基于改進(jìn)BP網(wǎng)絡(luò)的數(shù)字化智慧電站故障預(yù)警系統(tǒng)研究

中圖分類號：TM744+.3;TP277 文獻(xiàn)標(biāo)志碼：A文章編號：1001-5922（2025）07-0179-04

Abstract：Inorder to solve the problems brought by thecomplexoperating environment，high load andunbalanced current of the power station，a fault detectionsystem fordigital smartpower station based on BP neural network was designed.Three hardware modules of station control layer，interval layer and process layer were included in the system，according to the modular design concept，the software program fordataacquisition，faultdetection andonline early warning were designed，and finalythe software program was added to thehardware system，the specific nformationof the power station fault was obtained throughthe fault recording device，thecause of the power station fault was diagnosed through the intelligent terminal，the corresponding alarm was sent out according to different reasons， and the detection and early warning of the power station failure wascompleted.Experimental results showed that the proposed method had better current acquisition effect and better fault location ability.

Key words：digital smart power station； BP neural network； fault recording device； fault detection

傳統(tǒng)電站故障檢測方法存在人力主觀性、盲區(qū)和延遲等問題，無法滿足現(xiàn)代高效、安全、可靠的電站運維需求[1]。而數(shù)字化智慧電站故障檢測系統(tǒng)通過引入先進(jìn)的數(shù)據(jù)采集技術(shù)、傳感器監(jiān)測以及人工智能算法等，能夠?qū)崟r、準(zhǔn)確地監(jiān)測電站設(shè)備和系統(tǒng)的狀態(tài)，及時發(fā)現(xiàn)潛在故障并提供精確的預(yù)警信息，有利于提高電站設(shè)備的可靠性和安全性，減少停機(jī)時間和損失，并為可持續(xù)能源的推廣和利用提供重要支持。尚棟等首先構(gòu)建電站水平多層級多準(zhǔn)則評價指標(biāo)體系，然后將粒子群算法與層次分析算法相結(jié)合，得到電站運行參數(shù)的綜合權(quán)重，最后在指標(biāo)體系中引入物元分析法，獲得綜合權(quán)重的不平穩(wěn)區(qū)間，完成電站的故障檢測[2]。該方法沒有修正權(quán)重與性能指標(biāo)之間的誤差，導(dǎo)致電流采集效果差。劉千寬等首先以電站的二次回路設(shè)計為基礎(chǔ)構(gòu)建二次回路模型，然后將電站運行參數(shù)的物理屬性與連接屬性相結(jié)合，形成建模對象和建模語言，最后通過建模工具獲得二次回路的變化趨勢，完成電站的故障檢測，該方法沒有定位出故障點的位置，不能實現(xiàn)故障有效預(yù)警[3]。丁建順等首先計算出電站運行電流的間隔計量，然后保證電站的分布式電源終端同步，以得到電站的跨間隔電能計量多維信息，最后將被動采樣和采樣曲線擬合算法投入到多維信息中，完成電站的故障檢測與預(yù)警[4]。該方法沒有采集電站中的電流等具體數(shù)據(jù)，導(dǎo)致故障定位能力差。

為了解決上述方法中存在的問題，本文設(shè)計一個基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字化智慧電站故障檢測系統(tǒng)。

1故障檢測系統(tǒng)硬件模塊設(shè)計

數(shù)字化智慧電站故障檢測系統(tǒng)采用數(shù)字化智慧通信平臺作為硬件系統(tǒng)，數(shù)字化智慧通信平臺主要由站控層模塊、間隔層模塊與過程層模塊構(gòu)成[5]，其平臺結(jié)構(gòu)如圖1所示。

