王曉飛，馮小萍，程新宇，崔大林，花 鳳

（1.國(guó)網(wǎng)新疆電力有限公司，新疆烏魯木齊 830002；2.國(guó)網(wǎng)新疆電力有限公司伊犁供電公司，新疆伊寧 835000）

隨著我國(guó)特高壓電站、新能源電站和智能電網(wǎng)的迅速發(fā)展，各級(jí)電網(wǎng)的聯(lián)系日益緊密，對(duì)于繼電保護(hù)整定計(jì)算的相關(guān)方法提出了更高的要求。

人工智能技術(shù)的使用，可以減少電力系統(tǒng)的運(yùn)營(yíng)成本。智能化系統(tǒng)的應(yīng)用，例如專家系統(tǒng)、模糊邏輯、機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)徹底改變了配電過(guò)程，這些系統(tǒng)為現(xiàn)代智能電網(wǎng)中的設(shè)計(jì)、仿真、故障診斷和容錯(cuò)控制提供了有效工具。

該文提出了一種多方向長(zhǎng)短期記憶（LSTM）模型。該模型對(duì)電網(wǎng)器件模型中的智能網(wǎng)絡(luò)數(shù)據(jù)集進(jìn)行分類，預(yù)測(cè)電力系統(tǒng)的穩(wěn)定性并輔助決策相應(yīng)的應(yīng)對(duì)策略，且通過(guò)實(shí)驗(yàn)論證了平臺(tái)的可靠性。

1 整定計(jì)算分析建模

該文通過(guò)分析不同類型的繼電保護(hù)整定計(jì)算，建立統(tǒng)一的模型，以實(shí)現(xiàn)高效、準(zhǔn)確的電網(wǎng)數(shù)據(jù)計(jì)算平臺(tái)設(shè)計(jì)[1]。該設(shè)計(jì)考慮到以下問(wèn)題，對(duì)模型進(jìn)行了合理簡(jiǎn)化：

1）換能器誤差不是永久性的，且取決于輸入信號(hào)的幅度、頻譜以及換能器的負(fù)載[2]。

2）通過(guò)近似廣義系數(shù)考慮直流瞬變的影響[3]。

3）對(duì)于一種通用的運(yùn)行方式，受保護(hù)設(shè)備的參數(shù)是固定的[4]。

在合理簡(jiǎn)化的基礎(chǔ)上，建模需要滿足下述要求：

1）模型需要獲取設(shè)備（發(fā)電機(jī)、電動(dòng)機(jī)、變壓器、電力線、負(fù)載）的所有正常與異常運(yùn)行狀況中的穩(wěn)態(tài)和瞬態(tài)頻譜[5]。

2）微分方程系統(tǒng)的精確計(jì)算方法，可以保證可接受的整定計(jì)算精度[6]。

在上述原則的基礎(chǔ)上，構(gòu)建了電子變壓器差動(dòng)保護(hù)（TDP）和相位比較保護(hù)的數(shù)學(xué)模型，以實(shí)現(xiàn)對(duì)繼電保護(hù)過(guò)程中電流互感器與電壓互感器的模擬。TDP 數(shù)值模型，如圖1 所示。

圖1 TDP數(shù)值模型

Zload是電流互感器的負(fù)載，即串聯(lián)連接的中間互感器和頻率濾波器的傳遞函數(shù)。單級(jí)電流互感器的傳遞函數(shù)如下：

式中，Y1TAI和Y2TAI為電路分支的電導(dǎo)率；Ye1、Ye2和Ye3為電路節(jié)點(diǎn)的等效電導(dǎo)率；K1、K2、K3、K4和K5是TDP 模型的繼電保護(hù)參數(shù)確定的系數(shù)。

根據(jù)西門子電氣的7UT51、7UT61 的方法進(jìn)行TDP 模型數(shù)值的設(shè)置，差分電流的拾取值如式（2）所示：

式中，IratedHV為電力變壓器高壓側(cè)的額定電流；Ibase為基本電流。

若系統(tǒng)中安裝補(bǔ)電器，則通過(guò)式（2）計(jì)算的差分電流閾值將被校正。高行程的拾取值如式（3）所示：

任意電力曲線的基點(diǎn)脫扣特性可由式（4）得出：

顯然，式（4）簡(jiǎn)化了模型的復(fù)雜程度，而式（3）中使用的系數(shù)是由經(jīng)驗(yàn)數(shù)據(jù)得出，且涵蓋了所有的標(biāo)準(zhǔn)情況。

