基于多源判据的变电站二次设备故障自动化诊断研究.pdf

圆园23,38穴10雪基于多源判据的变电站二次设备故障自动化诊断研究DOI院10.19557/ki.1001-9944.2023.10.013曾乔迪袁陈煜敏袁蒋文辉袁梁书原渊南方电网数字电网科技渊广东冤有限公司袁广州 510520冤摘要院为了解决变电站二次设备故障诊断效率低尧精度差的问题袁该文提出一种基于多源判据的变电站二次设备故障自动化诊断方法袁建立变电站二次设备体系结构模型袁分析产生故障的根本原因曰采用支持向量机方法分类电力二次设备数据组袁通过主分量分析技术对电力信号降维曰结合阻抗值尧电流尧电压多源征兆测量阻抗判据值袁通过阻抗判断值诊断电路中是否有故障袁实现变电站二次设备故障自动化诊断遥 实验结果表明袁所提方法可以诊断出设备气体泄漏故障尧绝缘材料腐蚀故障尧电弧重燃故障袁且故障诊断准确率在85%以上遥关键词院变电站曰二次设备曰故障诊断曰支持向量机曰主分量分析技术曰广义变比曰电力信号降维曰多元分类器中图分类号院TP206+.3曰TH-39文献标识码院A文章编号院员园园员鄄怨怨源源渊圆园23冤10鄄园园57鄄园5Research on Automatic Fault Diagnosis of Secondary Equipment in SubstationBased on Multiple Source CriteriaZENG Qiaodi袁CHEN Yumin袁JIANG Wenhui袁LIANG Shuyuan渊China Southern Power Grid Digital Power Grid Technology渊Guangdong冤 Co.袁Ltd.袁Guangzhou 510520袁China冤Abstract院In order to solve the problems of low efficiency and poor accuracy in fault diagnosis of secondary equip鄄ment in substations袁a comprehensive diagnosis method for secondary equipment faults in substations based on multi鄄source symptoms is proposed.A structural model of secondary equipment in substations is established袁and the rootcauses of faults are analyzed.Using support vector machine method to classify power secondary equipment data sets袁and using principal component analysis technology to reduce the dimensionality of power signals.By combining theimpedance value袁current袁and voltage multi鄄source symptom measurement impedance criterion value袁the impedancejudgment value is used to diagnose whether there is a fault in the circuit袁and to achieve comprehensive diagnosis ofsecondary equipment faults in the substation.The experimental results show that the proposed method can diagnoseequipment gas leakage faults袁insulation material corrosion faults袁and arc reignition faults袁with a fault diagnosis accu鄄racy of over 85%.Key words院substation曰secondary equipment曰fault