摘要：繼電保護(hù)裝置由于長年不斷電運行且數(shù)量龐大，故障概率相對較高，給電力系統(tǒng)的安全穩(wěn)定運行帶來了嚴(yán)重威脅。文章提出基于Apriori算法繼電保護(hù)裝置缺陷自動診斷方法。基于Apriori算法構(gòu)建裝置缺陷指標(biāo)集，深入分析對繼電保護(hù)通信電路產(chǎn)生影響的關(guān)聯(lián)指標(biāo)，建立裝置故障缺陷的識別模型，識別裝置故障缺陷文本。實驗結(jié)果表明：基于Apriori算法繼電保護(hù)裝置缺陷自動診斷方法能夠準(zhǔn)確地診斷出過流保護(hù)設(shè)備的額定電流過小所在的缺陷發(fā)生的時刻。

關(guān)鍵詞：數(shù)據(jù)挖掘；缺陷診斷；繼電保護(hù)裝置；電力系統(tǒng)；Apriori算法

中圖分類號：D26.4" 文獻(xiàn)標(biāo)志碼：A

0 引言

隨著電力系統(tǒng)的完善與發(fā)展，繼電保護(hù)裝置在電網(wǎng)中的作用愈發(fā)關(guān)鍵。傳統(tǒng)的繼電保護(hù)裝置故障診斷方法檢測項目少，告警主要針對裝置各項功能輸出結(jié)果而不涉及裝置元件，對故障原因分析不足。王凱^［1］通過學(xué)習(xí)歷史故障數(shù)據(jù)，提取故障特征，建立故障診斷模型，實現(xiàn)對繼電保護(hù)裝置故障的準(zhǔn)確診斷。管飛飛^［2］通過對繼電保護(hù)裝置的故障類型、原因和表現(xiàn)形式進(jìn)行深入分析，提取出故障特征，實現(xiàn)對故障的自動識別和分類。

1 基于Apriori算法繼電保護(hù)裝置缺陷自動診斷方法的設(shè)計

1.1 基于Apriori算法構(gòu)建裝置缺陷指標(biāo)集

Apriori算法是數(shù)據(jù)挖掘中用于關(guān)聯(lián)規(guī)則學(xué)習(xí)的經(jīng)典算法^［3］，通過逐層搜索的迭代技術(shù)，利用連接和剪枝的過程，來尋找與數(shù)據(jù)庫和項集之間的關(guān)聯(lián)，進(jìn)而建立新規(guī)則。因此，該研究選擇Apriori算法進(jìn)行繼電保護(hù)裝置缺陷自動診斷的設(shè)計。針對構(gòu)建的初始裝置缺陷指標(biāo)集^［4］，深入分析對繼電保護(hù)通信電路產(chǎn)生影響的關(guān)聯(lián)指標(biāo)，包括以下2個核心步驟。

1.1.1 步驟一 識別頻繁項集

（1）掃描整個初始指標(biāo)集，統(tǒng)計并累積每個項的計數(shù)。（2）收集滿足預(yù)設(shè)最小支持度閾值的項，構(gòu)建頻繁1-項集集合（記作a1），利用a1繼續(xù)尋找頻繁2-項集集合（記作a2），直到無法再找到滿足條件的更高階頻繁項集^［5］。

1.1.2 步驟二 生成關(guān)聯(lián)規(guī)則

為提升關(guān)聯(lián)規(guī)則分析的效率，對Apriori算法進(jìn)行優(yōu)化：（1）通過引入支持度計算支撐數(shù)組，有效簡化了支持度的計算過程。（2）通過新建立的鄰接字典鏈表，算法可以動態(tài)地找到所有符合支持度條件的二項式字頻繁集。（3）實施分支篩選優(yōu)化策略，動態(tài)刪除無效分支^［6］。

經(jīng)過上述挖掘后構(gòu)建的繼電保護(hù)裝置缺陷指標(biāo)集如表1所示。

同時，繼電保護(hù)裝置的缺陷可分為硬件故障、軟件問題、設(shè)計缺陷、電源問題等，其中這些缺陷主要分為硬件和軟件缺陷。硬件缺陷可能引發(fā)CPU的自動關(guān)機(jī)，嚴(yán)重時甚至?xí)?dǎo)致保護(hù)裝置退出運行狀態(tài)。而軟件缺陷可能會引發(fā)諸如誤動、裝置閉鎖等危害性后果。