站控層模塊主要由監(jiān)控主機(jī)單元、工作臺單元、遠(yuǎn)動機(jī)單元、信息保護(hù)單元、維護(hù)單元構(gòu)成。其中監(jiān)控主機(jī)單元與工作臺單元主要負(fù)責(zé)電站的監(jiān)控與智能管理；信息保護(hù)單元負(fù)責(zé)采集電站內(nèi)的故障信息；維護(hù)站單元則負(fù)責(zé)電站運行信息的維護(hù)；遠(yuǎn)動機(jī)單元主要負(fù)責(zé)將電站內(nèi)的運行信息傳至間隔層模塊。間隔層由保護(hù)裝置、測控裝置、故障錄波裝置構(gòu)成，該模塊不需要模數(shù)轉(zhuǎn)換器即可生成電站運行信息的數(shù)字信號。過程層作為數(shù)字化智慧通信平臺的核心模塊，主要由光電互感器、信號合并單元、智能終端構(gòu)成。光電互感器主要由分壓器、采集器、合并器構(gòu)成，數(shù)字信號經(jīng)該采集裝置采集后，經(jīng)合成裝置輸出為數(shù)字光信號。信號合并單元是連接光電互感器與智能終端的重要單元，通過將電流電壓信號的時間特性相結(jié)合，并提供給智能終端使用。智能終端中包含調(diào)度中心、智能檢測、故障預(yù)警等程序，主要負(fù)責(zé)下發(fā)調(diào)度指令與電站的故障檢測。

2故障檢測系統(tǒng)軟件設(shè)計

僅設(shè)計硬件模塊不足以完全實現(xiàn)電站運行故障的檢測，需要在此基礎(chǔ)上搭配軟件系統(tǒng)完成。

2.1 電站數(shù)據(jù)采集

站控層模塊通過構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)電站數(shù)據(jù)的采集，數(shù)據(jù)采集主要由2個階段組成，具體步驟如下：

（1）第1階段是根據(jù)當(dāng)前BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)和神經(jīng)元權(quán)值、閾值，分別通過隱藏層向后輸出神經(jīng)元，表達(dá)公式如下所示：

式中： h_q 為隱藏層神經(jīng)元； N 為輸入層節(jié)點數(shù)量； W_pq 為第 p 個神經(jīng)元的連接權(quán)值； g_p 為輸人量； α_q 為隱藏層中第 q 個閾值。

（2）第2階段是以BP神經(jīng)網(wǎng)絡(luò)的性能指標(biāo)為基礎(chǔ)，從輸入層向前推算其權(quán)值、閾值與性能指標(biāo)之間的誤差，并修正誤差，公式如下所示：

式中： β 為誤差； h 為期望輸出值。

（3）選取電站的輻照度作為BP神經(jīng)網(wǎng)絡(luò)模型的輸人變量，每個變量之間包含12個時間點。因此神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點數(shù)量為12，以此選取神經(jīng)網(wǎng)絡(luò)隱藏層的單元數(shù)量，公式如下所示：

式中： M 為隱藏層節(jié)點數(shù)量； k 為輸出層節(jié)點數(shù)量。

（4）經(jīng)由輸出層輸出的數(shù)據(jù)即為以采集日為單位容量的電站數(shù)據(jù)，此時完成電站數(shù)據(jù)的采集，公式如下所示：

式中： Q_p 為采集的電站數(shù)據(jù)； Q₁ 為電站的裝機(jī)容量； Q₂ 為采集裝置電站的裝機(jī)容量；8為采集數(shù)據(jù)的裝機(jī)容量。

2.2 電站故障檢測

將采集的電站數(shù)據(jù)輸入到故障錄波裝置中，得到具體的電站故障信息。具體步驟如下：

（1）電站中電流的突變屬于四元組問題，分別由電站線路編號、相別、突變時刻與突變情況構(gòu)成；

（2）將電站故障發(fā)生時的階段分為5部分：主動保護(hù)階段、失靈保護(hù)階段、后備保護(hù)階段、重合閘階段、保護(hù)永跳階段。但在電站的實際運行中，5種階段會產(chǎn)生重合現(xiàn)象，因此采用四邊形隸屬度函數(shù)對五階段的邊界作模糊處理[7]；

（3）將電站運行中的突變時刻映射到對應(yīng)時區(qū)中，得到電站的故障信息。

2.3在線警報

得到電站故障信息后，智能終端首先診斷電站故障原因，然后根據(jù)不同的原因發(fā)出對應(yīng)警報，具體步驟如下：

（1）針對電站突變下的警報標(biāo)識 c 特點對故障原因分類，主要包含斷路器故障、保護(hù)裝置故障、網(wǎng)絡(luò)通信故障等。

（2）生成候選原因假說。候選原因假說是根據(jù)警報處理規(guī)則分析出故障的發(fā)生原因，首先確定候選原因假說集合，并保證在同一個時間窗口[8]內(nèi)可接收一個故障的所有實時警報，公式如下所示：

