采用人工智能方法的继电保护误动判据分析与改进.pdf

Telecom Power Technology 195 Sep.25,2023,Vol.40 No.18 2023 年 9 月 25 日第 40 卷第 18 期运营维护技术DOI：10.19399/ki.tpt.2023.18.065采用人工智能方法的继电保护误动判据分析与改进索梦娜（国网冀北电力有限公司廊坊供电公司，河北 廊坊 065000）摘要：深入分析继电保护误动判据问题，探讨误动判据的定义、分类、常见原因及影响。详述人工智能在电力系统中的应用，特别是在继电保护中的潜在价值。利用人工智能方法对误动判据进行建模，包括误动判据的特征选择、特征工程、模型训练与测试以及基于人工智能的误动判据的性能分析。研究结果表明，人工智能方法对于继电保护误动判据的分析与改进具有重要的实际意义，应用前景广阔。关键词：继电保护；误动判据；人工智能Adopting Artificial Intelligence Methods for Misoperation Criterion Analysis and Improvement in Relay ProtectionSUO Mengna(State Grid Jibei Electric Power Co.,Ltd.,Langfang Power Supply Company,Langfang 065000,China)Abstract:In-depth analysis of relay protection misoperation criterion,and explore the definition,classification,common causes and effects of misoperation criterion.The application of artificial intelligence in power system,especially its potential value in relay protection,is described in detail.The artificial intelligence method is used to model the maloperation criterion,including feature selection,feature engineering,model training and testing,and performance analysis of maloperation criterion based on artificial intelligence.The research results show that artificial intelligence method has important practical significance and application prospect for the analysis and improvement of relay protection misoperation criterion.Keywords:relay protection;misoperation criterion;artificial intelligence0引言继电保护是保障电力系统安全稳定运行的关键环节，其性能直接关系到电力系统的运行安全。误动是继电保护中的一个十分严重的问题，可能导致系统出现误操作，影响电力系统的稳定运行，甚至可能引发严重的电力事故。因此，对继电保护误动进行准确分析与改进，对提高继电保护的性能具有重要意义。1继电保护误动判据1.1误动判据的定义和分类误动即误判跳闸，是指继电保护装置在无故障或非设备保护范围内发生故障的情况下发出错误的动作信号，致使电力设备跳闸，影响电力系统的稳定运行，甚至可能引发严重的电力事故。误动判据主要依据保护装置的误动原因进行分类，常见的分类有 4 种。第一，设备故障误动。例如，线路、变压器等设备出现故障，导致保护装置误动。第二，外部因素误动。例如，雷电、动物侵入、人为误操作等造成保护装置误动。第三，系统误动。例如，系统振荡、电磁干扰、频率偏移等引发保护装置误动。