鄧燕山，趙凱利，呂文超，白 杰，董 杰，高 嶺

(國網(wǎng)冀北電力有限公司唐山供電公司互聯(lián)網(wǎng)辦公室，河北 唐山 063000)

0 引 言

輸變電設(shè)備作為電網(wǎng)系統(tǒng)運行中的關(guān)鍵設(shè)備，其運行狀態(tài)直接決定了整個電力系統(tǒng)運行的安全性和穩(wěn)定性[1]，也決定了用電用戶能否正常使用。輸變電設(shè)備在運行的過程中，通常會受到多種因素的影響，比如電網(wǎng)波動、電網(wǎng)設(shè)備、紋波、噪音、電路等，除此還受一些主觀因素的影響，比如工作人員的職業(yè)技能等。輸變電設(shè)備的故障表現(xiàn)形式千變?nèi)f化，能夠給電力系統(tǒng)帶來無法衡量的危害，嚴重時，會使整個電力、電網(wǎng)系統(tǒng)處于癱瘓狀態(tài)。這就給企業(yè)生產(chǎn)、工業(yè)制造、商業(yè)用電、人類日常生活等都帶來了嚴重的影響[2]。

因此，在輸變電設(shè)備運行過程中，能夠有效地進行故障檢測就顯得十分必要。在現(xiàn)有技術(shù)中，通常采用檢測設(shè)備檢測電網(wǎng)信息情況，這種方式需要工作人員面對高壓工作的危險，并且檢測設(shè)備也容易在工作中由于自身精度、工作時間等原因造成老化，出現(xiàn)檢測不準確的情況[3]。這就給輸變設(shè)備的故障診斷帶來困難?；谶@種情況，該文采用一種新型的故障診斷方法以克服上述問題，用戶能夠借助于物聯(lián)網(wǎng)技術(shù)通過遠程控制中心實現(xiàn)輸變電設(shè)備的遠程故障診斷，并根據(jù)提取的物聯(lián)網(wǎng)數(shù)據(jù)特征進行故障分析。

1 故障診斷方案設(shè)計

在該文設(shè)計的方案中，將BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)模型融合行波定位方法實現(xiàn)輸變電的數(shù)據(jù)分析和位置定位[4]。采用BP神經(jīng)網(wǎng)絡(luò)模型相比于其他先進的神經(jīng)網(wǎng)絡(luò)模型的優(yōu)勢在于，從輸入到輸出都具有非常強的非線性映射能力，以任意精度逼近任何非線性連續(xù)函數(shù)，使得用戶根據(jù)訓(xùn)練的數(shù)據(jù)按照誤差逆?zhèn)鞑ニ惴ǚ磸?fù)進行訓(xùn)練，通過多層前饋網(wǎng)絡(luò)逐步逼近，具有較強的自學(xué)習(xí)和自適應(yīng)能力，能夠提高輸變電設(shè)備數(shù)據(jù)模型的精度。采用行波定位方法的優(yōu)勢在于，實現(xiàn)的方法簡單，應(yīng)用成本低、方法靈活。在定位過程中，實現(xiàn)的效率和精度都很高，有利于用戶實現(xiàn)輸變電設(shè)備的快速診斷。

該技術(shù)方案為基于物聯(lián)網(wǎng)構(gòu)建的診斷系統(tǒng)，在物聯(lián)網(wǎng)系統(tǒng)設(shè)計中，包括數(shù)據(jù)采集層、數(shù)據(jù)傳輸層、數(shù)據(jù)分析層和數(shù)據(jù)監(jiān)控層，如圖1所示。

圖1 故障診斷系統(tǒng)

在電網(wǎng)運行中出現(xiàn)的故障數(shù)據(jù)信息包含有網(wǎng)絡(luò)穩(wěn)態(tài)數(shù)據(jù)、電網(wǎng)參數(shù)數(shù)據(jù)、電網(wǎng)告警事件等，電路信息包含有電路中的頻率、電壓、電流、諧波電壓、諧波電流、電壓不平衡、電流不平衡、閃變、功率和功率因數(shù)；電網(wǎng)雜波干擾、振動、溫濕度、諧波干擾、異常事件等多項指標[5]。這些參數(shù)單純地依靠人工識別，則是一項非常繁重的工作。