2 LSTM數(shù)據(jù)分析平臺(tái)

在建立整定計(jì)算模型的基礎(chǔ)上，需對(duì)其進(jìn)行準(zhǔn)確、有效的分析。由于電力系統(tǒng)中的電氣設(shè)備數(shù)量種類繁多，同一類型設(shè)備參數(shù)多數(shù)不同并存在性能衰減。因此普通的整定計(jì)算方法難以應(yīng)對(duì)，通過(guò)引入長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）對(duì)模型數(shù)據(jù)進(jìn)行分析[7]。

LSTM 具有類似于RNN 的鏈結(jié)構(gòu)，該鏈結(jié)構(gòu)具有多個(gè)神經(jīng)網(wǎng)絡(luò)模塊[8]。圖2 說(shuō)明了選用的LSTM 體系結(jié)構(gòu)由不同的門組成（輸入門、輸出門和遺忘門）[9]，這些門對(duì)網(wǎng)絡(luò)傳遞的信息進(jìn)行相關(guān)分析運(yùn)算[10]。

圖2 LSTM體系結(jié)構(gòu)

輸入門it由域值范圍為-1～1 的tanh 函數(shù)組成，使用當(dāng)前輸入xt、參數(shù)Ct-1和ht-1。遺忘門ft使用sigmoid 函數(shù)和tanh 函數(shù)作為激活函數(shù)，遺忘門決定了保留來(lái)自先前輸出信息的多少[11]。若值為1，則數(shù)據(jù)將轉(zhuǎn)換到網(wǎng)絡(luò)中；若值為0，則數(shù)據(jù)將不會(huì)通過(guò)網(wǎng)絡(luò)傳遞。輸出門ot使用sigmoid 函數(shù)作為激活函數(shù)，取值范圍為-1～1[12]。在每個(gè)時(shí)間戳上，it、ot、ft通過(guò)下式計(jì)算：

傳統(tǒng)的LSTM 是雙向工作的，使用了兩個(gè)LSTM網(wǎng)絡(luò)[13]。一個(gè)LSTM 網(wǎng)絡(luò)用于向上和向下掃描，另一個(gè)LSTM 網(wǎng)絡(luò)用于左右掃描。第二個(gè)LSTM 網(wǎng)絡(luò)的輸入是第一個(gè)LSTM 網(wǎng)絡(luò)的總和[14]。與傳統(tǒng)的LSTM相比，該文采用的多LSTM（MLSTM）使用了兩倍數(shù)量的輸入門、輸出門和遺忘門，提高了準(zhǔn)確性但增大了計(jì)算成本[15-17]。

引入門控循環(huán)單元（GRU），旨在處理LSTM 的短期內(nèi)存問(wèn)題。GRU 沒(méi)有單元狀態(tài)，而是利用隱藏狀態(tài)來(lái)承載信息[18]。GRU 還包括兩個(gè)門：復(fù)位門rt和更新門zt，用以下等式表示：

其中，zt表示更新門，σ(·)表示sigmod 型函數(shù)，w、U和b是參數(shù)矩陣和向量，ht表示輸出向量，xt表示輸入向量。更新門負(fù)責(zé)決定必須刪除的信息和必須添加的信息，復(fù)位門負(fù)責(zé)確定要忘記的先前數(shù)據(jù)量。

提出的MLSTM 模型由4個(gè)一維空間LSTM 組成，以獨(dú)立地沿不同方向掃描每一列和每一行。在每個(gè)計(jì)算中，均會(huì)計(jì)算隱藏層并在輸出前將結(jié)果求和。垂直方向上的LSTM 網(wǎng)絡(luò)A中應(yīng)用兩個(gè)空間一維LSTM，其中在每個(gè)步驟中計(jì)算隱藏狀態(tài)并將結(jié)果相加。類似地，在水平方向上的LSTM 網(wǎng)絡(luò)B 執(zhí)行類似的操作。將A與B組合定義了多向LSTM，如圖3所示。

圖3 多向LSTM網(wǎng)絡(luò)

考慮到一維空間LSTM 的輸入數(shù)據(jù)特性，F(xiàn)L是每個(gè)空間位置的屬性向量。網(wǎng)絡(luò)在從上到下掃描時(shí)，用m,n的屬性響應(yīng)表示特征的維數(shù)，并由式（10）估計(jì)：

