智能變電站二次系統回路安全在線監測技術研究

牛 延，徐夢潔，秦科源，王炎軍

(1.國網新疆黨校(培訓中心)，新疆 烏魯木齊 830013；2.國網昌吉供電公司，新疆 昌吉 831100；3.北京科東電力控制系統有限責任公司，北京 100096)

0 引言

智能變電站具有占地少和數據共享等優點，人工監測方式是變電站在實際運行中最常用的監測方式，但人工監測方式難以體現智能變電站的智能化優勢[1]。定期檢修模式通常是根據預先設定好的時間監測系統回路，這種監測模式的可信度高、測試范圍廣，可以有效地監測到回路中存在的隱患并消除，但該模式沒有結合實際運行過程中設備的情況，在這種狀態下會出現“過剩維修”的現象[2]。在此背景下，需要對回路安全監測方法進行分析和研究。

楊俊杰等[3]分析變電站系統回路結構的運行特點，在最小二乘法的基礎上預測變電站中存在的支路和輸入電流，獲得變電站的實際工作狀態，完成回路安全監測；陳志文等[4]對故障關聯的特征變量進行計算，選取回路故障特征指標，分析指標之間存在的相關性，在此基礎上計算殘差，實現回路安全的監測；董懷普等[5]通過深度優先搜索算法分析變電站設備之間存在的物理拓撲鏈接關系，結合深度搜索故障推理算法，根據物理拓撲鏈接關系實現回路的故障定位與診斷。以上3種方法沒有消除數據之間的不可公度，在故障識別和故障檢測方面的性能較差。

為了解決上述方法中存在的問題，提出智能變電站二次系統回路安全在線監測技術。

1 回路故障檢測

用Nk=i1/i2描述回路廣義變比。其中，i1為系統電流；i2為CPU電流。

設N為額定變比；nk為廣義變比標幺值，其計算公式為

(1)

正常情況下回路極性正確時，回路廣義變比Nk為正，即廣義變比標幺值nk為正；回路極性在運行過程中接反時，通過回路廣義變比的正負情況完成智能變電站二次系統回路的異常監測[6-7]。

(2)

根據式(2)計算結果，建立廣義變比構成的集合。

電流互感器在智能變電站二次系統中的角差通常較小[8-9]，且廣義變比在不同采樣時刻下的差異不大，智能變電站二次系統回路安全在線監測技術通過奇異值分解方法對廣義變比對應的平均辨識值ngi進行計算，在式(2)的基礎上獲得

(3)

用矩陣形式表示式(3)，獲得Ang=0，其中矩陣A和矩陣ng的表達式為

(4)

在奇異值理論的基礎上劃分矩陣A，獲得

A=SVD

(5)

S為m×m階正交矩陣；V=diag(λ1,λ2,…,λn)為對角矩陣；D為n×n階正交矩陣。

在計算過程中電流測量回路數量n通常情況下少于采樣組數m，矩陣A中存在列向量之間的線性關系。當采樣組數m較大時，存在rank(A)=n-1，超定齊次方程組在這種情況下只存在一個非零的基礎解，引入約束條件‖ng‖=1，此時獲得

ATAng=(SVD)T(SVD)ng=DT(VTV)Dng=0

(6)

DT為單位正交矩陣。對式(6)進行簡化處理，獲得

(VTV)Dng=0

(7)

(8)

回路綜合誤差絕對值|ε|在智能變電站二次系統正常運行狀態下通常小于10%，廣義變比在故障情況下的取值范圍為g∈(-1.111,-0.909)，設置可靠系數rn=1.1，獲得智能變電站二次系統回路故障判斷依據png∈(-1.23,-0.83)，實現故障檢測[10]，具體流程如圖1所示。

圖1 故障檢測流程

2 故障識別

智能變電站二次系統回路安全在線監測技術結合熵權法和灰色關聯分析法實現故障識別。

在指標集中不同指標對應的重要程度可通過權重進行描述，在總體中指標的貢獻程度可通過其權重值進行判斷[11-12]。

設置綜合評價識別矩陣Y=(yij)m×n，其中，n為指標在矩陣中的數量；yij為綜合評價識別矩陣；m為評價方案在矩陣中存在的數量；i=1,2,…,m；j=1,2,…,n。

為了消除指標數據之間存在的不可公度，需要通過式(9)對其進行歸一化處理。

(9)

Zij為歸一化處理后獲得的指標。

設β(i)為子母序列的關聯度，在上述灰色關聯系數計算結果的基礎上通過熵權法計算得到

(10)