該研究通過設(shè)置不同的數(shù)據(jù)層次實現(xiàn)多種類型的數(shù)據(jù)診斷。在數(shù)據(jù)采集層中，通過在電網(wǎng)電力系統(tǒng)中設(shè)置各種物聯(lián)網(wǎng)傳感器[6]，通過各種不同的傳感器采集數(shù)據(jù)信息，比如振動傳感器、諧波傳感器等，也可以通過采集電路采集電流中的電網(wǎng)數(shù)據(jù)信息，提取輸變電設(shè)備中的故障特征。由于電網(wǎng)系統(tǒng)中的數(shù)據(jù)大部分都是模擬信息，在具體應(yīng)用時，可通過A/D轉(zhuǎn)換單元將輸變電設(shè)備信號的模擬信號轉(zhuǎn)換為數(shù)字信號[7]，然后再進行下一步的分析或者計算。在數(shù)據(jù)傳輸層中，通過有線或者無線傳輸?shù)姆绞綄⑤斪冸娬驹O(shè)備中的信息傳遞到上一級單元。傳輸途徑包含有以太網(wǎng)、云平臺、RS485傳輸單元、GPRS網(wǎng)絡(luò)或者CDMA網(wǎng)絡(luò)等，傳遞到數(shù)據(jù)分析層進行數(shù)據(jù)分析或者計算。在數(shù)據(jù)分析層中，采用BP神經(jīng)網(wǎng)絡(luò)模型(back-propagation network)對電網(wǎng)中的大型數(shù)據(jù)庫內(nèi)的小類別數(shù)據(jù)進行計算[8]。在計算時，通過映射的方式處理輸變電設(shè)備中的電網(wǎng)故障信息數(shù)據(jù)類型的復(fù)雜非線性關(guān)系，通過行波定位的方法實現(xiàn)故障點位置的診斷，通過二者結(jié)合，實現(xiàn)電網(wǎng)系統(tǒng)中輸變電設(shè)備的數(shù)據(jù)信息診斷和故障位置診斷。使用戶能夠快速地實現(xiàn)故障信息的精確估計和檢測，進而獲得輸變電設(shè)備輸出信息的故障定位和診斷。診斷后的數(shù)據(jù)信息通過遠程數(shù)據(jù)傳輸端口傳遞到數(shù)據(jù)監(jiān)控層進行監(jiān)控，進而實現(xiàn)底層數(shù)據(jù)的物聯(lián)網(wǎng)傳遞，用戶無需在現(xiàn)場即可實現(xiàn)底層數(shù)據(jù)的遠程監(jiān)控。

2 關(guān)鍵技術(shù)設(shè)計

該文的創(chuàng)新點在于，將行波定位方法結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法模型來實現(xiàn)輸變電設(shè)備的故障信號診斷[9]。通過行波定位方法能夠?qū)崟r獲取輸變電設(shè)備中不同監(jiān)測節(jié)點的暫態(tài)電壓、暫態(tài)電流數(shù)據(jù)[10]，能夠?qū)崿F(xiàn)輸變電設(shè)備中不同故障點的精確定位，然后在此基礎(chǔ)上，再次使用BP網(wǎng)絡(luò)神經(jīng)算法模型，按照輸變電設(shè)備輸出數(shù)據(jù)誤差逆?zhèn)鞑ニ惴ㄟM行訓(xùn)練多層前饋網(wǎng)絡(luò)，進而通過大量的樣本學(xué)習(xí)，存貯輸變電設(shè)備數(shù)據(jù)的輸入-輸出模式映射關(guān)系，能夠?qū)崿F(xiàn)實時、在線映射故障信息[11]，使得輸變電設(shè)備輸出數(shù)據(jù)樣本中比較復(fù)雜的非線性關(guān)系變得顯而易見。大大提高了故障診斷的精確度，降低了數(shù)據(jù)誤差率。

算法數(shù)據(jù)模型如圖2所示。

圖2 故障診斷數(shù)據(jù)模型

2.1 行波定位方法

利用行波定位算法時，首先構(gòu)建出行波定位算法模型。下面通過原理，對其方法進行說明[12]。通常行波定位法包含有單端行波法和雙端行波法，該研究僅僅以單端行波法進行說明。在圖3中，假設(shè)輸變電設(shè)備在工作過程中，由L1、L2、L3組成的3條配電線路，將行波測量裝置設(shè)置在配電網(wǎng)線路上，還采用了FTU采集單元，對輸變電設(shè)備中的故障電流、電壓數(shù)據(jù)等進行采集，進而實時地獲取輸變電設(shè)備在輸電線路上的不同檢測節(jié)點的暫態(tài)電壓和暫態(tài)電流數(shù)據(jù)[13]。然后通過A/D轉(zhuǎn)換單元將電路中的模擬信息轉(zhuǎn)換成數(shù)字信號。

圖3 行波定位檢測構(gòu)架

當在輸變電設(shè)備上檢測到故障信號時，故障點將會源于電壓的突然增加，而后向外部發(fā)射故障行波信息[14]，在行波傳播過程中，由于受到外界的阻力，最后將行波發(fā)出反射和折射信息，行波方案原理圖如圖4所示。

