肖仕武, 顧文波

(1.華北電力大學(xué) 新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 102206；2.國(guó)網(wǎng)寧夏電科院,寧夏 銀川 750000)

0 引 言

發(fā)電機(jī)失磁是常見的故障形式，在發(fā)電機(jī)各類故障中占較大比例，嚴(yán)重影響機(jī)組的安全運(yùn)行。現(xiàn)有的失磁保護(hù)一般是將各種主輔判據(jù)通過一定的邏輯關(guān)系組合起來，最大程度地實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，提高失磁保護(hù)的選擇性[1]。但無論如何優(yōu)化組合，為了防止失磁保護(hù)誤動(dòng)均需要采用異步圓作為阻抗元件，為了區(qū)分失磁和有勵(lì)磁振蕩需要采用固定延時(shí)躲過振蕩，從而導(dǎo)致失磁保護(hù)延時(shí)較長(zhǎng)，不利于快速識(shí)別并排除故障。隨著我國(guó)電力系統(tǒng)的發(fā)展，電網(wǎng)結(jié)構(gòu)日益緊密，振蕩周期變長(zhǎng)，更加惡化了失磁保護(hù)的速動(dòng)性，并且由于單機(jī)容量不斷增長(zhǎng)，失磁故障成為影響電網(wǎng)安全運(yùn)行的重大隱患。

鑒于現(xiàn)有保護(hù)判據(jù)的不足，國(guó)內(nèi)外學(xué)者進(jìn)行了諸多研究與創(chuàng)新。國(guó)內(nèi)研究基本上是以現(xiàn)有的保護(hù)框架為基礎(chǔ)，增加判據(jù)或者修改判據(jù)的閾值來優(yōu)化保護(hù)性能，且近年鮮有新的相關(guān)研究。國(guó)外研究大致分為2類。第一類研究通過對(duì)發(fā)電機(jī)各種工況下的電氣量進(jìn)行深入分析尋求新的失磁判據(jù)[2-4]，在一定程度上提升了失磁保護(hù)的速動(dòng)性，但能否與其他異常狀態(tài)區(qū)分還有待進(jìn)一步研究。第二類研究則是通過對(duì)發(fā)電機(jī)電氣量進(jìn)行特征提取形成人工智能(AI)保護(hù)模型[5-6]。這類方法大多采用電流、電壓、相位、功角和功率等電氣量，或者將這些電氣量進(jìn)行分解處理后得到頻域、能量層面上的信息作為AI分類與回歸的輸入特征量，這些輸入特征可能要通過一系列復(fù)雜的數(shù)學(xué)變換來獲得，而且往往容易造成輸入特征維度過大導(dǎo)致學(xué)習(xí)效果差，但是將AI引入到失磁保護(hù)為進(jìn)一步優(yōu)化失磁保護(hù)提供了新的思路。AI的優(yōu)勢(shì)在于其致力于研究如何通過計(jì)算手段和數(shù)據(jù)關(guān)系來完善系統(tǒng)自身的性能。利用AI挖掘數(shù)據(jù)關(guān)聯(lián)關(guān)系就是從數(shù)據(jù)角度揭示物理特性[7]。憑借高效、智能的優(yōu)勢(shì)，AI在繼電保護(hù)中的應(yīng)用已經(jīng)成為了熱門研究?jī)?nèi)容，其中AI的重要組成部分——支持向量機(jī)(SVM)，憑借較強(qiáng)的理論基礎(chǔ)和泛化能力，廣泛應(yīng)用到電力系統(tǒng)領(lǐng)域[8-11]。

機(jī)端測(cè)量阻抗獲取的是發(fā)電機(jī)機(jī)端電壓與電流之比，其在不同工況下的變化均有獨(dú)特規(guī)律，而且阻抗變化軌跡是發(fā)電機(jī)各電氣量綜合作用的結(jié)果，蘊(yùn)含了大量發(fā)電機(jī)運(yùn)行信息，可有效反映發(fā)電機(jī)的運(yùn)行狀態(tài)。通過對(duì)阻抗軌跡的信息挖掘，可在運(yùn)動(dòng)學(xué)、統(tǒng)計(jì)學(xué)層面形成簡(jiǎn)單而又具有區(qū)分價(jià)值的新特征。對(duì)軌跡信息的挖掘和應(yīng)用在電力系統(tǒng)領(lǐng)域也已有諸多研究[12-14]。

