一種變電站防誤閉鎖智能校驗裝置設計

關鍵詞：變電站；防誤閉鎖；智能校驗；專家系統；卷積神經網絡

中圖分類號：TM734 文獻標識碼：A 文章編號：1001-5922（2024）12-0166-04

變電站的倒閘操作直接關系到整個變電站的運行安全。然而由于變電站的倒閘操作較為復雜，包含復雜多樣的操作條目，導致倒閘操作非常容易出錯。近年來，隨著計算機技術和網絡技術的發展與應用，變電站倒閘操作逐漸趨于智能化和自動化，為提高變電站倒閘效果，提出一種基于高階樸素Bayes算法的變電站順控倒閘操作防誤閉鎖方法，保證了變電站的安全運行[1]；提出一種變電站運行管理系統二次防誤閉鎖自動控制方法[2]；通過論述二分之三接線、雙母線雙分段接線和單母線接線的典型防誤閉鎖邏輯，對特高壓和超高壓變電站防誤閉鎖自動化操作進行了研究[3]。通過上述研究可以發現，變電站防誤閉鎖智能校驗裝置開始進入自動化階段，但現有方法的自動化程度仍有待進一步提高[4]。為此，本研究設計了一種全新的變電站防誤閉鎖智能校驗裝置，通過構建基于卷積神經網絡的專家系統和可用于整個智能校驗裝置的知識庫，并集成倒閘操作票生成系統和防誤操作閉鎖系統，實現了變電站防誤閉鎖智能檢驗。

1總體框架

防誤閉鎖智能校驗裝置的目的是為了避免變電站進行倒閘操作時出現錯誤操作的問題[5]。目前，變電站防誤閉鎖智能校驗裝置通常由倒閘操作票生成系統和防誤操作閉鎖系統組成[6]。由于上述2個系統為相互獨立設計，不能發揮自動化的優勢，且在設計上存在冗余，導致智能校驗裝置無法通過主控室進行操作。因此，有必要設計一種自動化程度高的防誤閉鎖智能校驗裝置。本研究通過分析上述2個系統的互通性，設計了一種基于卷積神經網絡的專家系統，以使2個系統緊密結合。同時，為實現防誤閉鎖操作信號控制，還構建一個可用于整個變電站操作票生成和識別的知識庫[7]。最終，得到所設計的整個防誤操作閉鎖智能校驗裝置的結構如圖1所示。

由圖1可知，當操作票自動生成系統和防誤操作閉鎖系統出票結果不匹配時，可能存在死循環。其原因是所設計的基于卷積神經網絡的專家系統需要大量樣本進行訓練，而系統開始運行時數據量較少。因此，存在2個系統操作票不匹配的問題[8-9]。為解決該問題，本研究設置循環次數上限為10次，若循環10次未得到統一出票結果，則以操作票自動生成系統出票結果為最終結果，并通過人工檢驗決定是否執行該操作。

2設計與實現

2.1專家系統設計與實現

本研究所設計的專家系統是針對防誤操作閉鎖系統設計的，通過利用專家系統對操作票自動生成系統生成的倒閘操作票可靠性進行分析驗證，并記錄動作鎖具順序和操作人員存在的錯誤操作，可實現防誤操作閉鎖[10-11]。通過分析變電站系統開關列表及其獲取拓撲信息的節點，本研究擬采用基于卷積神經網絡搭建專家系統，并通過將開關列表和節點導入推理機，在推理機中對該信息與知識庫中的知識和經驗進行分析，生成倒閘操作邏輯。專家系統的整體設計框圖如圖2所示。

基于上述分析可知，推理機在專家系統中發揮著至關重要的作用，因此本研究重點對推理機進行了實現。首先構建卷積神經網絡。卷積神經網絡是目前最常用的深度學習神經網絡，主要由輸入層、輸出層、卷積層、池化層組成[12-13]。其中，卷積層負責提取輸入信息特征，池化層負責降低特征維度。

基于卷積神經網絡算法，假設一次系統包含n個電氣元件，根據網絡的初始狀態可得到其鄰接矩陣，并根據鄰接矩陣，確定卷積神經網絡中的數據流向，進而得到操作結果[18]。通過卷積神經網絡計算，可得到用于第一次操作的所有元件。然后基于得到的元件重新生成鄰接矩陣，并重復上述操作。由此可確定所有電氣元件均能遍歷搜索。

