電網雷擊故障監測中人工智能應用方案

俞君杰， 戴華冠

(1.江蘇電力信息技術有限公司，江蘇, 南京 210000；2.南京寧眾人力資源咨詢服務有限公司，江蘇，南京 210000)

0 引言

電網遭到雷擊可能會導致保護裝置的誤動作，導致變壓器跳閘出現停電，嚴重時出現絕緣子碎裂、導線損壞等現象，對供電區域產生影響，造成一定的電力負荷損失[1-2]。針對上述存在的問題，文獻[3]提出時域波形判別法，通過對電網的故障暫態電流在時間軸上正負變化的電流波形進行積分，識別出短路、開路故障信號和雷擊故障信號。但這種識別方法受到電網中母線結構的影響，可能出現識別失效的情況。文獻[4]中系統利用小波變換提取信號的暫態分量和高低頻分量，能夠準確地識別出電網雷擊故障。由于電網中存在的電磁噪聲含有較多的高頻分量，識別過程受到噪聲干擾。

本研究使用人工智能技術完成對雷擊故障數據、雷電數據、電網運行數據等的數據采集，建立雷擊故障監測系統，對電網線路出現的雷擊故障進行監測和定位，記錄雷擊故障數據。結合使用防雷保護措施和自動控制模塊，實現了對電網線路的智能監測和自動平衡控制，提高了電力系統的防雷性能。

1 基于人工智能的雷擊故障監測系統

1.1 系統整體設計

為降低雷擊對電網線路造成的破壞程度，快速對電力系統的雷擊故障點進行定位，本研究將人工智能應用在雷擊故障監測系統[5]。本研究基于人工智能的雷擊故障監測系統架構如圖1所示。

圖1 基于人工智能的雷擊故障監測系統架構

邏輯關系可表示如下。

硬件結構可以劃分為數據采集層、數據分析層、故障檢測和定位層、交互層和應用層。其中，數據采集層能夠采集電網設備運行參數信息、實時蓄電數據信息。數據分析層主要采用電網運行狀態、平輿度計算模塊、雷電威脅計算等不同的計算方法。故障檢測和定位層通過數據采集與分析實現多種數據信息的定位，通過交互和自動控制。在電力系統的調度中心和業務中心應用相應系統，同時集成了各種軟件和硬件，能源管理系統、地理信息系統、狀態評估系統、遠程控制系統等協同運行，識別發生的雷擊故障并對雷擊故障點進行定位，共同保障雷擊后電網的正常穩定運行[6]。

雷擊故障監測系統中的數據來源于三維閃電網絡采集到的實時雷電數據，接收到電網運行時的狀態數據，從MIS系統中獲取電網設備的運行參數和從數據庫中查詢的電網歷史故障記錄[7]。系統的分析功能主要用來評估發生雷擊時電網運行狀態和雷電災害實時危害等級。雷擊故障檢測和定位是系統的核心部分，主要負責記錄電網線路遭到雷擊時的波形數據，檢測和識別雷擊故障，對故障線路進行定位，并向監控中心發送雷擊報警信息[8]。為了提高監測精度，在電網的每條輸電線路上安裝絕緣監測器，實現了對每相線路的監測，并在監測終端上安裝了通信模塊，將采集到的雷擊波形數據和線路故障波形等數據回傳到數據中心。交互功能主要體現在人機交互和可控節點交互，為操作人員提供可視化跟蹤接口。

本研究采用霍爾傳感器采集發生雷擊時電網的故障電壓、電路，將霍爾元件輸出的電壓、電路經過運放直接放大，從而得到所需的信號。霍爾傳感器結構如圖2所示。

圖2 霍爾傳感器結構圖

霍爾傳感器能夠對任意波形的電壓、電流進行測量，僅需要使用2～12 kV的絕電壓將原邊測量電流完全隔離[9]，且跟蹤速度高于50 A/μs，線性度優于0.1%IN，相應時間不超過1 μs，頻率響應范圍為0～100 KHz。