因此，本文將軌跡識(shí)別引入到發(fā)電機(jī)失磁保護(hù)中，提出一種基于機(jī)端測(cè)量阻抗變化軌跡識(shí)別的失磁保護(hù)方法。該方法通過提取阻抗軌跡時(shí)域運(yùn)動(dòng)特征，經(jīng)統(tǒng)計(jì)學(xué)分析形成新的特征空間，從運(yùn)動(dòng)學(xué)與統(tǒng)計(jì)學(xué)角度揭示發(fā)電機(jī)測(cè)量阻抗軌跡運(yùn)動(dòng)規(guī)律；利用遺傳模擬退火算法(GSAA)優(yōu)化后的SVM模型進(jìn)行軌跡分類，從而實(shí)現(xiàn)失磁故障識(shí)別。該方法從一個(gè)新角度提高了失磁保護(hù)的選擇性和速動(dòng)性，并通過仿真得到了驗(yàn)證。

1 失磁保護(hù)分析及思路

失磁后機(jī)端測(cè)量阻抗的變化一般都是從阻抗坐標(biāo)平面的第一象限進(jìn)入第四象限，然后進(jìn)入異步圓。當(dāng)發(fā)電機(jī)發(fā)生有勵(lì)磁振蕩并且振蕩中心在發(fā)電機(jī)內(nèi)部時(shí)，機(jī)端測(cè)量阻抗軌跡也會(huì)進(jìn)入異步圓中；機(jī)端或高壓側(cè)發(fā)生短路故障時(shí)也存在測(cè)量阻抗軌跡進(jìn)入異步圓中的潛在可能性。為防止失磁保護(hù)誤動(dòng)作，傳統(tǒng)失磁保護(hù)主判據(jù)一般采用異步阻抗圓，輔助判據(jù)采用電壓、無功功率等，并且在滿足失磁判據(jù)之后需要增加躲過振蕩周期的延時(shí)，這就使得保護(hù)的速動(dòng)性受到嚴(yán)重影響。

在不同工況下，機(jī)端測(cè)量阻抗軌跡初始階段就包含了大量的對(duì)應(yīng)信息，如圖1所示。傳統(tǒng)失磁保護(hù)無法充分利用測(cè)量阻抗軌跡信息，阻抗軌跡到達(dá)最終閾值的局部位置才完成失磁判據(jù)的判定，這必然會(huì)導(dǎo)致失磁保護(hù)動(dòng)作速動(dòng)性差。不同的測(cè)量阻抗的變化模式均代表發(fā)電機(jī)對(duì)應(yīng)的運(yùn)行狀態(tài)，對(duì)阻抗軌跡進(jìn)行信息挖掘，提取出相關(guān)特征，訓(xùn)練SVM智能識(shí)別模型，便可通過對(duì)各類阻抗軌跡的識(shí)別獲知發(fā)電機(jī)運(yùn)行狀態(tài)。在失磁發(fā)生的初始階段準(zhǔn)確識(shí)別失磁故障，就能使失磁保護(hù)同時(shí)滿足速動(dòng)性和選擇性。從該構(gòu)想出發(fā)，建立基于測(cè)量阻抗變化軌跡智能識(shí)別的失磁保護(hù)實(shí)現(xiàn)整體流程，如圖2所示。

圖1 失磁阻抗軌跡

圖2 失磁保護(hù)實(shí)現(xiàn)整體流程

2 基于運(yùn)動(dòng)特征的軌跡特征提取與選擇

機(jī)端阻抗軌跡特征提取流程如圖3所示。本文旨在利用發(fā)電機(jī)機(jī)端測(cè)量阻抗軌跡實(shí)現(xiàn)失磁故障識(shí)別，用于對(duì)SVM進(jìn)行訓(xùn)練的樣本集所能提供的信息反映的是數(shù)據(jù)的內(nèi)在特征，信息選擇的好壞，直接影響分類器的預(yù)測(cè)精度，故需構(gòu)建合理的信息特征空間。特征提取主要包含3個(gè)步驟：(1)數(shù)據(jù)獲取，即通過仿真獲取時(shí)間窗長(zhǎng)1.5 s的機(jī)端測(cè)量阻抗軌跡；(2)特征提取；(3)特征評(píng)價(jià)及選擇。

