摘 要：【目的】受主網(wǎng)故障狀態(tài)的多樣性和整定規(guī)則的適應(yīng)性影響，繼電保護(hù)的閉環(huán)階躍響應(yīng)振幅難以得到有效控制，為此，提出了基于卷積神經(jīng)網(wǎng)絡(luò)的主網(wǎng)繼電保護(hù)在線整定方法?！痉椒ā繉⒅骶W(wǎng)中的同種保護(hù)功能涉及的定值變量作為一個集合，并構(gòu)建主網(wǎng)繼電保護(hù)在線整定數(shù)學(xué)模型。在開展具體的主網(wǎng)繼電保護(hù)定值設(shè)置階段，引入卷積神經(jīng)網(wǎng)絡(luò)，利用損失函數(shù)，計算在隨機(jī)梯度下降機(jī)制下的最優(yōu)正則化繼電保護(hù)定值?！窘Y(jié)果】測試結(jié)果表明，該方法測試的電網(wǎng)繼電保護(hù)在閉環(huán)階躍響應(yīng)的振幅在50 s以內(nèi)實現(xiàn)了快速收斂，且相較于對照組而言更加平穩(wěn)?！窘Y(jié)論】該方法在閉環(huán)階躍響應(yīng)方面取得了顯著的優(yōu)勢，不僅提高了系統(tǒng)的收斂速度，而且改善了系統(tǒng)的振幅穩(wěn)定性。有助于提升電網(wǎng)繼電保護(hù)系統(tǒng)的運行效率和可靠性，具有實際的應(yīng)用價值和推廣潛力。

關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò)；主網(wǎng)繼電保護(hù)；在線整定；數(shù)學(xué)模型；定值設(shè)置；損失函數(shù)；隨機(jī)梯度；最優(yōu)正則化

中圖分類號：TP262 文獻(xiàn)標(biāo)志碼：A 文章編號：1003-5168（2024）16-0013-04

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.16.003

Online Tuning Method of Main Grid Relay Protection Based on

Convolutional Neural Network

YANG Zhongzhe LIU Yanbo CHEN Jia JIN Wanglei

（State Grid Shanghai Fengxian Power Supply Company， Shanghai 201499， China）

Abstract： [Purposes] Due to the diversity of fault states of the main grid and the adaptability of the setting rules， the closed-loop step response amplitude of the relay protection is difficult to be effectively controlled. Therefore， an online setting method for the relay protection of the main grid based on convolutional neural network is proposed. [Methods] The same protection function in the main grid is taken as a set of fixed value variables， and the online setting mathematical model of the main grid relay protection is constructed. In the specific setting stage of the main grid relay protection， convolutional neural network is introduced， and the loss function is used to calculate the optimal regularization relay protection setting under the stochastic gradient descent mechanism. [Findings] In the test results， the amplitude of the closed-loop step response of the test grid relay protection under the design method not only realized rapid convergence within 50s， but also was more stable than that of the control group. [Conclusions] It is shown that the design method has a significant advantage in the closed-loop step response， which not only improves the convergence speed of the system， but also improves the amplitude stability of the system，which is helpful to improve the operation efficiency and reliability of power grid relay protection system， and has the potential of practical application and popularization.

Keywords：convolutional neural network; main grid relay protection; on-line setting; mathematical model; set the value; loss function; stochastic gradient; optimal regularization

