基于故障录波器信息的故障诊断系统

摘要：对人工神经网络（ANN）方法应用于变电站故障诊断进行了研究，提出了一种基于故障录波器信息的故障诊断系统。该系统中，核心部分是三层前向BP网络分别对变电站内的变压器、线路和母线构造相应的故障诊断ANN模型，对每种保护、断路器和自动装置构造相应的动作性能诊断模块。仿真计算结果表明：基于故障录波器信息的将ANN应用于变电站故障诊断的方法是一种有效的方法。
    关键词：BP网络 变电站 故障诊断 故障录波器信息

1 引言
　　电网中高压和超高压变电站一般是枢纽点，它运行的可靠和安全与否直接关系到整个电网的安全运行。在出现故障或不正常运行状态时，是否能迅速、准确的判断出事故原因 ，这对整个系统的安全运行有着重大影响。
　　电力系统故障诊断问题的研究在国内外受到了广泛重视。从所查阅的国内外文献来看 ，过去的研究多是利用来自SCADA的保护动作信息和断路器跳闸信息，针对某一电网进行故障诊断。对大电网而言，保护配置的数量太大，很难把各种保护信息都送到调度中心，这种基于SCADA信息进行故障诊断的方法在诊断的准确性和完备性上有不足之处。本文利用安装在变电站的故障录波器的信息对变电站内的变压器、母线、线路上发生的故障进行诊断。该方法具有信息全、信息量小、查找范围小的优点。
　　为了能迅速、准确地查找出故障，智能故障诊断越来越受到重视。近年来，人工神经网络(Artificial NeuralNetwork，ANN)逐渐得到电力系统研究人员的高度重视和广泛研究。ANN是由众多神经元广泛互连而成的网络。在信号处理机制上与传统的数字计算机有着根本的不同，它具有大规模并行分布处理、连续时间动力学和网络全局作用等特点，信息的存储体现在神经元之间的连接权上，知识库就是ANN的节点连接权矩阵。更重要的是，利用ANN的自适应和自学习能力能使故障诊断具有极强的自适应能力。
　　本文在故障录波、故障测距和事件顺序记录等信息的支持下对变电站的智能故障诊断作了研究。
2 ANN模型结构
　　本文采用三层BP网络并作为故障诊断的核心。其输入是经过提取的特征量，输出为待诊断元件的故障状态。BP网络的基本处理单元（输入层单元除外）为非线性输入/输出单元 ，一般选用的作用函数为sigmoid：f(x)＝1/(1＋e^－x)。处理单元的输入、输出值可连续变化 。网络的每层之间的连接权值都可以通过学习来调节。该网络采用BP算法，其训练过程见文献［1］。
3 故障诊断系统的总体结构
　　故障诊断系统总体结构如图1所示。它主要包括3部分：故障位置诊断模块，故障类型和相别诊断模块，保护、断路器和自动装置的动作性能诊断模块。
　               
3.1 故障位置诊断模块
　　根据变电站元件的类型，故障位置诊断模块可分为3类^［2］：用于变压器诊断的ANN、用于线路诊断的ANN和用于母线诊断的ANN。这些模块在故障录波、故障测距和事件顺序记录信息的支持下，判断变电站内各元件的故障^［3］。
　　用于变压器故障诊断的ANN有7个输入量，即
　　1）x₁表示变压器主保护动作的特征量。若主保护动作，则x₁＝1，否则x₁＝0。
　　2）x₂表示变压器后备保护动作的特征量。若后备保护动作，则x₂＝1，否则x₂＝0。
　　3）x₃表示变压器断路器动作的特征量。若断路器动作，则x₃＝1，否则x₃＝0。
　　4）x₄表示变压器所连母线保护动作的特征量。若母线保护动作，则x₄＝1，否则x₄＝0 。
　　5）x₅表示变压器两侧负序电流的特征量。若两侧负序电流均流向变压器，则x₅＝1，否则x₅＝0。
　　6）x₆表示变压器两侧相电流的特征量。若两侧相电流均流向变压器，则x₆＝1，否则x₆＝0。
　　7）x₇表示变压器差动电流中二次谐波与基波分量之比的特征量。若比值超过15%（该比值可根据具体情况加以调整），则x₇＝1，否则x₇＝0。
    用于线路诊断的ANN有5个输入量，即
　　1）x₁表示线路主保护动作的特征量。若主保护动作，则x₁＝1，否则x₁＝0。
　　2）x₂表示线路后备保护动作的特征量。若后备保护动作，则x₂＝1，否则x₂＝0。
　　3）x₃表示线路断路器动作的特征量。若断路器动作，则x₃＝1，否则x₃＝0。