式中： E_i 為第 i 個候選原因假說集合； x_j 為第 j 個實時警報； H_s 為時間窗口 s 內(nèi)的原因假說組； G 為原因假說組集合； m 為假說組個數(shù)。

（3）評估 H_s 的真實性。計算 H_s 所包含的期望警報發(fā)生率，若只有一個候選假說對應(yīng)的期望警報發(fā)生率滿足如下公式[9-11]，則說明該假說具備真實性。

式中： D 為警報發(fā)生率； y_s 為假說期望的警報個數(shù)。

（4）將實時警報與假說集合中的所有元素比較，如果某一報警沒有包括在該集合中，則為誤報；如果某個報警與一個網(wǎng)絡(luò)通訊類型的警報相關(guān)聯(lián)，則判斷該警報是由網(wǎng)絡(luò)通信故障發(fā)起的[12-14];若某警報與保護(hù)裝置關(guān)聯(lián)至同一設(shè)備，則判斷該警報是

由保護(hù)裝置故障發(fā)起的；若某警報與自檢保護(hù)關(guān)聯(lián)至同一設(shè)備，則判斷該警報是由斷路器故障發(fā)起的[15-18] 。

3 實驗與結(jié)果分析

3.1實驗環(huán)境與步驟設(shè)計搭建電站配電線路模型，如圖2所示。

在實驗中，設(shè)置電流采樣頻率為 4kHz ，以確保對電流波形中的細(xì)節(jié)進(jìn)行捕捉。為了模擬故障場景，選擇了一個持續(xù) 10s 的故障模擬時間段，用于模擬特定類型的故障情況。

基于搭建的電站配電線路模型與實驗環(huán)境，展開實驗研究，實驗步驟如下：

（1）設(shè)置實驗場景：確定電流采集點，具體為在母線、變壓器、發(fā)電機(jī)、輸電線路等處進(jìn)行電流采集；

（2）數(shù)據(jù)采集：啟動電流采集設(shè)備，在一段時間內(nèi)持續(xù)采集電流數(shù)據(jù)，將采樣頻率設(shè)定 4kHz ，以獲得足夠的數(shù)據(jù)。記錄下采集的數(shù)據(jù)，并確保數(shù)據(jù)的準(zhǔn)確性和完整性；

（3）方法對比：選取BP神經(jīng)網(wǎng)絡(luò)算法、二次回路方法和數(shù)字化跨間隔電能計量方法完成對比測試；

（4）指標(biāo)評價：將電流采集效果、故障定位能力作為評價指標(biāo)，對不同方法進(jìn)行評估和對比；

（5）結(jié)果分析與比較：根據(jù)實驗結(jié)果對不同方法的優(yōu)劣進(jìn)行分析和比較，得出結(jié)論。

3.2 實驗結(jié)果分析

3.2.1 電流采集效果

對比3種方法采集的電流與實際電流之間的差距，測試結(jié)果如圖3所示。

由圖3可知，BP神經(jīng)網(wǎng)絡(luò)算法采集的電流與實際電流基本一致；二次回路方法與數(shù)字化跨間隔電能計量方法采集的電流與實際電流相差較多，并且數(shù)字化跨間隔電能計量方法采集的電流上下波動較大。說明針對電站電流的采集，BP神經(jīng)網(wǎng)絡(luò)算法的采集效果強(qiáng)于二次回路方法與數(shù)字化跨間隔電能計量方法的采集效果。

3.2.2 故障定位能力

在電站配電線路模型中設(shè)置接地故障點、極間故障點等六處故障點。采用三種方法定位電站中的故障點位置，對比各個方法定位過程中產(chǎn)生的定位誤差。各個方法的誤差曲線如圖4所示。

由圖4可知，BP神經(jīng)網(wǎng)絡(luò)算法的誤差均小于二次回路方法及數(shù)字化跨間隔電能計量方法，說明在電站故障定位結(jié)果中，BP神經(jīng)網(wǎng)絡(luò)算法的故障定位能力強(qiáng)于二次回路方法與數(shù)字化跨間隔電能計量方法的故障定位能力。使用故障錄波裝置檢測故障前、后過程的各種電氣量的變化情況，有利于提高故障檢測精度，提高方法的故障定位能力。

