試析智能變電站繼電保護狀態監測的一種模糊評估算法

摘 要：為了將智能變電站的繼電保護定期檢修的模式加以改變，就針對繼電保護裝置的故障情況進行監測信息的選取，從而將關于采集和分析繼電保護監測信息的方案和方法得以提出，再把模糊數學理論引入到其中，在模糊綜合評判思想的基礎上進行繼電保護裝配評估模型的建立。

關鍵詞：繼電保護；狀態評估；模糊綜合評判；在線監測

中圖分類號：TM76 文獻標識碼：A 文章編號：1674-7712 （2014） 24-0000-01

近幾年來，對于繼電保護狀態檢修方面，業內人士對其做出了大量的研究工作，智能變電站繼電保護檢修模式是定期檢修其裝置和二次回路接線，但是這種定檢方式受到了很大局限，它讓系統的可靠性降低了，但是卻將系統全壽命周期的成本增大了，讓其與電網發展要求越來越不適應，所以，需要對繼電保護狀態檢修進行工作的開展。

一、選取監測信息以及繼電保護在線監測的實現

如果要對繼電保護中增加的監測信息有哪些加以確定，就需要分析其繼電保護的故障情況。據有關數據統計發現，由于元器件和電源損壞以及含有縱聯通道的外回路故障都能造成繼電保護故障。元器件損壞大部分都是運行損耗和老化現象所導致的，老化的主要原因是受到自然和電氣環境的影響，在自然環境中可能是因為高溫而讓其裝置老化狀況加速，進而使其出現故障；電氣環境中可有可能是裝置電源紋波有較大的變化，進而讓元件和芯片受到損傷，老化程度加速。因此需要監控其裝置重要器件的CPU溫度，以及電源電壓。電源插件出現故障的主要是因為其電解電容出現故障所引發的，電解電容的壽命通常確定依據都是“十度法則”，即每降低10℃的溫度，就可以使其增大一倍的壽命。因為智能變電站中加以信息數字化的實現，讓外部回路中如絕緣和接觸不良的常見問題不存在了，將對外部回路檢測向光纖回路檢測轉變，所以要加強監視過程層光口和縱聯通道光模塊。繼電保護的在線檢測包括保護裝置、狀態評估單元以及監測分析單元，其中監測分析單元就是對保護裝置監測信息進行分析處理，還包括邏輯運算以及越限報警等。因為特性不同的檢測量，讓其對闕值的設置以及方法分析都會有錯差異。狀態評估單元就是利用站控層網絡進行監測分析單元數據的接受，然后分析出監測原始數據和處理結果，并加以評估，最后將其評估結果發送到主站系統中。

二、繼電保護狀態的模糊評估算法

為了讓評估指標盡可能的真實、全面將繼電保護運行狀態進行反應，并對其狀態評估可操作性進行考慮，除去檢測信息外，還要將裝置的歷史信息增設在其中，從而構建出繼電保護狀態評價體系，其中狀態參量有將光模塊光強、CPU溫度、電源溫度及電壓、定檢、正常動作率以及異常警告。

與繼電保護裝置中狀態參量模型所選取的特征量相結合，將其保護狀態分分別用七個評判項目代替，其因素集表示為U={U1，U2，U3，U4，U5，U6，U7}，同時也將繼電保護裝置運行狀態分成四種情況，即良好、一般、注意和嚴重，其評語集應該表示為V={V1，V2，V3，V4}。在對狀態參數進行選取后，就要結合其在指標間的重要性進行相應權重的賦予，就是在因素集U上在進行模糊子集A=[ai]的定義，這就是權重矩陣，其中ai是單因素Ui在總評上所起的權重，同時滿足于，： ，

對權重進行確定的方法有很多，例如專家評估法、加權平均法等，但是因為該種評估還在研究的起步階段，導致大量獲取具有明確評估結論的相關樣本存在一定困難，因此可以采用專家評估法。

設用第i個指標ui評估其繼電保護，那么rij（j=1，2，3，4）就是對評語集中狀態vi的隸屬度，在對按照指標ui評估結果就可以有隸屬度集Ri={ri1，ri2，ri3，ri4}來表示。對于將各個隸屬度在模糊評判矩陣中加以確定，就是模糊綜合評判方法的一個關鍵所在。利用隸屬函數來對隸屬度的模糊集合進行表達，對隸屬函數進行確定的方法有專家評判法、模糊統計方法以及待定系數法。就光強的隸屬函數來說，光模塊的光強相對劣化率就能將故障狀態與實際狀態進行相對程度的反映，光強相對劣化率的隸屬函數應該是典型函數，可選擇待定系數法進行隸屬函數的確定。在典型函數形式中，有三角形態分布、正態分布和梯形分布等，在這些函數中隸屬函數形狀較為簡單的便是梯形和三角形態分布，而且這兩種函數得出的結果與其它的隸屬函數之間具有較小的差別，所以，可以采用這兩種組合的分布函數，進而建立出對應于不同狀態等級的光強隸屬函數。同理，采用同樣的方法，通過典型函數表示其溫度歷史平均偏移量以及電源電壓偏移量的隸屬函數，這樣也能得到溫度與電壓的隸屬函數。

在對矩陣A和R進行模糊運算中可以得出 ，其中 是廣義模糊算子，其也有很多的選擇方式，例如加權平均型的綜合評判，也就是：

。

這種方法既能對繼電保護狀態受主要因素影響進行考慮，同時還能將單個因素的全部信息加以保留，這和實際情況比較相符合。通過模糊綜合評判就可以將bj=（j=1，2，3，4）的評估值得出后，通過最大隸屬度法，那么，其評判結果就可以取和最大評估值相對應的評判集元素vj；如果采用的是模糊分布法，其結果可直接取bj，這樣就能讓運維人員全面了解繼電保護狀態。

三、結束語

綜上所述，該種評判方法有效關聯了保護狀態信息和歷史記錄，這樣可以準確客觀的量化評估出繼電保護狀態，且其可操作性較強，能夠為機電保護狀態檢修給予有力的參考依據，當然在這其中，還需要對權重矩陣以及隸屬函數的準確性加以不斷提高。

參考文獻：

[1]劉永欣，師峰，姜帥，席亞克，宋寧希，張侖山.智能變電站繼電保護狀態監測的一種模糊評估算法[J].電力系統保護與控制，2014（03）：37-41.

[2]陳琛，陳波.變電站繼電保護狀態評估的研究[J].科技視界，2014（27）：276+348.

[3]盧孟杰.智能變電站繼電保護技術優化研究[D].華北電力大學，2013.

[4]解曉東.智能變電站繼電保護配置分析[D].山東大學，2013.

[作者簡介]曹杰（1982.07-），男，大學本科，助理工程師。