0 引言

隨著電網(wǎng)規(guī)模的不斷擴(kuò)大，主網(wǎng)繼電結(jié)構(gòu)變得更加復(fù)雜，對于主網(wǎng)繼電保護(hù)進(jìn)行整定是極為必要的。首先，整定繼電保護(hù)是為了確保設(shè)備的安全運行。電氣設(shè)計的理論值與設(shè)備的實際運行值之間可能存在客觀偏差［1］。如果這個偏差超出預(yù)定的范圍，那么繼電保護(hù)設(shè)備就會觸發(fā)動作，從而有效地保護(hù)人身安全和設(shè)備安全。其次，電網(wǎng)中的不同回路或負(fù)載的保護(hù)動作電流是不同的，需要根據(jù)特定的負(fù)載選定繼電器的動作值［2］。例如，一個具有特定調(diào)節(jié)范圍的繼電器需要在電流達(dá)到某一特定值時觸發(fā)，需要對這個繼電器的動作值進(jìn)行相應(yīng)的調(diào)整。最后，對于特定的繼電器類型，如電磁繼電器，其吸合電流值通常要大于返回電流值［3］，這是由于吸合前的磁路氣隙大于吸合后的氣隙所導(dǎo)致的滯環(huán)（也稱為回差）。因此，整定繼電器的動作值可以確保設(shè)備在出現(xiàn)異常情況時能夠及時且準(zhǔn)確地作出反應(yīng)，從而避免設(shè)備損壞或安全事故?？偟膩碚f，對主網(wǎng)繼電保護(hù)進(jìn)行整定不僅可以提高電力系統(tǒng)的穩(wěn)定性，還可以降低設(shè)備損壞的風(fēng)險，保護(hù)人身安全，從而確保電力系統(tǒng)的正常運行。多吉次仁等［4］提出的含雙回線路并列運行的110 kV電網(wǎng)繼電保護(hù)整定計算方案探討，詳細(xì)研究了電網(wǎng)繼電保護(hù)整定計算的運行方式選擇、主要整定計算原則及各種典型故障，并探討了整定計算過程中可能出現(xiàn)的各種問題。但整定計算涉及大量的參數(shù)和運行數(shù)據(jù)，需要耗費大量的時間和資源。徐宇等［5］提出的基于改進(jìn)海鷗算法的新能源接入配電網(wǎng)繼電保護(hù)定值優(yōu)化方法，分析了新能源接入后對繼電保護(hù)的影響，以分布式新能源接入后的保護(hù)靈敏性、速動性、可靠性為約束條件，構(gòu)建了定值優(yōu)化模型。但算法中涉及的參數(shù)選擇會影響算法的性能和收斂效果。綜上所述，本研究提出了基于卷積神經(jīng)網(wǎng)絡(luò)的主網(wǎng)繼電保護(hù)在線整定方法，并開展了對比測試，分析驗證了該方法的應(yīng)用效果。

1 主網(wǎng)繼電保護(hù)在線整定方法設(shè)計

1.1 主網(wǎng)繼電保護(hù)在線整定數(shù)學(xué)模型構(gòu)建

對于主網(wǎng)繼電保護(hù)而言，在對其進(jìn)行在線整定處理時，需要計算的參數(shù)涉及多個方面，對應(yīng)每種保護(hù)類型需要兼顧的整定原則也具有多樣化的屬性特征。為了能夠適應(yīng)這一特點，需要為每種整定原則構(gòu)建多個整定公式以滿足對應(yīng)的需求，而在每個整定公式中，又包含多個差異化的定值變量參數(shù)［6-7］。結(jié)合上述的分析，本研究將主網(wǎng)中的同種保護(hù)功能涉及定值變量作為一個集合，并構(gòu)建主網(wǎng)繼電保護(hù)在線整定數(shù)學(xué)模型［8］，具體見式（1）。

[Rv=f（K， X， Y， Z）] （1）

式中：[Rv]為主網(wǎng)繼電保護(hù)在線整定數(shù)學(xué)模型；[K]為主網(wǎng)繼電保護(hù)的電氣設(shè)備參數(shù)涉及定值變量集合；[X]為主網(wǎng)繼電保護(hù)的故障信息涉及定值變量集合；[Y]為主網(wǎng)繼電保護(hù)整定規(guī)則中涉及定值變量集合；[Z]為主網(wǎng)繼電保護(hù)整定階段除上述參數(shù)之外的定值變量集合。

結(jié)合式（1），對主網(wǎng)繼電保護(hù)在線整定數(shù)學(xué)模型涉及的4個數(shù)據(jù)集合構(gòu)成的具體信息進(jìn)行分析，見表1。

按照上述所示的方式，實現(xiàn)對復(fù)雜整定規(guī)則下具體變量信息的全覆蓋，確保在后續(xù)的主網(wǎng)繼電保護(hù)在線整定階段［9］，處于離散狀態(tài)的非連續(xù)變量可以完整地映射到系統(tǒng)中，使得保護(hù)定值能夠結(jié)合故障信息發(fā)生的變化作出適應(yīng)性調(diào)整。

1.2 基于卷積神經(jīng)網(wǎng)絡(luò)的主網(wǎng)繼電保護(hù)定值設(shè)置

結(jié)合構(gòu)建的主網(wǎng)繼電保護(hù)在線整定數(shù)學(xué)模型，本研究在開展具體的主網(wǎng)繼電保護(hù)定值設(shè)置階段，引入卷積神經(jīng)網(wǎng)絡(luò)，借助卷積神經(jīng)網(wǎng)絡(luò)在主網(wǎng)故障特征提取方面的優(yōu)勢，為繼電保護(hù)定值的設(shè)置提供可靠的數(shù)據(jù)支撐。

