基于改進(jìn)機(jī)器學(xué)習(xí)的繼電保護(hù)定值智能校驗(yàn)研究

摘 要：【目的】電力系統(tǒng)運(yùn)行方式和控制策略的不斷變化，導(dǎo)致繼電保護(hù)定值方法也需不斷調(diào)整，以確保各種情況下的正確動(dòng)作。然而，在調(diào)整適應(yīng)的過(guò)程中其易受外界因素的干擾，導(dǎo)致定值校驗(yàn)的精度較低，因此，提出了基于改進(jìn)機(jī)器學(xué)習(xí)的繼電保護(hù)定值智能校驗(yàn)研究?！痉椒ā渴紫?，構(gòu)建繼電保護(hù)故障數(shù)據(jù)集，用于訓(xùn)練和優(yōu)化機(jī)器學(xué)習(xí)模型；其次，利用改進(jìn)后的機(jī)器學(xué)習(xí)方法建立繼電保護(hù)定值智能排序模型，自動(dòng)對(duì)保護(hù)定值進(jìn)行智能排序；最后，通過(guò)智能校驗(yàn)繼電保護(hù)定值，實(shí)現(xiàn)對(duì)電力系統(tǒng)故障的快速響應(yīng)和準(zhǔn)確保護(hù)?！窘Y(jié)果】實(shí)驗(yàn)結(jié)果表明，該校驗(yàn)方法能夠不受外界環(huán)境干擾，且繼電保護(hù)定值校驗(yàn)精度較高。【結(jié)論】采用該校驗(yàn)方法可以在提高校驗(yàn)精度的同時(shí)，確保電力系統(tǒng)的穩(wěn)定運(yùn)行。

關(guān)鍵詞：改進(jìn)機(jī)器學(xué)習(xí)；繼電保護(hù)定值；智能校驗(yàn)；電力系統(tǒng)

中圖分類號(hào)：TM73 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1003-5168（2024）16-0004-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.16.001

Research on Intelligent Verification of Relay Protection Setting Based on Improved Machine Learning

QIAN Yiming LIANG Chengming GONG Simin

（State Grid Shanghai Electric Power Company Fengxian Power Supply Company，Shanghai 201499，China）

Abstract： [Purposes] Due to the constantly changing operation mode and control strategy of the power system， relay protection setting methods need to adapt to these changes to ensure correct operation in various situations. However， in the process of adjusting adaptation， it is easily affected by external factors， resulting in low accuracy of fixed value verification.Therefore， the research on intelligent verification of relay protection setting based on improved machine learning is proposed. [Methods] Firstly， a relay protection fault dataset is constructed for training and optimizing machine learning models. Then， an improved machine learning method is used to establish an intelligent sorting model for relay protection settings， which automatically performs intelligent sorting on the protection settings. Finally， by intelligently verifying the relay protection settings， fast response and accurate protection against power system faults can be achieved. [Findings] The experimental results show that the proposed verification method is not affected by external environmental interference， and the accuracy of relay protection setting verification is high. [Conclusions] The use of the designed method ensures stable operation of the power system while improving calibration accuracy.

Keywords： improved machine learning; relay protection setting; intelligent verification; power system

0 引言

隨著電力系統(tǒng)規(guī)模的不斷擴(kuò)大和復(fù)雜性的增加，繼電保護(hù)定值校驗(yàn)的重要性日益凸顯。繼電保護(hù)定值是保護(hù)設(shè)備在電力系統(tǒng)發(fā)生故障時(shí)能夠正確動(dòng)作的關(guān)鍵參數(shù)，其準(zhǔn)確性和可靠性對(duì)電力系統(tǒng)的穩(wěn)定運(yùn)行至關(guān)重要。然而，傳統(tǒng)的繼電保護(hù)定值校驗(yàn)方法往往依賴于人工計(jì)算和試驗(yàn)，不僅效率低下，而且容易受到人為因素的影響，導(dǎo)致校驗(yàn)結(jié)果不夠準(zhǔn)確和穩(wěn)定［1］。因此，本研究提出了基于改進(jìn)機(jī)器學(xué)習(xí)的繼電保護(hù)定值智能校驗(yàn)方法，以提高校驗(yàn)結(jié)果的準(zhǔn)確性和效率。

1 構(gòu)建繼電保護(hù)故障數(shù)據(jù)集

從現(xiàn)有的電力系統(tǒng)運(yùn)行數(shù)據(jù)、故障錄波數(shù)據(jù)、保護(hù)動(dòng)作數(shù)據(jù)等中收集并整理出故障數(shù)據(jù)。在電力系統(tǒng)中，元件故障是一種很普遍的故障，可以劃分為3大類：輸電線路故障、母線故障和電力變壓器故障［2］。電力輸電線路故障類型見表1。