圖4 行波方案原理圖

在輸變電設(shè)備運行過程中，行波的傳輸很容易在電網(wǎng)系統(tǒng)中的母線、電源、故障點等各種不同的位置發(fā)生折射或者反射現(xiàn)象[15]。那么在采用行波定位進行檢測電網(wǎng)中的故障點位置時間時，為了提高測量精度，需要多次測量，在不同的時間點反復(fù)測量，進而獲取最佳的測量點。下面結(jié)合圖4進行具體說明。

將第1次在電網(wǎng)中檢測到的故障行波的時間點記作t1時間點，將第2次檢測的故障行波的時間點記作t2時間點，則利用行波法計算時，故障行波能夠在t1和t2這2個時間點之間，先后在電網(wǎng)母線L以及多個故障點產(chǎn)生2次反射。那么故障點的位置計算，可以采用下列公式：

(1)

其中，L表示輸變站設(shè)備中故障點距離母線L的長度，字母v表示行波傳播的速度，t1和t2分別表示不同的時間點所檢測到的行波。通過公式(1)，可以計算出故障的距離。通過上述公式可以看出，計算輸變站設(shè)備中故障點距離，需要利用故障行波在不同故障點之間以及與輸變電設(shè)備中任意一端母線之間的傳播速度v和傳播時間(比如t1或t2)進行衡量。這種方法與行波速度以及行波傳播時間測量的準確性有很大關(guān)系。通過使用該方法，能夠在很大程度上提高輸變電設(shè)備在電網(wǎng)系統(tǒng)中的故障定位精度。

2.2 BP神經(jīng)網(wǎng)絡(luò)算法模型的應(yīng)用

在利用行波定位方法的同時，為了實現(xiàn)更高精度的訓(xùn)練，比如在包括輸電線故障、變壓器故障、直流系統(tǒng)故障、母線故障等因素引起的輸變電設(shè)備故障信息中[16]，以及包括電網(wǎng)數(shù)據(jù)中的頻率、電壓有效值、電流有效值、諧波電壓、諧波電流、電壓不平衡、電流不平衡、閃變、功率和功率因數(shù)；電網(wǎng)雜波干擾、振動、溫濕度、諧波干擾、異常事件等多項指標的故障因素中，如果在大數(shù)據(jù)庫中出現(xiàn)這些數(shù)據(jù)信息，利用常規(guī)技術(shù)就很難衡量。如果要進一步地提高診斷速度和準確率，則需要利用BP網(wǎng)絡(luò)算法模型對采集到的信號進行進一步的映射、處理。使采集到的輸變電設(shè)備故障信息樣本數(shù)據(jù)內(nèi)顯得較為復(fù)雜的非線性關(guān)系變得容易處理，其模型如圖5所示。

圖5 BP神經(jīng)網(wǎng)絡(luò)算法模型

圖5所示的數(shù)據(jù)模型包含三層，即輸入層、隱含層和輸出層。在輸入層中，通常輸入包括上述數(shù)據(jù)信息在內(nèi)的多種類型故障數(shù)據(jù)。在具體應(yīng)用上述數(shù)據(jù)模型時，通常通過調(diào)節(jié)BP神經(jīng)網(wǎng)絡(luò)模型中的權(quán)值或者閾值來調(diào)整模型輸出結(jié)果，繼而實現(xiàn)逐步逼近該模型輸出結(jié)果的目的，使得輸出誤差能夠達到最小[17]。

在對BP神經(jīng)網(wǎng)絡(luò)模型進行調(diào)整時，需要按照一定的公式進行，下面用以下公式調(diào)整輸出層權(quán)系數(shù)：

(2)

采用以下公式調(diào)整隱含層權(quán)系數(shù)：

(3)

另外，在不同的輸變電設(shè)備故障數(shù)據(jù)樣本中，由于輸入模式不同[18]，其對應(yīng)的二次型準確函數(shù)模型也不同，用以下公式表示：

(4)

對于N個輸變電設(shè)備故障信息樣本，采用以下公式表達總準確函數(shù)：

(5)

利用上述公式進行評定時，尤其是提取復(fù)雜輸變電設(shè)備故障類型信息時，在進一步提高學(xué)習(xí)精度方面，需要對采集到的輸變電設(shè)備樣本數(shù)據(jù)進行標準化[19]。在進行標準化處理時，如果在模型輸入的輸變電設(shè)備故障信息的種類有m個，樣本數(shù)量為N，則對于輸入數(shù)據(jù)xij進行標準化處理時，需要按照下列公式計算：

(6)

(7)

(8)

在上述公式中，i=1,2,…,N；j=1,2,…,m，Zij則為進行標準化處理后的數(shù)據(jù)。

標準化下公式可以為：

(9)