1.2 輸電線路雷擊故障定位

為了準確對輸電線路的故障點位置和雷擊點位置進行定位檢測，判斷故障點和雷擊點的相對位置，然后分析故障行波的傳輸路徑。當M端為雷擊側，故障行波在輸電線路中的傳播路線如圖3所示。

圖3 故障行波傳播路徑示意圖

當雷擊到電網線路F1處后，產生的故障行波經過一段時間后傳播到F2處，F2處因絕緣較薄而被擊穿出現了故障點[10]。此時故障點出現第二個行波源，且向線路N端傳播的故障行波與因雷擊產生的行波傳播速度一致，且同步到達線路N端[11]。線路兩端接收到故障點F2的第一個行波頭的絕對時刻為TM2和TN1，結合雙端故障定位可得到：

(1)

其中，L表示電網線路兩端的總長度，L1表示雷擊點到線路M端的長度[12]。為了解決電網單條線路中行波定位設備時間記錄失敗導致無法進行故障定位的問題，本研究提出基于網格的雷電故障行波定位方法。

將電網的輸電線路看作由多個節點和線組成的圖G=(V,E)，V表示電網母線的集合，E表示輸電線路的集合[13]。行波測量網絡如圖4所示。

圖4 行波測量網絡

當雷擊故障監測系統采集到所有子站的初始行波到達時間后，先對數據進行篩選去除錯誤的初始行波到達時間，再將有效的數據進行雙端定位。本研究網絡定位算法流程示意圖如圖5所示。

圖5 網絡定位算法流程示意圖

為了求出電力網絡中某一節點的最短路徑樹，算法具體步驟如下。

(1)初始化G=(V,E)，S的初始狀態為空集，G帶有頂點a=v0,v1,v2,…,vn和權ω(vi,vj)。若{vi,vj}不在集合G中，則ω(vi,vj)=∞。L(z)是從節點a到z的最短路徑長度[14]。

(2)當z?S時，且u是屬于S的使L(u)最小的一個頂點，S=S∪{u}。

(3)對于所有不屬于S的的頂點v，若L(u)+L(u,v)

(4)重復步驟(2)和步驟(3)的操作，最終得到節點a到z的最短路徑長度L(z)。

對于任意復雜行波測量網絡，經過網絡電話后，使用算法求出各行波定位裝置的變電站之間的最短路徑，并按照一定順序排列，得到行波測量網絡的最短路徑矩陣。定義最短路徑為

(2)

其中，n表示行波定位設備的個數，Wij表示最短路徑的權值，當故障點不在最短路徑時，最短路徑的權值為0，E表示輸電線路集合。

本研究系統綜合利用斷路器跳閘信號和故障行波的到達時間檢測故障線路，并判斷單端行波信號，將復雜的電路線路進行簡化，建立最短路徑矩陣，設置權重計算故障距離，檢測出雷擊點和故障點。

2 峰值檢測及防雷保護措施

本研究系統的數據采集層需要將遭到雷擊的電網線路產生的一系列脈沖峰值進行采樣和存儲，記憶并輸出最大值。峰值檢測系統的前端電路測得故障信號，經過數據傳輸、采樣和保持、A/D轉換、譯碼顯示等一系列處理。峰值檢測系統結構如圖6所示。

圖6 峰值檢測電路結構

在采樣/保持電路中，核心器件為LF398采樣/保持集成電路芯片，能夠對模擬信號進行采樣和存儲[15]。在采樣過程中，由于輸入到故障電流，采樣/保持電容CH迅速被充電，充電后其電位記作Ui。采樣/保持電路及控制電路如圖7所示。

圖7 采樣/保持及控制電路圖

在峰值檢測系統的控制電路中使用一個比較器，通過對LF398采樣/保持集成電路芯片的輸入端電壓和輸出端電壓進行比較，產生一個控制信號UK。通過UK的控制，實現對芯片邏輯控制腳的控制。數字鎖存控制電路中，采集到的故障電流峰值數據經過A/D電路，將轉換結果存在3位A/D的輸出鎖存器中。防雷電反擊裝置模型原理如圖8所示。