首先，將主網(wǎng)歷史故障數(shù)據(jù)（故障類型、故障位置、故障時間、故障電流、故障電壓等信息）作為卷積神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)。考慮到構(gòu)建的主網(wǎng)繼電保護(hù)在線整定數(shù)學(xué)模型中涉及變量較多，本研究采用的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)為ResNet。在卷積處理階段，選擇更加適配于時間序列數(shù)據(jù)的一維卷積方式，對輸入?yún)?shù)的特征進(jìn)行提取，具體見式（2）。

[g（X）=i=1nZk⊕f（Y）xi] （2）

式中：[g（X）]為一維卷積對主網(wǎng)歷史故障數(shù)據(jù)特征的提取結(jié)果；[xi]為具體的主網(wǎng)歷史故障數(shù)據(jù)參數(shù)；[Zk]和[f（Y）]分別為[xi]主網(wǎng)歷史故障數(shù)據(jù)狀態(tài)下對應(yīng)的其余定值變量參數(shù)和整定規(guī)則涉及定值變量參數(shù)；[⊕]為卷積計算。

在此基礎(chǔ)上，將主網(wǎng)繼電保護(hù)的電氣設(shè)備參數(shù)與正常狀態(tài)一致程度最高的繼電保護(hù)定值，作為當(dāng)前故障的最優(yōu)主網(wǎng)繼電保護(hù)整定結(jié)果，并通過全連接層將其映射到輸出空間中。按照上述方式，可以得到一個映射集。對于實際的主網(wǎng)繼電保護(hù)定值設(shè)置而言，可以將實際的、具體的故障信息輸入到卷積神經(jīng)網(wǎng)絡(luò)中，利用損失函數(shù)計算在隨機(jī)梯度下降機(jī)制下，最優(yōu)正則化繼電保護(hù)定值即可，具體計算見式（3）。

[ξ=min（Zk-1λ）Rv*f（Y）xi] （3）

式中：[ξ]為隨機(jī)梯度下降機(jī)制下，滿足最優(yōu)正則化的繼電保護(hù)損失函數(shù)；[λ]為主網(wǎng)繼電保護(hù)定值整定模型的損耗系數(shù)。

按照上述方式，實現(xiàn)對主網(wǎng)繼電保護(hù)定值的設(shè)置，最大限度保障主網(wǎng)運行的穩(wěn)定性。

2 測試與分析

2.1 測試環(huán)境

在分析本研究設(shè)計的主網(wǎng)繼電保護(hù)在線整定方法的應(yīng)用效果時，以某HT250 配電網(wǎng)環(huán)境為基礎(chǔ)開展對比測試。對測試環(huán)境的基礎(chǔ)配置情況進(jìn)行分析，其中，測試HT250 配電網(wǎng)服務(wù)對象為一個中型城市，主要任務(wù)是承擔(dān)居民、商業(yè)和工業(yè)用戶的供電。在運行模式上，測試HT250 配電網(wǎng)采用“環(huán)網(wǎng)結(jié)構(gòu)+開閉所”分散供電方式，對應(yīng)的供電具有較高的可靠性和靈活性。具體運行階段的額定電壓為10 kV，頻率為50 Hz。在此基礎(chǔ)上，對測試HT250 配電網(wǎng)的繼電保護(hù)配置情況進(jìn)行分析。

在線路保護(hù)方面，每條10 kV線路均配置過電流保護(hù)、方向保護(hù)和零序保護(hù)。過電流保護(hù)定值為最大負(fù)載電流的1.3倍，對應(yīng)的方向保護(hù)角度為45 °，零序保護(hù)定值為線路電容電流的1.8倍。在變壓器保護(hù)方面，每臺變壓器均配置差動保護(hù)、過負(fù)荷保護(hù)和溫度保護(hù)。具體的差動保護(hù)定值根據(jù)變壓器的額定容量和短路阻抗適應(yīng)性進(jìn)行設(shè)置，過負(fù)荷保護(hù)定值則為變壓器額定電流的1.2倍。在母線保護(hù)方面，采用備自投裝置實現(xiàn)母線失電時的自動切換，具體的備自投延時時間設(shè)定為0.8 s，執(zhí)行切換的條件為母線電壓低于額定電壓的60 %，且持續(xù)時間超過0.2 s。

以上述的HT250 配電網(wǎng)繼電保護(hù)配置和參數(shù)信息為基礎(chǔ)，開展具體的整定效果分析。分別設(shè)置文獻(xiàn)［4］提出的含雙回線路并列運行的110 kV電網(wǎng)繼電保護(hù)整定計算方案和文獻(xiàn)［5］提出的基于改進(jìn)海鷗算法的新能源接入配電網(wǎng)繼電保護(hù)定值優(yōu)化方法作為測試的對照組。