4結(jié)語

目前電站故障檢測與預(yù)警存在電流采集效果差、故障定位能力弱等問題，為此提出基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字化智慧電站故障檢測研究，該研究構(gòu)建基于數(shù)字化智慧電站的控制系統(tǒng)。該系統(tǒng)首先設(shè)計出多個模塊組成的硬件平臺，其次設(shè)計出數(shù)據(jù)采集、故障檢測、在線警報等軟件程序。將其綜合后實現(xiàn)電站故障的檢測與預(yù)警，提高了電流采集效果與故障定位能力。

［1]李秀芬，李澤昊，趙建利.考慮平抑新能源電站功率波動和諧波治理的儲能系統(tǒng)控制策略研究［J].內(nèi)蒙古電力技術(shù)，2023，41（3）：16-25.

[2]尚棟，閻峻，周建中，等.基于物元分析法的數(shù)字化智能抽水蓄能電站建設(shè)水平評價［J].水力發(fā)電，2022，48（7） ：120-125.

[3]劉千寬，劉宏君，丁曉兵，等.服務(wù)于變電站數(shù)字化設(shè)計的二次設(shè)備建模技術(shù)研究[J].電力系統(tǒng)保護(hù)與控制，2021，49（2）：166-172.

[4]丁建順，張煒，周勝，等.數(shù)字化跨間隔電能計量系統(tǒng)的現(xiàn)場多維測試技術(shù)[J].電力科學(xué)與技術(shù)學(xué)報，2021，36（3） ：180-187.

[5]何佳熹，陳浩，褚國偉，等.智慧變電站防誤閉鎖裝置遠(yuǎn)程控制方法研究［J].電網(wǎng)與清潔能源，2022，38（8） ：75-81.

[6]張鴻皓，楊國華，鄭豪豐，等.基于多維特征分析的雙層協(xié)同太陽輻照度預(yù)測［J].太陽能學(xué)報，2022，43（8） ：143-149.

[7]何晨可，韋鋼，袁丁，等.計及充換放儲一體化電站的主動配電網(wǎng)故障恢復(fù)［J].電力系統(tǒng)自動化，2020，44（13） ：32-38.

[8］袁偉.一種基于物聯(lián)網(wǎng)技術(shù)的變電站智能監(jiān)控系統(tǒng)設(shè)計[J].粘接，2022，49（10）：185-189.

[9］鄭偉平.智慧電廠一體化大數(shù)據(jù)平臺的關(guān)鍵技術(shù)應(yīng)用[J].集成電路應(yīng)用，2021，38（10）：80-81.

[10]林洪，文雷，牛健飛，等.基于DCNN 技術(shù)的無人值守變電站智能監(jiān)測模型優(yōu)化設(shè)計［J].粘接，2023，50（10） ：150-153.

[11］馮躍，吳躍康，任杰，等.基于無線同步技術(shù)的數(shù)字化變電站二次系統(tǒng)新型測試方法［J].中國測試，2020，46（1） ：117-123.

[12]周東陽，劉愛君，王承文，等.電站三維數(shù)字化模型技術(shù)的研究與應(yīng)用[J].熱力發(fā)電，2020，49（1）：134-138.

［13]王智，楊茂濤，楊靜，等.數(shù)字化變電站合并單元自動誤差校驗技術(shù)及應(yīng)用[J].電測與儀表，2022，59（8）：133-138.

[14］劉立偉，劉美棋.智能水電站運檢應(yīng)用服務(wù)中心建設(shè)與實踐[J].大電機(jī)技術(shù)，2022（5）：83-88.

[15]REDISKE G，MICHELS L，SILUK J C M，et al. Manage-ment of operation and maintenance practices in photovol-taic plants：key performance indicators[J]. Internationaljournal of energy research，2022，46（6） ：7118-7136.

[16]MCMORLAND J，COLLU M，MCMILLAN D，et al. Oper-ationand maintenance for floating wind turbines：A re-view[J]. Renewable and Sustainable Energy Reviews，2022，163（7） ：112499.1-112499.

[17］莊莉，劉寶升，王秋琳，等.基于邊緣計算的變電站風(fēng)險預(yù)警管控系統(tǒng)設(shè)計［J].電子技術(shù)應(yīng)用，2023，49（4） ：92-97.

[18]李新海，徐寶軍，范德和，等.變電站設(shè)備狀態(tài)智能識別系統(tǒng)技術(shù)研究[J].電氣傳動，2021，51（24）：33-39.