基于神經(jīng)網(wǎng)絡(luò)下柔性直流混合輸電線路故障測距的思考

程孟晗

（中國礦業(yè)大學(xué)，江蘇 徐州 221000）

我國東南沿海城市所開展的智能電網(wǎng)建設(shè)工程引起了全國的矚目，該電網(wǎng)建設(shè)工程是我國著名的柔性直流輸電示范工程，在電力技術(shù)的研究中，這種類型的柔性直流輸電工程利用電纜、架空線路彼此混合，實現(xiàn)纜線混合技術(shù)的全新應(yīng)用，不僅能夠?qū)崿F(xiàn)多能源并網(wǎng)，同時也可以幫助配電網(wǎng)有效實現(xiàn)增容。運用神經(jīng)網(wǎng)絡(luò)技術(shù)進行故障測距，將是其運行過程中重要的安全保障。

1 柔性直流輸電故障分析

1.1 柔性直流輸電故障產(chǎn)生

雖然在當前階段智能電網(wǎng)建設(shè)當中，柔性直流輸電技術(shù)作為“主力軍”，擁有多個方面的突出價值，但是在應(yīng)用過程中也表現(xiàn)出缺陷。首先，相比于傳統(tǒng)的輸電線路，柔性直流輸電線路的損耗較大。在相關(guān)的數(shù)據(jù)對比中也可發(fā)現(xiàn)，傳統(tǒng)輸電線路的單站損耗約為0．8%，而柔性直流輸電線路的單站損耗能夠超過1．5%，其中尤以三電平拓撲的vsc線路最為顯著，其單站損耗高達2．2%；其次，柔性輸電線路的容量相對較小，受到小容量的影響，其內(nèi)部的關(guān)斷器件所形成的電壓和電流的額定值全部偏低，且遠低于晶閘管的額定值。目前投產(chǎn)的柔性直流輸電工程最大容量不足1000MW，僅為傳統(tǒng)輸電線路的六分之一。

受到缺陷因素的影響，柔性輸電線路的固有頻率也相對特殊，其所發(fā)生的故障也多是由于其固有頻率所導(dǎo)致的。在以往的故障發(fā)生時，柔性輸電線路的故障位置所存有的行波會形成異動，并在系統(tǒng)側(cè)與故障位置之間進行循環(huán)反射，這種反射過程被稱為“故障行波”。故障行波是柔性輸電線路中一種獨特的諧波，并且具有固定頻率，這個固定頻率可以有衰減系數(shù)、波速度、故障距離以及反射系數(shù)計算求得。

1.2 柔性直流輸電故障特征

與一般傳統(tǒng)的輸電線路相比，柔性直流輸電線路的母線出線較少，同時電壓能夠保持恒定，因此其暫態(tài)信號十分豐富，在進行故障位置確定以及故障測距時，需要通過對其內(nèi)部所擁有的固有頻率進行判斷，才能夠準確獲取母線并聯(lián)的行波衰減情況。而在智能電網(wǎng)的裝配中，線纜混合狀態(tài)的柔性直流電路十分普遍，在不同的環(huán)境當中，行波所呈現(xiàn)出的波速差異大，其中輸電線路所擁有的物理邊界會受到電纜或架空線路的影響發(fā)生偏移，因此傳統(tǒng)的公式計算法并不能夠準確地對故障距離進行有效判斷，本文主張選用先進的神經(jīng)網(wǎng)絡(luò)方法對故障距離和故障位置信息進行獲取。

現(xiàn)階段電網(wǎng)當中的線纜混合柔性電路種類較多，其中較為復(fù)雜的柔性輸電線路為B型混合線路，是指架空線-電纜-架空線的組合方式。在這種模式當中，行波可能會出現(xiàn)在架空線一段，也有可能出現(xiàn)在架空線二段，甚至?xí)霈F(xiàn)在電纜線中，由于其所出現(xiàn)的位置不固定，其實際的故障距離也會出現(xiàn)較大偏差。但在柔性輸電線路中，固有頻率可以組成等間隔頻譜，神經(jīng)網(wǎng)絡(luò)能夠通過頻譜當中主頻、定頻的形態(tài)對故障情況進行充分判斷，從而獲取故障位置信息。

