基于人工智能技術的110kV變電保護器故障診斷與智能分析

北京金風科創風電設備有限公司 郝 鵬 中國人民解放軍91515部隊 郝 強 王建國

某電力設備生產企業的110kV 變電站的主變容量是63MVA，其型號是SZ11—63000/110。在變電站的運行過程中：高壓的額定電流是330.7A；低壓狀態下的額定電流是3649.4A；低壓側的互感器電流比為5000:1；高壓測的電流互感器電流比是800:1。如上所述，再結合事故發生時的現場情況，了解到變電站在正常運行時，1號的主變帶通過10kV 1M 母線設置；2號的主變帶通過2甲M 設置，包括2乙M 母線；3號區域的主變帶依靠10kV 的3M 母線輔助運行，這其中還包含了10kV 的母聯500斷路器、550斷路器的分閘位置等。

在事故發生后，了解3號區域可能存在的跳閘情況，而10kV 的均分負荷已經投入備用動作。此時，掌握變電保護單元的情況，實現對保護設備和元件的綜合分析操作。觀察110kV 變電保護器在運行過程中的情況，分析其測量環節、輸入環節、輸出環節以及邏輯分析階段的情況，促使相關工作充分落實。這樣一來，某廠員工則可觀察110kV 變電保護器在使用過程中可能存在的問題。如此，加強對各區域內情況的檢查，確認110kV 變電保護器本體是否出了故障問題，了解其變高套管、本體油位等區域是否存在異常。

1 某廠110kV 變電保護器故障與原因

某廠110kV 變電保護器在投入使用后，對變電站內其他的電力系統及設備運行狀態進行保護。但由于在過去110kV 變電保護器發生過多次故障，容易對電網的安全性以及可靠性造成影響，所以基于110kV 變電保護器的運行情況，對歷次故障原因展開論述，具體如下。

1.1 元件故障

由于110kV 變電保護器內的元件質量問題、或者出于設備維護者的原因未規范使用元器件，則會造成110kV 變電保護器中組件的故障[1]。曾經由于某廠某些員工疏忽對設備的觀察，造成元件的質量缺陷問題頻發，無法保證繼電保護裝置發揮出其自身的性能，影響到了整個變電保護器的運行。

1.2 繼電器保護裝置

若110kV 變電保護器中的繼電器無法維持正常的工作狀態，則無法保證110kV 變電保護器核心的穩定性。因為繼電器主要用于確認電網是否正常運行，若發現問題繼電器會及時制定保護方案，防止繼電器保護裝置的故障問題。所以，若其發生異常，不僅會對系統的正常運行影響，還會威脅著變電站的運行[2]。

1.3 電流變送器

對于變電站內的電流變送器而言，其在運行過程中會采用變電站的繼電保護方式實現對電路系統中電流大小的測量。所以，若電流變送器運行期間發生故障，其容易影響繼電保護系統，讓其無法正常去感知電流情況。若電流出現異常而工作人員未及時處理，容易導致變電站出現癱瘓等嚴重的情況。加強對電流變送器情況的掌握，及時運用保護措施，以防止其發生故障[3]。具體如表1所示。

表1 電力系統參數響應表

1.4 短路故障

在110kV 變電站運行期間，變壓器若出現問題，容易造成其在低壓側發生短路的情況。因此，基于變電站的實際運行，了解系統是否存在短路的情況，及時掌握變壓器中存在的電流沖擊情況，以防止變電站受到電流的影響。若在變電站運行過程中，工作人員無法掌握系統的短路問題，則容易造成變電器出現燒毀等情況，而且在實踐過程中，短路故障所帶來的影響不僅限于變壓器，對其他設備也會造成影響，所以工作人員應加強對變電站運行狀況的改善，預防短路故障的出現。

1.5 通信故障

對于110kV 變電保護器來講，若其在運行過程中出現通信故障，則無法保證各個裝置傳遞信息，難以保證繼電保護系統的通道暢通性，所以在其發生故障后，系統無法接收到相關構件傳遞的命令以及信號造成系統，無法正常運行。

2 基于人工智能技術的110kV 變電保護器的故障處理措施

2.1 基于機器學習算法，分析潛在故障隱患

在人工智能技術投入到110kV 變電保護器故障處理工作后，工作人員可基于機器學習實現對潛在故障問題的排查。采用機器學習算法實現對110kV變電保護器能力的提升，利用及時處理以及排查的方式，規劃電力系統在運行期間的全生命周期，防止其在運行期間造成故障，為企業帶來經濟損失[4]。

首先，工作人員通過機器學習的方式了解變電保護器的運行情況，采用模擬器運行的方法，合理應用人工智能手段對電力系統內設備運行狀況進行預測。工作人員采用系統數據內容獲取的方式，運用學習及分析的方式，了解機器學習算法在110kV變電保護器中的規律與模式，以精準預測故障原因，具體如表2所示。