母線故障通常是由于母線接觸不良、短路等原因造成的，會(huì)導(dǎo)致整個(gè)電力系統(tǒng)的崩潰。電力變壓器故障類型見表2。

在電力系統(tǒng)中，集成式或分布式繼電保護(hù)網(wǎng)絡(luò)通過(guò)電壓、電流及其他關(guān)鍵傳感器，實(shí)時(shí)收集和分析電力系統(tǒng)各個(gè)元件的運(yùn)行數(shù)據(jù)，并將這些數(shù)據(jù)被匯總到專門的錄波裝置中，經(jīng)過(guò)初步處理后，再通過(guò)子站通信接口高效地傳輸?shù)街髡鞠到y(tǒng)［3］。在主站系統(tǒng)中，通過(guò)高級(jí)的數(shù)據(jù)采樣和處理技術(shù)，建立繼電保護(hù)的特征量與期望的數(shù)據(jù)集合。形成過(guò)程如圖1所示。

在完成數(shù)據(jù)集的構(gòu)建后，會(huì)獲得一個(gè)包含多傳感器信息和故障狀態(tài)的特征矩陣，這個(gè)特征矩陣包含n行，每一行代表一條記錄，每一條記錄都包含m個(gè)特征值，每一條記錄還對(duì)應(yīng)著k個(gè)狀態(tài)標(biāo)識(shí)，數(shù)據(jù)集Y的表示見式（1）。

[Y=XS=x11x12…x1mx21x22…x2m????xn1xn2…xnm Sk1Sk2?Skn] （1）

式中：X為繼電保護(hù)故障特征；S為繼電保護(hù)故障狀態(tài)。

通過(guò)這樣的矩陣表示，可以將復(fù)雜的電力系統(tǒng)數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化的信息，從而完成繼電保護(hù)故障數(shù)據(jù)集的構(gòu)建。

2 基于改進(jìn)機(jī)器學(xué)習(xí)建立繼電保護(hù)定值智能排序模型

考慮到卷積神經(jīng)網(wǎng)絡(luò)在處理空間范圍內(nèi)輸入數(shù)據(jù)時(shí)的出色預(yù)測(cè)性能，在模型構(gòu)建中融入這一深度學(xué)習(xí)工具，進(jìn)行機(jī)器學(xué)習(xí)的改進(jìn)。CNN通過(guò)卷積層時(shí)，模型會(huì)自動(dòng)從輸入數(shù)據(jù)中提取出關(guān)鍵特征。池化層可以保留重要的特征信息，降低數(shù)據(jù)的維度，減少計(jì)算量［4］。全連接層則可以將前面各層的輸出整合起來(lái)，形成最終的預(yù)測(cè)結(jié)果。CNN的基本結(jié)構(gòu)如圖2所示。

卷積層的運(yùn)算過(guò)程見式（2）。

[Xl+1i=fXl?Kl+1i+bl+1iXl+1=Xl+11⊕Xl+12⊕…⊕Xl+1N] （2）

式中：[Xl]為輸入數(shù)據(jù)；[Kl+1i]為卷積核向量的第i個(gè)元素；[bl+1i]為偏向性；[?]為卷積算子；[Xl+1i]為輸出的第i個(gè)值；l、l+1為卷積碼；[⊕]為數(shù)據(jù)累加；[Xl+1]為卷積后輸出值；f（·）為卷積函數(shù)；N為卷積核總數(shù)［5］。

在式（2）的計(jì)算過(guò)程中，將各卷積核元素[Kl+1i]按時(shí)間次序逐個(gè)與本征值[Xl]相關(guān)聯(lián)地運(yùn)算，并引進(jìn)濾波函數(shù)f（·）來(lái)非線性地轉(zhuǎn)換該特征。同時(shí)通過(guò)全連接層的方式，將獲得的特征映射[Xl+1i]進(jìn)行匯總和整合，輸出值為下一層的輸入[Xl+1]。然而，由于卷積計(jì)算產(chǎn)生的特征輸出維數(shù)通常較大，為了降低模型的復(fù)雜度，提高計(jì)算效率，引入池化函數(shù)，對(duì)高維特征向量進(jìn)行最優(yōu)降維處理見式（3）。

[Mlj=γωljgMlj-1+bl+1] （3）

式中：[Mlj]為第l個(gè)池化層中的第j個(gè)特征量；[γ]（·）為池化層中的活化函數(shù)；[g]（·）為池化層中的特征維度合成抽取函數(shù)；[ωlj]為系數(shù)。