diagnosis曰support vector machines曰principal component analysis tech鄄nology曰generalized transformation ratio曰power signal dimensionality reduction曰multivariate classifier收稿日期院2023-04-13曰修订日期院2023-08-03作者简介院曾乔迪渊1988要冤袁男袁本科袁高级工程师袁研究方向为变电设备运行及检修管理尧可靠性管理曰陈煜敏渊1995要冤袁女袁硕士袁助理工程师袁研究方向为综合能源系统尧微电网尧变压器在线监测遥在电力系统中袁二次设备是确保一次设备正常工作和安全稳定运行的重要保证1遥 由于二次设备的种类和数量不断增加袁对继电保护装置故障诊断的任务也越来越繁重复杂遥 传统的继电保护故障诊断方法是利用变电站二次设备故障状态与其对比袁进而判断是否存在故障遥 随着二次设备种类和数量检测技术与数据处理57粤怎贼燥皂葬贼蚤燥灶 驭 陨灶泽贼则怎皂藻灶贼葬贼蚤燥灶圆园23,38穴10雪的不断增加袁现有方法对其故障诊断时存在不足尧诊断效果差遥 因此袁需要对当下变电站二次设备故障诊断方法进行改进和优化遥文献2利用关联规则挖掘算法计算二次系统故障报警信息袁进而与二次回路中的故障装置进行数据关联袁完成故障诊断袁但该方法无法判断出二次设备故障类型袁实际应用效果差曰文献3以深度学习的训练模式为基础袁建立一种循环神经网络的二次设备故障诊断方法袁但该方法没有考虑数据的特征完整性袁使电力数据诊断结果出现误差袁故障诊断效率低尧精度差遥根据以上故障诊断方法的缺点袁提出一种基于多源判据的变电站二次设备故障自动化诊断方法遥建立变电站二次设备体系结构模型袁分析产生故障的根本原因曰采用支持向量机判别预处理电力数据袁并通过主分量分析技术对电力信号数据降维袁从而完成变电站二次设备故障的自动化诊断遥 实验结果表明袁所提方法能够有效诊断电站二次设备中的多种故障袁诊断精度高遥1变电站体系结构模型构建在变电站实际应用中袁内部网络属于核心构成袁对变电站的运行有重要作用遥 变电站网络一般由一次设备层尧二次设备层与中心设备层构成遥 变电站网络中袁二次设备的应用决定了整个变电站的运行性能遥 构建的变电站二次设备体系结构如图 1所示遥结合图 1 的变电站二次设备体系结构可以分析出袁变电站被划分成间隔层尧站控层4和过程层53个部分遥 过程层结合智能设备完成变电尧输电等最基础的功能曰间隔层通过测控设备与保护设备承担核心任务曰站控层对整个变电站设备进行测量尧控制尧采集数据等任务袁且后续需要进行信息管理尧数据保护等工作遥 各部分之间相互配合袁构成了一个有机的整体袁以完成变电站内的测量尧信息共享和保护功能遥2变电站二次设备故障诊断2.1变电站二次设备数据预处理为了准确诊断变电站的二次设备故障袁需要对二次设备数据分类袁为此使用支持向量机方法6袁对变电站二次设备数据分类袁其分类过程院变电站二次设备数据特征向量从原始空间 Rm映射到高维空间 Rn中袁在高维空间7中寻找最佳超平面来实现对样本分类袁使得输入样本能够得到理想分类结果遥变电站二次设备数据复杂多样袁故障类型多元化袁难以精准分类袁因此袁需要建立一个多元分类器对变电站故障分析遥建立 k渊k-1冤/2 个变电站二次设备数据分类器袁使任意一个分类器都可以对变电站样本数据完成分类袁将二元分类器转换为多元分类器8袁输入变电站设备状态量信号袁其计算公式为yi=皂蚤灶w袁b员圆渊wmn冤T渊wmn冤+Ck蚤越员移姿imn蓸蔀b袁姿imn逸0渊1冤式中院wmn为分割的线性权重9向量袁且 wmn=咱w1mn袁w2mn袁噎袁w浊mn暂曰C 为正则化系数10曰姿imn为数据松弛变量11曰x 为变电站设备状态量信号曰i 为分量序列曰xi为设备状态量信号的第 i 个分量值曰b 为平面阈值曰n 为异常状态类别曰浊 为高维空间类别曰m 为输入变电站设备状态量信号维度曰yi为输入变电站设备状态量信号曰k 为分类器个数遥2.2变电站二次设备数据降维虽然分类后的变电站数据变得清晰袁但仍存在大量高维形式状态量袁无法快速准确识别故障袁需要对现场电力数据降维处理遥 在变电站二次设备多元分类器的基础上袁采用主分量分析技术12将高维输入数据转换到低维空间中袁设定有 p 