此外，為避免卷積神經網絡運算過程中因違規問題放棄計算，導致網絡陷入局部收斂，研究引入規則檢測記錄2個元件之間的切換關系。推理機的具體實現過程如圖4所示。

2.2知識庫設計與實現

通過分析防誤操作閉鎖系統操作邏輯可知，變電站的一次系統拓撲與知識庫內容緊密相關。因此，本研究通過分析變電站一次系統及其拓撲結構，以及變電站涉及的設備知識信息、票面生成信息和操作知識信息，采用面向對象的編程方法構建知識庫。

定義變電站一次設備包括斷路器、隔離開關、接地裝置三類開關，包括母線節點、接地節點、出線節點等節點，并將母線、主變壓器等設備均視為節點，同時認為聯絡線只有一個接地支路[19]。由此可建立三類開關與知識庫概念的對應關系，進而可構建知識庫。

知識庫中，根據知識的規則類型可分為控制規則和領域規則。其中，控制模塊執行的順序規則屬于控制規則，領域模塊通過拓撲分析的閉鎖邏輯內容的規則屬于領域規則。在領域規則中，為確定執行順序，需設定執行等級并按等級高低順序執行。所設計的知識庫的結構如圖5所示。

知識庫中雖然包含各種各樣的操作項目，但這些操作項目都是由一系列簡單操作任務排列組合形成，且具有一定的重復性。因此，可采用層次清晰簡潔、推理速度快，且能反映求解問題因果關系的規則組模式表示并實現。規則組模式即“規則架+規則體”的模式[20]。其中，規則架即參加推理的框架，包含多個前提和結論，具體示例如：IF運行狀態、檢修狀態、隔離開關等。規則體即求解問題的知識，具體示例如：THEN斷路器在分閘位置∧隔離開關在合閘位置等。

3應用與分析

3.1應用平臺簡介

為驗證所設計的變電站防誤閉鎖智能校驗裝置在變電站中的應用效果，以某220kV智能變電站工程項目為研究對象，對所設計裝置進行了檢驗。該智能變電站工程項目主控制室和配電室采用裝配式建筑施工設計，依據模塊化和集成化設計理念布置保護控制系統。該智能變電站220kV采用雙母線主接線，110kV采用單母三分段接線，10kV采用單母分段接線，一次設備分別為HGIS、GIS和室內開關柜設備。

考慮到該智能變電站連接元件較多，研究給出了其中部分元件鄰接矩陣，如式（3）：

3.2應用結果分析

為檢驗所設計的變電站防誤閉鎖智能校驗裝置的有效性和正確性，根據不同的操作項目設置操作票任務，利用所設計的智能校驗裝置獲取操作票，并將其實際變電站倒閘實際操作票進行對比，得到操作票如表1。

通過人工檢驗可知，所設計的變電站防誤閉鎖智能校驗裝置得到的操作票是正確的。由此說明，所設計的變電站防誤閉鎖智能校驗裝置具有高度的正確性。

為進一步分析所設計的變電站防誤閉鎖智能校驗裝置的優越性，研究對比了所設計防誤閉鎖智能校驗裝置和現有防誤閉鎖智能校驗裝置的優勢與缺點，分析結果如表2所示。

由表2可知，所設計的防誤閉鎖智能校驗裝置通過使用專家系統和統一的知識庫，有效集成了操作票自動生成系統和防誤操作閉鎖系統，同時收集了錯誤的倒閘操作，相較于現有防誤閉鎖智能校驗裝置，具有更好的兼容性和更高的自動化程度。但由于專家系統是基于深度學習的智能系統，需要大量的學習樣本，因此在訓練初期存在訓練速度慢的問題，導致專家系統分析倒閘操作票需要運行多次。為解決該問題，可嘗試在知識庫中預先記錄一些確定的倒閘操作流程，加快深度學習網絡訓練。

4結語

通過構建基于卷積神經網絡的專家系統和可用于整個裝置的知識庫，并集成現有的倒閘操作票生成系統和防誤操作閉鎖系統，增強了防誤閉鎖智能校驗裝置的自動化程度，實現了變電站防誤閉鎖智能校驗。通過在某220kV智能變電站上進行仿真驗證，證明了所設計的防誤閉鎖智能校驗裝置的有效性和正確性，可自動生成操作票，并能將錯誤的操作票補充到知識庫中，具有良好的適應性。相較于現有防誤閉鎖智能校驗裝置，所設計的防誤閉鎖智能校驗裝置具有更好的兼容性和更高的自動化程度。但由于所設計的防誤閉鎖智能校驗裝置中引入了卷積神經網絡，而網絡的訓練需要大量的樣本，因此，還存在網絡訓練初期存在訓練速度慢，專家系統分析倒閘操作票需要運行多次的問題。為解決該問題，后續將嘗試在知識庫中預先記錄一些確定的倒閘操作流程，加快深度學習網絡訓練。