圖3 機(jī)端阻抗軌跡特征提取流程

2.1 常見故障下機(jī)端阻抗軌跡

基于PSCAD建立了三機(jī)系統(tǒng)仿真模型。圖4(a)～圖4(e)分別為仿真模型發(fā)生失磁故障、振蕩以及短路故障的典型發(fā)電機(jī)機(jī)端測(cè)量阻抗軌跡。值得注意的是，因?yàn)橄到y(tǒng)阻抗遠(yuǎn)小于發(fā)電機(jī)阻抗，所以發(fā)生失步振蕩時(shí)，振蕩中心在發(fā)電機(jī)內(nèi)部，其機(jī)端測(cè)量阻抗軌跡主要分布在第三、四象限。

圖4 發(fā)生失磁、振蕩和短路故障后的機(jī)端阻抗軌跡

2.2 阻抗軌跡運(yùn)動(dòng)特征分析

軌跡特征提取的關(guān)鍵在于特征能否反映軌跡本身的特性。常用的軌跡分類方法中，其運(yùn)動(dòng)特征包括速度、加速度、位移、方向和轉(zhuǎn)角等。通過這些特征可以揭示軌跡運(yùn)動(dòng)的性質(zhì)，因此這些特征常被用來區(qū)分不同移動(dòng)對(duì)象的運(yùn)動(dòng)方式[15]。

速度和加速度是描述運(yùn)動(dòng)軌跡的最基本特征。在用以描述機(jī)端阻抗軌跡時(shí)，速度表示阻抗軌跡位置的變化率，反映不同異常對(duì)發(fā)電機(jī)運(yùn)行影響的深度以及各項(xiàng)電氣參數(shù)變化規(guī)律，而電氣參數(shù)的變化綜合體現(xiàn)在阻抗軌跡運(yùn)動(dòng)速度的變化中；故障原因的不同使發(fā)電機(jī)以及系統(tǒng)慣性作用下的電氣參數(shù)變化速率和變化規(guī)律有很大區(qū)別，集中體現(xiàn)在軌跡加速度的變化上。不同工況下機(jī)端阻抗軌跡運(yùn)動(dòng)速度和加速度如圖5所示。從圖5可以看出速度、加速度序列整體上大小順序?yàn)槭Р秸袷?、同步振蕩、短路故障、失磁故障、正常運(yùn)行。其原因在于：失步振蕩存在滑極現(xiàn)象，電氣量變化幅度大、速度快；同步振蕩功角波動(dòng)不超過π/2，各電氣參數(shù)周期性、小幅度變化，其變化幅度和速度均小于失步振蕩；發(fā)生短路故障時(shí)，機(jī)端測(cè)量阻抗發(fā)生突變，接著在發(fā)電機(jī)失穩(wěn)前小范圍內(nèi)變化。而發(fā)電機(jī)發(fā)生失磁故障后，在其開始階段功角緩慢增加，有功功率保持基本不變，失磁軌跡在初期的速度、加速度、位移都保持在相對(duì)較低的水平。

圖5 阻抗軌跡基本運(yùn)動(dòng)特征

失磁發(fā)生等有功過程的軌跡公式為

(1)

式中：Us為無窮大系統(tǒng)的相電壓；P為發(fā)電機(jī)有功功率；Xs為發(fā)電機(jī)與無窮大系統(tǒng)間的阻抗；φ為功率因數(shù)角。

綜上所述，提取機(jī)端測(cè)量阻抗軌跡的速度和加速度能從本質(zhì)上揭示發(fā)電機(jī)運(yùn)行受到不同擾動(dòng)后的實(shí)際情況。由于速度和加速度在一定程度上反映著阻抗軌跡位移的變化，則無需引入位移特征量。

在本文研究的各種故障過程中，阻抗軌跡運(yùn)動(dòng)方向與位置的變化可以明確區(qū)分。在此類情況下，一般通過對(duì)軌跡運(yùn)動(dòng)方向和轉(zhuǎn)角的變化來描述方向的變化，但進(jìn)行統(tǒng)計(jì)學(xué)參數(shù)計(jì)算時(shí)需要引入方向統(tǒng)計(jì)學(xué)知識(shí)，計(jì)算過程比較復(fù)雜且特征物理意義不夠明確。對(duì)于機(jī)端測(cè)量阻抗，其軌跡所處的方向可通過相位角來表示，因此可以通過軌跡提取相位角來表示軌跡的方向變化規(guī)律。不同工況對(duì)應(yīng)的幅值和相位角序列如圖6、圖7所示。