个变电站二次设备样本数据袁二次设备样本所有数据都含有 d个变量袁建立 p伊d 的样本数据矩阵袁若原始能量为 d维向量袁降维后得到 p 维变量袁主分量分析技术将 p维向量重新排列袁获得线性无关的新变量院图 1变电站二次设备体系结构Fig.1Architecture of secondary equipment in substationGPS工作站1工作站2工作站猿站控层间隔层过程层保护测控电子管理电子管理保护测控变电站通讯变速箱智能单元变速箱智能单元检测技术与数据处理58圆园23,38穴10雪z1=yi渊a11x1+a12x2+噎+a1dxd冤z2=yi渊a21x1+a22x2+噎+a2dxd冤zp=yi渊ap1x1+ap2x2+噎+apdxd冤扇墒设设设缮设设设渊2冤新变量简化转换的表达式院z=yiAx渊3冤A=a11a12噎 a1da21a22噎 a2dap1ap2噎 apd杉删山山山山山山煽闪衫衫衫衫衫衫渊4冤当确定了新变量系数矩阵 A 后袁完成变电站二次设备数据的降维袁为后续变电站二次设备的故障诊断提供了有利条件遥2.3多源征兆的故障自动化诊断在状态检修的电力系统中袁变电站二次设备故障诊断需要处理的信息源较多袁不同的信息源之间存在着不同程度的关联关系袁从而形成了多源征兆遥多源征兆能够综合反映出设备运行过程中的主要故障特征袁如电流尧电压等遥 以电流尧电压为征兆建立测量回路的广义变比袁公式如下院NgI渊t冤=zI1渊t冤I2渊t冤渊5冤NgU渊t冤=zU1渊t冤U2渊t冤渊6冤式中院NgI为电流的广义变比曰NgU为电压的广义变比曰I1为高压侧电流曰I2为低压侧电流曰U1为高压侧电压13曰U2为低压侧电压遥 额定变比 N 是测量电路一次与二次的比值袁当变压互感器的额定变比为N=220/0.1袁可以计算出电流尧电压广义变比院NgI=NgINI=I1/I2NI渊7冤NgU=NgUNU=U1/U2NU渊8冤式中院NI为测量电路一次与二次的电流比值曰NU为测量电路一次与二次的电压比值遥结合变压器阻抗实际值14袁可以更好地分析变电站设备电路的故障情况袁变压器支路阻抗计算公式院Sc=U11-U12I1渊9冤式中院U11为变压器高压一次电压曰U12为变压器低压一次电压遥 利用相应的广义比获得一次电压袁变压器支路阻抗转换表达式院Sc=NgU1U21-NgU2U22NgII2渊10冤式中院U21袁U22为保护的二次高压电压和低压电压遥凭借变压器阻抗袁确定阻抗的标幺值表达式院Sg=ScSe渊11冤式中院Se为变压器阻抗遥 由于使用的为支路阻抗袁依据支路阻抗定义15袁获得阻抗判据值的计算公式院P=Sc-SeSe越Sg-1渊12冤式中院Sg为标幺值遥当测量电路工作正常时袁标幺值就会在小范围内变化袁变压器阻抗值 P 接近于零袁说明此时为正常运行状态曰若标幺值大幅度变化袁P值将高于正常值袁此时为故障状态遥 由此完成变电站二次设备故障自动化诊断遥 多源征兆的变电站二次设备故障自动化诊断的具体流程如图 2 所示遥3实验结果与分析为了证明基于多源判据的变电站二次设备故障自动化诊断方法的正确性袁 开展了实验验证研究遥实验对象为 750 kV 功率变电站采集的断路器运行状态监测数据袁为了更深入地研究变电站二次设备的故障袁 将变电站二次设备的故障分为常见的 3种类型院气体泄漏故障尧设备绝缘材料腐蚀故障尧电弧重燃故障遥选择马氏距离计算变电站二次设备故障信号特征向量与参考标准向量之间的差值袁 以 1%作为置信水平标准袁极限阈值为 50遥 没有异常的变电站二次设备信号如图 3 所示袁所有正常信号均在极限阈值之下遥图 2故障自动化诊断的具体流程Fig.2Specific flow chart of automatic fault diagnosis开始采集测量回路各支路的各相二次值变压器支路阻抗计算方程组方程有解钥YN依据支路阻抗定义获得阻抗判据值 P方程有解钥YN变压器阻抗值接近于零变压器阻抗值的广义变比将高于正常值变电站二次设备运行状态正常变电站二次设备运行状态存在故障结束检测技术与数据处理59粤怎贼燥皂葬贼蚤燥灶 驭 陨灶泽贼则怎皂藻灶贼葬贼蚤燥灶圆园23,38穴10雪通过图 4 的变电站二次设备的 3 种故障诊断综合结果可知袁以上变电站二次设备故障诊断结果袁所有马氏距离都高于极限阈值袁说明所提方法的故障诊断结果都为变电站二次设备数据袁符合预设故障袁说明了所提方法可以有效对变电站二次设备状态以及运行情况进行监测和分析遥为了进一步验证所提方法的故障诊断能力袁使用 