將改進(jìn)機(jī)器學(xué)習(xí)的算法用于繼電保護(hù)定值的智能排序，建立優(yōu)化模型見式（4）。

[Fω， ξl， ξ*l=min12ω2+λl=1Lξl+ξ*ls.t.yl-ωTXl≤ξll=1，2，…， Lyl-ωTXl≤ξ*lξl， ξ*l≥0] （4）

式中：[Xl]為第l層輸入數(shù)據(jù)向量；[yl]為輸出結(jié)果；[ω]為支持向量機(jī)分類向量；[λ]為卷積和池化層提取特征的系數(shù)；[ξl]、 [ξ*l]為優(yōu)化過(guò)程中的松弛量。

訓(xùn)練和優(yōu)化該基于CNN的繼電保護(hù)定值智能排序模型，使其在電力系統(tǒng)出現(xiàn)故障時(shí)，保護(hù)系統(tǒng)能夠根據(jù)排序結(jié)果迅速作出反應(yīng)，并選擇合適的定值進(jìn)行保護(hù)操作，以最大限度地減少故障對(duì)系統(tǒng)的影響。

3 智能校驗(yàn)繼電保護(hù)定值

在電網(wǎng)整定過(guò)程中，繼電保護(hù)定值若設(shè)置不當(dāng)，可能會(huì)導(dǎo)致保護(hù)裝置在電網(wǎng)出現(xiàn)故障時(shí)無(wú)法正確動(dòng)作，威脅電力系統(tǒng)的穩(wěn)定運(yùn)行。因此，在上述構(gòu)建的繼電保護(hù)故障數(shù)據(jù)集和建立的繼電保護(hù)定值智能排序模型的基礎(chǔ)上，智能校驗(yàn)繼電保護(hù)定值。以變電站為例，該變電站的電力網(wǎng)架構(gòu)由高壓側(cè)A、低壓主側(cè)B和1-10線路組成。變電站線路如圖3所示。

由圖3可知，B側(cè)在電網(wǎng)中扮演著為上級(jí)的第一、二母線提供關(guān)鍵保護(hù)的角色，配備了專門的保護(hù)設(shè)施。為了確保這些保護(hù)設(shè)施在電網(wǎng)出現(xiàn)故障時(shí)能夠正確、迅速地動(dòng)作，利用已經(jīng)構(gòu)建好的繼電保護(hù)故障數(shù)據(jù)集和繼電保護(hù)定值智能排序模型，對(duì)B側(cè)的保護(hù)設(shè)施進(jìn)行故障模擬。通過(guò)模擬不同類型、不同嚴(yán)重程度的故障，觀察保護(hù)設(shè)施的動(dòng)作情況，并評(píng)估繼電保護(hù)定值設(shè)置的合理性。如果模擬結(jié)果顯示保護(hù)設(shè)施在某些故障場(chǎng)景下無(wú)法正確動(dòng)作，或者動(dòng)作時(shí)間過(guò)長(zhǎng)，則需要對(duì)定值進(jìn)行調(diào)整和優(yōu)化。繼電保護(hù)定值智能校驗(yàn)流程如圖4所示。

在線校驗(yàn)請(qǐng)求一經(jīng)發(fā)出，校驗(yàn)控制中心即刻啟動(dòng)任務(wù)組織流程，并進(jìn)行計(jì)算參數(shù)的初始化?？刂浦行母鶕?jù)預(yù)設(shè)的規(guī)則和要求，將校驗(yàn)任務(wù)分配給不同的計(jì)算節(jié)點(diǎn)，每個(gè)計(jì)算節(jié)點(diǎn)各自負(fù)責(zé)一部分計(jì)算任務(wù)，并通過(guò)調(diào)用校驗(yàn)服務(wù)來(lái)完成具體的校驗(yàn)計(jì)算工作。當(dāng)所有節(jié)點(diǎn)的計(jì)算任務(wù)完成后，校驗(yàn)控制中心收集并歸納這些計(jì)算結(jié)果，并通過(guò)合并處理，形成最終的校驗(yàn)結(jié)果和可能報(bào)警的信息。這些結(jié)果和信息隨后被發(fā)送至校驗(yàn)終端，并在報(bào)警頁(yè)面上顯示出來(lái)。至此，完成了繼電保護(hù)定值智能校驗(yàn)的研究。

4 實(shí)驗(yàn)

4.1 實(shí)驗(yàn)準(zhǔn)備

為了驗(yàn)證該方法在繼電保護(hù)定值校驗(yàn)方面的有效性，以某市電力系統(tǒng)為例進(jìn)行試驗(yàn)。通過(guò)電網(wǎng)局部拓?fù)浣Y(jié)構(gòu)圖來(lái)分析電流、電壓等電氣量的流動(dòng)情況以及故障發(fā)生時(shí)電流、電壓的變化情況，從而確定繼電保護(hù)的整定值。電網(wǎng)局部拓?fù)浣Y(jié)構(gòu)如圖5所示。

