，，

(中國(guó)南方電網(wǎng)有限責(zé)任公司超高壓輸電公司貴陽(yáng)局，貴州 貴陽(yáng) 550081)

0 引言

目前，在南方電網(wǎng)光纖差動(dòng)保護(hù)應(yīng)用越來(lái)越廣泛，在220 kV和500 kV線路上都作為主要繼電保護(hù)方式[1-2]。當(dāng)前南網(wǎng)主干通信網(wǎng)建設(shè)已經(jīng)相當(dāng)完善，但通信網(wǎng)管只能有限的監(jiān)控，無(wú)法解決傳輸設(shè)備到DDF架以及DDF架到繼保設(shè)備最后10 m同軸電纜的監(jiān)測(cè)問(wèn)題，也無(wú)法對(duì)2M繼保通道的協(xié)議、性能和健康狀況進(jìn)行有針對(duì)性的監(jiān)測(cè)、管理和預(yù)警[3-4]。實(shí)際應(yīng)用時(shí)，普遍存在現(xiàn)場(chǎng)調(diào)試?yán)щy的情況，出現(xiàn)故障后不能準(zhǔn)確定位故障位置。如互聯(lián)后，保護(hù)裝置出現(xiàn)誤碼或通道異常告警后，由于復(fù)用通道經(jīng)過(guò)各級(jí)通信設(shè)備，很難區(qū)分到底是哪個(gè)環(huán)節(jié)出現(xiàn)問(wèn)題(共有8個(gè)環(huán)節(jié)可能出現(xiàn)問(wèn)題)，只能通過(guò)分段自環(huán)的方式檢查，且必須變電站兩側(cè)均派人檢查，檢查工作會(huì)同時(shí)涉及通信專業(yè)和保護(hù)專業(yè)，尤其在線路兩側(cè)分屬不同供電公司時(shí)，需要各單位各專業(yè)密切配合才能檢查出問(wèn)題。有時(shí)候甚至各段自環(huán)沒(méi)有問(wèn)題，但是互聯(lián)后就有問(wèn)題，此時(shí)就很難檢查到底是哪里有問(wèn)題了。因此，會(huì)經(jīng)常出現(xiàn)這種情況，平時(shí)運(yùn)行時(shí)，通道狀態(tài)良好，故障或操作時(shí)，由于接口設(shè)備相關(guān)接口沒(méi)有良好接地，導(dǎo)致出現(xiàn)誤碼，影響保護(hù)正確動(dòng)作，但是目前只能判斷哪個(gè)方向有誤碼，不能準(zhǔn)確定位故障位置，只能對(duì)整個(gè)通道回路進(jìn)行全面檢查，浪費(fèi)人力物力。因此，進(jìn)行2M繼電保護(hù)通道在線監(jiān)測(cè)和故障診斷具有重要的現(xiàn)實(shí)意義[5-6]。

本文將2M繼電保護(hù)通道在線監(jiān)測(cè)技術(shù)和DA-SVR結(jié)合起來(lái)，提出一種基于DA-SVR的2M繼電保護(hù)通道在線監(jiān)測(cè)和故障診斷算法。研究結(jié)果表明，從各個(gè)故障類別的診斷結(jié)果還是總體正確率來(lái)看，DA-SVR均要高于GA-SVR、SVR和BP神經(jīng)網(wǎng)絡(luò)，有效提高了2M繼電保護(hù)通道在線監(jiān)測(cè)數(shù)據(jù)故障診斷的正確率。

1 蜻蜓算法

蜻蜓算法[7](DA)是根據(jù)蜻蜓覓食行為而提出的一種新的仿生算法。DA算法中，蜻蜓個(gè)體通過(guò)避撞行為、結(jié)對(duì)行為、聚集行為、覓食行為和避敵行為等5種行為方式進(jìn)行覓食和尋優(yōu)，這些個(gè)體行為詳細(xì)描述如下。

避撞行為位置Si和結(jié)對(duì)行為位置Ai的更新數(shù)學(xué)公式為

(1)

N為相鄰蜻蜓個(gè)體的數(shù)量；Vj為第j個(gè)鄰近蜻蜓個(gè)體的速度；X為當(dāng)前蜻蜓個(gè)體的位置；Xj為第j個(gè)鄰近蜻蜓個(gè)體位置。

聚集行為位置Ci、覓食行為位置Fi和避敵行為位置Ei的更新數(shù)學(xué)公式為

(2)

其中X+取最優(yōu)情況，即食物點(diǎn)；X-取最差解，即被獵點(diǎn)。綜合5種蜻蜓群體行為，蜻蜓個(gè)體的步長(zhǎng)向量更新策略為[8]

ΔXt+1=(sSi+aAi+cCi+fFi+

eEi)+hΔXt

(3)

a，c，e，f，s表示不同的5種蜻蜓群體行為定義權(quán)重；h表示差異權(quán)重；t表示為已計(jì)算次數(shù)。蜻蜓位置更新策略為

Xt+1=Xt+ΔXt+1

(4)