UIR渊不确定信息比冤验证变电站二次设备的故障诊断准确度遥 UIR 故障诊断准确度表达式如下院UIR越N1N渊13冤式中院N 为告警数据次数曰N1为不确定的告警数据次数遥 统计 UIR 下的正确数值可以计算出不同方法的故障诊断准确率遥 通过所提方法与文献2关联规则挖掘算法尧文献3循环神经网络方法比较袁故障诊断准确度的对比结果如图 5 所示遥从图 5 的实验结果得出袁当数据中没有不确定告警消息时袁所提方法与循环神经网络方法尧关联规则挖掘算法的故障诊断准确率都为 1袁当 UIR 为2%时袁所提方法的故障诊断准确率仍高达 98%袁其他 2 种方法分别为 90%与 85%袁随着 UIR 值不断增加袁其他方法的故障诊断准确率都在大幅度下降袁而所提方法的故障诊断准确率仍保持在 90%以上遥为了更深程度地验证所提方法的故障诊断能力袁以故障诊断耗时为实验指标袁变电站二次设备故障诊断运行耗时对比结果如图 6 所示遥通过图 6 的故障自动化诊断耗时对比结果可知袁所提系统可以在最短的时间范围内完成变电站二次设备故障自动化诊断袁自动化诊断效率极高遥4结语为了提高变电站二次设备故障诊断效率和诊断精度袁本文提出一种基于多源判据的变电站二次设备故障自动化诊断方法袁通过支持向量机判别对图 3无故障的变电站二次设备诊断Fig.3Trouble鄄free diagnosis of substationsecondary equipment555045403530252015020406080100 120 140 160 180 200变电站二次设备数据极限阈值8007006005004003002001000020406080100 120 140 160 180 200变电站二次设备数据极限阈值渊a冤第 1 类变电站二次设备气体泄漏故障诊断40003500300025002000150010005000020406080100 120 140 160 180 200变电站二次设备数据极限阈值渊b冤第 2 类变电站二次设备电弧重燃故障8007006005004003002001000020406080100 120 140 160 180 200变电站二次设备数据极限阈值渊c冤第 3 类变电站二次设备绝缘材料腐蚀故障诊断图 4变电站二次设备的 3 种故障诊断综合结果Fig.4Comprehensive results of three kinds of faultdiagnosis for substation secondary equipment1.000.950.900.850.800.750.700.650.600.550.50012345678UIR/%所提方法循环神经网络方法关联规则挖掘算法图 5三种方法的故障诊断准确率结果Fig.5Fault diagnosis accuracy results of three methods检测技术与数据处理60圆园23,38穴10雪结合的方法在Yale 和 ORL 人脸库中有着较好的识别效果袁对光照具有较强的鲁棒性袁对光照不敏感袁同时对人脸的识别时间更短袁具备良好的可行性遥参考文献院1简讯.人脸识别技术综述J.电脑知识与技术袁2019袁15渊2冤院171-172.2李晓理袁张博袁王康袁等.人工智能的发展及应用J.北京工业大学学报袁2020袁46渊6冤院583-590.3叶浪.基于卷积神经网络的人脸识别研究D.南京院东南大学袁2015.4Dandashy T袁Hassan M E袁Bitar A.Enhanced face detection basedon Haar鄄Like and MB鄄LBP featuresJ.Social Science ElectronicPublishing袁2019.5Wu L袁Liu S.Comparative analysis and application of LBP faceimage recognition algorithmsJ.International Journal of Commu鄄nication Systems袁2019袁34渊2冤院1-14.6原晓佩袁陈小锋袁廉明.