由圖5可知，待校核線路設(shè)為L(zhǎng)1，校核保護(hù)為電流保護(hù)。實(shí)驗(yàn)環(huán)境模擬一個(gè)額定電壓為110 kV、額定電流為500 A的電力系統(tǒng)。為了驗(yàn)證繼電保護(hù)的定值校驗(yàn)，設(shè)定過(guò)電流繼電器的動(dòng)作電流整定值為標(biāo)稱電流的1.2倍，動(dòng)作時(shí)間整定值為0.5 s。為了準(zhǔn)確記錄繼電器的動(dòng)作情況，設(shè)置1 000 Hz的采樣頻率來(lái)采集電流和時(shí)間的數(shù)據(jù)。實(shí)驗(yàn)環(huán)境參數(shù)設(shè)置具體情況見表3。

4.2 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本研究所提方法的優(yōu)越性，將本研究方法與線性回歸分析方法和基于專家系統(tǒng)方法按照上述實(shí)驗(yàn)準(zhǔn)備進(jìn)行對(duì)比實(shí)驗(yàn)，對(duì)比這3種方法的定值校驗(yàn)精度，得到的結(jié)果見表4。

由表4可知，本研究方法在繼電保護(hù)定值校驗(yàn)精度上相較于線性回歸分析方法和基于專家系統(tǒng)方法具有顯著優(yōu)勢(shì)。在5種不同的故障類型中，本研究方法的定值校驗(yàn)精度普遍高于其他2種方法，平均調(diào)整精度達(dá)到了約98.6 %，遠(yuǎn)高于線性回歸分析方法的86.3 %和基于專家系統(tǒng)方法的91.4 %。這一結(jié)果表明，本研究方法在處理復(fù)雜的繼電保護(hù)問題時(shí)，能夠更加準(zhǔn)確地計(jì)算和調(diào)整保護(hù)定值。具體來(lái)說(shuō)，在斷線故障、三相短路和兩相短路等故障類型中，本研究方法的調(diào)整精度均超過(guò)了98 %，表現(xiàn)出極高的準(zhǔn)確性和可靠性。即使在單相接地短路和兩相接地短路等較為復(fù)雜的故障類型中，本研究方法也能保持較高的調(diào)整精度，顯示出強(qiáng)大的適應(yīng)性和魯棒性。

5 結(jié)語(yǔ)

本研究成功地將經(jīng)過(guò)優(yōu)化和改進(jìn)的機(jī)器學(xué)習(xí)算法應(yīng)用于繼電保護(hù)定值校驗(yàn)中，顯著提高了繼電保護(hù)校驗(yàn)的準(zhǔn)確性和效率。然而，在研究中也發(fā)現(xiàn)了一些不足之處。因此，在未來(lái)將繼續(xù)深入研究以下幾個(gè)方面：第一，探索更加先進(jìn)的機(jī)器學(xué)習(xí)算法，以提高模型的泛化能力和處理復(fù)雜場(chǎng)景的能力。第二，研究更加有效的數(shù)據(jù)預(yù)處理技術(shù)，以進(jìn)一步提高數(shù)據(jù)的質(zhì)量和可用性。第三，加強(qiáng)與電力系統(tǒng)的合作，將研究成果應(yīng)用于實(shí)際工程中，以驗(yàn)證其有效性和實(shí)用性，為電力系統(tǒng)的智能化發(fā)展貢獻(xiàn)更多力量。

參考文獻(xiàn)：

［1］龍瑞華，蘇禹寧，柯其志，等.含分布式電源配電網(wǎng)繼電保護(hù)定值核校方法［J］.電氣開關(guān)，2023，61（6）：60-63.

［2］韓學(xué)軍.基于深度學(xué)習(xí)和改進(jìn)潮流介數(shù)的繼電保護(hù)定值智能校驗(yàn)方法［J］.電子器件，2023，46（5）：1442-1448.

［3］龍瑞華，張希，吳重沛，等.基于大數(shù)據(jù)分析的配網(wǎng)繼電保護(hù)定值校核方法［J］.電氣開關(guān)，2023，61（5）：53-56.

［4］王懷璧.基于數(shù)據(jù)融合的配電網(wǎng)繼電保護(hù)定值校核方法［J］.機(jī)械工程與自動(dòng)化，2023（5）：184-185，188.

［5］凌文明.基于大數(shù)據(jù)的新能源電站繼電保護(hù)定值校核方法［J］.自動(dòng)化應(yīng)用，2023，64（9）：218-220.