2 SVR模型

對(duì)于訓(xùn)練樣本集{(xi,yi}i=1,2,…,n，集合元素xi和yi分別為SVR的輸入和輸出數(shù)據(jù)，通過(guò)非線性映射函數(shù)φ(·)將輸入數(shù)據(jù)集映射到高維特征空間，SVR函數(shù)模型為[9]

f(x)=wTφ(x)+b

(5)

f為預(yù)測(cè)值；w為權(quán)值向量；φ(·)為非線性映射函數(shù)；b為偏置量。

w和b可由式(6)求得，即

(6)

通過(guò)二次優(yōu)化問(wèn)題求解，SVR的權(quán)值向量w為

(7)

(8)

K(·)為核函數(shù)。文中核函數(shù)選擇Gauss函數(shù)

K(xi,xj)exp(-‖xi-xj‖2/2g2)

(9)

g為Gauss核函數(shù)寬度。

3 基于DA-SVR的2M繼電保護(hù)通道在線監(jiān)測(cè)和故障診斷

3.1 系統(tǒng)結(jié)構(gòu)

通過(guò)在超高壓設(shè)備部署所在機(jī)房及下屬變電站中安置目標(biāo)2M監(jiān)控設(shè)備，在不影響業(yè)務(wù)前提下，利用探測(cè)技術(shù)，實(shí)時(shí)獲取通道內(nèi)的數(shù)據(jù)信息，并實(shí)時(shí)監(jiān)控和分析在DDF架通信兩端的的數(shù)據(jù)，電平，錯(cuò)誤碼等等來(lái)確保2M繼電保護(hù)通道內(nèi)的通信質(zhì)量，系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)

3.2 主要思想

通過(guò)對(duì)2M繼保通道進(jìn)行實(shí)時(shí)監(jiān)測(cè)，彌補(bǔ)傳輸設(shè)備到繼保設(shè)備最后10 m的管理空白，實(shí)現(xiàn)快速發(fā)現(xiàn)故障、定位故障功能[10]。分析在線誤碼率、通道告警、繼保通道103通信協(xié)議，建立故障分析模型，本文設(shè)計(jì)的2M繼電保護(hù)業(yè)務(wù)接入業(yè)務(wù)邏輯示意如圖2所示。

圖2 2M繼電保護(hù)業(yè)務(wù)接入業(yè)務(wù)邏輯示意

3.3 適應(yīng)度函數(shù)

針對(duì)SVR模型性能受懲罰參數(shù)C和核函數(shù)寬度g的影響，運(yùn)用DA算法對(duì)SVR模型的懲罰參數(shù)C和核函數(shù)寬度g進(jìn)行優(yōu)化選擇，選擇分類準(zhǔn)確率T為適應(yīng)度函數(shù)

(10)

Total為樣本總數(shù)量；right為正確分類的樣本數(shù)量。

基于DA-SVR的2M繼電保護(hù)通道在線監(jiān)測(cè)和故障診斷流程可詳細(xì)描述如下。

a.讀取2M繼電保護(hù)通道在線監(jiān)測(cè)數(shù)據(jù)，并歸一化處理[11]

(11)

x′和x分別為歸一化后數(shù)據(jù)和在線監(jiān)測(cè)原始數(shù)據(jù)；xmax和xmin分別為在線監(jiān)測(cè)數(shù)據(jù)中的最大值和最小值。

b.將2M繼電保護(hù)通道在線監(jiān)測(cè)數(shù)據(jù)劃分為訓(xùn)練樣本和測(cè)試樣本。

c.初始化DA算法。設(shè)定種群規(guī)模popsize，最大迭代次數(shù)T，變量維數(shù)dim=2和懲罰參數(shù)C∈[Cmin,Cmax]和核參數(shù)g∈[gmin,gmax]。

d.初始化DA算法蜻蜓個(gè)體的步長(zhǎng)ΔX和初始位置X。

e.令當(dāng)前迭代次數(shù)t=1，將2M繼電保護(hù)通道在線監(jiān)測(cè)數(shù)據(jù)的訓(xùn)練樣本輸入SVR模型，根據(jù)式(17)計(jì)算每個(gè)蜻蜓個(gè)體的適應(yīng)度，并進(jìn)行排序記錄當(dāng)前最優(yōu)解。

