王洪林, 董春林, 董俊, 李維, 高黎明, 郭俊

(1. 云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院，云南 昆明 650011；2. 山東科匯電力自動化股份有限公司，山東 淄博 255087； 3. 昆明理工大學(xué)電力工程學(xué)院，云南 昆明 650050；4. 云南電網(wǎng)有限責(zé)任公司玉溪江川供電局，云南 玉溪 653100； 5. 云南電網(wǎng)有限責(zé)任公司昆明富民供電局，云南 昆明 650011)

0 引 言

支持向量機(jī)(support vector machine,SVM)算法依靠鉸鏈損失函數(shù)計(jì)算既定系統(tǒng)中的風(fēng)險(xiǎn)項(xiàng)目，再根據(jù)正則化結(jié)構(gòu)風(fēng)險(xiǎn)處理原則，建立穩(wěn)健性的分類統(tǒng)計(jì)標(biāo)準(zhǔn)[1-2]。由于電力系統(tǒng)的傳輸結(jié)構(gòu)相對較為復(fù)雜，隨著電壓等級水平的不斷提升，輸電線路中的電量開始出現(xiàn)明顯的超標(biāo)，導(dǎo)致故障位置的電量冗余程度不斷升高，不僅影響故障位置的識別準(zhǔn)確度，也拉低了高壓電網(wǎng)中電波的基礎(chǔ)傳輸速率[3]。為避免上述情況的發(fā)生，引入SVM增量學(xué)習(xí)算法，提出高壓電網(wǎng)短路故障位置自動識別。在最小化處理電網(wǎng)結(jié)構(gòu)風(fēng)險(xiǎn)的基礎(chǔ)上，搭建一種新型的高壓電網(wǎng)短路故障位置自動識別方法。試驗(yàn)結(jié)果表明，增加傳輸電量，短路故障冗余度極值能提升40%，識別故障位置的準(zhǔn)確度和準(zhǔn)確性大大提高，能有效解決短路故障問題。

1 基于SVM增量學(xué)習(xí)算法的電網(wǎng)故障識別環(huán)境

1.1 故障訓(xùn)練特征確定

建立SVM增量學(xué)習(xí)算法的故障訓(xùn)練特征集合時，需以高壓電網(wǎng)的短路預(yù)測結(jié)果為目標(biāo)值[4]，并且要求關(guān)聯(lián)故障特征值間保持相互對應(yīng)關(guān)系。通常情況下，所有高壓電網(wǎng)的短路故障特征值都保持多維度狀態(tài)。設(shè)q代表高壓電網(wǎng)短路故障的預(yù)測目標(biāo)值，聯(lián)合SVM增量學(xué)習(xí)算法的訓(xùn)練參量δ，可將故障訓(xùn)練的特征表示為：

(1)

1.2 線性不可分邊界支持向量提取

線性不可分邊界支持向量以故障訓(xùn)練特征集合作為提取基礎(chǔ)，選取一個高壓電網(wǎng)故障樣本區(qū)間A后，與剩余樣本區(qū)間B對比，準(zhǔn)確計(jì)算出二者間的距離差值。選擇與區(qū)間B距離最小的樣本集合A′，構(gòu)成高壓電網(wǎng)短路故障樣本的子集條件。反復(fù)多次操作上述兩個步驟，直至完成所有樣本區(qū)間A與剩余樣本區(qū)間B的對比，其表達(dá)式如式(2)所示。

(2)

