基于高階累積量特征匹配的智能變電站網絡設備故障準確定位方法

劉春香 陶瑩

（國網安徽省電力有限公司蕪湖市灣沚區供電公司）

0 引言

隨著國家大力推進智能變電站建設，智能變電站在電力系統中占據著越來越重要的地位［1－2］。網絡設備作為智能變電站的重要組成部分，在智能變電站的運行中發揮了重要的作用［3－4］。智能變電站通信網絡結構復雜，組成網絡設備種類較多，容易出現問題，影響智能變電站的運行穩定性和可靠性［5］。因此對網絡設備的故障進行快速診斷和故障定位意義重大。本文深入研究了基于高階累積量特征匹配的故障診斷和定位方法，以實現對網絡設備故障的快速診斷和定位［6－7］。

1 智能變電站

1.1 智能變電站概念

智能變電站是采用先進的傳感器、信息、通信、控制、智能等技術，以一次側設備參量數字化、標準化、規范化信息平臺為基礎，實現變電站實時全景監測、自動運行控制、站外系統協同控制等功能，以達到提高運行可靠性、優化資產利用率、減少人工干預、支撐電網安全運行，可再生能源并網利用等目標的變電站［8］。其核心內涵為可靠、經濟、兼容、自主、互動、協同，并具有設備智能化、信息交換標準化、系統高度集成化、運行控制自動化、保護控制協同化、分析決策在線化等技術特點［9－10］。

智能變電站中的網絡設備應當配置光電式傳感器，數據傳輸介質是光纖，設備本身應當具備智能化功能。但是在實際中，智能變電站還是采用傳統的傳感器，具體原因是光電式傳感器技術不成熟、運用可靠性不高。智能變電站可以劃分為五個部分，其中應當包含過程層和網絡設備，這就能夠改變常規變電站數據共享的問題［11］。

1.2 智能變電站與傳統變電站對比分析

針對傳統變電站設備各自運行，缺乏數據交互的特點，導致整個變電站的系統缺乏標準性、系統性，不同的設備只根據企業自身情況制定通信協議，設備之間完全不存在互操作性［12］。傳統變電站和智能變電站在繼電保護方面也存在較大的差異，智能變電站中，繼電保護裝置普遍采用接插件的形式，性能優異，能夠很好地實現數據交互，提高了數據傳輸的可靠性和穩定性。進行系統歸納，自身要體現在如下幾個方面。

1）一次設備智能化：主要設備采用標準通信接口，將狀態檢測、測控保護、通信技術集于一體，能夠滿足電網電力流、信息流、業務流的一體化需求。

2）設備檢修狀態化：一次設備通過先進的狀態監測技術、可靠的評價手段、先進的預測方法判斷其運行狀態，并且在運行狀態異常時進行故障分析，對故障的部位、嚴重的程度和發展趨勢能做出判斷、預警，并根據分析診斷結果在設備性能下降到一定界限或故障發生之前進行維修。

3）傳統變電站功能由設備和回路共同確定：設備具備特定功能，且定義了外部的輸入輸出接口，在變電站建設時通過電纜回路實現了變電站需要的各種功能，此后變電站生命周期內重要工作就圍繞著這些設備和回路而展開；在智能變電站內，設備不再出現常規功能裝置重復的輸入輸出接口，而是通過網絡直接相連來實現數據共享、資源共享。

2 網絡設備故障診斷原理

智能變電站網絡設備故障診斷原理：

1）基于智能變電站電路拓撲結構和功能層拓撲結構，確定網絡設備故障定位的鏈路路徑；

2）基于智能變電站的實時監控系統，完成變電站的實時監控功能；

3）基于對智能變電站數據質量的要求提升，對智能變電站實時監控系統提出新的要求；

4）在智能變電站實時監控系統的主導下，配合多種網絡技術，實現網絡設備故障的快速診斷和定位。

一個數據源可以通過多條路徑連接至交換機，數據源之間又是相互獨立的［13］。在智能變電站網絡設備故障診斷和定位中，GOOSE通信傳輸可靠性高，整數倍的允許傳輸時間作為GOOSE通信中斷的診斷依據［14］。

3 網絡設備故障數據采集原理及診斷定位

3.1 網絡設備故障數據采集原理

對智能變電站網絡設備的故障診斷和定位，是基于對網絡設備的故障數據分析和故障特征提取實現的，必須要結合無線傳感器進行數據采集。網絡設備附近布置了許多傳感器節點，用于采集網絡設備的故障數據，全部的傳感器節點自主構成傳感器網絡，其網絡功能的實現主要表現在三方面，即：傳感器節點自身、不同傳感器節點對應的協議棧、傳感器節點匯聚。三方面因素協同配合，實現無線傳感器對網絡設備故障數據的采集。