圖6 測(cè)量阻抗幅值序列

圖7 相位角序列

在各類故障過程中，機(jī)端測(cè)量阻抗幅值變化規(guī)律也有很大區(qū)別，尤其是失磁故障，在失磁初始階段中具有獨(dú)特的等有功現(xiàn)象，與其他異常有明顯區(qū)別。因此，通過分析阻抗幅值的變化便可建立起具有強(qiáng)區(qū)分力的特征。

這樣，從軌跡中提取相位角序列和阻抗幅值序列作為特征量，不僅物理意義明確，而且能準(zhǔn)確表示各種工況下的軌跡方位變化規(guī)律。

2.3 軌跡運(yùn)動(dòng)特征提取及選擇

2.3.1 軌跡運(yùn)動(dòng)特征提取

對(duì)軌跡進(jìn)行分類時(shí)，利用測(cè)量阻抗軌跡的運(yùn)行特征揭示發(fā)電機(jī)運(yùn)行本質(zhì)。首先從完整運(yùn)動(dòng)軌跡中分別提取速度、加速度、相位角、阻抗幅值共4個(gè)基本軌跡運(yùn)動(dòng)特征。軌跡可表示為一個(gè)點(diǎn)序列Pi∈{P1,P2,…,Pn}，每個(gè)點(diǎn)Pi包含位置信息和時(shí)間信息，即Pi=(xi,yi,ti)。用di表示軌跡位移，即：

di=dist(Pi,Pi+1)

(2)

則速度vi、加速度ai、阻抗幅值Zi及相位角φi的計(jì)算式為

vi=di/(ti+1-ti)

(3)

ai=(vi+1-vi)/(ti+1-ti)

(4)

Zi=abs(xi+jyi)

(5)

φi=Arg(xi+jyi)

(6)

為了量化各類工況機(jī)端測(cè)量阻抗運(yùn)動(dòng)的軌跡規(guī)律以及分布特征，對(duì)各項(xiàng)運(yùn)動(dòng)特征序列進(jìn)行統(tǒng)計(jì)學(xué)參數(shù)分析。分別計(jì)算這4個(gè)基本特征序列的均值、中值、標(biāo)準(zhǔn)差、變異系數(shù)、偏度系數(shù)和峰度系數(shù)共6個(gè)統(tǒng)計(jì)學(xué)特征，構(gòu)成24維特征。這些統(tǒng)計(jì)量可揭示不同工況下測(cè)量阻抗軌跡的運(yùn)動(dòng)特征。

2.3.2 特征評(píng)價(jià)及選擇

24維輸入統(tǒng)計(jì)學(xué)特征可能存在過度冗余以及特征空間維度過大的問題，會(huì)對(duì)模型訓(xùn)練造成不利，因此需要對(duì)這些特征進(jìn)行篩選，剔除對(duì)訓(xùn)練作用不大的特征以提升訓(xùn)練模型效率。

皮爾遜相關(guān)系數(shù)可用來衡量2個(gè)變量的相關(guān)程度，實(shí)現(xiàn)對(duì)特征的有效性評(píng)價(jià)。針對(duì)本文樣本特征空間，應(yīng)用如下皮爾遜系數(shù)公式：

c=

(7)

式中：Xpi和Xqi分別為第i個(gè)樣本特征X在發(fā)電機(jī)故障類型p和q下的具體值。

相關(guān)系數(shù)值|c|越大表明不同運(yùn)行狀態(tài)下的特征量間關(guān)聯(lián)性越強(qiáng)；相關(guān)系數(shù)值越小，特征用于分類的性能越好。對(duì)于多種類別的情況，可使用綜合相關(guān)系數(shù)進(jìn)行分析，即求所有故障類型下的兩兩類別間的各項(xiàng)特征的相關(guān)系數(shù)|c|的均值[16]。

完成特征評(píng)價(jià)后，通過前向序慣選擇法對(duì)特征進(jìn)行選擇。前向序慣是由底往上處理的過程，從空集開始挑選一個(gè)最優(yōu)特征作為第一個(gè)特征，隨后每一步驟的下一特征從剩下的特征中挑選，依次順延，直到滿足模型訓(xùn)練測(cè)試的精度要求，停止特征增加，最終確定模型輸入所需的特征。特征選擇流程如圖8所示。