1.3 電網(wǎng)結(jié)構(gòu)的風(fēng)險(xiǎn)最小化

通過電網(wǎng)結(jié)構(gòu)風(fēng)險(xiǎn)最小化處理的方式，來彌補(bǔ)置信范圍不足這一物理缺陷[5-6]。在故障訓(xùn)練特征集合數(shù)量有限的情況下，可以輕易確定故障位置的偏移程度，并且還能夠中和由SVM增量學(xué)習(xí)算法引起的電網(wǎng)節(jié)點(diǎn)錯位問題。對于電網(wǎng)結(jié)構(gòu)風(fēng)險(xiǎn)最小化處理來說，SVM增量學(xué)習(xí)算法必須配置固定的置信范圍，且在故障訓(xùn)練特征集合的支持下，可將識別節(jié)點(diǎn)的應(yīng)用風(fēng)險(xiǎn)降至最低，由此實(shí)現(xiàn)整個電網(wǎng)結(jié)構(gòu)的低風(fēng)險(xiǎn)運(yùn)行操作[7-8]。圖1為電網(wǎng)結(jié)構(gòu)風(fēng)險(xiǎn)最小化操作原理。

圖1 電網(wǎng)結(jié)構(gòu)風(fēng)險(xiǎn)最小化操作原理圖

2 高壓電網(wǎng)短路故障位置的自動識別處理

2.1 高壓電網(wǎng)的相量量測單元(phasor measurement unit, PMU)配置

在高壓電網(wǎng)環(huán)境中，PMU參數(shù)(調(diào)頻調(diào)差參數(shù))可提供短路故障測量所需的節(jié)點(diǎn)幅值與相角關(guān)系，與電網(wǎng)結(jié)構(gòu)配置節(jié)點(diǎn)相連接的支路電流也可得到妥善分配[9]。圖2反映了完整的高壓電網(wǎng)PMU配置原理，其中白色圓形節(jié)點(diǎn)代表原發(fā)性的短路故障行為，深色圓形節(jié)點(diǎn)代表繼發(fā)性的短路故障行為。

圖2 高壓電網(wǎng)PMU配置原理圖

分析圖2可知，常規(guī)高壓電網(wǎng)具備三種PMU配置方式。在一個完整的電網(wǎng)系統(tǒng)中，至少應(yīng)包含一個原發(fā)性短路故障行為，但對繼發(fā)性短路故障行為不做明確限制，且原發(fā)性、繼發(fā)性短路故障行為間存在明顯的可傳導(dǎo)性，然而從繼發(fā)性到原發(fā)性的傳導(dǎo)相對較為困難，只在特定短路故障行為的支持下才能進(jìn)行。

2.2 故障識別元件確定

SVM增量算法下的電網(wǎng)結(jié)構(gòu)風(fēng)險(xiǎn)最小化需分析高壓電網(wǎng)短路故障位置識別結(jié)構(gòu)，包含常規(guī)電阻、二極管、三極管、電解電容和微調(diào)電位器。二極管、三極管是兩類功能相似的連接促導(dǎo)結(jié)構(gòu)，能夠分流電網(wǎng)系統(tǒng)中的高壓電子，并將其整合至不同類型的電容設(shè)備中。電解電容具備電量存儲功能。微調(diào)電位器是高壓電網(wǎng)短路故障位置識別結(jié)構(gòu)中的核心調(diào)節(jié)設(shè)備，能夠根據(jù)電網(wǎng)環(huán)境中的電子量變化情況，為各類耗電元件分配所需的電流與電壓量。

2.3 短路故障位置校驗(yàn)

短路故障位置校驗(yàn)是新型自動識別方法搭建的關(guān)鍵環(huán)節(jié)，可根據(jù)高壓電網(wǎng)環(huán)境中PMU參數(shù)的配置情況，促進(jìn)已發(fā)生電網(wǎng)故障節(jié)點(diǎn)的快速聚集，進(jìn)而提升位置識別精準(zhǔn)性。在高壓電網(wǎng)任意傳輸線路的兩端都至少具有一個母線量測裝置，可在調(diào)節(jié)PMU參數(shù)的同時，確定短路故障區(qū)域的具體位置信息。對高壓電網(wǎng)結(jié)構(gòu)來說，在選取了固定的短路故障區(qū)域后，微調(diào)電位器發(fā)出的電子傳輸信息可從配有母線量測裝置的一側(cè)出發(fā)，通過測距調(diào)節(jié)的方式，統(tǒng)計(jì)準(zhǔn)確的故障位置信息，進(jìn)而為后續(xù)校驗(yàn)處理提供數(shù)據(jù)支持。

