基于人工智能技术的110kV变电保护器故障诊断与智能分析

北京金风科创风电设备有限公司 郝 鹏 中国人民解放军91515部队 郝 强 王建国

某电力设备生产企业的110kV 变电站的主变容量是63MVA，其型号是SZ11—63000/110。在变电站的运行过程中：高压的额定电流是330.7A；低压状态下的额定电流是3649.4A；低压侧的互感器电流比为5000:1；高压测的电流互感器电流比是800:1。如上所述，再结合事故发生时的现场情况，了解到变电站在正常运行时，1号的主变带通过10kV 1M 母线设置；2号的主变带通过2甲M 设置，包括2乙M 母线；3号区域的主变带依靠10kV 的3M 母线辅助运行，这其中还包含了10kV 的母联500断路器、550断路器的分闸位置等。

在事故发生后，了解3号区域可能存在的跳闸情况，而10kV 的均分负荷已经投入备用动作。此时，掌握变电保护单元的情况，实现对保护设备和元件的综合分析操作。观察110kV 变电保护器在运行过程中的情况，分析其测量环节、输入环节、输出环节以及逻辑分析阶段的情况，促使相关工作充分落实。这样一来，某厂员工则可观察110kV 变电保护器在使用过程中可能存在的问题。如此，加强对各区域内情况的检查，确认110kV 变电保护器本体是否出了故障问题，了解其变高套管、本体油位等区域是否存在异常。

1 某厂110kV 变电保护器故障与原因

某厂110kV 变电保护器在投入使用后，对变电站内其他的电力系统及设备运行状态进行保护。但由于在过去110kV 变电保护器发生过多次故障，容易对电网的安全性以及可靠性造成影响，所以基于110kV 变电保护器的运行情况，对历次故障原因展开论述，具体如下。

1.1 元件故障

由于110kV 变电保护器内的元件质量问题、或者出于设备维护者的原因未规范使用元器件，则会造成110kV 变电保护器中组件的故障[1]。曾经由于某厂某些员工疏忽对设备的观察，造成元件的质量缺陷问题频发，无法保证继电保护装置发挥出其自身的性能，影响到了整个变电保护器的运行。

1.2 继电器保护装置

若110kV 变电保护器中的继电器无法维持正常的工作状态，则无法保证110kV 变电保护器核心的稳定性。因为继电器主要用于确认电网是否正常运行，若发现问题继电器会及时制定保护方案，防止继电器保护装置的故障问题。所以，若其发生异常，不仅会对系统的正常运行影响，还会威胁着变电站的运行[2]。

1.3 电流变送器

对于变电站内的电流变送器而言，其在运行过程中会采用变电站的继电保护方式实现对电路系统中电流大小的测量。所以，若电流变送器运行期间发生故障，其容易影响继电保护系统，让其无法正常去感知电流情况。若电流出现异常而工作人员未及时处理，容易导致变电站出现瘫痪等严重的情况。加强对电流变送器情况的掌握，及时运用保护措施，以防止其发生故障[3]。具体如表1所示。

表1 电力系统参数响应表

1.4 短路故障

在110kV 变电站运行期间，变压器若出现问题，容易造成其在低压侧发生短路的情况。因此，基于变电站的实际运行，了解系统是否存在短路的情况，及时掌握变压器中存在的电流冲击情况，以防止变电站受到电流的影响。若在变电站运行过程中，工作人员无法掌握系统的短路问题，则容易造成变电器出现烧毁等情况，而且在实践过程中，短路故障所带来的影响不仅限于变压器，对其他设备也会造成影响，所以工作人员应加强对变电站运行状况的改善，预防短路故障的出现。

1.5 通信故障

对于110kV 变电保护器来讲，若其在运行过程中出现通信故障，则无法保证各个装置传递信息，难以保证继电保护系统的通道畅通性，所以在其发生故障后，系统无法接收到相关构件传递的命令以及信号造成系统，无法正常运行。

2 基于人工智能技术的110kV 变电保护器的故障处理措施

2.1 基于机器学习算法，分析潜在故障隐患

在人工智能技术投入到110kV 变电保护器故障处理工作后，工作人员可基于机器学习实现对潜在故障问题的排查。采用机器学习算法实现对110kV变电保护器能力的提升，利用及时处理以及排查的方式，规划电力系统在运行期间的全生命周期，防止其在运行期间造成故障，为企业带来经济损失[4]。

首先，工作人员通过机器学习的方式了解变电保护器的运行情况，采用模拟器运行的方法，合理应用人工智能手段对电力系统内设备运行状况进行预测。工作人员采用系统数据内容获取的方式，运用学习及分析的方式，了解机器学习算法在110kV变电保护器中的规律与模式，以精准预测故障原因，具体如表2所示。

