基于矩阵和神经网络算法的变电站二次系统故障定位方法研究

缪悦洲

（国网江苏省电力有限公司常熟市供电分公司）

0 引言

变电站在电网的运行中起到了至关重要的作用， 变电站二次系统的故障定位精度对于提高变电站的运行水平， 保证电网的安全、 稳定、 可靠运行起到了至关重要的作用[1］。随着智能电网建设的不断推进， 变电站的设备数量和数据规模不断扩大， 变电站已经具备了典型的信息物理特征， 专门针对变电站二次系统构建物理信息模型， 更有利于进行变电站二次系统的高精度故障定位[2-3］。本文将矩阵算法和神经网络算法相融合进行变电站二次系统的故障定位， 通过实例验证了本文所提出方法的科学性、 有效性、 合理性。

1 变电站二次系统模型构建

从信息物理的角度出发， 从物理域和信息域两个维度进行二次系统的属性分析， 专门针对于物理和信息之间的交互机理以及耦合关系构建系统状态矩阵和逻辑节点描述模型， 进行定量描述。

1.1 二次系统状态矩阵

变电站的配置文件描述了通信参数以及满足ⅠEC61850协议的设备信息， 在该协议中， 逻辑节点作为进行数据交换的最基本单元， 能描述设备的某项功能或与执行功能相对应的操作[4-6］。所以以逻辑节点为基本单元购机拿的二次系统状态矩阵， 能够根据设备信息提取出变电站二次系统重设备内部的信息交互过程， 状态矩阵不仅与逻辑节点之间的静态拓扑关系， 还与变电站二次系统设备实时状态相关。

假设状态矩阵为B， 用于描述逻辑节点的连通状态和连通关系，m为逻辑节点的数量：

式中，bij描述了不同节点之间的连通状态， 如果bij=1， 则代表节点之间能够进行正常的数据传输； 如果bij=0， 则代表节点之间不能够进行正常的数据传输； 矩阵中对应与不同逻辑节点的元素取所描述的连通状态取决于逻辑节点描述模型。

1.2 逻辑节点描述模型

逻辑节点中包含了变电站二次系统的多种信息， 基于逻辑节点作为基本单元构建的逻辑节点描述模型能够描述多种状态信息的源头、 取值范围、 应用目的、 属性等。逻辑节点描述模型能够根据信息传输源宿一致性准则， 进行二次系统的故障定位， 并进行保护动作实时监测。逻辑节点状态模型的基本信息如表1所示。

表1 状态模型基本信息

2 基于矩阵策略的故障定位方法

在得到状态矩阵B之后， 通过对故障进行配置得到新的故障状态矩阵B*， 描述故障情况下的逻辑节点之间的相互状态。故障情况下， 逻辑节点之间的关系会发生变化， 其表现为矩阵元素的变化， 因此通过状态矩阵模拟变电站二次系统故障。再根据连通推理， 以及二次系统的状态解析式完成故障定位的校验， 确定故障状态矩阵的有效性以及故障范围。

故障状态矩阵的确定： 先确定故障节点的数量K； 再从状态矩阵B中选取K个元素， 并将状态矩阵中的元素取反值， 表示状态矩阵中的元素由于故障而发生变化，这样便得到了故障状态矩阵B*。再根据基于连通推理的矩阵算法得到最终的变电站二次系统逻辑节点状态。不经过其余的逻辑节点， 仅考虑本逻辑节点与其他逻辑节点的直通回路进行影响， 称为一次连通推理， 则可以表述为：

式中，X为变电站二次系统的输入状态矢量，A为经过变换得到的变电站二次系统状态行矢量，X由二次系统发生故障时逻辑节点的初始状态确定：

式中，xi为逻辑节点的初始状态， 其取值源自于表1。

变电站二次系统的故障推理需要进行多次矩阵变换， 矩阵变换时代表了逻辑节点之间的数据传输、 命令执行等动作过程， 最终得到变电站二次系统的逻辑节点状态， 并表示为：

式中，B为变电站二次系统的逻辑节点状态行矢量，B的取值和意义由表1决定；sum(A) 表示为将全部的矩阵A相加。

根据变电站二次系统的运行原理以及逻辑节点的最终状态构建变电站二次系统状态解析式， 描述逻辑节点的状态。再通过得到的变电站二次系统的逻辑节点状态矩阵， 根据解析式判断推理得到的二次系统节点状态是否与实际的故障节点状态一致， 从而得到故障状态矩阵的有效值， 作为变电站二次系统的故障定位判断矩阵。

将变电站二次系统的解析式定义为：

式中， 节点状态矩阵C为1*m维的矩阵， 表示逻辑节点状态矩阵中的第i个元素取值为1，表示取非运算，第j个元素取值为1，S代表逻辑或运算，P代表逻辑与运算。

由此变可将式 （2） 展开得到：

其中，ai为逻辑节点i的当前状态，xi为逻辑节点i的初始状态。状态矩阵B和故障状态矩阵B*存在差异的元素的具体位置表征为一个集合：

式中，m为两个矩阵中存在差异的元素的总数。集合中的数据就表示了相关位置的元素存在差异， 即逻辑节点xi与逻辑节点yi之间的连通出现了异常， 属于疑似故障区域。

3 基于神经网络的故障定位方法

BP神经网络中， 信息从输入层导入， 逐级传输到输出层， 输出层上生成的误差再反向传输到输入层[11］。BP神经网络的结构如图1所示。

图1 BP神经网络拓扑结构

节点采用Sigmoid函数来描述， 即

4 算例分析

以某次500kⅤ开关误跳闸作为分析案例。当其中的500kⅤ福翔甲线路受到外部扰动时， 翔湾站的501和502 开关跳闸保护， 故障电网脱开主电网处于解列运行状态， 其中502 开关为桥接开关。500kⅤ福翔甲线路再次送电时， 501开关二次跳闸保护， 翔湾站出线线路保护配置如表2所示。

表2 翔湾站出线线路保护配置

为了最快将故障电网重新并网到主电网运行， 翔湾站开关站的福翔甲线主一保护， 退出主三保护出口及压板， 再利用501 开关试送电， 再次跳闸， 501 开关断路器保护动作。采用多种神经网络进行定位计算，其结果如表3所示。

表3 不同神经网络定位准确率

由上表可见BP 神经网络模型在不同的测试集下均保持了较高的故障诊断准确率。

5 结束语

本文专门针对于变电站二次系统故障定位问题，将矩阵和神经网络算法应用到其中， 梳理了变电站二次系统的交互逻辑， 并基于逻辑节点构建了系统状态矩阵和逻辑节点描述模型， 基于变电站二次系统的拓扑关联构建系统状态解析式。通过矩阵算法和神经网络算法实现变电站二次系统的高精度定位， 经过算例分析， 本文所提出的方法兼具了较好的通用性和容错性， 具备进行大规模推广应用的价值。