圖8 防雷電反擊裝置模型

本研究防雷電反擊裝置安裝與桿塔與電網線路原接閃器之間，能夠有效地減少雷電反擊故障的出現。其中，L1、L2、L3為線路等效電感，R1、R3、R5表示線路等效電阻，C1、C2、C3表示線路等效電容，L2、L4、L6和R2、R4、R6表示桿塔的電感和電阻。當輸電線路遭到雷擊時，雷電反擊裝置增加了反擊雷和桿塔之間的雷擊電流通道，使原桿塔和地之間的通道變為2條通道，使反擊雷迅速泄出，桿塔與地之間的壓降也會變小。

3 應用測試

為了驗證本研究雷擊故障監測系統的性能，使用文獻[3]系統、文獻[4]系統和本研究系統分別進行實驗，比較三種雷擊監測系統的定位精度，驗證本研究防雷保護措施的防雷效果。調用研究區域歷史數據組成數據集，各地區、各電網線路的雷擊故障數據作為參考樣本。雷擊故障歷史數據如表1所示。

表1 雷擊故障歷史數據

本研究實驗環境中使用雷電流沖擊發生器，產生的大電流來模擬雷電流。雷電流沖擊發生器能夠產生標準的8/20 μs雷電流波形，電流輸出峰值120 kA完全滿足實驗需求。雷電流沖擊發生器使用220 V供電，每次產生沖擊電流之前需進行短暫的充電。實驗環境中使用單相線路代替三相線路，一條電纜線作為一個回路，安裝有4個行波采集裝置，計算機作為故障監測和定位主機，通過網絡串口交換機與各行波采集裝置進行數據傳輸。

對雷電流沖擊發生器產生的電流進行定位得到三種系統的雷電故障定位誤差如圖9所示。

圖9 雷電故障定位誤差

比較分析三種系統的雷電故障定位誤差可知，本研究電網雷擊故障監測系統對線路中雷擊點的定位精度更高，根據行波采集裝置檢測到雷擊故障的初始行波達到時間，根據行波到達線路兩端的時間差，計算出雷擊故障的距離。本研究對雷擊故障的定位誤差最小為22 m，對2號雷擊故障點定位誤差最大為45 m。文獻[3]系統對線路中發生的雷擊故障定位誤差最大為124 m，最小定位誤差為72 m。文獻[3]系統的定位誤差超過了100 m，系統的定位精度和可靠性不高。文獻[4]系統對雷擊故障點6的定位誤差最大為162 m，對雷擊故障點2的定位誤差最小為95 m。文獻[4]系統的定位誤差變化幅度較大，定位誤差差值達到67 m，系統的定位穩定性較差，定位精度較低，不滿足電網雷擊故障定位的要求。

為了驗證本研究防雷保護措施的性能，雷擊故障監測系統采集到未加入雷擊保護的線路受到雷電流沖擊發生器產生的電流波形如圖10所示。

圖10 未加入雷擊保護措施的電流波形

加入防雷保護措施后，采集到的電流波形如圖11所示。

圖11 加入防雷保護措施后的電流波形

加入防雷保護措施后，電網線路中雷擊故障電流的峰值明顯下降，故障電流的幅值降低，線路電流恢復正常的時間縮短。說明本研究防雷保護措施能夠有效抑制雷擊故障信號，最大限度地降低雷擊對線路造成的破壞，增加了電網線路的可靠性。

4 總結

本研究基于人工智能建立了電網雷擊故障監測系統，結合雷電信息、智能終端采集數據、歷史數據對電網雷擊故障進行監測和定位。為了提高系統對雷擊故障的定位精度，應用行波定位裝置，提出故障行波定位方法，解決可雷擊故障發生在多個電網線路或行波數據采集時效時的定位問題。若計算路徑存在冗余，通過網格定位算法得到雷擊故障定位結果。本研究仍存在一些不足之處還需進一步改進，對電網線路進行防雷改造要因地制宜，對于不同的線路雷擊故障使用針對性的防雷措施。