2 神經(jīng)網(wǎng)絡(luò)的搭建

2.1 神經(jīng)網(wǎng)絡(luò)的框架和互聯(lián)

神經(jīng)網(wǎng)絡(luò)實際上是一種拓撲網(wǎng)絡(luò)，通過網(wǎng)絡(luò)拓撲結(jié)構(gòu)使各個處理單元、處理節(jié)點的彼此連接，這種彼此連接的互聯(lián)模式所構(gòu)成的網(wǎng)絡(luò)被稱為神經(jīng)網(wǎng)絡(luò)。當然，神經(jīng)網(wǎng)絡(luò)的節(jié)點互聯(lián)并不是無限制的彼此連接，在連接過程中，還會受到設(shè)計者關(guān)于層次要求、全互聯(lián)要求的影響，進行外部神經(jīng)網(wǎng)絡(luò)環(huán)境的構(gòu)造。神經(jīng)網(wǎng)絡(luò)從所處的神經(jīng)環(huán)境當中獲取信息，再通過信息處理將信息回饋到所處環(huán)境之中去，最終構(gòu)成整個神經(jīng)網(wǎng)絡(luò)的框架。一般來說，神經(jīng)網(wǎng)絡(luò)的搭建需要具備三個單元，分別為輸入單元、隱含單元以及輸出單元。其中輸入單元是與外界環(huán)境進行信息獲取的接受單元，隱含單元則是神經(jīng)網(wǎng)絡(luò)之中進行信息處理的單元，在完成信息處理之后，則由輸出單元將信息回傳至外部環(huán)境之中，形成神經(jīng)網(wǎng)絡(luò)與外界環(huán)境的聯(lián)系。隨著研究的不斷深入，現(xiàn)階段的神經(jīng)網(wǎng)絡(luò)也越發(fā)復(fù)雜化，相較于早期的簡單網(wǎng)絡(luò)構(gòu)成，現(xiàn)階段神經(jīng)網(wǎng)絡(luò)所形成三層網(wǎng)絡(luò)模型能夠?qū)θ魏魏瘮?shù)進行映射，從而提升神經(jīng)網(wǎng)絡(luò)的計算分析能力。

2.2 三層前饋型BP網(wǎng)絡(luò)的搭建

作為對于人腦系統(tǒng)的抽象化模擬，神經(jīng)網(wǎng)絡(luò)主要借助非線性的可微函數(shù)對獲取到的信息進行映射，并展開權(quán)值訓(xùn)練。在眾多的訓(xùn)練方式當中，三層前饋型BP網(wǎng)絡(luò)具有突出的應(yīng)用價值，其不但可以對非線性的數(shù)據(jù)信息進行任意兩組的映射聯(lián)系，同時還具有非線性的逼近能力，提升容錯率。在線纜混合的柔性輸電線路故障測距當中，故障出現(xiàn)時所形成的樣本數(shù)量巨大，其中故障類型、過渡電阻、故障線路模式、側(cè)運行方式等，都具有十分復(fù)雜的特殊性。為了能夠使這部分特殊性得到充分的運用和處理，最終獲取到精確的判斷結(jié)果，需要借由三層前饋型BP網(wǎng)絡(luò)，對影響因素進行集合，并形成訓(xùn)練樣本集。而為了避免由于樣本數(shù)量巨大、映射內(nèi)容過多所導(dǎo)致的收斂性差、學(xué)習(xí)效率低等問題，本文依托傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)進行了分布式的系統(tǒng)測距模型搭建。在模型中，BP神經(jīng)網(wǎng)絡(luò)依據(jù)功能需求形成了測距子模塊，子模塊包含數(shù)據(jù)信息處理、故障區(qū)域識別兩個功能，并與架空線路一段、架空線路二段以及電纜線三個部分保持連接，通過分析，獲得不斷位置的故障測距結(jié)果。

