基于D- S 的特高壓換流站設(shè)備故障診斷模型的建立與運(yùn)用

白 彥

（中國電建集團(tuán)北京勘測設(shè)計研究院有限公司，北京）

引言

隨著社會經(jīng)濟(jì)的發(fā)展，對電力的需求日益增長，大量的電力設(shè)備需要進(jìn)行監(jiān)測，以確保電網(wǎng)的正常運(yùn)行和及時維護(hù)。由于電網(wǎng)設(shè)備類型眾多，在日常運(yùn)行維護(hù)過程中會產(chǎn)生龐大的數(shù)據(jù)，這些數(shù)據(jù)構(gòu)成十分復(fù)雜，給電網(wǎng)企業(yè)運(yùn)維管理帶來極大挑戰(zhàn)。隨著電網(wǎng)數(shù)字化和智能化的發(fā)展，對電力設(shè)備的運(yùn)維也提出了更高的要求，但是目前的信息化管理與運(yùn)維業(yè)務(wù)之間的融合度普遍不高，各項運(yùn)維業(yè)務(wù)之間的缺乏足夠有效的溝通大，導(dǎo)致運(yùn)維工作變得十分法中，大大降低了電力設(shè)備的管理效率，因而有必要通過智能化改造來實現(xiàn)設(shè)備的精細(xì)化管理，從而提升電力設(shè)備運(yùn)行維護(hù)的效率[1-3]。

換流站是特高壓直流輸電工程的關(guān)鍵設(shè)備，對于我國西電東送戰(zhàn)略的實施具有重要意義，如何保證換流站在運(yùn)行過程中的穩(wěn)定與安全，成為當(dāng)下的一個熱門研究話題[4]。本文基于數(shù)據(jù)融合和D-S 證據(jù)技術(shù)，提出針對換流站設(shè)備的故障診斷模型，以期能為換流站設(shè)備的故障診斷提供可靠手段。

1 換流站簡介

換流站主要高壓直流輸點系統(tǒng)中交流電和直流電之間的相互轉(zhuǎn)換，充分確保電力系統(tǒng)安全和電能質(zhì)量要求，是±500、±800 千伏特高壓輸電工程的重要中轉(zhuǎn)站，有利于像西電東輸這種長距離輸電工程的電能保障。換流站內(nèi)按照設(shè)備功能的不同，可將其劃分為一次設(shè)備、二次設(shè)備以及輔助設(shè)備。一次設(shè)備主要用于電能的發(fā)輸配電，包括換流閥、換流變、直流場設(shè)備、交流濾波器、GIS 設(shè)備等，二次設(shè)備主要包括監(jiān)控和保護(hù)設(shè)備，如控制開關(guān)、測量儀器等，輔助設(shè)備主要包括水冷系統(tǒng)和消防設(shè)施。在換流站運(yùn)行過程中，依靠監(jiān)測系統(tǒng)可實現(xiàn)對油色譜、電氣量、過程量等多個指標(biāo)的監(jiān)測，通過監(jiān)測數(shù)據(jù)，可對換流站的運(yùn)行狀態(tài)進(jìn)行診斷。

2 故障診斷模型

2.1 信息融合技術(shù)

信息融合是通過多個傳感器對信息源進(jìn)行監(jiān)測，然后利用相關(guān)軟件算法對監(jiān)測信息數(shù)據(jù)進(jìn)行聯(lián)合、相關(guān)或者組合的技術(shù)手段，有效避免了單一信息源造成的誤差影響，從而得到更加準(zhǔn)確的目標(biāo)估計，實現(xiàn)對故障的精確檢測和排除，并為決策者提供最佳的處置方案。

信息融合的基礎(chǔ)是多傳感器，在數(shù)據(jù)處理方式上也呈現(xiàn)多層次的特點，一般而言將數(shù)據(jù)融合劃分為三層結(jié)構(gòu)：數(shù)據(jù)層融合、特征層融合以及決策層融合。數(shù)據(jù)層融合是指直接在傳感器原始監(jiān)測數(shù)據(jù)上進(jìn)行處理和融合，并對其進(jìn)行特征提取然后提供決策的方法，包含的信息更細(xì)微，數(shù)據(jù)量損失相對較少；特征層融合是指先對監(jiān)測數(shù)據(jù)進(jìn)行特征（如油色譜、電氣量、過程量等）提取，然后再進(jìn)行特征級別的融合處理，這種方法可以降低數(shù)據(jù)的冗余性，提高計算速度；決策層融合是指在進(jìn)行特征提取后，對各個特征提取結(jié)果進(jìn)行獨(dú)立的決策分析，然后再對各個特征屬性的決策結(jié)果進(jìn)行融合處理得到最終的決策結(jié)果，該方法可以保證決策結(jié)果具有一致性，對傳感器和網(wǎng)絡(luò)傳輸通道的依賴性小，具有較好的容錯性和時效性。

