基于改進神經網絡方法的繼電保護設備健康狀態預測方法

摘 要： 針對傳統繼電保護設備健康狀態評估方法不全面、依賴專家系統且缺乏相關預測方法的問題，在電力系統全時空量測的環境下，基于長短時記憶網絡提出繼電保護設備健康狀態預測方法。首先，提出繼電保護設備家族缺陷健康評估模型、老化評估模型、環境影響模型；其次，考慮到繼電保護設備的負載是其老化故障的主因，提出負荷時空分布預測模型；第三，在上述模型的基礎上，提出長短期記憶網絡的繼電保護設備健康狀態預測模型；最后，以實際電網為例對所提方法進行驗證，表明所提方法有效。

關鍵詞： 繼電保護設備; 健康狀態; 預測; 長短時記憶網絡

中圖分類號： TB9; TM774; TP309 文獻標志碼： A 文章編號： 1674–5124（2025）03–0123–08

0 引 言

依據國家電網公司2019 年“兩會”提出的“三型兩網”建設要求，并根據國調中心繼電保護專業“十三五”發展規劃：建設堅強的繼電保護物聯網是推進物聯網運行維護模式向精細化、數字化、網絡化、智能化方向發展，提高物聯網運維工作效率，提升繼電保護設備運維水平，也是電網安全、穩定運行的重要保障[1-2]。

對于繼電保護設備來說，以資產身份唯一編碼為基礎，以設備狀態全面感知為手段，應用移動互聯、人工智能等先進技術，進行數據挖掘、信息融合、分析評價，實現二次設備全壽命周期管理過程中的信息貫通，打造設備與設備、設備與人員、設備與環境緊密結合的泛在電力物聯網，能夠進一步提高運維人員的工作效率，實現繼電保護設備家族性缺陷核查智能化、精準化，實現繼電保護設備健康狀態功能校驗工作全程自動化。

對于繼電保護設備的健康狀態研究是電力系統安全運行的重要研究方向，國內外專家學者對此進行了深入的理論研究和實踐，提出了許多富有成效的成果，如文獻[3] 提出了繼電保護裝置的電源溫度的狀態設計了自動檢測方法，但沒有建立評估預測體系。文獻[4] 在此基礎上進行了改進，提出了隸屬度動態修正的狀態評估方法，并補充了輔助決策規則進行評判。文獻[5] 設計了繼電保護隱形故障的特征、產生原因，并對其機理進行風險評價方法，能夠較精確地反映繼電保護設備的故障發生概率。為了充分利用繼電保護設備的運行數據，提高健康評估準確率，文獻[6-7] 基于支持向量機的方法，提出了繼電保護設備的狀態評估系統。為了實現繼電保護設備的智能化自動檢測，文獻[8] 基于云策略和MMS 協議，提出了物聯網標簽的自動參數獲取方法，并能夠在測試過程中自動讀寫保護裝置的參數，能夠提升現場調試檢測的效率。近年來，為了充分利用繼電保護設備的多種信息，綜合判斷其狀態，文獻[9] 提出了基于變電站繼電保護設備的實時上傳信息，通過邏輯推理給出告警信息，能夠及時提供檢修決策。

基于以上研究和分析，為了能夠實時評估繼電保護裝置的健康狀態，實現預警，本文利用電力系統一、二次設備運行的數據，通過建立繼電保護設備家族缺陷健康評估模型、老化評估模型、環境影響模型，對繼電保護設備狀態實時評估，并基于人工智能理論中的雙向長短期記憶網絡，實現繼電保護設備的健康狀態預測。