2.3 神經(jīng)網(wǎng)絡(luò)的硬件支持

為了能夠提升神經(jīng)網(wǎng)絡(luò)對于線纜混合柔性輸電線路的故障位置的判斷能力，本文在進行神經(jīng)網(wǎng)絡(luò)搭建時，對硬件進行了全面的要求和設(shè)計。截至目前，在關(guān)于神經(jīng)網(wǎng)路的搭建方面，已經(jīng)有了全硬件模式的構(gòu)想。所謂全硬件模式，是通過物理硬件的處理單元和信息通道完成與神經(jīng)網(wǎng)絡(luò)之間的彼此對應(yīng)。在神經(jīng)網(wǎng)絡(luò)之中，每一個神經(jīng)節(jié)點都有與之唯一對應(yīng)物理器件，這個物理器件在網(wǎng)絡(luò)當中充當模擬運算的放大器，實現(xiàn)并行，最終達到運算速度的提升。但是全硬件模式作為一種構(gòu)想，在現(xiàn)階段尚無法完全實現(xiàn)，其中網(wǎng)絡(luò)結(jié)構(gòu)的構(gòu)成往往需要數(shù)以萬計的微處理器相互連接形成網(wǎng)絡(luò)，因此很難在現(xiàn)實當中完成拓撲連接。基于這一特點，本文選用了可以對這一構(gòu)想進行模擬的neuroshell仿真系統(tǒng)，這個仿真系統(tǒng)所擁有的訓(xùn)練收斂網(wǎng)絡(luò)能夠依據(jù)用戶的實際需求進行編程，同時其用戶界面相對友好，能夠通過模塊顯示的方式，將神經(jīng)網(wǎng)絡(luò)當中的樣本輸入、網(wǎng)絡(luò)選擇，網(wǎng)絡(luò)訓(xùn)練以及結(jié)構(gòu)輸出表現(xiàn)出來。

3 故障測距的神經(jīng)網(wǎng)絡(luò)仿真

3.1 種子群優(yōu)化的BP網(wǎng)絡(luò)訓(xùn)練

BP網(wǎng)絡(luò)為了能夠?qū)崿F(xiàn)快速收斂，形成權(quán)值和閾值通過多層前饋網(wǎng)絡(luò)使神經(jīng)網(wǎng)絡(luò)得到調(diào)整，需要通過種子群優(yōu)化的方式進行訓(xùn)練，從而提升魯棒性能，避免陷入局部極小點。種子群優(yōu)化主要目的在于提升全局搜索性能，因此可以通過測距子模塊，將故障測距的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行重新的拓撲搭建，使其具有相應(yīng)的權(quán)值和閾值。在具體數(shù)目的權(quán)值和閾值之中，種子群的粒子所在的搜索空間則被限定，進而形成針對適應(yīng)度函數(shù)的實際輸出與期望值之間的差值運算。以架空線一段為例，其拓撲結(jié)構(gòu)中權(quán)值約為45個、閾值為10個，因此粒子的搜索空間變?yōu)?5維。BP網(wǎng)絡(luò)對優(yōu)化后的權(quán)值和閾值進行了1000次訓(xùn)練，得到學(xué)習(xí)率約為0．02，其中目標函數(shù)誤差低于0．0005，表明具有訓(xùn)練效率。

3.2 設(shè)計故障測距子網(wǎng)絡(luò)

