分布式電源配電網繼電保護二次回路故障識別方法

魏振江，孫 樂

（1.國網漢中供電公司，陜西 漢中 723000；2.陜西中煙工業有限責任公司漢中卷煙廠，陜西 漢中 723000）

0 引 言

隨著新能源技術的不斷進步，分布式電源在配電網中的應用范圍日益擴大，給傳統的配電網繼電保護系統帶來了新的挑戰。在分布式電源配電網中，繼電保護系統是確保配電網安全穩定運行的關鍵因素。二次回路作為繼電保護系統的核心部分，一旦發生故障，會導致保護裝置錯誤操作或拒絕操作。因此，精準識別分布式電源配電網繼電保護二次回路故障，對保障配電網的安全穩定運行具有重要意義。文獻[1]基于圖神經網絡構建了一個故障定位模型，能夠準確有效地定位二次回路故障。文獻[2]針對電流二次回路故障的離線檢測方法及時性較差等問題，利用多維豪斯多夫距離算法，設計了一種在線檢測方法，可有效提升回路二次接地故障檢測效率。文獻[3]通過構建二次系統的虛回路到物理回路的映射關系，并借助Apriori 算法進行故障報警信息的診斷，不僅提高了診斷效率，還節約了人力成本。分布式電源技術的不斷革新，導致配電網繼電保護設備的智能化程度越來越高，傳統的二次回路故障檢測方法所用的數據庫建模工作量巨大，且可移植性極差。為解決上述問題，文章提出一種分布式電源配電網繼電保護二次回路故障識別方法。

1 測量繼電保護二次回路故障時刻的電信號

分布式電源配電網的繼電保護二次回路對于配電網的安全穩定運行至關重要。文章針對二次回路中的故障識別問題，基于電壓和電流信號的變化原理進行識別研究。在繼電保護二次回路發生故障時，電壓和電流信號會超出正常區間，因此文章使用諧波測試儀測試電信號[4]。諧波測試儀能夠不間斷地采集繼電保護二次回路中的電壓與電流信號。根據配電網的實際情況選擇并安裝合適的諧波測試儀，確保其牢固穩定，以準確識別二次回路故障[5-6]。諧波測試儀主要用于測量繼電保護二次回路中的三相電壓與負荷電流，因此采用傅里葉變換的方法來計算所需數據。以電壓和電流的周期信號F(t)為例，利用傅里葉變換進行諧波測量，計算公式為

式中：f0為繼電保護二次回路中電壓與電流信號的直流分量；ω為振幅；φn為第n次諧波分量的相位；t為頻率；fncos(nωt+φn)為第n次諧波分量。第n次諧波電壓和電流的含有率的計算公式為

式中：η1、η2分別為第n次諧波電壓、電流的含有率；un、in分別為第n次諧波電壓、電流的統計均方根；u0、i0分別為基波電壓、電流的統計均方根。

利用式（1）測量分布式電源配電網繼電保護二次回路中的電壓與電流信號，并將其作為故障識別的數據支撐；再利用式（2）求出諧波電壓和電流的含有率，作為二次回路諧波信號來源的依據。

2 預處理繼電保護二次回路故障時刻的電信號

因為分布式電源配電網的拓撲結構復雜，在利用諧波測試儀采集繼電保護二次回路故障時刻的電壓與電流信號時，原始采集信號中會存在大量無用的噪聲信號，所以需要在故障信號識別前，對電壓與電流信號進行去噪處理[7]。假設待處理的二次回路電信號為S(t)，則其一維數學模型為

式中：X(t)表示二次回路電信號中的有效信息；ε(t)表示疊加的噪聲信號；λ表示噪聲信號的幅值系數。對原始信號S(t)進行多尺度正交小波分解，即可得到不同尺度下的小波系數，公式為