1.2 建立裝置故障缺陷的識別模型

故障樹是一種系統(tǒng)性的方法，基于1.1節(jié)設(shè)計的故障動作行為的缺陷集，構(gòu)建了2個故障樹模型。

第一個是以繼電保護(hù)系統(tǒng)中的故障元件作為底層事件，揭示系統(tǒng)結(jié)構(gòu)及其潛在的缺陷位置，更清晰地了解系統(tǒng)中哪些元件的故障可能導(dǎo)致整個系統(tǒng)的不正確動作。

第二個是在探討以繼電保護(hù)系統(tǒng)缺陷的構(gòu)成因素時，可以從裝置原理、外部環(huán)境、運行維護(hù)、元器件老化與質(zhì)量等方面分析缺陷的具體原因。

故障樹構(gòu)建完成后，獲取相關(guān)數(shù)據(jù)并對數(shù)據(jù)采取以下處理方式：（1）清理不完整或損壞的數(shù)據(jù)。（2）對數(shù)據(jù)進(jìn)行分類整理，形成不同的數(shù)據(jù)集。（3）識別并關(guān)聯(lián)不正確的動作行為與缺陷裝置。

故障樹動作行為構(gòu)建流程如圖1所示。

在構(gòu)建流程中，設(shè)定某條繼電保護(hù)裝置的缺陷數(shù)據(jù)X的標(biāo)簽序列y的識別模型，識別出缺陷概率的計算公式如下：

p（y|X）=exp（score（X，y））∑y～∈yXexpX，y～

Loss=log（p（y|X））（1）

其中，Loss為損失函數(shù)；y～為真實文字標(biāo)簽；score為缺陷文本數(shù)據(jù)X與標(biāo)簽序列y對應(yīng)程度的打分；yX為某條缺陷文本數(shù)據(jù)X的全部可能標(biāo)簽的組合。

在使用上述裝置故障缺陷識別模型對繼電保護(hù)裝置的缺陷文本數(shù)據(jù)實體標(biāo)注的最終識別時，對該模型進(jìn)行求解，公式如下：

y′=argmaxscoreX，y～（2）

其中：y′為得分最大值的實體標(biāo)準(zhǔn)的識別結(jié)果序列。

1.3 實現(xiàn)繼電保護(hù)裝置缺陷的自動診斷

通過逐步增加訓(xùn)練樣本的數(shù)量，持續(xù)對分類器進(jìn)行訓(xùn)練，直至最終獲得準(zhǔn)確的分類結(jié)果。其具體步驟如下。

1.3.1 缺陷文本分詞處理

為每個類別創(chuàng)建特定的詞匯集。缺陷文本分詞處理在缺陷管理、文本挖掘等領(lǐng)域中是一個關(guān)鍵環(huán)節(jié)。處理過程中，對于重復(fù)出現(xiàn)的詞匯，處理方法是保留其中一個，對所有保留詞匯進(jìn)行匯總，一次整合為較為全面的特征詞集。

1.3.2 文本特征表示方法

文本特征表示方法以TF-IDF作為原理，用以評估一個詞語對于一個文件集中一份文件的重要程度。其中，TF為特定特征項在文本中出現(xiàn)的頻率，詞語的重要性與它在文件中出現(xiàn)的次數(shù)成正比增加，TF出現(xiàn)的頻率越高，則證明該詞語的重要性越大。逆文檔頻率（Inverse Document Frequency，IDF），表示詞語的普遍重要性。該方法能夠過濾掉一些常見詞語，保留重要詞語，從而更好地表示文本特征。

1.3.3 歸一化處理

將特征詞頻進(jìn)行等比例縮放，使其落入一定區(qū)間，計算公式如下：

k=（w-min）（max-min）（3）

其中，min、max分別為缺陷特征文本在全部文本中的最小、最大詞頻；w為特征詞出現(xiàn)的頻率。

1.3.4 文本分類流程

采用向量機(jī)技術(shù)來對缺陷文本轉(zhuǎn)化的高維度向量集合進(jìn)行分類。通過對集合內(nèi)容進(jìn)行整合和分析，進(jìn)而調(diào)整測試和訓(xùn)練樣本的集合內(nèi)容。在文本分類進(jìn)程中，進(jìn)行多輪交叉訓(xùn)練以優(yōu)化集合內(nèi)容，最終實現(xiàn)對不同缺陷程度類別的準(zhǔn)確劃分與診斷。

