繼電保護(hù)設(shè)備電氣二次回路隱患排查研究

湯婭美

（許繼（廈門）智能電力設(shè)備股份有限公司）

0 引言

電網(wǎng)的建設(shè)和發(fā)展與供電品質(zhì)息息相關(guān)，只有具備現(xiàn)代化的水平，才能使電力系統(tǒng)的運(yùn)行更加穩(wěn)定，并能對各種信息進(jìn)行分析和處理。目前，我國電網(wǎng)的電壓水平和輸出能力逐步提升，電網(wǎng)的覆蓋面也在不斷擴(kuò)大［1］。在多種因素的影響下，電力系統(tǒng)的運(yùn)行環(huán)境復(fù)雜多變［2］。在電網(wǎng)發(fā)生故障時(shí)，要有選擇性地迅速跳閘，并將故障隔離，防止其危害范圍進(jìn)一步擴(kuò)大，將其造成的不利影響降到最低。在電力系統(tǒng)中，繼電器是一個(gè)非常重要的組成部分，其對于電網(wǎng)的安全運(yùn)行而言具有極大的意義，對其進(jìn)行深入分析有助于改善電網(wǎng)的運(yùn)行穩(wěn)定性。大多數(shù)變電所的繼電保護(hù)二次回路仍采用傳統(tǒng)的繼電保護(hù)方式，通過二次電纜對變壓器次級繞組、采集插頭、操作回路等組成的二次保護(hù)電路進(jìn)行繼電保護(hù)、測量及控制［3］。如果二次回路發(fā)生故障，將會導(dǎo)致變電站的各項(xiàng)功能發(fā)生誤動作，進(jìn)而影響整個(gè)電力系統(tǒng)的正常運(yùn)行。圍繞二次回路的重要性，開展基于神經(jīng)網(wǎng)絡(luò)算法的繼電保護(hù)二次回路故障排查方法研究。

1 采集繼電保護(hù)二次回路故障排查數(shù)據(jù)

為保證后續(xù)故障排查具備更有利的依據(jù)，利用雙端口穩(wěn)壓控制方法實(shí)現(xiàn)對繼電保護(hù)二次回路故障實(shí)時(shí)數(shù)據(jù)信息的采集。構(gòu)建一個(gè)包含物理層、表現(xiàn)層、傳輸層、網(wǎng)絡(luò)層、數(shù)據(jù)鏈路層以及應(yīng)用層的分布模型，通過數(shù)據(jù)鏈路的傳輸協(xié)議實(shí)現(xiàn)介質(zhì)訪問［4］。

如圖1所示，物理層主要是繼電保護(hù)二次回路故障數(shù)據(jù)傳輸?shù)哪Ｐ蜆?gòu)建，且在運(yùn)轉(zhuǎn)的過程中通過數(shù)據(jù)鏈路層的傳輸協(xié)議從而進(jìn)行介質(zhì)訪問；數(shù)據(jù)鏈路層主要是實(shí)現(xiàn)繼電保護(hù)二次回路故障信息各數(shù)據(jù)端的連接；應(yīng)用層主要是建立故障程序的編譯融合模型，為響應(yīng)程序之間實(shí)現(xiàn)有效通信；表現(xiàn)層主要是實(shí)現(xiàn)繼電保護(hù)二次回路的故障信息融合處理，包括在應(yīng)用過程中的各種數(shù)據(jù)格式，加密工作等；網(wǎng)絡(luò)層是算法程序的尋址以及路徑選擇等；傳輸層主要是實(shí)現(xiàn)計(jì)算機(jī)主機(jī)端到各數(shù)據(jù)鏈路層的相連。

圖1 故障信息采集的多層分布模型

在鏈路層中，針對繼電保護(hù)二次回路故障數(shù)據(jù)信息進(jìn)行端到端之間的連接和傳遞。在此基礎(chǔ)上，利用電力消納法和電流參量法計(jì)算二次回路的平均電流。平均電流計(jì)算公式為：

式中，為輸出的平均電流值；|MH|為電力系統(tǒng)在運(yùn)行過程中產(chǎn)生的電力消納參數(shù)；U為二次回路上輸出的電壓；R為電阻阻值。在計(jì)算二次回路的平均電流后，還需要將勵(lì)磁磁鏈的基波電流分量與二次回路故障信息的分布集合相結(jié)合。利用局部檢測方法，構(gòu)建一個(gè)故障信息采集模型，即：