圖8 機(jī)端阻抗軌跡特征選擇流程

3 SVM參數(shù)優(yōu)化

對(duì)于SVM基本原理，文獻(xiàn)[17]已經(jīng)做了詳細(xì)介紹，其中SVM懲罰參數(shù)C表示對(duì)錯(cuò)分樣本的懲罰程度。本文選擇最常用的高斯核函數(shù)作為高維映射變換函數(shù)，高斯核函數(shù)參數(shù)γ和懲罰參數(shù)C影響SVM分類性能，需要尋優(yōu)。遺傳算法(GA)與模擬退火算法(SA)各有優(yōu)缺點(diǎn)[18]，將GA與SA算法混合形成GSAA算法可結(jié)合兩者優(yōu)點(diǎn)，使其尋優(yōu)速度和優(yōu)化效果皆優(yōu)于單一算法。本文所采用的GSAA算法在GA的變異環(huán)節(jié)加入SA的核心算法——隨機(jī)接受準(zhǔn)則，通過該準(zhǔn)則有限度地接受GA變異后的惡化解，進(jìn)而優(yōu)化算法的性能。

4 仿真驗(yàn)證

4.1 仿真數(shù)據(jù)集分析

基于建立的PSCAD仿真模型，仿真了發(fā)電機(jī)各種運(yùn)行工況下的阻抗軌跡樣本，包括正常運(yùn)行38組、失磁故障76組、失步振蕩38組、同步振蕩38組、機(jī)端兩相經(jīng)過渡電阻短路114組、主變高壓側(cè)相間經(jīng)過渡電阻短路114組、主變高壓側(cè)單相經(jīng)過渡電阻短路114組，形成共4個(gè)類別7種工況532組樣本。樣本分別涵蓋了發(fā)電機(jī)30%PGN～100%PGN(PGN為發(fā)電機(jī)額定有功功率)的負(fù)荷工況。

圖9為綜合相關(guān)系數(shù)分析結(jié)果。圖9中A～X依次分別為速度、加速度、阻抗幅值、相位角序列對(duì)應(yīng)的24項(xiàng)統(tǒng)計(jì)學(xué)參數(shù)在不同故障下的綜合相關(guān)系數(shù)，按照從小到大的排列順序?yàn)镽-V-D-E-K-Q-L-J-C-O-I-P-U-G-A-F-B-W-H-T-S-X-M-N，表征了特征分類性能優(yōu)劣的排列。

圖9 相關(guān)系數(shù)分析結(jié)果

根據(jù)前向序慣搜索法，依次代入對(duì)應(yīng)的樣本特征空間對(duì)模型進(jìn)行訓(xùn)練測(cè)試。圖10展示了不同特征數(shù)的樣本對(duì)應(yīng)的模型測(cè)試準(zhǔn)確率。從圖10可以看出，模型分類準(zhǔn)確率隨著特征維數(shù)的增加而提高，當(dāng)特征增加到6維時(shí)，準(zhǔn)確率可達(dá)到100%。這6維特征分別為R、V、D、E、K和Q，具體為阻抗幅值序列峰度系數(shù)、相位角序列變異系數(shù)、速度序列變異系數(shù)、速度序列偏度系數(shù)、加速度序列偏度系數(shù)和阻抗幅值序列偏度系數(shù)。

圖10 分類準(zhǔn)確率與特征數(shù)的關(guān)系

4.2 失磁保護(hù)工作流程

發(fā)電機(jī)正常運(yùn)行時(shí)，阻抗軌跡速度為零，與異常運(yùn)行工況存在明顯分界。據(jù)此本文構(gòu)建了基于測(cè)量阻抗軌跡運(yùn)動(dòng)速度的失磁保護(hù)啟動(dòng)判據(jù)：

v>vset

(8)

式中：v為測(cè)量阻抗軌跡實(shí)時(shí)速度；vset為啟動(dòng)判據(jù)閾值。發(fā)電機(jī)正常運(yùn)行時(shí)，故障判據(jù)不啟動(dòng)。

本文方法用于失磁保護(hù)的工作流程已在圖2給出。具體描述如下：

(1) 實(shí)時(shí)計(jì)算出機(jī)端測(cè)量阻抗軌跡速度，速度大于閾值時(shí)，啟動(dòng)軌跡識(shí)別判據(jù)。

(2) 滑動(dòng)時(shí)窗實(shí)時(shí)計(jì)算出窗長(zhǎng)為1.5 s的軌跡序列的4項(xiàng)基本運(yùn)動(dòng)特征序列。