第四，保护装置本身的误动。由保护装置本身的设计缺陷或故障造成保护装置误动，如保护装置的故障、误差、误差累积以及软件错误等1。1.2误动原因及其影响继电保护误动是电力系统中常见且复杂的问题，引发原因较多。第一，继电保护设备本身出现硬件或软件故障，包括设备老化、部件损坏、程序错误或算法设计不当等，可能导致设备误判系统状态而引发继电保护误动。第二，参数设定错误，如故障检测阈值设定过高或过低，导致正常运行设备被误判为故障，或在实际发生故障时未能正确动作。第三，电力系统本身发生异常变化，如系统过电压、过电流、频率异常以及谐波含量过高等引发保护误动。第四，外部环境因素，如雷电、电磁干扰、动物接触电力设备等导致保护误动。继电保护误动严重威胁电力系统运行的稳定性和设备的安全性。一方面，误动可能导致电力系统中的设备或线路误跳闸，造成系统运行不稳定，甚至造成大面积停电事故。另一方面，如果保护装置在设备发生故障时未能正确动作，会严重损害并缩短设备使用寿命，严重时可能导致设备报废，从而给电力用户和电力公司带来巨大的经济损失2。因此，研究继电保护误动具有重要的实际意义和研究价值。采取有收稿日期：2023-08-24作者简介：索梦娜（1990），女，河北衡水人，本科，电力工程技术工程师，主要研究方向为继电保护。2023 年 9 月 25 日第 40 卷第 18 期Sep.25,2023,Vol.40 No.18Telecom Power Technology 196 效的预防和控制措施，降低继电保护误动发生率，有助于提高电力系统运行的安全性和稳定性。2人工智能在电力系统中的应用人工智能在电力系统中的应用具有巨大的潜力和价值。首先，对于电力系统运行和调度的优化而言，人工智能特别是机器学习和深度学习等技术，为电力系统的优化和调度提供了新的可能。基于人工智能的负荷预测模型可以通过学习历史数据和相关特征，准确预测电力需求，为电力系统的运行调度提供决策支持。此外，基于人工智能的优化算法，如遗传算法、粒子群优化算法等，广泛应用于电力系统的调度优化，能有效解决经济调度、无功优化等问题。其次，人工智能在故障诊断与故障预测方面的应用也非常重要。人工智能可以通过分析设备的运行数据，及时发现设备的异常状态，预测设备故障风险，并为维护决策提供依据，提高电力系统运行的可靠性。最后，人工智能在继电保护中呈现出巨大的应用价值。继电保护是保障电力系统运行稳定的重要环节，主要是在设备或线路发生故障时能迅速并准确切除故障，确保电力系统的正常运行。然而，由于电力系统的复杂性和故障形式的多样性，传统的继电保护方式难以高效、准确地切除故障。人工智能特别是深度学习等技术，通过学习大量的故障样本数据，可以建立更准确、更灵敏的故障识别和分类模型，从而提高故障识别的准确性和速度3。此外，人工智能通过分析保护装置的运行数据，不仅可以实现对保护装置的健康监测和故障预警，还能提高保护装置的可靠性，优化继电保护参数，提升故障定位的精确度，优化保护协调，提高电力系统的稳定性和安全性。3基于人工智能的继电保护误动判据分析3.1基于人工智能的误动判据建模在基于人工智能的继电保护误动判据分析中，误动判据的建模至关重要，具体流程如图 1 所示。首先，收集数据。收集涵盖多样运行场景的继电保护装置数据，包括电压、电流、温度等。其次，数据预处理，包括数据清洗、标准化处理、特征提取等。再次，根据数据类型选择合适的人工智能方法，设定模型结构、损失函数、优化算法，并建立误动判据模型。最后，模型训练和验证阶段，将数据划分为训练集和测试集，调整模型参数使损失函数最小化，并评估模型的准确性和泛化能力。为防止误动判据模型过拟合，可采用正则化、提前停止、随机失活（dropout）等策略。可见，基于人工智能的继电保护误动判据建模，提供了一个高效、准确地预测和判定误动可能的方式。从数据准备到模型训练和验证，每一个环节都至关重要，需要按照规定的流程进行操作和调优。这种方法不仅可以更好地理解误动的原因，还能有效降低误动的风险，提高电力系统的可靠性和稳定性。3.2误动判据特征选择和特征工程特征选择和特征工程是建立误动判据模型的重要步骤，直接影响模型的性能和预测准确度。特征选择是从原始数据中选出对预测目标有影响的特征。