基于貝葉斯網絡的智能變電站繼電保護設備狀態檢修技術

張藝鐘 尹常永 高宇

摘要：目前階段，繼電保護運行設備異常快速定位以及狀態檢修問題頻繁發生，因而借助貝葉斯網絡研發了智能變電站繼電保護設備的狀態檢修技術。在對貝葉斯網絡應用的基礎上，能夠更好地完成狀態檢修。基于此，文章將貝葉斯網絡作為主要研究對象，重點闡述智能變電站繼電保護設備狀態檢修技術的具體應用，希望有所幫助。

關鍵詞：貝葉斯網絡;智能變電站;繼電保護設備;狀態檢驗技術

較之于傳統變電站，智能變電站能夠對更多更為豐富的繼電保護設備信息進行采集，尤其是網絡報文分析裝置，涵括了過程層、站控層與間隔層中全部二次數據信息，但數據間關系的利用效果并不明顯。以貝葉斯網絡為基礎實現過程層交換機診斷和貝葉斯網絡的協同運行，進而對繼電保護設備展開必要的狀態檢修。此方式通過對交換機策略的運用，識別交換機所采集報文數據的冗余數據，同時還能夠對異常數據與潛在故障的數據加以識別，借助貝葉斯網絡模型診斷故障，在分析的基礎上獲取故障風險評估結果，使得檢修工作人員檢修計劃的制定更科學。由此可見，深入研究并分析以貝葉斯網絡為基礎的智能變電站繼電保護裝備狀態檢驗技術十分有必要。

一、繼電保護設備狀態檢修方案

在智能變電站的過程層與站孔層，其網絡保文內會攜帶有關二次設備運行和自檢的信息。為此，利用過程層交換機采集、監控網絡運行狀態數據的過程中，在輔助分析的基礎上，需要設計交換機診斷策略和貝葉斯網絡模型協同檢修的方式。

由過程層交換機、網絡分析儀形成的過程層網絡狀態檢測系統，會借助SD策略由過程層交換機采集數據當中提取有關繼電保護設備運行狀態的數據信息，識別冗余、異常和潛在故障數據[1]。一旦有異常亦或是有潛在故障數據，就會立即故障預警，通過BN節點證據形式向BN模型傳輸并診斷，根據診斷的結果為運行工作人員提供決策幫助。若站控層沒有交換機，能夠借助觀測異常數據方式對節點證據加以設置，科學診斷異常的數據。圖一是繼電保護設備狀態檢修的具體流程：

二、構建貝葉斯網絡模型

通過對繼電保護設備狀態檢修方案的研究與分析，認為可將貝葉斯網絡模型應用于其中，可有效提高設備狀態檢修工作的質量與效率。為此，以下將展開重點研究，以供參考。

（一）模型構建和推理

二次設備網絡數據信息量極大，若始終使用專家經驗所構建的BN模型很難與實際需求相適應，而且輔助檢修決策同樣對BN模型提出了健全性要求。在這種情況下，需借助數據學習方式構建完善BN網絡。利用過程層交換機對其網絡運行狀態數據加以采集，一般涵括了有關繼電保護設備的數據信息，需要在其中提取有價值的信息，為構建BN模型提供幫助，圖二為具體構建流程。若過程層中沒有交換機，則要借助專家經驗形成數據手段生成相應的數據信息。可假設BN網絡學習數據期間，繼電保護設備發生異常，專家能夠及時察覺，同時賦值故障數據信息，并使用1代表設備正常，而0則代表設備異常。

參考條件概率表，在與貝葉斯定理相互結合的基礎上，即可正向亦或是反向推理BN網絡。其中，貝葉斯公式為： 。

通過對貝葉斯模型的運用預測繼電保護設備的故障，在證據形成以后，就會正向傳播，使得其他的變量后驗概率有所改變，結合以上特點，能夠更好地預測故障結果。所以，于網絡節點設置證據，就會使證據沿有向弧順次向網絡節點合并單元故障以及繼電保護設備故障傳播[2]。

在此基礎上，BN模型可開展故障診斷，在證據放置于節點位置的時候，就會反向進行傳播，致使節點的后驗概率有所變化，以此特征為參考依據即可有效診斷故障。除此之外，通過對BN模型的運用進行預測推理與診斷推理，能夠實現雙重功能同時發揮的目的，并達到混合推理的目標。

（二）輔助檢修決策

故障的推理并非研究最終目標，必須保證故障推理結果向繼電保護設備輔助檢修決策實現成功轉化，才可將其應用價值充分突顯出來。基于故障推理構建變電站繼電保護異常快速定位以及消缺系統，將在線檢測以及故障診斷技術作為重要基礎，構建數學模型，對不同類別設備的運行情況加以分析，對故障部位做出判定，進而將設備運行隱患有效消除處理。這樣一來，繼電保護設備運行與維護的質量會顯著提高，同樣為繼電保護設備并運行安全奠定堅實基礎。在這種情況下，就應當從多個角度制定輔助檢修的決策。

首先，故障的快速定位。因BN模型選擇使用控制層的交換機，將其當成采集繼電保護設備狀態信息的工具，同時當成BN輸入節點。在這種情況下，即可使用虛鏈路以及物理鏈路之間存在的映射關系快速定位發生的故障。

其次，設備故障的原因。借助BN模型圖形化因果關系的表達式，可使得運行檢修工作人員借助可視化因果關系，對繼電保護設備出現故障的原因加以確定[3]。

最后，合理安排檢修。因繼電保護設備的故障十分復雜且多樣，因而必須科學化地分層故障類型，并科學安排檢修工作。其中，層次分析方法屬于主觀賦權法，能夠對不同類型故障進行科學化地風險評估。所以說，應合理劃分風險評估的結果，主要有高等風險、中等風險與低等風險，并根據故障推理的結果開展層次分析，結合最終分析的結果制定檢修計劃。

結束語：

綜上所述，對于以智能站網絡報文信息所挖掘的繼電保護運行與檢修問題，將貝葉斯網絡作為重要基礎，制定了智能變電站繼電保護設備的狀態檢修手段。此方式在貝葉斯網絡模型的作用下診斷故障，在風險評估的基礎上為相關工作人員故障檢修加護的制定提供必要幫助。此方法有效地加快了故障位置定位的速度，且能夠對故障的具體原因加以分析，一定程度上促進了檢修工作的落實，具有較高的推廣和應用價值。

參考文獻

[1]張友強，鐘加勇，魏甦，等.基于貝葉斯網絡的智能變電站繼電保護設備狀態檢修方法[J].科技通報，2019，35（10）：101-104.

[2]徐建軍，蓋迪，閆麗梅，等.基于主成分分析法和貝葉斯網絡的智能變電站故障診斷方法[J].化工自動化及儀表，2018，45（3）：197-200.

[3]戴志輝，謝軍，陳曦，等.基于動態貝葉斯網絡的智能變電站監控系統可靠性分析[J].電力系統保護與控制，2018，46（23）：68-76.

作者簡介：張藝鐘 1995年5月，性別：男，籍貫：遼寧省鐵嶺市，學歷：碩士在讀，研究方向：電力系統自動化。