基于 Haar鄄like 和LBP 的多特征融合目标检测算法J.计算机科学袁2021袁48渊11冤院219-225.7文学志袁方巍袁郑钰辉.一种基于类 Haar 特征和改进 AdaBoost 分类器的车辆识别算法J.电子学报袁2011袁39渊5冤院1121-1126.8杨慧.基于 HOG 和 Haar鄄like 融合特征的车辆检测D.南京院南京邮电大学袁2013.9王庆伟.基于 Haar鄄Like T 特征的人脸检测与识别研究D.江门院五邑大学袁2014.10 Betcy Thanga Shoba V袁Shatheesh Sam I.A hybrid features ex鄄tractiononfaceforefficientfacerecognition J.MultimediaTools and Applications袁2020袁79渊31/32冤院22595-22616.11 万源袁李欢欢袁吴克风袁等.LBP 和 HOG 的分层特征融合的人脸识别J.计算机辅助设计与图形学学报袁2015袁27渊4冤院640-650.12 廖广军.复杂条件下的人脸检测与识别应用研究D.广州院华南理工大学袁2014.姻渊上接第 56 页冤图 6变电站二次设备故障自动化诊断耗时对比Fig.6Comparison of time spent in automatic faultdiagnosis of substation secondary equipment电力数据预处理袁完成二次设备数据分类袁并利用主分量分析技术对电力信号数据降维曰以阻抗值尧电流尧电压为变电站二次设备的多源征兆袁进行变压器阻抗测量袁通过广义变比完成了故障诊断袁实验结果表明了所提方法可以有效诊断电站二次设备中各种故障袁且故障诊断准确率高尧耗时短袁可为变电站运维人员提供有效的数据基础遥参考文献院1唐志军袁李泽科袁陈建洪袁等.考虑设备相关性的智能变电站二次系统可靠性分析J.福州大学学报渊自然科学版冤袁2021袁49渊6冤院782-789.2王鸣誉袁李铁成袁任江波袁等.利用 Apriori 算法实现变电站二次系统故障诊断J.电力系统及其自动化学报袁2021袁33渊11冤院145-150.3任博袁郑永康袁王永福袁等.基于深度学习的智能变电站二次设备故障定位研究J.电网技术袁2021袁45渊2冤院713-721.4窦仁晖袁任辉袁姚志强袁等.变电站国产化站控层服务协议设计J.电网技术袁2021袁45渊8冤院3268-3275.5杨贵袁吕航袁彭安袁等.智能变电站过程层网络流量分析及网络优化研究J.计算技术与自动化袁2021袁40渊2冤院176-183.6樊清川袁于飞袁宣敏.基于优化 Bi鄄LSTM 模型的电力变压器故障诊断J.计算机仿真袁2022袁39渊11冤院136-140.7孙文慧袁张海伦袁王雷.基于高维空间聚类的集中供热末端数据异常检测J.仪器仪表学报袁2021袁42渊5冤院235-2428栗磊袁王廷涛袁赫嘉楠袁等.考虑过采样器与分类器参数优化的变压器故障诊断策略J.电力自动化设备袁2023袁43渊1冤院209-2179杨晓伟袁刘相国袁陶有田袁等.广义加权线性模型选择的重对数律和强相合性J.统计与决策袁2021袁37渊4冤院53-58.10 刘鑫袁任海莉.基于 QPSO 正则化极限学习机的轴承故障诊断J.组合机床与自动化加工技术袁2021渊3冤院36-4011 王颖娟袁龚光彩袁石星袁等.惯量松弛因子在格子 Boltzmann 方法中的应用J.工程数学学报袁2021袁38渊2冤院195-206.12 陈龙谭袁于虹袁祁兵袁等.主成分分析与随机森林算法融合的变压器故障诊断方法J.变压器袁2022袁59渊7冤院23-28.13 丁登伟袁韩先才袁张鹏飞袁等.基于暂态电压监测的特高压 GIL 故障定位方法及工程应用J.高电压技术袁2021袁47渊3冤院1092-1099.14 马奎袁王曙鸿袁姚晓飞.110 kV 变阻抗变压器短路电流首峰值限制方法J.电工技术学报袁2021袁36渊S2冤院723-729+745.15 赵斌袁柯俊吉袁孙鹏袁等.公共支路阻抗耦合对碳化硅 MOSFET 器件并联电流分配的影响及优化J.中国电机工程学报袁2022袁42渊7冤院2638-2650.姻1.21.00.80.60.40.20123456实验次数所提方法循环神经网络方法关联规则挖掘算法检测技术与数据处理61