【摘要】為了提高智能變電站繼電保護(hù)裝置二次回路故障檢測的效率，提出了基于特征識(shí)別的繼電保護(hù)二次回路故障檢測方法。通過提取在出現(xiàn)不同故障時(shí)監(jiān)測系統(tǒng)中SV，GOOSE，MMS報(bào)文的特征碼，構(gòu)建特征碼與系統(tǒng)故障的決策樹，在未來的故障檢測過程中，通過提取系統(tǒng)參數(shù)的特征碼，使用決策樹預(yù)測可能的故障情況，同時(shí)將故障與特征碼加入到?jīng)Q策樹中，通過不斷完善決策樹的方法，實(shí)現(xiàn)系統(tǒng)故障的檢測。通過對(duì)系統(tǒng)監(jiān)測報(bào)文記錄分析和特征提取等裝置，將保護(hù)設(shè)備和二次回路各環(huán)節(jié)發(fā)生故障時(shí)的信息進(jìn)行整理，構(gòu)建一套高效的繼電保護(hù)及二次回路故障檢測系統(tǒng)。

【關(guān)鍵詞】繼電保護(hù)；二次回路；特征識(shí)別；決策樹

1、 引言

在智能電網(wǎng)時(shí)代，傳統(tǒng)電網(wǎng)的物理模擬信號(hào)被通信網(wǎng)絡(luò)的數(shù)字信號(hào)所取代，實(shí)現(xiàn)二次設(shè)備的數(shù)字化和網(wǎng)絡(luò)化[1]。智能電網(wǎng)系統(tǒng)中，各個(gè)繼電保護(hù)設(shè)備將獲取的數(shù)字信號(hào)通過網(wǎng)絡(luò)發(fā)送到智能監(jiān)控中心，由專業(yè)人員根據(jù)具體的報(bào)文信息來判斷當(dāng)前系統(tǒng)是否運(yùn)行正常。但由于現(xiàn)代智能電網(wǎng)的規(guī)模非常大，其記錄的信息量非常大且異常復(fù)雜，事關(guān)電網(wǎng)系統(tǒng)安全的重要信息往往由于缺乏高效的故障特征檢測方法被海量信息所淹沒。

為了解決上述問題，本文從二次設(shè)備運(yùn)行狀態(tài)信息入手，提取保護(hù)SV/GOOSE/MMS鏈路[2]異常信號(hào)和裝置的自檢信息，并根據(jù)系統(tǒng)當(dāng)時(shí)的狀態(tài)情況，提取系統(tǒng)信號(hào)的特征碼，構(gòu)建特征碼與系統(tǒng)故障的決策樹[3]，在未來的故障檢測過程中，通過提取系統(tǒng)參數(shù)的特征碼，使用決策樹預(yù)測可能的故障情況，通過不斷完善決策樹的方法，實(shí)現(xiàn)系統(tǒng)故障的檢測。通過對(duì)系統(tǒng)監(jiān)測報(bào)文記錄分析和特征提取等裝置，將保護(hù)設(shè)備和二次回路各環(huán)節(jié)發(fā)生故障時(shí)的信息進(jìn)行整理，構(gòu)建一套高效的繼電保護(hù)及二次回路故障檢測系統(tǒng)。

2 、信息采集及特征碼提取

2.1 系統(tǒng)架構(gòu)

繼電保護(hù)二次回路的故障檢測的關(guān)鍵在于二次回路的信息采集，信息采集的準(zhǔn)確性和全面性直接決定了檢測結(jié)果的準(zhǔn)確性。系統(tǒng)采集的結(jié)構(gòu)如圖1所示。

整個(gè)系統(tǒng)包括主站和站端裝置兩部分，在主站端采用網(wǎng)絡(luò)報(bào)文記錄分析裝置對(duì)主站系統(tǒng)進(jìn)行數(shù)據(jù)采集，而站端裝置使用保護(hù)設(shè)備在線監(jiān)測診斷裝置進(jìn)行數(shù)據(jù)的采集。信息采集的主要流程如下：首先由主站節(jié)點(diǎn)對(duì)站端裝置的采集參數(shù)進(jìn)行配置，然后由保護(hù)設(shè)備在線監(jiān)測診斷裝置對(duì)數(shù)據(jù)進(jìn)行采集，由于變電站內(nèi)部電磁信號(hào)環(huán)境復(fù)雜，很容易導(dǎo)致一些數(shù)據(jù)采集的實(shí)效或失實(shí)，為了降低故障診斷系統(tǒng)的信息處理壓力，降低故障診斷系統(tǒng)的誤判的概率，采集端需要對(duì)采集到的數(shù)據(jù)進(jìn)行預(yù)處理和過濾，然后將數(shù)據(jù)通過網(wǎng)關(guān)節(jié)點(diǎn)上傳到主站系統(tǒng)，然后由主站系統(tǒng)對(duì)采集信息進(jìn)行分析診斷，然后將結(jié)果顯示在主控界面。