表2 基于機器學習算法的110kV 變電保護器的故障分析項目

其次，采用線性回歸的方式，運用預測連續數值的方式實現對系統的監督及學習管理；采用擬合數據點并通過線性方程的計算的方式，實現對最佳監督點的確認；采用分析數據以及預測數據走向的方式，開展估算工作。比如，工作人員可以基于線性方程，利用代數方程式給定系統中的一個m屬性，按照實例x=（x1，x2，…,xm）的方式，創建線性模并且通過下述方程式來預測函數：f（x）=w1×x1+w2×x2+…+wm×xm+b，其中：f（x）表示數學表達式；w，w1，w2，…，wm表示本方程中的一個變電站變化系數；x1，x2，…，xm為序列中x的參數變化值；b表示回歸系數。此時工作人員通過線性模型的組建方式，則可依靠機器學習的手段構建出線性模型，確認引入層級的結構狀態并運用高維映射方式，確認系統是否存在故障問題。

最后，工作人員結合系統的情況，增加32位模塊的設置，運用數字信號處理的方式實現對變電站內各個模塊情況的觀察。但因為可能出現所設置的32位微機芯片精度不準確的情況，所以容易增加在A/D 轉換器在應用過程中的分辨率限制。所以，工作人員利用機器學習算法，通過微機芯片集成了解變電保護器的運行情況，運用對多輸入以及輸出口的檢索方式將數據總線等規劃為32位，有助于對系統的情況進行分析。同時，工作人員可采用聯網共享的方式實現對系統中信息、數據的獲取，可利用語言編程的方式實現對110kV 變電保護器故障的分析，以及時判斷故障所在位置并利用微機保護的方式進行處理，展現出人工智能技術所具備的功能[5]。

2.2 基于人工神經網絡，實現對故障問題的處理

某廠員工在110kV 變電保護器的故障診斷工作中，采用人工神經網絡實現對人腦的組織模擬，利用微機軟件開展相應的信息處理工作。

基于現場情況，利用人工神經網絡，采用自適應、分布處理以及記憶聯想等方式，了解系統所具備的潛力。利用智能化的110kV 變電保護方式開辟出一條故障診斷的新路徑。此時，工作人員通過神經網絡架構的方式設置相應的網絡輸出層。若其中x1，x2，…，xn被設置為網絡輸出，則需設置y1，y2，…，yk為對應層；而wij與wjk則可設置為相鄰層中的系數；f1代表隱含層。

結合系統中的數據變化值。某廠員工運用柔性化的分析方式，采用過數據編程的方法了解在變電器隱含層內可能存在的故障問題。也可以增加輸入層以及輸出層的中節點，分析隱藏層中可能會發生的問題，并計算出節點的數值，具體如下：其中：h代表隱含層內節點的數值；m代表輸入層節點的數值；n代表輸出層節點的數值；a代表從1～10以內的常數。這樣，工作人員則可基于神經網絡架構，加強對系統運行情況的了解，確認是否存在過渡電阻的短路問題。同時，可以基于故障位置實行相應的判別工作，降低系統出現舉動以及誤動的可能性。

通過神經網絡在110kV 變電保護器中了解大量的故障訓練樣本。工作人員基于樣本集中的內容判斷故障的距離，實現對主設備的保護。同時，也可基于人工神經網絡的層面上實現對輸電線路的保護，利用BOP 模型確認元件以及相關設備的運行方向，精準地掌握其可能發生的故障問題；通過論證的方式，了解TH 網絡以及單層感知器的網絡情況，運用最小二乘算法讓網絡在短時間內完成運算。基于變電保護器的特性掌握其在運行過程中的情況，檢索多方信息，基于原理上解決變電保護器的短路故障，也可通過人工神經網絡展現出其對電力系統的故障檢索以及識別能力，提高電流保護的靈敏度并確定故障范圍[6]。

若系統內存在反方向的故障，可以通過人工神經網絡對故障進行閉鎖，增加電流保護過程中的適應性。而且，工作人員也可以通過故障診斷的方式控制變電保護器的使用難度。通過人工神經網絡增加系統中的協調性，并彌補在系統運行過程中存在的不足。某廠員工通過系統規劃、潮流計算、模糊控制的方式，及時分析電力系統的負荷變化情況，根據設備的額定值，確認電力生產是否穩定，如表3所示。

表3 電力設備的額定值

2.3 基于模糊邏輯算法，加強對系統故障的處理

為保證110kV 變電保護器的合理運行，需要加強對開關拒合情況的了解，分析故障的發生原因并結合實際，防止在變電保護器應用過程中出現回路連接不合理及相關情況。一方面，某廠員工了解110kV 變電保護器在運行期間出現的延時閉合情況，利用改良線路的方式使合閘在工作時不會出現過多的電流沖擊。同時基于供電的負荷情況，運用模糊邏輯算法加強對系統故障的處理，預判系統是否存在主變差動等問題[7]。

另一方面，某廠員工基于回歸算法了解系統在運行過程中的絕對損失等損失函數，通過GBDT 算法模型的創建了解110kV 變電保護器中異常點所帶來的損失：

其中：F表示加法模型；X表示輸入樣本；W表示分類回歸樹的具體參數，屬于一種權重體現；ft表示第t個學習器模型；T表示可變參數；t=0表示從完整的決策樹出發。

綜上所述，為保證110kV 變電保護器正常運行，工作人員需加強對110kV 變電保護器故障原因的了解，如基于機器學習算法分析潛在故障隱患，基于人工神經網絡實現對故障問題的處理，基于模糊邏輯算法加強對系統故障的處理等，以輔助變電站的運行，減少電力系統在運行過程中的安全風險。