(北京電力工程有限公司,北京 100071)

0 引 言

調(diào)控一體自動化的變電站集控制功能、監(jiān)控功能于一身，以系統(tǒng)化方式管理變電站的電氣設(shè)備。電氣設(shè)備是變電站的主要構(gòu)成，需要不間斷的運(yùn)行工作，一旦發(fā)生故障將影響區(qū)域內(nèi)電力運(yùn)行秩序[1]。但是電氣設(shè)備經(jīng)常暴露于外部環(huán)境中，在惡劣環(huán)境影響下極易發(fā)生故障，本次研究針對調(diào)控一體自動化的變電站電氣設(shè)備設(shè)計(jì)了BP神經(jīng)網(wǎng)絡(luò)故障檢測方法，為維修巡檢人員提供準(zhǔn)確的故障發(fā)生信息[2]。

1 調(diào)控一體自動化的變電站電氣設(shè)備運(yùn)行數(shù)據(jù)采集

1.1 變電站電氣設(shè)備在線監(jiān)測系統(tǒng)

檢測變電站電氣設(shè)備故障的前提是掌握其運(yùn)行狀態(tài)，文中利用調(diào)控一體自動化變電站的在線監(jiān)測系統(tǒng)采集設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)，作為故障分析的基礎(chǔ)。變電站監(jiān)測系統(tǒng)包括主站、子站兩個部分[3]，如圖1所示。

系統(tǒng)中，監(jiān)測主站與數(shù)據(jù)傳輸網(wǎng)絡(luò)間測通信以交換機(jī)為介質(zhì)實(shí)現(xiàn)，數(shù)據(jù)傳輸網(wǎng)絡(luò)是兩個監(jiān)測站點(diǎn)通信的主要通道。監(jiān)測主站包括自動化管理主站、數(shù)據(jù)庫服務(wù)器、在線監(jiān)測主機(jī)，其功能是對變電站電氣設(shè)備集中管理、調(diào)度與控制，數(shù)據(jù)庫服務(wù)器安全存儲子站采集的電氣設(shè)備運(yùn)行數(shù)據(jù)，管理人員通過在線監(jiān)測主機(jī)進(jìn)行人機(jī)交互，最終完成子站數(shù)據(jù)的高效采集與管理[4]。監(jiān)測子站包括變電站的電氣設(shè)備(監(jiān)測對象)、監(jiān)測裝置、數(shù)據(jù)清洗模塊以及網(wǎng)絡(luò)交換機(jī)，監(jiān)測子站配備了網(wǎng)絡(luò)交換機(jī)，負(fù)責(zé)與主站進(jìn)行數(shù)據(jù)傳輸，實(shí)現(xiàn)通信協(xié)議轉(zhuǎn)換，為變電站電氣設(shè)備運(yùn)行故障檢測提供精準(zhǔn)的數(shù)據(jù)基礎(chǔ)；此外，變電站電氣設(shè)備壓板狀態(tài)、電源狀態(tài)信息的采集由監(jiān)測子站通過站內(nèi)網(wǎng)絡(luò)實(shí)現(xiàn)，為變電站狀態(tài)檢測與維護(hù)提供了參考依據(jù)。

1.2 運(yùn)行數(shù)據(jù)采集與處理

調(diào)控一體自動化的變電站電氣設(shè)備運(yùn)行數(shù)據(jù)采集由在線監(jiān)測裝置完成，在線監(jiān)測裝置內(nèi)置設(shè)備狀態(tài)接入控制器、設(shè)備傳感器，是數(shù)據(jù)采集的主要硬件設(shè)備，可快速獲取電氣設(shè)備的實(shí)時運(yùn)行數(shù)據(jù)[5]。在線監(jiān)測裝置采集的設(shè)備狀態(tài)數(shù)據(jù)海量且繁瑣，為此在數(shù)據(jù)清洗模塊配置開源工具Sqoop負(fù)責(zé)原始狀態(tài)數(shù)據(jù)的抽取、轉(zhuǎn)換與加載，Sqoop能夠?qū)υ冀Y(jié)構(gòu)化的數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)了結(jié)構(gòu)化數(shù)據(jù)向統(tǒng)一存儲格式數(shù)據(jù)的轉(zhuǎn)換，最后以精簡的標(biāo)準(zhǔn)歸類數(shù)據(jù)、關(guān)聯(lián)數(shù)據(jù)[6]，基于規(guī)范化格式高效存儲在數(shù)據(jù)倉庫Hive中。