　　4）x₄表示线路所连母线保护动作的特征量。如果母线保护动作，则x₄＝1，否则x₄＝0 。
　　5）x₅表示线路测距结果的特征量。若测距结果表明故障在本线路内，则x₅＝1，否则x₅＝0。
　　对于上述2模块，在某些情况下利用以上信息仍然无法确诊故障。例如，已知某线路在站内某侧的相间距离Ⅱ段动作跳开本侧的断路器，测距结果为线路长度。由于测距结果有一定的误差，在无法得知本线路对侧和相邻下一条线路的保护动作情况（它们属于另一变电站）下，仅根据以上信息就无法确定这种状况是由于本线路故障时同时存在主保护拒动造成的，还是下一条相邻线路发生故障时同时存在断路器拒动造成的，所以上述2模块的ANN模型用2个输出量y₁和y₂，以说明诊断结果是否确定。这2个输出量分别是：
　　1）y₁表示该诊断结果是否确定。若确定，则y₁＝1；否则y₁＝0。
　　2）y₂表示被诊断变压器或线路是否有故障。若有故障，则y₂＝1，否则y₂＝0。
　　用于母线故障诊断的ANN有2个输入量x₁和x₂，即
　　1）x₁表示母线所接的所有变压器和线路的负序分量的特征量。若母线所接的所有变压器和线路的负序电流均流向母线，则x₁＝1，否则x₁＝0。
　　2）x₂表示母线所接的所有变压器和线路的相电流的特征量。若母线所接的所有变压器和线路的相电流均流向母线，则x₂＝1，否则x₂＝0。
　　用于母线故障诊断的ANN有1个输出量y，以表示母线是否有故障。若有则y＝1，否则y＝0。
3.2 故障相别诊断模块
　　该模块是利用突变量电流，即故障分量判断故障类型和相别的^［4］。
3.3 保护、断路器和自动装置的动作性能诊断模块　
  　保护、断路器和自动装置都有拒动、误动的可能性，因此对变电站进行故障诊断时必须全面考虑，不仅要判断故障位置、故障类型和相别，还应该对保护、断路器和自动装置的动作情况作一全面分析，判断其行为的正确性。
　　构造保护、断路器和自动装置的动作性能诊断模块的目的是想知道其动作或不动作的行为是否正确。如果行为不正确，则还需要知道是拒动、误动还是选相不正确？例如，在构造各种继电保护动作性能诊断ANN模型时，输出层选择5个节点以表示保护动作正确、保护拒动、保护误动、保护选相不正确和保护不动作是正确反应等5种情况。如果某一输出节点为“1”，则表示发生了该节点所表示的情况。要想判别这5种情况，就需要根据是否在保护范围内发生了故障、故障相别是什么以及保护所发的跳闸命令情况来考虑。于是在选择输入层节点时，应将这几点作为输入节点。同样，断路器的合闸和跳闸、自动装置的动作性能诊断ANN模型的构造，都应如此考虑^［5］。
　　本文以高频保护为例，对其ANN模型作一介绍。
　　高频保护输入层包含7个输入量，输出层有5个输出量。输入、输出量含义如下：
    (1)输入量
　　1）x₁表示高频保护发跳闸命令时，故障点是否在高频保护所保护的范围内。若在所保护的范围内，则x₁＝1，否则x₁＝－1。若无故障，则x₁＝0
    2）x₂、x₃和x₄分别表示故障相别A、B和C。
　　3）x₅、x₆和x₇分别表示高频保护发跳闸命令情况下A相、B相和C相的出口动作情况。
    (2)输出量
　　1）y₁表示保护动作是否正确。若正确，则y₁＝1，否则y₁＝0。
　　2）y₂表示保护是否拒动。若保护拒动，则y₂＝1，否则y₂＝0。
　　3）y₃表示保护是否误动。若保护误动，则y₃＝1，否则y₃＝0。
　　4）y₄表示保护动作选相是否正确。若选相出错，则y₄＝1，否则y₄＝0。
　　5）y₅表示保护不动作是否正确。若保护不动作是正确反应，则y₅＝1，否则y₅＝0。
4 知识获取和ANN训练
　　本系统的故障诊断知识由ANN隐式表示，知识库就是ANN的节点连接权矩阵。知识获取就是通过用足够的样本训练ANN后，使ANN获得了通用的故障诊断知识。这样，知识获取容易，而且修改和扩充知识库也容易，只需重新训练ANN即可。
　　本故障诊断系统的样本获取是通过EMTP程序仿真得到的：
　　①用EMTP程序仿真不同位置所有可能的故障类型，如内部故障、外部故障、变压器空载合闸投入和变压器空载合闸于内部故障状态等，并获得每种故障相应的电压和电流瞬时值。
    ②处理电压和电流瞬时值，提取输入特征量。　　

[1] [2]  下一页

本文关键字：信息  电工文摘，电工技术 - 电工文摘