圖4 表示了一維MLSTM sigmod 函數(shù)的工作流程。為了處理隱藏層的數(shù)據(jù)，設(shè)計(jì)的MLSTM模型使用以下3 種方法，即正向傳播、求和及并置，如下所示：

圖4 一維MLSTM sigmod函數(shù)工作流程

3 實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證基于長(zhǎng)短期記憶網(wǎng)絡(luò)的電力數(shù)據(jù)整定平臺(tái)對(duì)電力系統(tǒng)穩(wěn)定的價(jià)值，通過(guò)設(shè)計(jì)實(shí)驗(yàn)進(jìn)行論證。

首先，使用電力數(shù)據(jù)分別對(duì)GRU、RNN 和LSTM以及該文設(shè)計(jì)的MLSTM 網(wǎng)絡(luò)就精確度、召回率與F1分?jǐn)?shù)3 個(gè)指標(biāo)來(lái)測(cè)試模型的有效性。該次設(shè)計(jì)的MLSTM 網(wǎng)絡(luò)在8 組不同數(shù)據(jù)集下進(jìn)行實(shí)驗(yàn)得到的精確度、召回率與F1分?jǐn)?shù)如圖5 所示。

圖5 模型指標(biāo)對(duì)比實(shí)驗(yàn)

該實(shí)驗(yàn)是在內(nèi)部和外部三相短路、內(nèi)部和內(nèi)部?jī)上嗯c單相短路以及無(wú)載自耦變壓器的連接狀態(tài)下進(jìn)行的。在實(shí)驗(yàn)變電站110 kV 和10 kV 母線上的三相短路，以及220 kV 母線上的兩相短路狀態(tài)下，存在保護(hù)性誤跳閘。改變跳閘特性的參數(shù)可以消除錯(cuò)誤的跳閘，如圖6 所示。

圖6 跳閘和故障特性

使用MLSTM 數(shù)據(jù)計(jì)算平臺(tái)分析可知，產(chǎn)生錯(cuò)誤動(dòng)作的主要原因是安裝在受保護(hù)的自耦變壓器側(cè)面的電流互感器的相移不均等，如圖7 所示。

圖7 A相電流不同側(cè)的波形圖

針對(duì)MLSTM 平臺(tái)分析的隱患原因，設(shè)計(jì)的保護(hù)配置如下：

1）對(duì)于相位A：差分的拾取電流Idiff=351.4 A，高設(shè)定跳閘的吸合值Idiff＞＞=5 120.4 A，曲線1 的跳閘特性斜率為1，曲線2 的跳閘特性斜率為1.5。

2）對(duì)于相位B：Idiff=426.7 A,slope1=1,slope2=1.5,Idiff＞＞=5 421.6 A,Ibasepoint2=1 066.75 A。

3）對(duì)于相位C：Idiff=376.5 A,Idiff＞＞=5 120.4 A,Ibasepoint2=941.25 A,slope1=1.1。

新參數(shù)設(shè)置下的輸出特性，如圖8 所示?？梢宰C明，經(jīng)過(guò)參數(shù)的重新設(shè)置未出現(xiàn)誤跳閘。

圖8 新參數(shù)設(shè)置下的跳閘和故障特性

4 結(jié)束語(yǔ)

隨著電網(wǎng)向著智能化、大型化發(fā)展，電網(wǎng)結(jié)構(gòu)日益復(fù)雜，傳統(tǒng)的電力數(shù)據(jù)整定計(jì)算方法難以應(yīng)對(duì)。該文通過(guò)建立電力器件的詳細(xì)模型，引入長(zhǎng)短期記憶網(wǎng)絡(luò)對(duì)其數(shù)據(jù)進(jìn)行分析。通過(guò)實(shí)驗(yàn)可以發(fā)現(xiàn)，設(shè)計(jì)的平臺(tái)可以有效識(shí)別錯(cuò)誤，并輔助制定應(yīng)對(duì)突發(fā)事件的策略。

在模型設(shè)計(jì)中，對(duì)器件模型進(jìn)行了部分簡(jiǎn)化。未來(lái)的工作將著重于研究如何使用時(shí)變模型，發(fā)現(xiàn)電力系統(tǒng)的更多安全問(wèn)題，從而進(jìn)一步提高該電力數(shù)據(jù)分析平臺(tái)的價(jià)值。