f.每次迭代獲取和替代最新的X+及X-，以及計(jì)算得出新的權(quán)重值s,a,c,f,e和w。

g.根據(jù)式(1)～式(2)更新S,A,C,E和F。

h.根據(jù)式(3)～式(4)更新DA算法步長(zhǎng)向量和蜻蜓群體的位置向量。

I.若迭代次數(shù)t>T，保存最優(yōu)懲罰參數(shù)C*和核參數(shù)g*；反之，t=t+1，返回步驟e。

J.將C*和g*代入SVR模型，運(yùn)用測(cè)試樣本進(jìn)行2M繼電保護(hù)通道在線故障診斷。

4 實(shí)證分析

4.1 特征量的選取與處理

本位在DDF架下部署的監(jiān)控設(shè)備采用常用的傳輸協(xié)議TCP/IP，并按照協(xié)議約定的數(shù)據(jù)格式采集數(shù)據(jù)[12]。對(duì)于傳輸通道內(nèi)非成幀結(jié)構(gòu)及成幀結(jié)構(gòu)數(shù)據(jù)所采集周期一般為5 min/15 min，其中對(duì)于非成幀結(jié)構(gòu)數(shù)據(jù)采集電路數(shù)據(jù)包，而成幀結(jié)構(gòu)數(shù)據(jù)采集性能指標(biāo)數(shù)據(jù)包。監(jiān)控設(shè)備獲取的數(shù)據(jù)信息包括數(shù)據(jù)采集開始和結(jié)束時(shí)間，獲取通道號(hào)編碼，并計(jì)算誤碼時(shí)長(zhǎng)、嚴(yán)重誤碼時(shí)長(zhǎng)，數(shù)據(jù)包用時(shí)長(zhǎng)，誤碼總數(shù)及誤碼率，信息缺失時(shí)長(zhǎng)，告警時(shí)長(zhǎng)，幀失步時(shí)長(zhǎng)和對(duì)端告警時(shí)長(zhǎng)等。具體特征數(shù)據(jù)獲取步驟如下。

a.獲取單位時(shí)間內(nèi)所傳輸?shù)臄?shù)據(jù)包總數(shù)，正確包數(shù)及錯(cuò)誤包數(shù)以通信包數(shù)等。

b.獲取單位時(shí)間內(nèi)對(duì)應(yīng)的數(shù)據(jù)包字節(jié)總數(shù)，以及正確包字節(jié)數(shù)、錯(cuò)誤包字節(jié)數(shù)、通信包字節(jié)數(shù)等。

c.獲取數(shù)據(jù)包丟包情況，包括單位時(shí)間內(nèi)丟包總計(jì)，CRC16校驗(yàn)錯(cuò)包總數(shù)，超時(shí)包總數(shù)及丟棄包總數(shù)。

d.獲取單位周期內(nèi)的電路數(shù)據(jù)包的性能指標(biāo)，一般周期采用5 min/15 min，包括數(shù)據(jù)總包與數(shù)據(jù)包字節(jié)數(shù)占比，超時(shí)包總數(shù)與超時(shí)包字節(jié)總數(shù)占比，通信包總數(shù)與通信包字節(jié)總數(shù)占比，CRC校驗(yàn)包總數(shù)與CRC校驗(yàn)包字節(jié)總數(shù)占比，丟棄包總數(shù)與丟棄包總字節(jié)數(shù)占比等。

4.2 故障樣本集選取

為驗(yàn)證算法的有效性，選擇信號(hào)丟失(LOS)、告警指示信號(hào)(AIS)、CRC檢驗(yàn)錯(cuò)誤的HDLC數(shù)據(jù)包(ERR)、檢測(cè)不到HDLC數(shù)據(jù)包(LOP)和信號(hào)正常(OK)等故障為研究對(duì)象[13-14]，樣本數(shù)據(jù)分布如表1所示。

表1 樣本數(shù)據(jù)分布

4.3 結(jié)果分析

為驗(yàn)證DA-SVR算法的有效性，在對(duì)樣本進(jìn)行預(yù)處理后，對(duì)測(cè)試樣本數(shù)據(jù)分別采用DA-SVR算法、GA-SVR算法、SVR算法和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行仿真試驗(yàn)，表2為4種方法故障診斷結(jié)果的對(duì)比。

表2 故障診斷結(jié)果對(duì)比

由表2可知，DA-SVR診斷的正確率高于GA-SVR，SVR和BP神經(jīng)網(wǎng)絡(luò)，其中BP神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率最低。從各個(gè)故障類別的診斷結(jié)果還是總體正確率來(lái)看，DA-SVR均要高于GA-SVR，SVR和BP神經(jīng)網(wǎng)絡(luò)，有效提高了2M繼電保護(hù)通道在線監(jiān)測(cè)數(shù)據(jù)故障診斷的正確率。

5 結(jié)束語(yǔ)

針對(duì)SVR模型性能受懲罰參數(shù)C和核函數(shù)參數(shù)g的影響，將2M繼電保護(hù)通道在線監(jiān)測(cè)技術(shù)和DA-SVR結(jié)合起來(lái)，提出一種基于DA-SVR的2M繼電保護(hù)通道在線監(jiān)測(cè)和故障診斷算法。研究結(jié)果表明，從各個(gè)故障類別的診斷結(jié)果還是總體正確率來(lái)看，DA-SVR均要高于GA-SVR,SVR和BP神經(jīng)網(wǎng)絡(luò)，有效提高了2M繼電保護(hù)通道在線監(jiān)測(cè)數(shù)據(jù)故障診斷的正確率。