電力系統繼電保護裝置多維度狀態評估法

汪洋

摘? 要：隨著電力系統的發展，繼電保護裝置已成為了其不可或缺的部分。新型微機保護裝置在二次設備中的大量應用對裝置可靠性提出了更高要求。而在停電檢修頻次受限情況下，傳統定期檢修策略的弊端逐漸暴露，對繼電保護裝置進行狀態評估以制定合理科學的檢修策略勢在必行。該文提出一種保護裝置多維度狀態評估法，在建立裝置多維度狀態量數據庫的基礎上，通過K近鄰算法對其進行訓練和識別，以實時識別裝置異常狀態。最后通過實驗對此方法進行了驗證。

關鍵詞：電力系統;繼電保護裝置;狀態評估;多維度

中圖分類號： TM77? ? ? ? 文獻標志碼：A

0 引言

近年來，由于繼電保護裝置家族性缺陷、硬件軟件故障、隱藏故障等導致的電網事故頻發[1]。傳統的定期檢修策略存在不需要檢修的裝置冗余檢修和需要檢修的裝置無法得到及時檢修的情況，更合理的檢修策略亟需提出。狀態檢修是根據裝置的健康情況來制定檢修計劃，而一個合理的裝置狀態評估方案是設備狀態檢修的基礎。

狀態評估在國內獲得了廣泛研究，在線評估能解決目前存在的諸多問題[2-3]，文獻[4]基于專業巡檢角度將裝置狀態參數分為檢測型、可靠性、失效風險和改進型共計4類狀態量，不同狀態量設定不同分值然后直接加權計算總分用于裝置狀態評估（加權評分法），文獻[5]提出了二次設備狀態評估的多參量模型及評估系統。

加權評分法用多個狀態量計算總分值來評估裝置狀態，但無法反映裝置局部狀態量的異常變化。而保護裝置故障往往是由于1～2個異常狀態量產生而造成的，故應對每一個狀態量進行監測。該文提出一種繼保裝置多維度狀態評估方法，收集保護裝置各個狀態量并通過K近鄰算法對其進行識別，一旦狀態量不滿足條件則識別保護裝置為異常狀態。

1 裝置狀態量多維度訓練方法

繼電保護裝置綜合狀態評估指標體系可參考文獻[2][5]，其狀態量主要包括差動電流、電壓、零序電流、零序電壓等測量量、通道誤碼、通道衰耗等保護通道信息及電源溫度、電源電壓紋波、電源電壓波動值偏差等電源模塊信息。一個狀態量視為一個維度，如差動電流就是其中一個維度。

該文主要采取的是多維度訓練法。對保護裝置可構建出多個維度的狀態量，確保每個狀態量特征信息可以當做獨立的分析維度。保護裝置正常運行時其狀態量應在一個區間范圍合理波動。

在正式進行機器訓練之前需要收集保護裝置相應的多維度狀態量，將其中安全條件下的極值（最大值、最小值）代入到監測系統當中形成相應的數據集。在完成相應的訓練之后，監測系統能夠獲取保護裝置相應的信息，并將其傳入數據集當中。將數據集當中2個極限值當作2個K點，具體工作中的數值會逐漸向這兩點接近。一旦實際值偏離K點過遠，監測系統就能識別為異常（K近鄰算法）。保護裝置內部各維度也按照此模式進行訓練，不管是何種維度出現問題都會及時識別。

如設定正常情況下裝置電源溫度額定值為T，那么裝置具體工作中的溫度一定是以T為中心進行波動，可以通過相應的數集對其進行表示，具體為：

X=[X-n，…，X-2，X-1，XT，X1，X2，…，Xn]

式中：X為裝置電源溫度數據集合，XT為裝置電源溫度額定值，Xn為裝置某一時刻下的溫度。

2 狀態評估試驗

2.1 觀察指標以及變量

以上述方案為基礎，將繼電保護裝置當作監測對象，獲取500 kV變電站繼電保護裝置2 000個工作日信息當作樣本數據，實施多維度訓練。將問題識別數、準確率作為關鍵性觀察指標。選取繼電保護裝置電源溫度、差動電流（簡稱差流）、通道衰耗（簡稱衰耗）、CPU溫度、CPU負荷率作為裝置多維度變量。

2.2 具體試驗過程

為了對評估方法的可靠性進行準確判定，試驗設定2組來進行，一組為單變量組，即只有一個變量變化，如只有差動電流變化;二組為多變量組，即有2個變量同時變化，如通道衰耗和差動電流變化同時發生。主要是以變電站已有的繼電保護裝置為對象進行，分別采用加權評分法和該文提出的多維度狀態評估法進行試驗。