2.2 D-S 證據(jù)理論

D-S 證據(jù)理論由Dempster 及其他的學(xué)生Shafer提出并發(fā)展起來的一種不精確推理理論，該理論有兩大特點：一是可以滿足比貝葉斯概率論更弱的條件，二是具有能夠表達(dá)“不確定”和“不知道”的能力，基于D-S 證據(jù)理論的合成診斷模型見圖1。首先將故障初步診斷結(jié)果轉(zhuǎn)換為證據(jù)體；其次定義各證據(jù)體的BPA分配原則；再次計算識別框架上的信任函數(shù)和似然函數(shù)，并確定信任函數(shù)的下限和似然函數(shù)的上限；最后對證據(jù)體進(jìn)行融合，并輸出診斷結(jié)論。

圖1 D-S 合成診斷模型

2.3 D-S 故障診斷流程

基于數(shù)據(jù)融合三層結(jié)構(gòu)，構(gòu)建特高壓換流站設(shè)備的故障診斷模型。診斷模型整體流程為：（1） 對換流站中的設(shè)備進(jìn)行數(shù)據(jù)采集，然后對采集到的數(shù)據(jù)進(jìn)行缺失值填充、異常值處理、標(biāo)準(zhǔn)化處理等預(yù)處理措施（統(tǒng)稱為數(shù)據(jù)清洗）之后，將處理過后的數(shù)據(jù)傳輸給數(shù)據(jù)級融合模塊；（2） 對預(yù)處理之后的數(shù)據(jù)進(jìn)行關(guān)聯(lián)融合，關(guān)聯(lián)融合分為兩類：一是同類數(shù)據(jù)之間的關(guān)聯(lián)分析，二是異類數(shù)據(jù)之間的關(guān)聯(lián)分析，然后將融合之后的數(shù)據(jù)傳輸給特征級融合模塊；（3） 對關(guān)聯(lián)融合之后的數(shù)據(jù)進(jìn)行特征降維，然后利用設(shè)備特征庫對換流站各個設(shè)備的故障進(jìn)行初步診斷，并利用多分類邏輯回歸將診斷出的故障按類型分別輸出到?jīng)Q策級融合模塊；（4） 將不同故障特征子集轉(zhuǎn)換為證據(jù)體，并將其輸入到D-S 證據(jù)理論中，按照D-S 證據(jù)理論相應(yīng)原則進(jìn)行融合，得到最終的故障診斷結(jié)果。

3 案列應(yīng)用

3.1 換流站概況

某換流站換流總?cè)萘繛? 000 MVA，該換流站包括28 臺換流變壓器、6 臺高壓電抗器、4 個直流雙極閥廳和16 組交流濾波器。對該換流站內(nèi)的換流變設(shè)備進(jìn)行了為期6 個月的監(jiān)測，監(jiān)測數(shù)據(jù)類型包括電壓、電流、甲烷、溫度、壓力等20 種。經(jīng)計算統(tǒng)計，監(jiān)測數(shù)據(jù)標(biāo)記的故障樣本共有2 805 條，將這些這些數(shù)據(jù)樣本作為實例進(jìn)行分析。

根據(jù)換流變的歷史故障類型，可將其劃分為繞組故障、鐵芯故障、放電故障、過熱故障以及絕緣油故障五類。造成繞組故障的主要因素包括電壓、電流、溫度、甲烷等，造成鐵芯故障的主要因素包括電壓、鐵芯接地電流、溫度等，造成放電故障的主要因素包括氫氣、甲烷、乙烷、溫度等，造成過熱故障的主要因素包括乙烯、甲烷、鐵芯接地電流等，造成緣油故障的主要因素包括徽水、氫氣、甲烷、二氧化碳等。

3.2 數(shù)據(jù)預(yù)處理

按照D-S 故障診斷流程，首先需要對監(jiān)測數(shù)據(jù)進(jìn)行預(yù)處理，在本次監(jiān)測數(shù)據(jù)中，共對123 條數(shù)據(jù)缺失值進(jìn)行了填充處理，對12 條異常值數(shù)據(jù)（傳感器漂移或者通訊異常所導(dǎo)致）進(jìn)行了剔除，然后對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，目的是消除不同類型數(shù)據(jù)量綱的差異性，使不同數(shù)據(jù)之間可以得到標(biāo)準(zhǔn)化數(shù)據(jù)。以氫氣、總的溶解可燃?xì)怏w含量、乙烯、鐵芯接地電流、分接開關(guān)油位、一氧化碳等種個數(shù)據(jù)為例，得到標(biāo)準(zhǔn)化處理之后數(shù)據(jù)頻率分布直方圖見圖2。