信息采集系統(tǒng)采集到的數(shù)據(jù)主要包括裝置的運(yùn)行狀態(tài)信息，告警信息，保護(hù)動(dòng)作信息，SV？GOOSE狀態(tài)信息等。裝置運(yùn)行狀態(tài)信息主要包括自檢信息，采樣值，開關(guān)量信息等，該類信息主要用于變電站的日常檢修。告警信息包括采樣值，開關(guān)量異常告警和裝置異常告警信息。保護(hù)動(dòng)作包括保護(hù)動(dòng)作信號(hào)和保護(hù)出口信號(hào)。SV/GOOSE運(yùn)行狀態(tài)信息指的是報(bào)文狀態(tài)或格式異常信息等。

2.2 特征碼提取方案

通過圖1可以看出，信息采集是由網(wǎng)絡(luò)報(bào)文記錄分析裝置采集完成。網(wǎng)絡(luò)報(bào)文記錄分析裝置采集的信息包括采樣值報(bào)文，GOOSE報(bào)文，MMS報(bào)文和時(shí)鐘報(bào)文，這些報(bào)文可以分為穩(wěn)態(tài)文件，暫態(tài)文件和狀態(tài)文件，其中暫態(tài)報(bào)文是指鏈路告警出現(xiàn)時(shí)所有鏈路信息報(bào)文組成的文件。穩(wěn)態(tài)文件表示長時(shí)間檢測的報(bào)文的集合，如變電站的溫度，壓強(qiáng)，二次回路中的電流等，狀態(tài)文件則表示檢測鏈路實(shí)時(shí)通斷狀態(tài)的報(bào)文的集合。在實(shí)際應(yīng)用中，狀態(tài)文件和穩(wěn)態(tài)文件會(huì)以一種固定的頻率發(fā)送，而當(dāng)系統(tǒng)中存在故障告警或穩(wěn)態(tài)文件出現(xiàn)劇烈變化時(shí)，系統(tǒng)會(huì)上傳暫態(tài)文件。由于系統(tǒng)的穩(wěn)態(tài)文件和狀態(tài)文件數(shù)據(jù)量非常巨大，為了降低系統(tǒng)的處理復(fù)雜度，在數(shù)據(jù)預(yù)處理過程中，將系統(tǒng)的穩(wěn)態(tài)文件和狀態(tài)文件壓縮，具體方法是在傳輸端對(duì)文件進(jìn)行差值傳播。

故障的特征碼指的是當(dāng)系統(tǒng)發(fā)生故障或者出現(xiàn)報(bào)警前系統(tǒng)監(jiān)控信息中異常信息的組合。在系統(tǒng)發(fā)生故障前，系統(tǒng)的監(jiān)控信息會(huì)出現(xiàn)與正常狀態(tài)下的不同的信號(hào)特征，通過對(duì)異常信號(hào)特征的分析，追蹤其最先發(fā)生故障的繼電裝置，則所有最先出現(xiàn)故障繼電裝置的狀態(tài)就被認(rèn)為是該故障的特征碼。假設(shè)二次回路系統(tǒng)監(jiān)測系統(tǒng)包括如下數(shù)字單元：

當(dāng)系統(tǒng)出現(xiàn)故障時(shí)，必定是因?yàn)镾ET中某些元件的狀態(tài)值出現(xiàn)異常，由于系統(tǒng)故障時(shí)，所有的故障值都是順序出現(xiàn)的，因此，回溯找到最初發(fā)生異常狀態(tài)值的所有元件，則所有元件的狀態(tài)值就為當(dāng)前故障的特征值。

事實(shí)上，在操作中，所有的故障碼都是根據(jù)事后診斷的結(jié)果確定的，通過上述方式，不斷的豐富系統(tǒng)的故障特征碼庫，為后續(xù)創(chuàng)建故障診斷決策樹提供原始數(shù)據(jù)。

3 、決策樹的構(gòu)建

決策樹是一種基本的分類和回歸方法[4]，其根據(jù)相關(guān)的條件進(jìn)行分類的一種樹形結(jié)構(gòu)。具體到二次回路故障檢測方法來說，就是通過故障的特征碼與故障的原因構(gòu)建決策樹，然后通過系統(tǒng)中出現(xiàn)的故障碼來確定故障的所在。

