基于卷積神經網絡的主網繼電保護在線整定方法

摘 要：【目的】受主網故障狀態的多樣性和整定規則的適應性影響，繼電保護的閉環階躍響應振幅難以得到有效控制，為此，提出了基于卷積神經網絡的主網繼電保護在線整定方法?！痉椒ā繉⒅骶W中的同種保護功能涉及的定值變量作為一個集合，并構建主網繼電保護在線整定數學模型。在開展具體的主網繼電保護定值設置階段，引入卷積神經網絡，利用損失函數，計算在隨機梯度下降機制下的最優正則化繼電保護定值。【結果】測試結果表明，該方法測試的電網繼電保護在閉環階躍響應的振幅在50 s以內實現了快速收斂，且相較于對照組而言更加平穩。【結論】該方法在閉環階躍響應方面取得了顯著的優勢，不僅提高了系統的收斂速度，而且改善了系統的振幅穩定性。有助于提升電網繼電保護系統的運行效率和可靠性，具有實際的應用價值和推廣潛力。

關鍵詞：卷積神經網絡；主網繼電保護；在線整定；數學模型；定值設置；損失函數；隨機梯度；最優正則化

中圖分類號：TP262 文獻標志碼：A 文章編號：1003-5168（2024）16-0013-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.16.003

Online Tuning Method of Main Grid Relay Protection Based on

Convolutional Neural Network

YANG Zhongzhe LIU Yanbo CHEN Jia JIN Wanglei

（State Grid Shanghai Fengxian Power Supply Company， Shanghai 201499， China）

Abstract： [Purposes] Due to the diversity of fault states of the main grid and the adaptability of the setting rules， the closed-loop step response amplitude of the relay protection is difficult to be effectively controlled. Therefore， an online setting method for the relay protection of the main grid based on convolutional neural network is proposed. [Methods] The same protection function in the main grid is taken as a set of fixed value variables， and the online setting mathematical model of the main grid relay protection is constructed. In the specific setting stage of the main grid relay protection， convolutional neural network is introduced， and the loss function is used to calculate the optimal regularization relay protection setting under the stochastic gradient descent mechanism. [Findings] In the test results， the amplitude of the closed-loop step response of the test grid relay protection under the design method not only realized rapid convergence within 50s， but also was more stable than that of the control group. [Conclusions] It is shown that the design method has a significant advantage in the closed-loop step response， which not only improves the convergence speed of the system， but also improves the amplitude stability of the system，which is helpful to improve the operation efficiency and reliability of power grid relay protection system， and has the potential of practical application and popularization.

Keywords：convolutional neural network; main grid relay protection; on-line setting; mathematical model; set the value; loss function; stochastic gradient; optimal regularization

0 引言

隨著電網規模的不斷擴大，主網繼電結構變得更加復雜，對于主網繼電保護進行整定是極為必要的。首先，整定繼電保護是為了確保設備的安全運行。電氣設計的理論值與設備的實際運行值之間可能存在客觀偏差［1］。如果這個偏差超出預定的范圍，那么繼電保護設備就會觸發動作，從而有效地保護人身安全和設備安全。其次，電網中的不同回路或負載的保護動作電流是不同的，需要根據特定的負載選定繼電器的動作值［2］。例如，一個具有特定調節范圍的繼電器需要在電流達到某一特定值時觸發，需要對這個繼電器的動作值進行相應的調整。最后，對于特定的繼電器類型，如電磁繼電器，其吸合電流值通常要大于返回電流值［3］，這是由于吸合前的磁路氣隙大于吸合后的氣隙所導致的滯環（也稱為回差）。因此，整定繼電器的動作值可以確保設備在出現異常情況時能夠及時且準確地作出反應，從而避免設備損壞或安全事故。總的來說，對主網繼電保護進行整定不僅可以提高電力系統的穩定性，還可以降低設備損壞的風險，保護人身安全，從而確保電力系統的正常運行。多吉次仁等［4］提出的含雙回線路并列運行的110 kV電網繼電保護整定計算方案探討，詳細研究了電網繼電保護整定計算的運行方式選擇、主要整定計算原則及各種典型故障，并探討了整定計算過程中可能出現的各種問題。但整定計算涉及大量的參數和運行數據，需要耗費大量的時間和資源。徐宇等［5］提出的基于改進海鷗算法的新能源接入配電網繼電保護定值優化方法，分析了新能源接入后對繼電保護的影響，以分布式新能源接入后的保護靈敏性、速動性、可靠性為約束條件，構建了定值優化模型。但算法中涉及的參數選擇會影響算法的性能和收斂效果。綜上所述，本研究提出了基于卷積神經網絡的主網繼電保護在線整定方法，并開展了對比測試，分析驗證了該方法的應用效果。