線纜混合的柔性輸電線路當中，故障發(fā)生時會受到過渡電阻、端系統(tǒng)阻抗變化的影響，使故障定位變得十分模糊，因此在完成BP網(wǎng)絡(luò)訓(xùn)練之后，需要通過建設(shè)故障測距子網(wǎng)絡(luò)，使三層BP網(wǎng)絡(luò)能夠形成復(fù)雜線性函數(shù)逼近，最終使樣本量得到全面壓縮，形成神經(jīng)網(wǎng)絡(luò)收斂。在建設(shè)過程中，故障子網(wǎng)絡(luò)的建設(shè)需要依據(jù)線纜混合柔性輸電線路的故障特征進行分別制定。本文以單相接地故障為例進行了測距的故障子網(wǎng)絡(luò)設(shè)計。在柔性輸電線路中，單相接地故障發(fā)生時，故障相的電壓開始出現(xiàn)下降趨勢，電流則隨之上升。因此在這一過程中會出現(xiàn)故障相電壓、電流以及零序電流三個故障量。依據(jù)故障周波的數(shù)據(jù)間隔進行取點，每30°進行取值可以獲得12個數(shù)據(jù)，并與零序電流的采樣點相結(jié)合形成24個輸入節(jié)點，通過隱藏層的分析，可以得到42個節(jié)點，其中每一個輸出節(jié)點都可以視作為一個故障距離。因此在訓(xùn)練網(wǎng)絡(luò)當中可以進行故障點的沿線選擇，設(shè)定為步長10km的兩段母線故障。同時在100Ω電阻范圍內(nèi)，接地過渡則為四種形態(tài)，對端系統(tǒng)中阻抗的最大運行方式有三種情況，兩側(cè)電勢夾角也有三種情況，訓(xùn)練樣本為21×4×3×3=756個，通過計算機進行訓(xùn)練收斂計算，收斂時間仿真為0．9h。

3.3 神經(jīng)網(wǎng)絡(luò)仿真的故障測距誤差分析

為了能夠準確判斷神經(jīng)網(wǎng)絡(luò)在柔性輸電線路當中的測距準確度，本文對B型輸電線路中架空線一段、架空線二段以及電纜線分別進行了過渡電阻的故障設(shè)定，過渡電阻為30Ω和50Ω兩組，并與真實的故障距離進行對照，了解誤差情況。其中，架空線一段中，30Ω過渡電阻故障真實故障距離為3608m，神經(jīng)網(wǎng)絡(luò)測距為3600m，標準誤差為8m，50Ω過渡電阻故障真實距離為18630m，神經(jīng)網(wǎng)絡(luò)測距為18600m，標準誤差為30m。架空線二段的故障測距中，30Ω過渡電阻故障真實故障距離為103．38km，神經(jīng)網(wǎng)絡(luò)測距為103．31m，標準誤差為70m，50Ω過渡電阻故障真實距離為118．73km，神經(jīng)網(wǎng)絡(luò)測距為118．5km，標準誤差為230m。在電纜線的故障測距中，30Ω過渡電阻故障真實故障距離為81693m，神經(jīng)網(wǎng)絡(luò)測距為81600m，標準誤差93m，50Ω過渡電阻故障真實距離為85554m，神經(jīng)網(wǎng)絡(luò)測距為85600m，標準誤差為-46m。通過數(shù)據(jù)對比可以看出，神經(jīng)網(wǎng)絡(luò)在實際的柔性輸電線路故障測距中，精準度較高，所有測距標準誤差均能控制在1%以內(nèi)，效果十分理想。

4 結(jié)語

綜上所述，神經(jīng)網(wǎng)絡(luò)作為一種模擬人腦思維的分析網(wǎng)絡(luò)，通過優(yōu)化訓(xùn)練的方式能夠形成對于事物樣本的判斷，從而提升判斷準確性。在線纜混合的柔性輸電線路中，通過神經(jīng)網(wǎng)絡(luò)的三層前饋型BP網(wǎng)絡(luò)的優(yōu)化訓(xùn)練，可以有效提升故障測距的判斷精度，提高輸電線路的運行安全性。