基于神經網絡的電力系統二次設備監測方法研究

史新新

（國電南瑞科技股份有限公司）

0 引言

二次設備作為智能電力系統的重要組成部分，承擔著對電力系統一次設備進行監測、控制、保護的任務，與電力系統中的電能并不發生直接關聯關系[1-2]。二次側設備主要包括電壓表、電流表、功率表等，主要負責采集一次側設備的運行數據，由此判斷智能電力系統的運行狀態[3-4]。二次設備數量的大幅度增加，對一次設備監測的準確性造成一定程度的影響。本文基于神經網絡模型對二次側設備采集到的運行數據進行分析，通過調整權值和閾值，有效剔除冗余數據，實現監測精度的提高，并且能夠對電力系統出現的異常情況進行快速的診斷，由智能電力系統做出相應的動作，保證電力系統的安全、可靠、穩定運行[5]。

1 二次設備數學分析

1.1 監測設備相關參數分析

監測設備相關參數包括電壓參數θ1、電流參數θ2、功率參數θ3、溫度參數θ4等，由于上述監測設備相關的參數單位是完全不同的，因此需要進行統一的標準化處理[6-7]，具體的處理方法為：

式中，Umn為進行過統一標準化處理后的參數；θmn為電流、電壓等相關參數；為θmn的平均值；σmn為θmn的方差值；U為參數的數量。

1.2 監測數據優化方法

為了對監測數據進行更有效的優化，需要對數據進行聚類處理，實現數據量的簡化。不同類型數據通過調整其歐式距離參數來調整聚類的具體標準[8]。本文在此基礎上進行優化，提出輪廓系數的概念，基于K-means方法，設定聚類中心，實現監測數據的聚類處理，并對不同類型數據的聚類等級SE進行合理劃分，完成監測數據的優化[9]，其中聚類中心診斷公式為：