1 主網繼電保護在線整定方法設計

1.1 主網繼電保護在線整定數學模型構建

對于主網繼電保護而言，在對其進行在線整定處理時，需要計算的參數涉及多個方面，對應每種保護類型需要兼顧的整定原則也具有多樣化的屬性特征。為了能夠適應這一特點，需要為每種整定原則構建多個整定公式以滿足對應的需求，而在每個整定公式中，又包含多個差異化的定值變量參數［6-7］。結合上述的分析，本研究將主網中的同種保護功能涉及定值變量作為一個集合，并構建主網繼電保護在線整定數學模型［8］，具體見式（1）。

[Rv=f（K， X， Y， Z）] （1）

式中：[Rv]為主網繼電保護在線整定數學模型；[K]為主網繼電保護的電氣設備參數涉及定值變量集合；[X]為主網繼電保護的故障信息涉及定值變量集合；[Y]為主網繼電保護整定規則中涉及定值變量集合；[Z]為主網繼電保護整定階段除上述參數之外的定值變量集合。

結合式（1），對主網繼電保護在線整定數學模型涉及的4個數據集合構成的具體信息進行分析，見表1。

按照上述所示的方式，實現對復雜整定規則下具體變量信息的全覆蓋，確保在后續的主網繼電保護在線整定階段［9］，處于離散狀態的非連續變量可以完整地映射到系統中，使得保護定值能夠結合故障信息發生的變化作出適應性調整。

1.2 基于卷積神經網絡的主網繼電保護定值設置

結合構建的主網繼電保護在線整定數學模型，本研究在開展具體的主網繼電保護定值設置階段，引入卷積神經網絡，借助卷積神經網絡在主網故障特征提取方面的優勢，為繼電保護定值的設置提供可靠的數據支撐。

首先，將主網歷史故障數據（故障類型、故障位置、故障時間、故障電流、故障電壓等信息）作為卷積神經網絡的輸入參數?？紤]到構建的主網繼電保護在線整定數學模型中涉及變量較多，本研究采用的卷積神經網絡架構為ResNet。在卷積處理階段，選擇更加適配于時間序列數據的一維卷積方式，對輸入參數的特征進行提取，具體見式（2）。

[g（X）=i=1nZk⊕f（Y）xi] （2）

式中：[g（X）]為一維卷積對主網歷史故障數據特征的提取結果；[xi]為具體的主網歷史故障數據參數；[Zk]和[f（Y）]分別為[xi]主網歷史故障數據狀態下對應的其余定值變量參數和整定規則涉及定值變量參數；[⊕]為卷積計算。

在此基礎上，將主網繼電保護的電氣設備參數與正常狀態一致程度最高的繼電保護定值，作為當前故障的最優主網繼電保護整定結果，并通過全連接層將其映射到輸出空間中。按照上述方式，可以得到一個映射集。對于實際的主網繼電保護定值設置而言，可以將實際的、具體的故障信息輸入到卷積神經網絡中，利用損失函數計算在隨機梯度下降機制下，最優正則化繼電保護定值即可，具體計算見式（3）。

[ξ=min（Zk-1λ）Rv*f（Y）xi] （3）

式中：[ξ]為隨機梯度下降機制下，滿足最優正則化的繼電保護損失函數；[λ]為主網繼電保護定值整定模型的損耗系數。

按照上述方式，實現對主網繼電保護定值的設置，最大限度保障主網運行的穩定性。

2 測試與分析

2.1 測試環境

在分析本研究設計的主網繼電保護在線整定方法的應用效果時，以某HT250 配電網環境為基礎開展對比測試。對測試環境的基礎配置情況進行分析，其中，測試HT250 配電網服務對象為一個中型城市，主要任務是承擔居民、商業和工業用戶的供電。在運行模式上，測試HT250 配電網采用“環網結構+開閉所”分散供電方式，對應的供電具有較高的可靠性和靈活性。具體運行階段的額定電壓為10 kV，頻率為50 Hz。在此基礎上，對測試HT250 配電網的繼電保護配置情況進行分析。