2 基于神經(jīng)網(wǎng)絡(luò)的變電站電氣設(shè)備故障分析技術(shù)

2.1 神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

圖2為文中設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)故障檢測模型，BP神經(jīng)網(wǎng)絡(luò)屬于單向傳播、多層前向網(wǎng)絡(luò)結(jié)構(gòu)范疇，主要由輸入層、隱含層、輸出層構(gòu)成。

其中，隱含層可設(shè)置為多層，根據(jù)現(xiàn)實(shí)問題解決需求設(shè)定隱含層層數(shù)。由此可確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)最簡化的結(jié)構(gòu)為三層網(wǎng)絡(luò)結(jié)構(gòu)。BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于變電站電氣設(shè)備故障分析的原理如下：①采集一定數(shù)量的變電站電氣設(shè)備狀態(tài)數(shù)據(jù)作為網(wǎng)絡(luò)學(xué)習(xí)樣本，樣本經(jīng)過輸入層、隱含層，最后由輸出層輸出，神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)的處理與響應(yīng)則表現(xiàn)為輸出數(shù)據(jù)。②為降低網(wǎng)絡(luò)輸出故障判斷結(jié)果的誤差，按照“輸出層—隱含層—輸入層”的順序調(diào)整神經(jīng)元的鏈接權(quán)值，因此調(diào)整權(quán)值過程采用的是“誤差逆?zhèn)鞑ニ惴ā保碆P算法[7]。

根據(jù)以上分析得知BP神經(jīng)網(wǎng)絡(luò)基于BP算法不斷調(diào)整權(quán)值，最后得到訓(xùn)練完成的BP網(wǎng)絡(luò)結(jié)構(gòu)，由此定義BP算法的數(shù)學(xué)模型如下：

X=(x1,x2,…,xi,…，xn)T

(1)

Y=(y1,y2,…,yi,…，yn)T

(2)

G=(g1,g2,…,gk,…，gl)T

(3)

ε=(ε1,ε2,…,εk,…，εl)T

(4)

其中，X、Y分別表示輸入向量與隱含層向量，G、ε分別表示輸出向量與期望輸出向量。

在BP神經(jīng)網(wǎng)絡(luò)模型中，公式(5)、公式(6)分別為輸入層向隱含層的權(quán)值矩陣、隱含層向輸出層的權(quán)向量矩陣：

V=(v1,v2,…,vj,…，vm)T

(5)

W=(w1,w2,…,wk,…，wl)T

(6)

式中，隱含層第j個神經(jīng)元的相對權(quán)值向量、輸出層第k個神經(jīng)元相應(yīng)的權(quán)向量分別用vj、wk描述。由此得到BP神經(jīng)網(wǎng)絡(luò)模型實(shí)際輸出與期望輸出的誤差H計(jì)算方法如下：

H=(ε-g)2/2=

(7)

公式顯示，可用函數(shù)表達(dá)誤差H，所以為提高網(wǎng)絡(luò)預(yù)測精度可以調(diào)整函數(shù)的變化量vij與wjk，調(diào)整網(wǎng)絡(luò)的權(quán)值即可優(yōu)化電氣設(shè)備故障檢測的精度。

2.2 基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的變電站電氣設(shè)備故障診斷

基于3.1小節(jié)可知，BP神經(jīng)網(wǎng)絡(luò)輸出與期望輸出之間的誤差E越小，模型預(yù)測變電站電氣設(shè)備故障的精度越高，為此，基于粒子群算法對BP神經(jīng)網(wǎng)絡(luò)模型神經(jīng)元連接權(quán)值進(jìn)行優(yōu)化，進(jìn)而提高整個模型的計(jì)算性能，解決傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)易陷入極值點(diǎn)、學(xué)習(xí)穩(wěn)定性差、可靠性不高等問題[8]。