式中，λ為電力系統(tǒng)中二次回路上出現(xiàn)故障時(shí)的節(jié)點(diǎn)特征值；m為故障信息分布的數(shù)據(jù)量。λ的計(jì)算公式為：

式中，K為轉(zhuǎn)換系數(shù)；S為節(jié)點(diǎn)λ處的故障電流分量信息。根據(jù)上述論述內(nèi)容，更有效地獲取繼電保護(hù)二次回路故障信息，實(shí)現(xiàn)繼電保護(hù)二次回路故障排查數(shù)據(jù)采集，從而提供準(zhǔn)確的數(shù)據(jù)。

1.1 提取故障特征參數(shù)

按照上述方式獲取到的故障排查數(shù)據(jù)量較大，為了降低排查時(shí)的計(jì)算量，根據(jù)所采集的故障信息提取繼電保護(hù)二次回路的故障特征參數(shù)。將功率和頻譜周期相結(jié)合，可以得到故障信號的分布特征T，以及二次回路的功率值P，二次回路的功率上限為：

式中，ωˉ為二次回路功率轉(zhuǎn)換系數(shù)。通過深度學(xué)習(xí)方法，得到故障變化狀態(tài)信息，以此獲取到所有故障樣本數(shù)據(jù)的分布集，根據(jù)分布集確定所有故障檢測數(shù)據(jù)的聯(lián)合分布區(qū)間。

結(jié)合功率檢測方法，獲取二次回路分布的參數(shù)集合。假設(shè)集合為X，即

式中，x(t)為二次回路分布參數(shù)。

利用多參量融合的方式，獲取故障信息的融合參數(shù)。通過Wеndroff差分方程對特征量進(jìn)行反演，最后得到故障特征參數(shù)提取函數(shù)為：

式中，D為故障特征參數(shù)提取函數(shù)；δ為故障特征參數(shù)提取系數(shù)；k(t)為融合參數(shù)；z為故障信息的聯(lián)合分布區(qū)間。綜合上述各部分，實(shí)現(xiàn)對故障特征參數(shù)的提取。

1.2 基于神經(jīng)網(wǎng)絡(luò)算法的排查結(jié)果輸出與故障點(diǎn)定位

在得到故障特征參數(shù)后，結(jié)合神經(jīng)網(wǎng)絡(luò)算法確定故障發(fā)生的具體位置，并且輸出故障排查結(jié)果。將神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到繼電保護(hù)二次回路的故障排查中，從而快速建立故障定位模型。該計(jì)算模型的表達(dá)式為：

式中，Q為計(jì)算模型表達(dá)函數(shù)；n為神經(jīng)網(wǎng)絡(luò)各層中運(yùn)行的數(shù)據(jù)；pd為填充數(shù)值；s為神經(jīng)網(wǎng)絡(luò)運(yùn)行步數(shù)；O為神經(jīng)網(wǎng)絡(luò)輸出層輸出結(jié)果數(shù)據(jù)；F為示樣本數(shù)據(jù)的傳輸通道數(shù)量。

利用上述構(gòu)建的計(jì)算模型，將提取到的故障特征參數(shù)作為輸入數(shù)據(jù)，將故障點(diǎn)定位結(jié)果作為輸出數(shù)據(jù)。為確保最終得出的排查結(jié)果具備更高的精度，需要對上述建立的計(jì)算模型進(jìn)行迭代訓(xùn)練。在迭代訓(xùn)練過程中，引入隨機(jī)優(yōu)化理論，通過更偏向于執(zhí)行多方位的隨機(jī)搜索，找出實(shí)現(xiàn)目標(biāo)函數(shù)最優(yōu)的方案。利用隨機(jī)爬山理論，先從一個(gè)問題的隨機(jī)答案入手，然后根據(jù)增量變化不斷尋找更好的解決辦法，直至再也找不到改善的方法［5］。每次從一個(gè)隨機(jī)的最初猜想開始，在每一次重復(fù)中都朝著一個(gè)可以提高適應(yīng)性的方向前進(jìn)。其優(yōu)點(diǎn)是它所需要的存儲空間很小，可以在凸問題中尋找最優(yōu)解，以此輔助計(jì)算模型的優(yōu)化。將已知出現(xiàn)故障問題的繼電保護(hù)二次回路特征數(shù)據(jù)作為樣本，將其輸入到計(jì)算模型中，對該模型結(jié)構(gòu)進(jìn)行隨機(jī)初始化處理［6］。使用訓(xùn)練樣本對模型每一次輸出的結(jié)果進(jìn)行評價(jià)和選擇，并判斷此次模型得出的結(jié)果與上一次相比是否得到改善。如果有所改善，則對模型中的樣本數(shù)據(jù)進(jìn)行交叉和變異處理，并對模型中的單個(gè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行解碼。如果沒有改善，則說明此時(shí)模型已經(jīng)是最佳模型，獲取到了最佳的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。將獲取的結(jié)構(gòu)與存儲特征樣本數(shù)據(jù)的數(shù)據(jù)庫進(jìn)行匹配，并完成對最優(yōu)解的校驗(yàn)，此時(shí)得到的輸出結(jié)果即為最終排查結(jié)果。結(jié)合模型輸出結(jié)果，對其進(jìn)行特征屬性分類，將結(jié)果與各個(gè)數(shù)據(jù)采集點(diǎn)上的振蕩參數(shù)輸出結(jié)果進(jìn)行對比，確定具體發(fā)生故障的點(diǎn)位，以此實(shí)現(xiàn)對故障點(diǎn)的定位［7］。