單變量組試驗方法如下：

選差流、電源溫度2個維度變量實施模擬分析，固定其中一個維度。先保持溫度不變，對于差動電流進行調整，按照60%平均差流—80%平均差流—100%平均差流—120%平均差流—140%平均差流—160%平均差流—180%平均差流的順序各進行10次試驗，記錄問題識別數、準確率;之后保持差動電流不變，對于溫度進行調整，按照60%額定溫度—80%額定溫度—100%額定溫度—120%額定溫度—140%額定溫度—160%額定溫度—180%額定溫度的順序各進行10次試驗。同時記錄問題識別數、準確率。共計2組實驗，每組實驗進行70次，變量變化幅度較大。

多變量組試驗方法如下：分別選差流和衰耗、CPU溫度和負荷2個維度變量實施模擬分析。對于差流、衰耗進行調整，按照80%平均差流、80%平均衰耗—90%平均差流、90%平均衰耗—100%平均差流、100%平均衰耗—110%平均差流、110%平均衰耗—120%平均差流、120%平均衰耗—130%平均差流、130%平均衰耗—140%平均差流、140%平均衰耗的順序各進行10次試驗，同時記錄問題識別數、準確率;對于CPU溫度、CPU負荷率進行調整，按照80%平均溫度、80%平均負荷率—90%平均溫度、90%平均負荷率—100%平均溫度、100%平均負荷率—110%平均溫度、110%平均負荷率—120%平均溫度、120%平均負荷率—130%平均溫度、130%平均負荷率—140%平均溫度、140%平均負荷率的順序各進行10次試驗，同時記錄問題識別數、準確率。共計2組實驗，每組實驗進行70次，變量變化幅度較小但是兩個變量同時變化。

2.3 試驗結果

單變量組試驗加權評分法結果見表1。可知由于加權評分法是多維度狀態量的加權和，對一個狀態量變化的敏感程度不高，難以識別單狀態量變化的情況，故障識別準確率控制在60%以下，效果一般。單變量組試驗多維度狀態評估法結果見表2，可知故障識別率都在90%之上，精度相對較高。

加權評分法多變量組試驗結果見表3，可見2個狀態量變化時加權評分法提高了識別度。多維度狀態評估法多變量組試驗結果見表4，可見多維度狀態評估法對于多個狀態量同時變化且變化幅度較小時準確度有所下降。

3 試驗結論

從上述試驗結果可知，當繼保裝置單個狀態量變化幅度明顯時，多維度狀態評估法可以滿足識別要求，準確率在90%以上。但當繼保裝置出現兩個狀態量同時變化幅度相對減小時，此方法的準確度會下降。加權評分法對繼保裝置出現2個狀態量同時不明顯變化時擁有一定的識別準確率，但對僅有單個狀態量變化時準確率較低。

由于此方法建立在保護裝置歷年數據的基礎上，對數據依賴性較強，應在今后的具體工作中按照實際情況獲取不同類型監測對象相應信息，充分進行大數據收集以建立數據庫，進一步提升智能設備的訓練效果，加強監測系統識別能力，以免其錯誤判斷。如收集到電源模塊工作溫度最高為32℃，而某次正常運行溫度高于32℃，數據收集不全會導致監測系統的錯誤判斷為保護裝置故障。

4 結語

對于電力系統來說，繼電保護裝置對于其安全性、可靠性具有重要意義。該文提出了繼保裝置多維度狀態評估法，通過機器訓練形成裝置狀態量歷史數據的數據集，并采用加權評分法和多維度狀態評估法對繼電保護裝置進行了單變量組合及多變量組實驗，最后通過相應試驗結果對2種方法進行了評估。通過該文的介紹能夠對繼電保護裝置狀態評估提供一定的參考和幫助，對于提升繼保裝置可靠性、合理擬定檢修策略具有現實意義。

參考文獻

[1]熊小伏，陳星田，鄭昌圣，等.繼電保護系統狀態評估研究綜述[J]. 電力系統保護與控制，2014（5）：51-58.

[2]楊國生，戴飛揚，王文煥，等.基于灰度關聯法和 TOPSIS 法的繼電保護狀態評估綜合算法研究與應用[J].中國電力，2019（2）：94-103.

[3]王磊磊，王亞飛，侯念國，等.電力系統繼電保護裝置可靠性試驗與評估[J].自動化應用，2019（1）：127-128.

[4]國家電網有限公司.繼電保護狀態評估導則： Q/GDW 11285—2014[S]. 北京： 中國電力出版社， 2014.

[5]高磊，宋亮亮，楊毅，等.基于多參量模型的智能變電站二次設備狀態評估方法及應用[J].電力自動化設備，2018（10）：210-215.