(3) 計(jì)算出上述基本特征對(duì)應(yīng)的模型輸入所需的6維統(tǒng)計(jì)特征，輸入至SVM模型。

(4) 由模型進(jìn)行軌跡分類，判斷是否發(fā)生失磁故障。

4.3 模型優(yōu)化及訓(xùn)練過程

選取上節(jié)選定的6維特征形成樣本空間，對(duì)仿真數(shù)據(jù)集隨機(jī)抽取400組數(shù)據(jù)作為訓(xùn)練集，其余132組數(shù)據(jù)作為測(cè)試集，進(jìn)行GSAA優(yōu)化SVM參數(shù)的模型訓(xùn)練以及模型分類性能的測(cè)試。參數(shù)優(yōu)化過程如圖11所示。從圖11可以看出，本文所使用的優(yōu)化算法在進(jìn)化至第34代時(shí)最優(yōu)個(gè)體參數(shù)的適應(yīng)度就達(dá)到了100%，表明GSAA優(yōu)化SVM參數(shù)的算法優(yōu)化速度快、性能突出。

圖11 適應(yīng)度和迭代次數(shù)的關(guān)系曲線

將仿真測(cè)試數(shù)據(jù)集代入優(yōu)化后的模型進(jìn)行驗(yàn)證，預(yù)測(cè)結(jié)果如圖12所示，其中樣本類別1、2、3、4分別為正常運(yùn)行、短路故障、振蕩、失磁故障。由圖12可見，樣本預(yù)測(cè)分類準(zhǔn)確率達(dá)到100%，證明了模型的準(zhǔn)確性。

圖12 測(cè)試樣本實(shí)際類別與預(yù)測(cè)分類對(duì)比

4.4 保護(hù)速動(dòng)性

本文基于時(shí)間窗長(zhǎng)為1.5 s的初始機(jī)端測(cè)量阻抗軌跡的運(yùn)動(dòng)特征，利用SVM模型將失磁從發(fā)生到識(shí)別僅需1.5 s的延時(shí)。在發(fā)電機(jī)不同負(fù)荷時(shí)，與傳統(tǒng)失磁保護(hù)判據(jù)相比，其速動(dòng)性表現(xiàn)出明顯優(yōu)勢(shì)，具體對(duì)比如圖13所示。由圖13可以看出，在任何負(fù)荷下，本文方法在保證可靠識(shí)別失磁故障的前提下表現(xiàn)出快速識(shí)別的優(yōu)勢(shì)，尤其在低負(fù)荷時(shí)，失磁故障識(shí)別速度優(yōu)勢(shì)更加突出。

圖13 失磁保護(hù)動(dòng)作延時(shí)對(duì)比

5 結(jié) 語

本文將軌跡識(shí)別引入發(fā)電機(jī)繼電保護(hù)領(lǐng)域。通過利用SVM對(duì)發(fā)電機(jī)機(jī)端測(cè)量阻抗軌跡的識(shí)別，形成了新的失磁保護(hù)方案。

該方法提取了發(fā)電機(jī)機(jī)端測(cè)量阻抗軌跡的運(yùn)動(dòng)特征。將提取的速度、加速度、阻抗幅值和相位角運(yùn)動(dòng)參數(shù)，利用均值、中值、標(biāo)準(zhǔn)差、變異系數(shù)、偏度系數(shù)和峰度系數(shù)等統(tǒng)計(jì)學(xué)參數(shù)獲得了有區(qū)分力的運(yùn)動(dòng)特征，并通過相關(guān)系數(shù)分析和前向序慣算法進(jìn)行了特征選擇。通過GSAA對(duì)SVM的參數(shù)進(jìn)行優(yōu)化，利用優(yōu)化模型在機(jī)端測(cè)量阻抗軌跡特征上完成同步發(fā)電機(jī)失磁故障識(shí)別，準(zhǔn)確率達(dá)到100%。

該方法在保證可靠識(shí)別失磁故障的前提下可有效提升失磁保護(hù)動(dòng)作的速動(dòng)性，在失磁特征弱的低負(fù)荷工況下速動(dòng)性優(yōu)勢(shì)尤其突出。

本文方法避免了傳統(tǒng)電氣量判據(jù)形成的保護(hù)繁瑣、可靠性差的缺點(diǎn)，有效提高了發(fā)電機(jī)失磁保護(hù)的準(zhǔn)確性和速動(dòng)性。將該方法用于失磁保護(hù)方案時(shí)，還能準(zhǔn)確識(shí)別振蕩和短路故障。未來將應(yīng)用實(shí)際故障數(shù)據(jù)進(jìn)一步驗(yàn)證算法的有效性。