創(chuàng)建決策樹時(shí)最關(guān)鍵的問題就是選取哪一個(gè)特征作為分類特征，好的分類特征能夠最大化的把數(shù)據(jù)集分開，將無序變?yōu)橛行颉Ｓ捎谥悄茈娬局写嬖诜浅６嗟脑?，如何保證系統(tǒng)快速做出診斷，減少因故障產(chǎn)生導(dǎo)致的二次損失，是在決策樹構(gòu)建過程中首先需要考慮的。在智能電站系統(tǒng)中，所有節(jié)點(diǎn)出現(xiàn)的故障的概率是隨機(jī)的，為了確定那個(gè)節(jié)點(diǎn)出現(xiàn)故障的可能性比較大，需要引入熵[5]的概念。

在信息論和概率統(tǒng)計(jì)中，設(shè)X是一個(gè)取有限個(gè)值的離散隨機(jī)變量，其概率分布為：

則隨機(jī)變量X的熵定義為：

為了表示某元件發(fā)生故障對(duì)智能電站安全性的重要性，也是為了快速定位故障發(fā)生的原因，需要計(jì)算某個(gè)故障的信息增益。也就是條件熵。條件熵H（Y|X）表示在已知隨機(jī)變量X的條件下隨機(jī)變量Y的不確定性，定義為X給定條件下Y的條件概率分布的熵對(duì)X的數(shù)學(xué)期望[6]。

條件熵的計(jì)算公式如下：

當(dāng)熵和條件熵中的概率由數(shù)據(jù)估計(jì)得到時(shí)，所對(duì)應(yīng)的熵與條件熵分別稱為經(jīng)驗(yàn)熵和經(jīng)驗(yàn)條件熵. 決策樹選擇某個(gè)特征作為其分類特征的依據(jù)就是該特征對(duì)于集合的信息增益最大，即去除該特征后，集合變得最有序。

以信息增益作為劃分訓(xùn)練數(shù)據(jù)集的特征，存在偏向于選擇取值較多的特征的問題，使用信息增益比可以對(duì)這一問題進(jìn)行校正。

在故障決策樹生成之后，診斷系統(tǒng)就可以通過故障決策樹對(duì)故障類型進(jìn)行分類，最后通過決策樹的葉子節(jié)點(diǎn)，可以判斷最有可能出現(xiàn)故障的節(jié)點(diǎn)的位置。

4 、故障診斷過程

當(dāng)系統(tǒng)通過監(jiān)測系統(tǒng)獲得故障信息之后，提取該故障信息的特征碼，然后根據(jù)決策樹中根節(jié)點(diǎn)的順序，自上而下的選擇相關(guān)的特征屬性進(jìn)行檢測，如果系統(tǒng)檢測結(jié)果為一個(gè)葉子節(jié)點(diǎn)，則說明系統(tǒng)檢測到具體的故障類型，如果沒有到達(dá)葉子節(jié)點(diǎn)，需要計(jì)算該特征碼的決策信息熵，然后按照第三節(jié)所述方法將該節(jié)點(diǎn)加入到?jīng)Q策樹中，通過這種不斷的自學(xué)習(xí)的方法，豐富系統(tǒng)故障碼決策樹，實(shí)現(xiàn)故障的有效監(jiān)測。

5、結(jié)束語

針對(duì)目前智能變電站存在的無法進(jìn)行有效在線監(jiān)測與故障診斷的問題，結(jié)合當(dāng)前智能站的二次設(shè)備情況，通過提取SV，GOOSE，MMS報(bào)文的特征碼，構(gòu)建特征碼與系統(tǒng)故障的決策樹，然后在系統(tǒng)決策過程中，將新遇到的故障逐一添加到?jīng)Q策樹中，從而實(shí)現(xiàn)決策樹的決策效果的提升。

參考文獻(xiàn)：

[1].胡敬奎. 智能變電站二次系統(tǒng)的方案設(shè)計(jì)與應(yīng)用研究[D].華北電力大學(xué)，2015.

[2].常東旭，郭琦，朱益華，任祖怡，白楊，王良. 基于IEC61850的穩(wěn)控系統(tǒng)站間通信技術(shù)[J/OL]. 南方電網(wǎng)技術(shù)，2017，（09）：1-7（2017-11-06）.

[3].徐鵬，林森. 基于C4.5決策樹的流量分類方法[J]. 軟件學(xué)報(bào)，2009，20（10）：2692-2704

[4].王娜，任燕燕. 面板數(shù)據(jù)分位數(shù)回歸模型求解的模式搜索法[J]. 數(shù)理統(tǒng)計(jì)與管理，2016，35（03）：435-444

[5].G.M. Bosyk，G. Bellomo，S. Zozor，M. Portesi，P.W. Lamberti. Unified entropic measures of quantum correlations induced by local measurements[J]. Physica A： Statistical Mechanics and its Applications，2016，：

[6].蔣云良，楊章顯，劉勇. 不協(xié)調(diào)信息系統(tǒng)快速屬性分布約簡方法[J]. 自動(dòng)化學(xué)報(bào)，2012，38（03）：382-388