在線路保護方面，每條10 kV線路均配置過電流保護、方向保護和零序保護。過電流保護定值為最大負載電流的1.3倍，對應的方向保護角度為45 °，零序保護定值為線路電容電流的1.8倍。在變壓器保護方面，每臺變壓器均配置差動保護、過負荷保護和溫度保護。具體的差動保護定值根據變壓器的額定容量和短路阻抗適應性進行設置，過負荷保護定值則為變壓器額定電流的1.2倍。在母線保護方面，采用備自投裝置實現母線失電時的自動切換，具體的備自投延時時間設定為0.8 s，執行切換的條件為母線電壓低于額定電壓的60 %，且持續時間超過0.2 s。

以上述的HT250 配電網繼電保護配置和參數信息為基礎，開展具體的整定效果分析。分別設置文獻［4］提出的含雙回線路并列運行的110 kV電網繼電保護整定計算方案和文獻［5］提出的基于改進海鷗算法的新能源接入配電網繼電保護定值優化方法作為測試的對照組。

2.2 測試結果

在對具體的測試結果進行分析時，本研究以測試HT250 配電網繼電保護在閉環階躍響應方面的振幅作為具體的評價指標，得到的測試結果如圖1所示。

由圖1可知，在3種不同的繼電保護整定方法測試下，HT250 配電網繼電保護在閉環階躍響應方面的振幅表現出不同的發展趨勢。其中，在文獻［4］提出的含雙回線路并列運行的110 kV電網繼電保護整定計算方案下，振幅達到穩定收斂的時間較長，達到180.0 ms；在文獻［5］提出的基于改進海鷗算法的新能源接入配電網繼電保護定值優化方法下，振幅的過擬合程度較大，最大振幅達到1.40 Hz；在本研究所提出的方法下，閉環階躍響應振幅不僅在50 s以內實現快速收斂，且對應的振幅相對于對照組而言更加平穩。綜合上述測試結果可知，本研究所提出的繼電保護在線整定方法具有良好的實際應用效果。

3 結論

本研究提出的基于卷積神經網絡的主網繼電保護在線整定方法，借助卷積神經網絡能夠自動地從大量的數據中學習和提取特征的技術優勢，實現對不同類型故障和不同系統條件的針對性處理，表現出較強的泛化能力。結合系統故障的潛在規律和模式，能夠保障配電網繼電保護在閉環階躍響應方面的收斂性和可靠性。同時，希望本研究能夠為提高電力系統的安全性和穩定性提供有價值的參考。

參考文獻：

［1］王洋，張永伍，楊暢，等. 基于量子遺傳分析架構的分布式電網繼電保護定值優化方法［J］. 制造業自動化，2023，45（7）：184-188.

［2］何有良，韋金國，余仕丹，等. 基于Simulink的變壓器變斜率比率制動式差動保護仿真校核［J］. 紅水河，2023，42（6）：96-101.

［3］馬顯映，劉小狀，陳小松. 電流互感器磁飽和特性對繼電保護的影響及防范［J］. 電工技術， 2023 （22）：190-192.

［4］多吉次仁，郝興宏，蔣雙全，等. 含雙回線路并列運行的110kV電網繼電保護整定計算方案探討［J］. 大眾用電，2023，38（11）：36-37.

［5］徐宇，楊鵬杰，李磊. 基于改進海鷗算法的新能源接入配電網繼電保護定值優化方法［J］. 電工技術，2023（21）： 36-41.

［6］廖清陽，陳曉，王軍，等. 基于改進花授粉算法的配網繼電保護整定優化方法［J］. 粘接， 2023， 50（9）：183-186.

［7］程秀芝，程軍，關付生，等. 基于距離保護的輸電線路繼電保護設計研究［J］. 能源技術與管理，2023，48（5）： 36-38，55.

［8］黃磊，李梅. 基于CSM的含DG配電網自適應過電流保護優化整定計算［J］. 蘭州工業學院學報，2023，30（5）：54-60.

［9］霍耀佳，孫帆，馬莉，等. 考慮分布電容影響的煤礦供電系統漏電故障分析及定值整定［J］. 寧夏電力，2023 （5）：58-65.