3.2 故障診斷定位流程

基于信號處理的方法對網絡設備的故障信號進行辨識，提取出能夠反映網絡設備的故障數據；采集網絡設備的物理信息，再基于頻譜分析法對提取到的特征數據進行故障狀態識別，實現對故障特征數據的有效提取，將故障特征數據輸入到專家系統中進行智能診斷和定位。具體的故障診斷定位流程如圖1所示。

圖1 網絡設備故障診斷定位流程

將采集到的網絡設備故障數據進行時域到頻域的變換：

得到智能變電站網絡設備故障數據中的有效信息，再經過濾波算法進行特征提取，得到智能變電站網絡設備故障數據的輸出模型為：

式中，u＝1，2，…，m；s＝1，2，…，m。

對變電站網絡設備的物理信息進行有效采集，進行數據分析和特征數據提取，作為網絡設備故障診斷和定位的原始基礎數據。基于最小均方誤差準則進行濾波處理。

假設初始化數據的中心向量為：

式中，u＝1，2，…，n；v＝1，2，…，s。

由此提取出智能變電站網絡設備的故障頻譜，對于無線傳感器節點，則可以得到智能變電站網絡設備在故障情況下的綜合信息，其中在時域內智能變電站網絡設備的故障特征序列采樣點的數量為n，基于小波變換方法對智能變電站網絡設備的故障數據進行時域分解，經計算故障特征數據的對應函數，得到能夠反映出故障特征差異分布的協方差矩陣，最后得到智能變電站網絡設備的故障融合信息。

4 網絡設備故障診斷及定位方法

4.1 網絡設備故障數據頻譜特征提取

基于無線傳感器對網絡設備的故障數據進行采集并進行故障數據融合的前提下，進行故障特征數據的提取，并進行統計分析提取出能夠反映故障基本類型的特征變量，并得出與統計特征變量ω相關聯的特征函數，剔除其中的干擾噪聲信號，得到Js與Ψ（δ）的s階累積特征數據為：

假設智能變電站的網絡設備故障特征時間序列為零均值的s階高斯穩定過渡過程，在其中加入干擾變量進行測試，提取出故障頻譜特征數據的分布情況，將智能變電站網絡設備故障數據s階累積量定義為Jsω（π1，π2，…，πs－1），定義智能變電站網絡設備故障數據的隨機過程的s階累積量。

4.2 網絡設備故障定位策略

在計算出智能變電站故障頻譜特征數據的分布情況的前提下進行故障定位，計算得到變電站網絡設備的故障特征高階累積量特征數據，再基于高階反演特征量進行數據的分解，高階反演特征量為：

由此便可以得到能夠輸出智能變電站網絡設備故障信號分析模型，再基于高階累積量特征匹配方法進行故障特征數據處理，得到最終的故障定位結果為：

5 仿真實例分析

基于Matlab仿真環境下進行仿真研究，首先采用無線傳感器對智能變電站網絡設備在故障狀態下的數據進行采集，仿真模型中的參數設定為：故障定位的門限參數設定為0.2，自關聯系數設定為5，嵌入式維數設定為0.8，頻譜的增益參數為0.02，濾波器的參數設定為0.3，數據的采樣頻率設定為15kHz，故障數據的采集長度為1024，根據設定好的仿真環境參數，采集得到智能變電站網絡設備故障數據原始值。對智能變電站網絡設備故障數據原始值進行處理深度處理，提取出能夠反映出智能變電站網絡設備故障狀態的頻譜特征，再基于高階累積量特征匹配方法進行故障特征數據處理，得到最終的故障定位結果如圖2所示。

圖2 故障定位結果

分析圖2的故障定位結果可知，采用本文所提出的基于高階累積量特征匹配的故障定位方法，能夠實現快速準確定位，采用本文所提出故障診斷定位方法和傳統故障診斷定位方法對比結果如下表所示。

表 本文方法與傳統方法對比分析結果

6 結束語

為了實現對智能變電站網絡設備故障的準確診斷與定位，提高故障診斷效率，本文提出了一種基于高階累積量特征匹配策略的故障診斷定位方法。通過無線傳感器采集對智能變電站網絡設備的故障信號進行有效采集。通過科學的方法實現智能變電站網絡設備故障數據從時域到頻域的變換，再基于高階累積量特征匹配方法進行故障特征數據處理，最終實現故障的準確診斷與定位。經過仿真實例驗證，本文所提出的方法能很好地對智能變電站網絡設備故障進行診斷與定位，具有很強的應用價值，適宜進行大規模的推廣應用。