1.3 排查效果對比分析

完成故障排查方法的理論設(shè)計(jì)后，為進(jìn)一步驗(yàn)證該方法在對繼電保護(hù)二次回路的故障問題進(jìn)行排查時(shí)的實(shí)際應(yīng)用效果，將本文提出的基于神經(jīng)網(wǎng)絡(luò)算法的排查方法作為實(shí)驗(yàn)組，將基于深度學(xué)習(xí)的檢測方法和基于多維Hаusdorff距離算法的檢測方法作為對照組A和對照組B。3種方法在理想狀態(tài)下均可以實(shí)現(xiàn)排查，為驗(yàn)證3種方法在排查過程中的抗干擾能力，針對某一電力企業(yè)電力系統(tǒng)中繼電保護(hù)二次回路進(jìn)行故障排查，人為設(shè)置二次回路的運(yùn)行模式為受限單極性模式。在排查過程中，若運(yùn)行時(shí)間與電流的關(guān)系變化曲線始終為平滑狀態(tài)，則說明此時(shí)繼電保護(hù)二次回路不存在故障問題；當(dāng)曲線出現(xiàn)異常波動，則說明二次回路出現(xiàn)了故障。3種方法的排查輸出結(jié)果如圖2-4所示。

圖2 實(shí)驗(yàn)組輸出結(jié)果

由圖2可知，實(shí)驗(yàn)組排查方法在二次回路運(yùn)行60～120ms時(shí)，電流出現(xiàn)了異常波動，這一結(jié)果與實(shí)際故障時(shí)間相符。由圖3可知，對照組A排查方法在繼電保護(hù)二次回路運(yùn)行中，從0～150ms，曲線始終保持著平滑狀態(tài)，說明對照組A排查方法受到了受限單極性運(yùn)行模式的影響，無法得到準(zhǔn)確的排查結(jié)果。由圖4可知，對照組B排查方法在排查中60ms前后和120ms前后均出現(xiàn)了曲線的異常波動，但在這一過程中曲線平滑，與實(shí)際故障持續(xù)情況不符，只能實(shí)現(xiàn)對故障開始和結(jié)束的排查。結(jié)合上述實(shí)驗(yàn)結(jié)果，應(yīng)用神經(jīng)網(wǎng)絡(luò)算法后，排查方法的抗干擾能力得到顯著提升，能夠?qū)崿F(xiàn)對二次回路故障從開始到結(jié)束的準(zhǔn)確排查，不會受到繼電保護(hù)二次回路運(yùn)行狀態(tài)的影響，得到更準(zhǔn)確的故障排查結(jié)果。此外，根據(jù)輸出的排查結(jié)果能夠?qū)崿F(xiàn)對故障問題的量化描述，為后續(xù)繼電保護(hù)運(yùn)維提供更可靠的排查依據(jù)。

圖3 對照組A輸出結(jié)果

圖4 對照組B輸出結(jié)果

2 結(jié)束語

在引入神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，提出了一種新的故障排查方法，通過對比實(shí)驗(yàn)驗(yàn)證了新型排查方法的應(yīng)用優(yōu)勢。將新的排查方法應(yīng)用到電力系統(tǒng)中，能夠?qū)崿F(xiàn)對繼電二次保護(hù)故障問題的排查，有效促進(jìn)電力系統(tǒng)運(yùn)行穩(wěn)定性和安全性的提升，為電力企業(yè)的可持續(xù)發(fā)展提供有利條件。