在继电保护误动判据分析中，选择的特征主要包括各类电气参数（如电流、电压、相位）、运行环境参数（如温度、湿度）、设备状态参数（如设备负载、设备年限、历史维修记录）等4。进行特征选择时，要充分考虑特征因素与误动情况的关系，选择与误动情况密切相关的特征进行建模。特征工程是对已选择的特征进行处理，使选择的特征更适合模型的训练和预测。特征工程主要包括数据清洗、数据变换、数据编码以及特征构造等步骤。其中：数据清洗主要是处理缺失值和异常值；数据变换包括归一化、标准化等操作，使数据满足模型的假设；数据编码主要处理分类数据和文本数据；特征构造则是根据已有的特征构造新的特征，以揭示更深层次的规律。总体来说，特征选择与特征工程是模型建立中的核心环节，决定了模型的准确性和健壮性。在继电保护误动判据分析中，恰当的特征选择能精确地捕捉误动的关键影响因子，而特征工程能够进一步优化特征，确保模型能够有效学习并进行预测。3.3误动判据模型的训练与测试基于选择和处理后的特征数据进行误动判据模型的训练与测试。首先，优化模型参数，使训练集预测误差尽可能最小。其次，模型训练采用梯度下降法、牛顿法、随机梯度下降法等优化算法，结合采取早停、正则化、dropout 等策略，防止模型过拟合。最后，收集历史数据数据清洗归一化处理提取和选择特征建立人工智能模型分配训练集和验证集训练模型测试和评估模型图 1采用人工智能方法的误动判据建模流程 2023 年 9 月 25 日第 40 卷第 18 期 197 Telecom Power TechnologySep.25,2023,Vol.40 No.18 索梦娜：采用人工智能方法的 继电保护误动判据分析与改进在模型训练完成后进行模型验证，评估模型在未知数据上的性能。常用的模型验证方法包括交叉验证、留出法、自助法等5。通过对比未使用的测试集数据评估模型的最终性能，其测试结果可作为判断模型优劣的重要指标。误动判据模型的训练与测试确保了模型在真实场景中的稳定性和准确性。优化策略和验证方法共同为模型的泛化能力提供了保障，而测试结果直观反映了模型的实际效果与可靠性。3.4基于人工智能的误动判据性能分析将各种电气参数、运行环境参数、设备状态参数等性能参数输入已训练好的人工智能模型，得到人工智能模型的预测误动结果，如表 1 所示。由表 1 可知，序号为 3 的数据点预测误动结果表 1基于人工智能的误动判据结果序号电流/A电压/V相位/（）温度/湿度/%设备负载/%预测结果真实结果120022030256075未误动未误动221022030266080误动误动320522030266080未误动误动421022030266085误动误动520022030256075未误动未误动与真实误动结果不符，但是设备的电流、电压、相位、温度、湿度以及负载参数都在正常范围内。这种情况可能是由于人工智能模型在处理复杂、非线性或混沌的误动判据时会遗漏一些微妙的关系或模式，导致预测不准确。整体来看，基于人工智能的误动判据预测结果与真实误动结果的一致性较高，准确率达 80%，表明该模型能有效识别并预测误动，但也暴露出在处理一些复杂或异常情况时存在一些问题，为后续研究提供了新的方向，即如何改进人工智能模型，使其在处理复杂系统时能更加准确和稳定。4结论人工智能在继电保护设备的误动判据分析与改进方面具有显著优势，特别是在处理传统方法难以解决的问题时表现突出。需要注意，虽然人工智能方法在误动判据分析中取得了较好的结果，但是在某些特殊情况下，如存在异常数据或非常复杂的误动判据数据时，人工智能模型的预测结果会存在偏差。这需要在实际应用中持续关注并优化模型性能，使其在更广泛、更复杂的场景中得到有效应用。参考文献：1 徐鸿飞.略谈继电保护误动作原因分析及预防措施 J.电气技术与经济，2019（2）：55-56.2 吕佳利，孙珊.试析继电保护误动作常见原因及防范措施 J.科技创新导报，2018，15（3）：70-71.3 王翰林.人工智能技术在电力系统继电保护中的应用研究 J.江西电力职业技术学院学报，2022，35（3）：6-7.4 刘依心，赵若琳.多元信息流下的继电保护装置误动作识别系统设计 J.电子设计工程，2022，30（18）：151-155.5 代伟，王光生，刘祥勇，等.继电器式电流保护误动作的故障判断与分析 J.煤矿机电，2018（2）：58-59.