在電網(wǎng)短路故障位置自動識別的處理過程中，所有電力分子只能由母線量測裝置端傳輸至各級電力應(yīng)用端。因受到SVM增量學(xué)習(xí)算法的限制，這些用于傳輸?shù)碾娏Ψ肿又痪邆鋯蜗鄠鬏斝?，不得以任何理由出現(xiàn)反向傳輸行為。

3 算法實(shí)用性分析

3.1 識別檢測系統(tǒng)的試驗(yàn)環(huán)境

在既定高壓電網(wǎng)環(huán)境中，設(shè)置定向化短路故障位置自動識別檢測平臺，通過人工控制的方式，改變接入檢測環(huán)境中傳輸電量的數(shù)值大小，再借助母線二極管整合相關(guān)電子傳輸參量。多次更改接入檢測系統(tǒng)中傳輸電量的具體數(shù)值條件，并將母線二極管中的參量結(jié)果傳輸至識別分析主機(jī)，進(jìn)而獲得短路故障冗余度和位置識別精確度等物理信息。

3.2 短路故障冗余程度

在DrivenData(https://www.drivendata.org/)中選取某電力公司的電網(wǎng)信息，排除與本次試驗(yàn)無關(guān)和應(yīng)用效果差的信息，以等短路故障和傳輸電量等物理信息為試驗(yàn)數(shù)據(jù)。在MATLAB/Simulink仿真平臺下進(jìn)行建模和仿真，建立110 kV電網(wǎng)短路故障仿真模型。選取80 min作為檢測時間長度，分別記錄在該段時間內(nèi)，隨著傳輸電量的增加，高壓電網(wǎng)短路故障冗余度的變化情況，如圖3所示。

圖3 短路故障冗余程度對比圖

分析圖3可知，隨著檢測時間的增加，三種電量狀態(tài)下短路故障冗余度大體上保持先上升再下降的變化趨勢。電量為200 C時，短路故障冗余度極值最大，接近70%；電量為300 C時，短路故障冗余度極值最小，僅達(dá)到40%左右，且此狀態(tài)下極端值間的差值計(jì)算量最小。綜上可知，隨著基于SVM增量學(xué)習(xí)算法高壓電網(wǎng)短路故障位置自動識別方法的應(yīng)用，短路故障冗余度確實(shí)得到了良好的控制。

3.3 故障位置識別精確性

電網(wǎng)中任意位置發(fā)生短路故障，位置識別精度計(jì)算公式為：

(3)

式中:l為該方法識別故障位置的距離;α為實(shí)際故障距離。

分別記錄傳輸電量為50 C、100 C、200 C、300 C情況下，高壓電網(wǎng)短路故障位置自動識別精確度的情況，如圖4所示。

圖4 故障位置識別精確性對比

分析圖4可知，隨著傳輸電量增大，高壓電網(wǎng)短路故障位置自動識別精確度持續(xù)下降，最大值在96.8%左右，到300 C時，識別精確度基本穩(wěn)定在94%左右。

4 結(jié)束語

SVM增量學(xué)習(xí)算法規(guī)范了高壓輸電過程中的故障訓(xùn)練特征集合，并有效提取線性不可分邊界向量，使PMU參數(shù)具備了更強(qiáng)的約束效力。在相關(guān)識別元件的促進(jìn)下，電網(wǎng)結(jié)構(gòu)運(yùn)行風(fēng)險(xiǎn)程度降至最低，故障冗余度等問題不再能夠抑制位置識別的精確性，由傳輸電量超標(biāo)造成的短路故障現(xiàn)象得到適當(dāng)緩解。