2.2 測試結(jié)果

在對具體的測試結(jié)果進(jìn)行分析時，本研究以測試HT250 配電網(wǎng)繼電保護(hù)在閉環(huán)階躍響應(yīng)方面的振幅作為具體的評價指標(biāo)，得到的測試結(jié)果如圖1所示。

由圖1可知，在3種不同的繼電保護(hù)整定方法測試下，HT250 配電網(wǎng)繼電保護(hù)在閉環(huán)階躍響應(yīng)方面的振幅表現(xiàn)出不同的發(fā)展趨勢。其中，在文獻(xiàn)［4］提出的含雙回線路并列運行的110 kV電網(wǎng)繼電保護(hù)整定計算方案下，振幅達(dá)到穩(wěn)定收斂的時間較長，達(dá)到180.0 ms；在文獻(xiàn)［5］提出的基于改進(jìn)海鷗算法的新能源接入配電網(wǎng)繼電保護(hù)定值優(yōu)化方法下，振幅的過擬合程度較大，最大振幅達(dá)到1.40 Hz；在本研究所提出的方法下，閉環(huán)階躍響應(yīng)振幅不僅在50 s以內(nèi)實現(xiàn)快速收斂，且對應(yīng)的振幅相對于對照組而言更加平穩(wěn)。綜合上述測試結(jié)果可知，本研究所提出的繼電保護(hù)在線整定方法具有良好的實際應(yīng)用效果。

3 結(jié)論

本研究提出的基于卷積神經(jīng)網(wǎng)絡(luò)的主網(wǎng)繼電保護(hù)在線整定方法，借助卷積神經(jīng)網(wǎng)絡(luò)能夠自動地從大量的數(shù)據(jù)中學(xué)習(xí)和提取特征的技術(shù)優(yōu)勢，實現(xiàn)對不同類型故障和不同系統(tǒng)條件的針對性處理，表現(xiàn)出較強(qiáng)的泛化能力。結(jié)合系統(tǒng)故障的潛在規(guī)律和模式，能夠保障配電網(wǎng)繼電保護(hù)在閉環(huán)階躍響應(yīng)方面的收斂性和可靠性。同時，希望本研究能夠為提高電力系統(tǒng)的安全性和穩(wěn)定性提供有價值的參考。

參考文獻(xiàn)：

［1］王洋，張永伍，楊暢，等. 基于量子遺傳分析架構(gòu)的分布式電網(wǎng)繼電保護(hù)定值優(yōu)化方法［J］. 制造業(yè)自動化，2023，45（7）：184-188.

［2］何有良，韋金國，余仕丹，等. 基于Simulink的變壓器變斜率比率制動式差動保護(hù)仿真校核［J］. 紅水河，2023，42（6）：96-101.

［3］馬顯映，劉小狀，陳小松. 電流互感器磁飽和特性對繼電保護(hù)的影響及防范［J］. 電工技術(shù)， 2023 （22）：190-192.

［4］多吉次仁，郝興宏，蔣雙全，等. 含雙回線路并列運行的110kV電網(wǎng)繼電保護(hù)整定計算方案探討［J］. 大眾用電，2023，38（11）：36-37.

［5］徐宇，楊鵬杰，李磊. 基于改進(jìn)海鷗算法的新能源接入配電網(wǎng)繼電保護(hù)定值優(yōu)化方法［J］. 電工技術(shù)，2023（21）： 36-41.

［6］廖清陽，陳曉，王軍，等. 基于改進(jìn)花授粉算法的配網(wǎng)繼電保護(hù)整定優(yōu)化方法［J］. 粘接， 2023， 50（9）：183-186.

［7］程秀芝，程軍，關(guān)付生，等. 基于距離保護(hù)的輸電線路繼電保護(hù)設(shè)計研究［J］. 能源技術(shù)與管理，2023，48（5）： 36-38，55.

［8］黃磊，李梅. 基于CSM的含DG配電網(wǎng)自適應(yīng)過電流保護(hù)優(yōu)化整定計算［J］. 蘭州工業(yè)學(xué)院學(xué)報，2023，30（5）：54-60.

［9］霍耀佳，孫帆，馬莉，等. 考慮分布電容影響的煤礦供電系統(tǒng)漏電故障分析及定值整定［J］. 寧夏電力，2023 （5）：58-65.