA-SVR的2M繼電保護通道在線監測和故障診斷算法。研究結果表明，從各個故障類別的診斷結果還是總體正確率來看，DA-SVR均要高于GA-SVR、SVR和BP神經網絡，有效提高了2M繼電保護通道在線監測數據故障診斷的正確率。

1 蜻蜓算法

蜻蜓算法[7](DA)是根據蜻蜓覓食行為而提出的一種新的仿生算法。DA算法中，蜻蜓個體通過避撞行為、結對行為、聚集行為、覓食行為和避敵行為等5種行為方式進行覓食和尋優，這些個體行為詳細描述如下。

避撞行為位置Si和結對行為位置Ai的更新數學公式為

(1)

N為相鄰蜻蜓個體的數量；Vj為第j個鄰近蜻蜓個體的速度；X為當前蜻蜓個體的位置；Xj為第j個鄰近蜻蜓個體位置。

聚集行為位置Ci、覓食行為位置Fi和避敵行為位置Ei的更新數學公式為

(2)

其中X+取最優情況，即食物點；X-取最差解，即被獵點。綜合5種蜻蜓群體行為，蜻蜓個體的步長向量更新策略為[8]

ΔXt+1=(sSi+aAi+cCi+fFi+

eEi)+hΔXt

(3)

a，c，e，f，s表示不同的5種蜻蜓群體行為定義權重；h表示差異權重；t表示為已計算次數。蜻蜓位置更新策略為

Xt+1=Xt+ΔXt+1

(4)

2 SVR模型

對于訓練樣本集{(xi,yi}i=1,2,…,n，集合元素xi和yi分別為SVR的輸入和輸出數據，通過非線性映射函數φ(·)將輸入數據集映射到高維特征空間，SVR函數模型為[9]

f(x)=wTφ(x)+b

(5)

f為預測值；w為權值向量；φ(·)為非線性映射函數；b為偏置量。

w和b可由式(6)求得，即

(6)

通過二次優化問題求解，SVR的權值向量w為

(7)

(8)

K(·)為核函數。文中核函數選擇Gauss函數

K(xi,xj)exp(-‖xi-xj‖2/2g2)

(9)

g為Gauss核函數寬度。

3 基于DA-SVR的2M繼電保護通道在線監測和故障診斷

3.1 系統結構

通過在超高壓設備部署所在機房及下屬變電站中安置目標2M監控設備，在不影響業務前提下，利用探測技術，實時獲取通道內的數據信息，并實時監控和分析在DDF架通信兩端的的數據，電平，錯誤碼等等來確保2M繼電保護通道內的通信質量，系統結構如圖1所示。

圖1 系統結構

3.2 主要思想

通過對2M繼保通道進行實時監測，彌補傳輸設備到繼保設備最后10 m的管理空白，實現快速發現故障、定位故障功能[10]。分析在線誤碼率、通道告警、繼保通道103通信協議，建立故障分析模型，本文設計的2M繼電保護業務接入業務邏輯示意如圖2所示。

圖2 2M繼電保護業務接入業務邏輯示意

3.3 適應度函數

針對SVR模型性能受懲罰參數C和核函數寬度g的影響，運用DA算法對SVR模型的懲罰參數C和核函數寬度g進行優化選擇，選擇分類準確率T為適應度函數

(10)

Total為樣本總數量；right為正確分類的樣本數量。

基于DA-SVR的2M繼電保護通道在線監測和故障診斷流程可詳細描述如下。

a.讀取2M繼電保護通道在線監測數據，并歸一化處理[11]

(11)

x′和x分別為歸一化后數據和在線監測原始數據；xmax和xmin分別為在線監測數據中的最大值和最小值。

b.將2M繼電保護通道在線監測數據劃分為訓練樣本和測試樣本。

c.初始化DA算法。設定種群規模popsize，最大迭代次數T，變量維數dim=2和懲罰參數C∈[Cmin,Cmax]和核參數g∈[gmin,gmax]。

d.初始化DA算法蜻蜓個體的步長ΔX和初始位置X。

e.令當前迭代次數t=1，將2M繼電保護通道在線監測數據的訓練樣本輸入SVR模型，根據式(17)計算每個蜻蜓個體的適應度，并進行排序記錄當前最優解。

f.每次迭代獲取和替代最新的X+及X-，以及計算得出新的權重值s,a,c,f,e和w。

g.根據式(1)～式(2)更新S,A,C,E和F。

h.根據式(3)～式(4)更新DA算法步長向量和蜻蜓群體的位置向量。

I.若迭代次數t>T，保存最優懲罰參數C*和核參數g*；反之，t=t+1，返回步驟e。

J.將C*和g*代入SVR模型，運用測試樣本進行2M繼電保護通道在線故障診斷。

4 實證分析

4.1 特征量的選取與處理

本位在DDF架下部署的監控設備采用常用的傳輸協議TCP/IP，并按照協議約定的數據格式采集數據[12]。對于傳輸通道內非成幀結構及成幀結構數據所采集周期一般為5 min/15 min，其中對于非成幀結構數據采集電路數據包，而成幀結構數據采集性能指標數據包。監控設備獲取的數據信息包括數據采集開始和結束時間，獲取通道號編碼，并計算誤碼時長、嚴重誤碼時長，數據包用時長，誤碼總數及誤碼率，信息缺失時長，告警時長，幀失步時長和對端告警時長等。具體特征數據獲取步驟如下。

a.獲取單位時間內所傳輸的數據包總數，正確包數及錯誤包數以通信包數等。

b.獲取單位時間內對應的數據包字節總數，以及正確包字節數、錯誤包字節數、通信包字節數等。

c.獲取數據包丟包情況，包括單位時間內丟包總計，CRC16校驗錯包總數，超時包總數及丟棄包總數。

d.獲取單位周期內的電路數據包的性能指標，一般周期采用5 min/15 min，包括數據總包與數據包字節數占比，超時包總數與超時包字節總數占比，通信包總數與通信包字節總數占比，CRC校驗包總數與CRC校驗包字節總數占比，丟棄包總數與丟棄包總字節數占比等。

4.2 故障樣本集選取

為驗證算法的有效性，選擇信號丟失(LOS)、告警指示信號(AIS)、CRC檢驗錯誤的HDLC數據包(ERR)、檢測不到HDLC數據包(LOP)和信號正常(OK)等故障為研究對象[13-14]，樣本數據分布如表1所示。

表1 樣本數據分布

4.3 結果分析

為驗證DA-SVR算法的有效性，在對樣本進行預處理后，對測試樣本數據分別采用DA-SVR算法、GA-SVR算法、SVR算法和BP神經網絡進行仿真試驗，表2為4種方法故障診斷結果的對比。

表2 故障診斷結果對比

由表2可知，DA-SVR診斷的正確率高于GA-SVR，SVR和BP神經網絡，其中BP神經網絡的準確率最低。從各個故障類別的診斷結果還是總體正確率來看，DA-SVR均要高于GA-SVR，SVR和BP神經網絡，有效提高了2M繼電保護通道在線監測數據故障診斷的正確率。

5 結束語

針對SVR模型性能受懲罰參數C和核函數參數g的影響，將2M繼電保護通道在線監測技術和DA-SVR結合起來，提出一種基于DA-SVR的2M繼電保護通道在線監測和故障診斷算法。研究結果表明，從各個故障類別的診斷結果還是總體正確率來看，DA-SVR均要高于GA-SVR,SVR和BP神經網絡，有效提高了2M繼電保護通道在線監測數據故障診斷的正確率。