3 仿真試驗與分析

在進行驗證時，采用的仿真語言為VisualC#，硬件仿真系統(tǒng)為WindowsServer2015，數(shù)據(jù)庫管理系統(tǒng)軟件為SQLServer2015，Web服務(wù)器軟件為IIS6.0。首次對行波方法進行驗證，再對BP神經(jīng)網(wǎng)絡(luò)模型方案進行驗證。

3.1 行波方案驗證方法

采用行波方案進行驗證時，采用MATLAB仿真軟件對上述方案進行模擬仿真，模擬的場合是在國網(wǎng)冀北電力有限公司唐山供電公司，采用的數(shù)據(jù)模型為JMarti頻變參數(shù)模型，采用的線路為110 kV高壓配電線路。在進行行波試驗時，需要選擇一定長度的配電線路，假設(shè)長度L為100 km。試驗時，假設(shè)A點為故障點，M點為距故障點A的距離，記作L，在t=0.02 s時，在L的值為50 km、100 km或200 km的情況下進行試驗驗證。在將L值分別表示為上述不同的故障點距離的情況下進行模擬仿真。當L值為50 km時，在MATLAB模擬仿真環(huán)境下進行仿真，得出如圖6所示的波形圖，其中t1=0.348 ms,t2=0.652 ms，利用公式(1)可以計算出故障距離約為49.912 km。

圖6 L值為50 km時的行波示意圖

當L的值為100 km時，在MATLAB模擬仿真環(huán)境下進行仿真，得出如圖7所示的波形圖，其中t1=0.425 ms，t2=1.365 ms。利用公式(1)可以計算出故障距離，約為99.873 km。

圖7 L值為100 km時的行波示意圖

當L的值為200 km時，在MATLAB模擬仿真環(huán)境下進行仿真，得出如圖8所示的波形圖，其中t1=0.587 ms,t2=1.387 ms。利用公式(1)可以計算出故障距離，約為200.095 km。

圖8 L值為200 km時的行波示意圖

在L值分別為50 km、100 km或200 km的情況下進行試驗，其中當故障測試點為49.912 km時，測量距離為50 km，誤差率為0.176%，當故障測試點為99.873 km時，測量距離為100 km，誤差率為0.127%，當故障測試點為200.095 km時，測量距離為200 km，誤差率為0.048%。因此，采用行波定位方法進行試驗時，誤差精度較低。

3.2 BP神經(jīng)網(wǎng)絡(luò)模型仿真驗證

下面對BP神經(jīng)網(wǎng)絡(luò)模型進行仿真驗證。在進行驗證時，先介紹幾組公式：

準確率：

(10)

召回率：

(11)

(12)

最終得出FI值：

(13)

利用上述公式進行數(shù)據(jù)驗證，在眾多的數(shù)據(jù)類型中，挑選以下數(shù)據(jù)樣本：電壓、電流、紋波、負荷、諧波。分別選取20 000個不同的數(shù)據(jù)樣本進行驗證，并利用上述公式計算，得出以下數(shù)據(jù)集合。

通過表1可以看出，在所選擇的50 000份數(shù)據(jù)樣本中，在12秒時間內(nèi)，利用BP神經(jīng)網(wǎng)絡(luò)模型計算后的結(jié)果中，召回率分別為92.3%、92.6%、92.4%、92.3%和92.1%，正確率分別為94.3%、94.1%、94.5%、94.6%和94.4%，利用行波定位方法結(jié)合BP神經(jīng)網(wǎng)絡(luò)模型的整個數(shù)據(jù)模型的準確率平均數(shù)達95%以上，因此，該研究設(shè)計的方案具有較高的準確率。

表1 測試樣本數(shù)據(jù)計算

4 結(jié)束語

該研究通過結(jié)合行波定位方法和BP神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)對輸變電設(shè)備中故障數(shù)據(jù)的提取、融合、分析和計算，通過行波定位方法能夠使用戶實時地獲取電力配電網(wǎng)中輸變電設(shè)備的運行情況，使用戶基于得到的電力配電網(wǎng)記錄的波形情況，準確、快速地找到電網(wǎng)系統(tǒng)中發(fā)生故障的位置點。再利用BP神經(jīng)網(wǎng)絡(luò)模型算法進一步對定位后的數(shù)據(jù)進行更精確地學(xué)習(xí)和訓(xùn)練，對定位后的數(shù)據(jù)進行進一步的優(yōu)化，大大降低了誤差率，為輸變電提升工作效率、推動電網(wǎng)系統(tǒng)的穩(wěn)定運行提供了技術(shù)依據(jù)。該研究雖然在一定程度上具有技術(shù)進步性，但其適用性、兼容性仍舊是未來有待研究的重點。