基于粒子群優(yōu)化算法訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，需要將BP神經(jīng)網(wǎng)絡(luò)所有連接權(quán)值視為粒子群位置向量，還原位置向量后開始粒子群尋優(yōu)過程，具體采用最小均方誤差作為尋求目標(biāo)，BP神經(jīng)網(wǎng)絡(luò)最終精準(zhǔn)的權(quán)值即為粒子群算法尋優(yōu)位置結(jié)果。此時粒子群適應(yīng)度值求取方法如公式(8)所示：

(8)

其中，BP神經(jīng)網(wǎng)絡(luò)的真實(shí)輸出與目標(biāo)輸出分別用gk、εk表示，輸出神經(jīng)元數(shù)量、訓(xùn)練樣本個數(shù)分別為m、n，基于以上參數(shù)確定BP神經(jīng)網(wǎng)絡(luò)優(yōu)化過程：

①確定BP神經(jīng)網(wǎng)絡(luò)的三層結(jié)構(gòu)，還原粒子群種群參數(shù)原始值，定義粒子群種群的速度和數(shù)量為D、N；設(shè)置粒子群的慣性權(quán)重、迭代次數(shù)最大值、速度上限分別為W、Tmax、Vmax。參數(shù)設(shè)置完畢即可得到粒子的初始位置，個體極值用于描述全部粒子中的最優(yōu)位置。

②定義c1、c2加速因子，計(jì)算方法如公式(9)、公式(10)所示，其功能是確保粒子飛行區(qū)域?yàn)檎麄€搜索空間，優(yōu)化收斂速度。

(9)

(10)

③定義適應(yīng)度函數(shù)?；诠?8)求取適應(yīng)度值并評價個體，電氣設(shè)備故障檢測結(jié)果即為BP神經(jīng)網(wǎng)絡(luò)模型迭代終止時，最小粒子對應(yīng)的位置。

④還原粒子的位置與速度值。粒子速度矩陣與位置矩陣包含于任意生成的m個個體中，并將[-1,1]中的任意數(shù)值確定為粒子的位置參數(shù)。迭代開始，迭代點(diǎn)即為此刻最優(yōu)位置。

⑤持續(xù)更新粒子速度與位置獲得嶄新的粒子群，將不符合條件的粒子參數(shù)剔除，重新定義粒子的T、V。

⑥迭代終止條件，一是迭代精度達(dá)到預(yù)期，二是迭代次數(shù)達(dá)到上限值。如不符合任意條件則繼續(xù)調(diào)整粒子的速度與位置信息。粒子群優(yōu)化迭代完成后，輸出結(jié)果即為BP神經(jīng)網(wǎng)絡(luò)故障檢測模型的權(quán)值和閾值，由此構(gòu)建的故障檢測模型檢測結(jié)果更為準(zhǔn)確，將采集的變電站電氣設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)輸入模型中，即可得到低誤差的故障檢測結(jié)果。

故障檢測結(jié)果能夠準(zhǔn)確顯示變電站何種電氣設(shè)備出現(xiàn)故障，為巡檢人員提供精確的維修信息，一定程度上提高了變電站電氣設(shè)備運(yùn)行的安全系數(shù)。

3 結(jié)束語

文中提出的調(diào)控一體自動化變電站電氣設(shè)備故障檢測方法，以設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)為基礎(chǔ)，增強(qiáng)了設(shè)備故障預(yù)測的可靠程度；同時采用粒子群優(yōu)化算法修正神經(jīng)網(wǎng)絡(luò)故障檢測模型的權(quán)值與閾值，避免神經(jīng)網(wǎng)絡(luò)模型陷入局部最優(yōu)值，提高了電氣故障檢測的精度。總體而言，文中設(shè)計(jì)的電氣設(shè)備故障檢測方法對于調(diào)控一體自動化變電站及時發(fā)現(xiàn)安全隱患、高效維修設(shè)備提供了可靠性依據(jù)，一定程度上提升了調(diào)控一體自動化變電站的經(jīng)濟(jì)效益與社會效益。