基于長短期記憶網(wǎng)絡(luò)的電力數(shù)據(jù)整定計算平臺設(shè)計

王曉飛，馮小萍，程新宇，崔大林，花 鳳

（1.國網(wǎng)新疆電力有限公司，新疆烏魯木齊 830002；2.國網(wǎng)新疆電力有限公司伊犁供電公司，新疆伊寧 835000）

隨著我國特高壓電站、新能源電站和智能電網(wǎng)的迅速發(fā)展，各級電網(wǎng)的聯(lián)系日益緊密，對于繼電保護整定計算的相關(guān)方法提出了更高的要求。

人工智能技術(shù)的使用，可以減少電力系統(tǒng)的運營成本。智能化系統(tǒng)的應(yīng)用，例如專家系統(tǒng)、模糊邏輯、機器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)徹底改變了配電過程，這些系統(tǒng)為現(xiàn)代智能電網(wǎng)中的設(shè)計、仿真、故障診斷和容錯控制提供了有效工具。

該文提出了一種多方向長短期記憶（LSTM）模型。該模型對電網(wǎng)器件模型中的智能網(wǎng)絡(luò)數(shù)據(jù)集進行分類，預(yù)測電力系統(tǒng)的穩(wěn)定性并輔助決策相應(yīng)的應(yīng)對策略，且通過實驗論證了平臺的可靠性。

1 整定計算分析建模

該文通過分析不同類型的繼電保護整定計算，建立統(tǒng)一的模型，以實現(xiàn)高效、準確的電網(wǎng)數(shù)據(jù)計算平臺設(shè)計[1]。該設(shè)計考慮到以下問題，對模型進行了合理簡化：

1）換能器誤差不是永久性的，且取決于輸入信號的幅度、頻譜以及換能器的負載[2]。

2）通過近似廣義系數(shù)考慮直流瞬變的影響[3]。

3）對于一種通用的運行方式，受保護設(shè)備的參數(shù)是固定的[4]。

在合理簡化的基礎(chǔ)上，建模需要滿足下述要求：

1）模型需要獲取設(shè)備（發(fā)電機、電動機、變壓器、電力線、負載）的所有正常與異常運行狀況中的穩(wěn)態(tài)和瞬態(tài)頻譜[5]。

2）微分方程系統(tǒng)的精確計算方法，可以保證可接受的整定計算精度[6]。

在上述原則的基礎(chǔ)上，構(gòu)建了電子變壓器差動保護（TDP）和相位比較保護的數(shù)學(xué)模型，以實現(xiàn)對繼電保護過程中電流互感器與電壓互感器的模擬。TDP 數(shù)值模型，如圖1 所示。

圖1 TDP數(shù)值模型

Zload是電流互感器的負載，即串聯(lián)連接的中間互感器和頻率濾波器的傳遞函數(shù)。單級電流互感器的傳遞函數(shù)如下：

式中，Y1TAI和Y2TAI為電路分支的電導(dǎo)率；Ye1、Ye2和Ye3為電路節(jié)點的等效電導(dǎo)率；K1、K2、K3、K4和K5是TDP 模型的繼電保護參數(shù)確定的系數(shù)。

根據(jù)西門子電氣的7UT51、7UT61 的方法進行TDP 模型數(shù)值的設(shè)置，差分電流的拾取值如式（2）所示：

式中，IratedHV為電力變壓器高壓側(cè)的額定電流；Ibase為基本電流。

若系統(tǒng)中安裝補電器，則通過式（2）計算的差分電流閾值將被校正。高行程的拾取值如式（3）所示：

任意電力曲線的基點脫扣特性可由式（4）得出：

顯然，式（4）簡化了模型的復(fù)雜程度，而式（3）中使用的系數(shù)是由經(jīng)驗數(shù)據(jù)得出，且涵蓋了所有的標準情況。

2 LSTM數(shù)據(jù)分析平臺

在建立整定計算模型的基礎(chǔ)上，需對其進行準確、有效的分析。由于電力系統(tǒng)中的電氣設(shè)備數(shù)量種類繁多，同一類型設(shè)備參數(shù)多數(shù)不同并存在性能衰減。因此普通的整定計算方法難以應(yīng)對，通過引入長短期記憶網(wǎng)絡(luò)（LSTM）對模型數(shù)據(jù)進行分析[7]。

LSTM 具有類似于RNN 的鏈結(jié)構(gòu)，該鏈結(jié)構(gòu)具有多個神經(jīng)網(wǎng)絡(luò)模塊[8]。圖2 說明了選用的LSTM 體系結(jié)構(gòu)由不同的門組成（輸入門、輸出門和遺忘門）[9]，這些門對網(wǎng)絡(luò)傳遞的信息進行相關(guān)分析運算[10]。

圖2 LSTM體系結(jié)構(gòu)

輸入門it由域值范圍為-1～1 的tanh 函數(shù)組成，使用當(dāng)前輸入xt、參數(shù)Ct-1和ht-1。遺忘門ft使用sigmoid 函數(shù)和tanh 函數(shù)作為激活函數(shù)，遺忘門決定了保留來自先前輸出信息的多少[11]。若值為1，則數(shù)據(jù)將轉(zhuǎn)換到網(wǎng)絡(luò)中；若值為0，則數(shù)據(jù)將不會通過網(wǎng)絡(luò)傳遞。輸出門ot使用sigmoid 函數(shù)作為激活函數(shù)，取值范圍為-1～1[12]。在每個時間戳上，it、ot、ft通過下式計算：