智能變電站二次系統回路安全在線監測技術結合灰色關聯分析法和熵權法對檢測到的故障進行識別，具體過程如下所述。

a.建立智能變電站二次系統回路的故障監測向量。

b.通過熵權法[13-14]對指標的客觀權重進行計算。

c.根據客觀權重結合灰色關聯分析法[15]構建灰色關聯系數矩陣。

d.通過式(10)獲得熵權-灰色關聯度。

e.排序上述過程計算得到的灰色關聯度，對智能變電站系統中存在的回路故障進行識別。

3 實驗與結果

為了驗證智能變電站二次系統回路安全在線監測技術的整體有效性，需要對其進行測試。

分別采用智能變電站二次系統回路安全在線監測技術、文獻[3]方法和文獻[4]方法進行對比測試。

3.1 故障識別正確率

采用上述方法對智能變電站二次系統回路中存在的故障進行識別，對比故障識別準確率，測試結果如圖2所示。

圖2 故障識別正確率測試結果

分析圖2中的數據可知，當迭代次數為20次時，文獻[3]方法的故障識別正確率為75%，文獻[4]方法的故障識別正確率為69%，本文方法的故障識別正確率為93%；當迭代次數為50次時，文獻[3]方法的故障識別正確率為66%，文獻[4]方法的故障識別正確率為59%，本文方法的故障識別正確率為96%。總體分析可知，本文方法在多次故障識別測試中的正確率均在90%以上，優于文獻[3]方法和文獻[4]方法獲得的正確率，因為本文方法在故障識別過程中消除了評價指標之間存在的不可公度，提高了故障識別結果的正確率。

3.2 故障監測誤判率

采用本文方法、文獻[3]方法和文獻[4]方法對智能變電站二次系統回路中存在的故障進行監測，測試上述方法的誤判率,測試結果如圖3所示。

圖3 故障監測誤判率

根據圖3中的數據可知，在多次故障監測測試中，當迭代次數為10次時，文獻[3]方法的故障監測誤判率為30%，文獻[4]方法的故障監測誤判率為25.5%，本文方法的故障監測誤判率為7%；當迭代次數為30次時，文獻[3]方法的故障監測誤判率為28%，文獻[4]方法的故障監測誤判率為34%，本文方法的故障監測誤判率為5%。綜上可知，本文方法的誤判率均在10%以下，與本文方法的測試結果相比，文獻[3]方法和文獻[4]方法的誤判率較高，文獻[3]方法最高誤判率可達30%,文獻[4]方法最高誤判率可達40%。

3.3 故障檢測效率

在相同測試條件下，采用本文方法、文獻[3]方法和文獻[4]方法對回路故障進行檢測，測試檢測時間,測試結果如圖4所示。

圖4 故障檢測效率測試結果

由圖4可知，在相同實驗環境下，本文方法檢測故障所用的時間均低于文獻[3]方法和文獻[4]方法檢測故障所用的時間，故障檢測時間越短表明方法的故障檢測效率越高，驗證了本文方法擁有較高的故障檢測效率。

3.4 故障識別效率

采用本文方法、文獻[3]方法和文獻[4]方法對智能變電站二次系統回路中存在的故障進行識別，對比識別故障所用的時間，測試結果如表1所示。

表1 故障識別時間測試結果

根據表1中的數據可知，隨著智能變電站二次系統回路中故障數量的增加，本文方法、文獻[3]方法和文獻[4]方法識別故障所用的時間不斷增加，但與文獻[3]方法和文獻[4]方法相比，本文方法識別故障所用的時間較少，表明本文方法的識別效率高。

3.5 魯棒性分析

為了進一步驗證本文方法、文獻[3]方法和文獻[4]方法的整體有效性，在測試過程中引入強度不同的高斯噪聲，測試上述方法在噪聲干擾下的監測準確率，測試結果如圖5所示。

圖5 魯棒性測試結果

根據圖5可知，隨著信噪比的增加，本文方法、文獻[3]方法和文獻[4]的監測準確率不斷增加，但在相同高斯噪聲引入下，本文方法的監測準確率較高，表明本文方法具有良好的魯棒性。

4 結束語

在變電站中繼電器保護屬于重要的二次設備，在智能電網建設速度不斷加快的背景下，電力系統的安全性受其運行情況的影響。二次設備在實際運行維護過程中存在邏輯鏈路狀態、軟壓板投退狀態和裝置自身運行狀態不清晰的問題，在這種情況下運維人員無法了解裝置內產生的異常情況和回路的工作情況，需要對回路監測技術進行研究。

目前回路監測方法的有效性較差，提出智能變電站二次系統回路安全在線監測技術，首先對回路中存在的故障進行檢測，其次識別故障類型，完成回路安全的在線監測，為智能變電站二次系統的安全、穩定運行提供保障。