圖2 標(biāo)準(zhǔn)化數(shù)據(jù)頻率分布直方圖

3.3 數(shù)據(jù)融合與降維處理

經(jīng)數(shù)據(jù)預(yù)處理之后，剩余有效故障樣本數(shù)為2 793 條，然后利用這些故障樣本進(jìn)行數(shù)據(jù)關(guān)聯(lián)融合。在原始數(shù)據(jù)中，電氣量的維度為2，油色譜的維度為12，過程量的維度為6，經(jīng)同類數(shù)據(jù)融合和異類數(shù)據(jù)融合之后，數(shù)據(jù)維度由20 升至52，見表1。

表1 數(shù)據(jù)關(guān)聯(lián)融合維度變化

在如此高維度數(shù)據(jù)狀態(tài)下，對故障特征進(jìn)行提取和診斷會耗費(fèi)大量的時間，因此有必要對數(shù)據(jù)進(jìn)行降維處理，不同維度下信息保留率情況見圖3。從圖3 中可以看到：當(dāng)維度值≥35 時，數(shù)據(jù)的信息保留率可以達(dá)到99%以上，因此，將維度從52 降至35 后，再將其作為初步診斷模型的輸入特征維度值。

圖3 信息保留率與維度關(guān)系

3.4 多分類邏輯回歸初步診斷

當(dāng)完成數(shù)據(jù)融合和降維處理之后，需要對數(shù)據(jù)進(jìn)行多分類邏輯回歸初步診斷，見圖4。常用的多分類輸出使用softmax 函數(shù)，該函數(shù)僅適用于輸出類別為互斥的情況，但實際上電力設(shè)備的故障通常存在多個交叉輸出，因而本文采用多分類邏輯回歸（OvR LRs）來進(jìn)行故障分類處理。首先，將某一類故障看作是正樣本，將其余四種故障數(shù)據(jù)看作是負(fù)樣本；其次，利用LR 二分類計算得到該類型故障的概率Pn；再次，按照上述步驟依次得到物中故障的概率；最后根據(jù)故障概率，當(dāng)概率值大于該類故障的閾值時，將其列為診斷故障類型。

圖4 多分類邏輯回歸初步診斷流程

3.5 故障診斷結(jié)果

將2 793 條故障樣本的80%作為訓(xùn)練樣本，剩余20%作為測試樣本，對D-S、邏輯回歸以及集成樹三種分類方法下的故障診斷召回率進(jìn)行了統(tǒng)計，結(jié)果見圖5。從圖5 中可知：經(jīng)過多分類邏輯回歸初步診斷和D-S 證據(jù)融合之后，每一類故障的召回率均較傳統(tǒng)邏輯回歸和集成樹算法有一定程度提升，采用D-S 證據(jù)合成算法的故障診斷平均召回率為87.75%，采用邏輯回歸法的故障診斷平均召回率為85.6%，采用集成樹算法的故障診斷平均召回率為86.58%；當(dāng)采用單一的邏輯回歸分類算法時，由于只能處理線性可分?jǐn)?shù)據(jù)，因而對于非線性數(shù)據(jù)問題會存在欠擬合情況，因而故障召回率較低；當(dāng)采用集成樹分類算法時，對非線性問題處理比較好，但會存在過擬合情況，因而也會造成故障診斷召回率降低；當(dāng)采用D-S 數(shù)據(jù)融合算法時，不僅考慮了非線性問題，而且還考慮了不確定性因素的影響，在進(jìn)行融合時考慮了多個證據(jù)體的概率分配，因而可以得出更符合實際情況的綜合決策結(jié)果。

圖5 故障診斷召回率

4 結(jié)論

以特高壓換流站設(shè)備為例，提出基于數(shù)據(jù)融合和D-S 證據(jù)理論的故障診斷模型，構(gòu)建了包括數(shù)據(jù)層融合、特征層融合以及決策層融合的故障診斷模型，并將其應(yīng)用到實際工程中，分析結(jié)果表明：該方法較傳統(tǒng)邏輯回歸分類算法和集成樹分類算法的故障診斷平均召回率分別提升2.15%和1.17%，故障診斷率有明顯提升，可用于換流站設(shè)備的故障診斷。