表2 基于机器学习算法的110kV 变电保护器的故障分析项目

其次，采用线性回归的方式，运用预测连续数值的方式实现对系统的监督及学习管理；采用拟合数据点并通过线性方程的计算的方式，实现对最佳监督点的确认；采用分析数据以及预测数据走向的方式，开展估算工作。比如，工作人员可以基于线性方程，利用代数方程式给定系统中的一个m属性，按照实例x=（x1，x2，…,xm）的方式，创建线性模并且通过下述方程式来预测函数：f（x）=w1×x1+w2×x2+…+wm×xm+b，其中：f（x）表示数学表达式；w，w1，w2，…，wm表示本方程中的一个变电站变化系数；x1，x2，…，xm为序列中x的参数变化值；b表示回归系数。此时工作人员通过线性模型的组建方式，则可依靠机器学习的手段构建出线性模型，确认引入层级的结构状态并运用高维映射方式，确认系统是否存在故障问题。

最后，工作人员结合系统的情况，增加32位模块的设置，运用数字信号处理的方式实现对变电站内各个模块情况的观察。但因为可能出现所设置的32位微机芯片精度不准确的情况，所以容易增加在A/D 转换器在应用过程中的分辨率限制。所以，工作人员利用机器学习算法，通过微机芯片集成了解变电保护器的运行情况，运用对多输入以及输出口的检索方式将数据总线等规划为32位，有助于对系统的情况进行分析。同时，工作人员可采用联网共享的方式实现对系统中信息、数据的获取，可利用语言编程的方式实现对110kV 变电保护器故障的分析，以及时判断故障所在位置并利用微机保护的方式进行处理，展现出人工智能技术所具备的功能[5]。

2.2 基于人工神经网络，实现对故障问题的处理

某厂员工在110kV 变电保护器的故障诊断工作中，采用人工神经网络实现对人脑的组织模拟，利用微机软件开展相应的信息处理工作。

基于现场情况，利用人工神经网络，采用自适应、分布处理以及记忆联想等方式，了解系统所具备的潜力。利用智能化的110kV 变电保护方式开辟出一条故障诊断的新路径。此时，工作人员通过神经网络架构的方式设置相应的网络输出层。若其中x1，x2，…，xn被设置为网络输出，则需设置y1，y2，…，yk为对应层；而wij与wjk则可设置为相邻层中的系数；f1代表隐含层。

结合系统中的数据变化值。某厂员工运用柔性化的分析方式，采用过数据编程的方法了解在变电器隐含层内可能存在的故障问题。也可以增加输入层以及输出层的中节点，分析隐藏层中可能会发生的问题，并计算出节点的数值，具体如下：其中：h代表隐含层内节点的数值；m代表输入层节点的数值；n代表输出层节点的数值；a代表从1～10以内的常数。这样，工作人员则可基于神经网络架构，加强对系统运行情况的了解，确认是否存在过渡电阻的短路问题。同时，可以基于故障位置实行相应的判别工作，降低系统出现举动以及误动的可能性。

通过神经网络在110kV 变电保护器中了解大量的故障训练样本。工作人员基于样本集中的内容判断故障的距离，实现对主设备的保护。同时，也可基于人工神经网络的层面上实现对输电线路的保护，利用BOP 模型确认元件以及相关设备的运行方向，精准地掌握其可能发生的故障问题；通过论证的方式，了解TH 网络以及单层感知器的网络情况，运用最小二乘算法让网络在短时间内完成运算。基于变电保护器的特性掌握其在运行过程中的情况，检索多方信息，基于原理上解决变电保护器的短路故障，也可通过人工神经网络展现出其对电力系统的故障检索以及识别能力，提高电流保护的灵敏度并确定故障范围[6]。

若系统内存在反方向的故障，可以通过人工神经网络对故障进行闭锁，增加电流保护过程中的适应性。而且，工作人员也可以通过故障诊断的方式控制变电保护器的使用难度。通过人工神经网络增加系统中的协调性，并弥补在系统运行过程中存在的不足。某厂员工通过系统规划、潮流计算、模糊控制的方式，及时分析电力系统的负荷变化情况，根据设备的额定值，确认电力生产是否稳定，如表3所示。

表3 电力设备的额定值

2.3 基于模糊逻辑算法，加强对系统故障的处理

为保证110kV 变电保护器的合理运行，需要加强对开关拒合情况的了解，分析故障的发生原因并结合实际，防止在变电保护器应用过程中出现回路连接不合理及相关情况。一方面，某厂员工了解110kV 变电保护器在运行期间出现的延时闭合情况，利用改良线路的方式使合闸在工作时不会出现过多的电流冲击。同时基于供电的负荷情况，运用模糊逻辑算法加强对系统故障的处理，预判系统是否存在主变差动等问题[7]。

另一方面，某厂员工基于回归算法了解系统在运行过程中的绝对损失等损失函数，通过GBDT 算法模型的创建了解110kV 变电保护器中异常点所带来的损失：

其中：F表示加法模型；X表示输入样本；W表示分类回归树的具体参数，属于一种权重体现；ft表示第t个学习器模型；T表示可变参数；t=0表示从完整的决策树出发。

综上所述，为保证110kV 变电保护器正常运行，工作人员需加强对110kV 变电保护器故障原因的了解，如基于机器学习算法分析潜在故障隐患，基于人工神经网络实现对故障问题的处理，基于模糊逻辑算法加强对系统故障的处理等，以辅助变电站的运行，减少电力系统在运行过程中的安全风险。