式中：Gi,t、Di,t分別為高尺度下、低尺度下的小波分解系數；t為頻率；Si-1,t為重構后無噪聲的二次回路故障時刻電信號；i為小波分解的層數；i-1 表示低一層的小波分解；B1、B2為濾波器，2 個濾波器屬于正交鏡像的關系；T為二次回路中電信號的離散采樣點數量；N為二次回路中電信號的所有采樣點數量。高尺度下的小波分解系數為有用信息，低尺度下的小波分解系數為無用的噪聲信息。因此，可以設置一個合適的閾值，對各尺度下的系數進行量化處理，保留原始分解系數中的高頻部分，去除低頻部分，并對保留的小波分解系數進行重構得到濾波信號，公式為

完成對分布式電源配電網繼電保護二次回路故障時刻的電壓與電流信號的預處理后，將處理數據組成一個集合，作為故障信號分類識別的樣本數據集[8]。

3 分類識別繼電保護二次回路故障信號

通過引入深度學習構建循環神經網絡（Recurrent Neural Network，RNN），將傳統前饋網絡擴展成一個包含反饋的網絡結構。在RNN 模型中，所有時間步都存在輸出值，且每一個隱藏層的輸出和下一個隱藏層之間存在直接關聯。假設模型從待定的初始狀態h(0)開始進行前向傳播，則在時間步τ由1 到結束過程中，模型學習過程為

式中：x(τ)為CNN 模型隱藏層神經元的輸入序列；p為隱藏層的偏置參數；ω為隱藏層的權值參數；y(τ)為CNN 模型隱藏層神經元的輸出序列；softmax(·)為激活函數。

由式（6）可知，當二次回路故障信號輸入CNN模型時，模型將輸入的序列映射成長度一致的輸出序列，并匹配故障信號和故障類別。

4 仿真實驗

4.1 實驗準備

建立分布式電源配電網的仿真平臺，開展仿真對比實驗。基于數據工具軟件MATLAB 仿真實驗所需的分布式電源配電網繼電保護二次回路模型，具體如圖1 所示。

圖1 分布式電源配電網繼電保護二次回路

由圖1 可知，繼電保護二次回路包含2 個繼電保護裝置與10 條饋線。本次仿真實驗模擬了模型運行過程中不同類型的故障，收集二次回路的故障信號，并將其作為實驗數據，故障樣本數據分布情況如表1所示。

表1 繼電保護二次回路故障樣本分布 單位：處

以表1 數據為基礎，將文獻[1]方法和文獻[2]方法作為對照組，文章所提方法作為實驗組，進行繼電保護二次回路的故障識別，并對比各方法的故障識別結果。

4.2 實驗結果

在本次分布式電源配電網繼電保護二次回路故障識別的仿真對比實驗中，采用繼電保護二次回路故障識別結果的召回率來評估各方法對二次回路故障的分類識別性能，公式為

式中：Re為繼電保護二次回路故障識別結果的召回率；Tp為識別樣本和實際樣本均為正的樣本數量；Fn為識別樣本為負但實際樣本為正的樣本數量。其中，Re用于反映故障識別精度，值越大表明故障識別結果越接近真實數據。根據式（7）統計實驗組與對照組方法對二次回路故障類型和故障饋線的雙分類識別結果，具體如表2、表3 所示。

表2 繼電保護二次回路故障類型識別結果對比 單位：%

表3 繼電保護二次回路故障饋線識別結果對比 單位：%

由表2、表3 可知，分布式電源配電網繼電保護二次回路故障識別是一個多標簽多類別的分類任務。與文獻[1]方法和文獻[2]方法相比，文章設計方法的分類效果更佳，召回率均在98%以上，平均召回率高達98.74%，分別比對照組高6.03%、11.00%。由此說明，文章所提方法具有更高的分類精度，在分布式電源配電網故障識別任務中具有優越的分類性能。

5 結 論

配電網作為我國電能傳輸的最后一個環節，其運行狀態的健康穩定直接決定著用戶供電質量，因此文章提出了一種分布式電源配電網繼電保護二次回路故障識別方法。在獲取繼電保護二次回路故障時刻的電流與電壓信號后，引入深度學習對信號進行分類，進而完成故障識別。本研究對于推動分布式電源配電網繼電保護技術的發展，提高配電網的安全穩定運行水平具有重要意義。