傳統(tǒng)的LSTM 是雙向工作的，使用了兩個LSTM網(wǎng)絡(luò)[13]。一個LSTM 網(wǎng)絡(luò)用于向上和向下掃描，另一個LSTM 網(wǎng)絡(luò)用于左右掃描。第二個LSTM 網(wǎng)絡(luò)的輸入是第一個LSTM 網(wǎng)絡(luò)的總和[14]。與傳統(tǒng)的LSTM相比，該文采用的多LSTM（MLSTM）使用了兩倍數(shù)量的輸入門、輸出門和遺忘門，提高了準確性但增大了計算成本[15-17]。

引入門控循環(huán)單元（GRU），旨在處理LSTM 的短期內(nèi)存問題。GRU 沒有單元狀態(tài)，而是利用隱藏狀態(tài)來承載信息[18]。GRU 還包括兩個門：復(fù)位門rt和更新門zt，用以下等式表示：

其中，zt表示更新門，σ(·)表示sigmod 型函數(shù)，w、U和b是參數(shù)矩陣和向量，ht表示輸出向量，xt表示輸入向量。更新門負責(zé)決定必須刪除的信息和必須添加的信息，復(fù)位門負責(zé)確定要忘記的先前數(shù)據(jù)量。

提出的MLSTM 模型由4個一維空間LSTM 組成，以獨立地沿不同方向掃描每一列和每一行。在每個計算中，均會計算隱藏層并在輸出前將結(jié)果求和。垂直方向上的LSTM 網(wǎng)絡(luò)A中應(yīng)用兩個空間一維LSTM，其中在每個步驟中計算隱藏狀態(tài)并將結(jié)果相加。類似地，在水平方向上的LSTM 網(wǎng)絡(luò)B 執(zhí)行類似的操作。將A與B組合定義了多向LSTM，如圖3所示。

圖3 多向LSTM網(wǎng)絡(luò)

考慮到一維空間LSTM 的輸入數(shù)據(jù)特性，F(xiàn)L是每個空間位置的屬性向量。網(wǎng)絡(luò)在從上到下掃描時，用m,n的屬性響應(yīng)表示特征的維數(shù)，并由式（10）估計：

圖4 表示了一維MLSTM sigmod 函數(shù)的工作流程。為了處理隱藏層的數(shù)據(jù)，設(shè)計的MLSTM模型使用以下3 種方法，即正向傳播、求和及并置，如下所示：

圖4 一維MLSTM sigmod函數(shù)工作流程

3 實驗驗證

為了驗證基于長短期記憶網(wǎng)絡(luò)的電力數(shù)據(jù)整定平臺對電力系統(tǒng)穩(wěn)定的價值，通過設(shè)計實驗進行論證。

首先，使用電力數(shù)據(jù)分別對GRU、RNN 和LSTM以及該文設(shè)計的MLSTM 網(wǎng)絡(luò)就精確度、召回率與F1分數(shù)3 個指標來測試模型的有效性。該次設(shè)計的MLSTM 網(wǎng)絡(luò)在8 組不同數(shù)據(jù)集下進行實驗得到的精確度、召回率與F1分數(shù)如圖5 所示。

圖5 模型指標對比實驗

該實驗是在內(nèi)部和外部三相短路、內(nèi)部和內(nèi)部兩相與單相短路以及無載自耦變壓器的連接狀態(tài)下進行的。在實驗變電站110 kV 和10 kV 母線上的三相短路，以及220 kV 母線上的兩相短路狀態(tài)下，存在保護性誤跳閘。改變跳閘特性的參數(shù)可以消除錯誤的跳閘，如圖6 所示。

圖6 跳閘和故障特性

使用MLSTM 數(shù)據(jù)計算平臺分析可知，產(chǎn)生錯誤動作的主要原因是安裝在受保護的自耦變壓器側(cè)面的電流互感器的相移不均等，如圖7 所示。

圖7 A相電流不同側(cè)的波形圖

針對MLSTM 平臺分析的隱患原因，設(shè)計的保護配置如下：

1）對于相位A：差分的拾取電流Idiff=351.4 A，高設(shè)定跳閘的吸合值Idiff＞＞=5 120.4 A，曲線1 的跳閘特性斜率為1，曲線2 的跳閘特性斜率為1.5。

2）對于相位B：Idiff=426.7 A,slope1=1,slope2=1.5,Idiff＞＞=5 421.6 A,Ibasepoint2=1 066.75 A。

3）對于相位C：Idiff=376.5 A,Idiff＞＞=5 120.4 A,Ibasepoint2=941.25 A,slope1=1.1。

新參數(shù)設(shè)置下的輸出特性，如圖8 所示?？梢宰C明，經(jīng)過參數(shù)的重新設(shè)置未出現(xiàn)誤跳閘。

圖8 新參數(shù)設(shè)置下的跳閘和故障特性

4 結(jié)束語

隨著電網(wǎng)向著智能化、大型化發(fā)展，電網(wǎng)結(jié)構(gòu)日益復(fù)雜，傳統(tǒng)的電力數(shù)據(jù)整定計算方法難以應(yīng)對。該文通過建立電力器件的詳細模型，引入長短期記憶網(wǎng)絡(luò)對其數(shù)據(jù)進行分析。通過實驗可以發(fā)現(xiàn)，設(shè)計的平臺可以有效識別錯誤，并輔助制定應(yīng)對突發(fā)事件的策略。

在模型設(shè)計中，對器件模型進行了部分簡化。未來的工作將著重于研究如何使用時變模型，發(fā)現(xiàn)電力系統(tǒng)的更多安全問題，從而進一步提高該電力數(shù)據(jù)分析平臺的價值。