2 實驗測試與分析

2.1 實驗準(zhǔn)備

本次實驗以MATLAB軟件作為實驗平臺模擬出一個繼電保護(hù)裝置的故障場景，仿真模塊頻率均為50 Hz，仿真起止時間為0—2 s。如表2所示為本次實驗中設(shè)定的各項環(huán)境參數(shù)。

將本文方法與王凱^［1］、管飛飛^［2］方法進(jìn)行對比，設(shè)定以繼電保護(hù)裝置中的過流保護(hù)設(shè)備的額定電流出現(xiàn)缺陷故障為例，進(jìn)行3種方法的測試。

2.2 實驗結(jié)果與分析

基于上述實驗準(zhǔn)備，3種方法的實驗結(jié)果如表3所示。

從表3可以看出，若額定電流過小，可能導(dǎo)致過流保護(hù)設(shè)備在發(fā)生漏電電流較小的電擊事故時無法及時斷電。本文方法能夠準(zhǔn)確地診斷出過流保護(hù)設(shè)備的額定電流過小所在的缺陷發(fā)生的時刻。而其余2種方法的診斷結(jié)果誤差較大，證明本文方法能夠精準(zhǔn)實現(xiàn)對故障的自動診斷和預(yù)警。

3 結(jié)語

隨著電力系統(tǒng)對安全穩(wěn)定運行要求的日益提高，繼電保護(hù)裝置的可靠運行變得至關(guān)重要。Apriori算法在數(shù)據(jù)挖掘和關(guān)聯(lián)規(guī)則學(xué)習(xí)方面的強(qiáng)大能力，能夠深入分析繼電保護(hù)裝置運行數(shù)據(jù)中的潛在關(guān)聯(lián)，進(jìn)而準(zhǔn)確識別出可能存在的缺陷。這種方法不僅提高了診斷的準(zhǔn)確性和效率，還降低了對專業(yè)人員經(jīng)驗的依賴，為電力系統(tǒng)的故障診斷提供了新的思路和方法。今后，將積極探索與其他先進(jìn)技術(shù)的融合，以構(gòu)建更加智能、高效的故障診斷系統(tǒng)。

參考文獻(xiàn)

［1］王凱.基于模糊神經(jīng)網(wǎng)絡(luò)的火電廠繼電保護(hù)系統(tǒng)故障診斷方法［J］.自動化應(yīng)用，2023（13）：209-212，216.

［2］管飛飛.智能變電站繼電保護(hù)隱藏故障診斷與系統(tǒng)重構(gòu)方法［J］.化學(xué)工程與裝備，2020（1）：205-206.

［3］胡良楓，李智威，張趙陽，等.基于非齊次泊松過程的繼電保護(hù)裝置檢修周期研究［J］.電工材料，2024（3）：55-57.

［4］張秦琴，趙力思，魏猛，等.繼電保護(hù)智能整定技術(shù)在110kV電網(wǎng)系統(tǒng)中的應(yīng)用［J］.石河子科技，2024（3）：13-14.

［5］張藝，張?zhí)忑垼瑥堉俏?，?基于繼電保護(hù)裝置及變電站二次回路可視化建模應(yīng)用研究［J］.自動化與儀器儀表，2024（5）：209-212，217.

［6］張楠，李濤濤.基于改進(jìn)蟻群算法的復(fù)雜電網(wǎng)繼電保護(hù)自動整定方法［J］.自動化應(yīng)用，2024（9）：212-214.

（編輯 沈 強(qiáng)編輯）

Automatic defects diagnosis method for the relay protection device based on Apriori algorithm

YU" Xiang

（Linfen Power Supply Company of State Grid Shanxi Electric Power Company， Linfen 041000， China）

Abstract：" Because the relay protection device operates for years and the large number of devices is large， its failure probability is relatively high， which brings a serious threat to the safe and stable operation of the power system. The automatic defect diagnosis method for relay protection device based on Apriori algorithm is proposed. Based on the Apriori algorithm， the device defect index set is constructed， the correlation indexes affecting the relay protection communication circuit are deeply analyzed， the identification model of the device fault defect is established， and the text of the device fault defect is identified. The experimental results show that the automatic defect diagnosis method of the relay protection device based on the Apriori algorithm can accurately diagnose the defect occurrence time of the excessively small rated current of the overcurrent protection device.

Key words： data mining; defect diagnosis; relay protection device; power system; Apriori algorithm