戴志輝， 耿宏賢， 韓健碩， 李金鑠， 方 偉

(1.華北電力大學(xué) 電氣與電子工程學(xué)院，河北 保定 071003；2.國(guó)網(wǎng)河北省電力有限公司滄州供電分公司，河北 滄州 061000)

0 引 言

智能變電站是智能電網(wǎng)的重要組成部分，準(zhǔn)確可靠的二次系統(tǒng)故障分析及定位對(duì)提升智能站運(yùn)行水平、保障電力系統(tǒng)安全穩(wěn)定運(yùn)行至關(guān)重要。隨著智能電網(wǎng)建設(shè)的不斷發(fā)展、變電站自動(dòng)化設(shè)備的廣泛應(yīng)用，變電站設(shè)備數(shù)量和信息網(wǎng)絡(luò)規(guī)模大大增加。信息物理系統(tǒng)(cyber physical system，CPS)依托豐富的傳感監(jiān)測(cè)設(shè)備以及完善可靠的通信網(wǎng)絡(luò)，是集成了通信、控制等信息過(guò)程和穩(wěn)定、可靠物理過(guò)程的綜合化系統(tǒng)[1]。智能變電站已成為典型的信息物理系統(tǒng)，建立準(zhǔn)確、合理的變電站二次系統(tǒng)信息物理融合模型用以描述信息系統(tǒng)與電力物理系統(tǒng)的耦合與交互的過(guò)程，更有利于分析其故障過(guò)程，為故障定位奠定完善的模型基礎(chǔ)。文獻(xiàn)[2]采用圖論對(duì)電力系統(tǒng)進(jìn)行建模，文獻(xiàn)[3]利用關(guān)聯(lián)特性矩陣對(duì)電網(wǎng)信息物理系統(tǒng)中信息流與能量流的復(fù)雜耦合關(guān)系和交互機(jī)理進(jìn)行梳理與建模，用以描述電網(wǎng)信息物理系統(tǒng)中物理層、信息層及其相互之間的邏輯關(guān)聯(lián)關(guān)系及特性。文獻(xiàn)[4]指出二次系統(tǒng)具有信息物理高度耦合頻繁交互的特征，采用有限狀態(tài)機(jī)及混合邏輯動(dòng)態(tài)模型兩種混合系統(tǒng)模型形式對(duì)信息層與物理層進(jìn)行描述。上述方法主要側(cè)重于研究信息系統(tǒng)與電力物理系統(tǒng)建模方法，較少涉及二次系統(tǒng)故障位置的判斷。

目前對(duì)智能站二次系統(tǒng)故障定位研究主要利用歷史/實(shí)時(shí)運(yùn)行信息、家族缺陷歷史信息等確定系統(tǒng)運(yùn)行狀態(tài)[5-7]，其中文獻(xiàn)[5]完成了繼電保護(hù)通信系統(tǒng)的故障定位。文獻(xiàn)[8]根據(jù)保護(hù)啟動(dòng)、保護(hù)動(dòng)作、斷路器跳閘、故障位置信號(hào)之間的邏輯關(guān)系，構(gòu)建描述各信號(hào)之間關(guān)聯(lián)的解析模型，將信號(hào)的實(shí)際狀態(tài)和期望狀態(tài)的最大匹配作為優(yōu)化目標(biāo)，利用優(yōu)化結(jié)果檢測(cè)繼電保護(hù)裝置隱性故障。而二次系統(tǒng)故障范圍廣泛，其故障分析及定位面臨數(shù)據(jù)規(guī)模大、故障機(jī)理復(fù)雜、模型需求多樣化的問題，廣泛適用于二次系統(tǒng)狀態(tài)信息間豐富的耦合及約束關(guān)系的故障定位方法仍然較少。配電網(wǎng)配備大量智能終端，與智能變電站信息物理系統(tǒng)類似，可借鑒配電網(wǎng)故障定位方法，其中矩陣算法具有較好的應(yīng)用前景。文獻(xiàn)[9]利用矩陣算法進(jìn)行故障初步定位，并利用優(yōu)化算法得到最終的定位結(jié)果，以實(shí)現(xiàn)配電網(wǎng)故障定位的快速準(zhǔn)確判別。文獻(xiàn)[10]通過(guò)分析配電網(wǎng)的拓?fù)浜凸收闲胁ǖ膫鬏斅窂?，建立故障分支判定矩陣，得到故障分支判定原理與定位方法。矩陣算法具備建模直接、定位高效等優(yōu)點(diǎn)，但若故障狀態(tài)下二次系統(tǒng)約束關(guān)系相似可能造成誤判。人工智能技術(shù)能夠擬合非線性映射關(guān)系，有效提高故障識(shí)別精度[11，12]。神經(jīng)網(wǎng)絡(luò)中BP神經(jīng)網(wǎng)絡(luò)(Back-Propagation Neural Network)具有非線性映射的特征和良好的泛化能力，可利用其提高二次系統(tǒng)故障定位準(zhǔn)確性。

為此，提出一種基于矩陣算法和BP神經(jīng)網(wǎng)絡(luò)的二次系統(tǒng)故障定位方法。首先基于IEC61850標(biāo)準(zhǔn)對(duì)實(shí)際變電站二次系統(tǒng)信息物理系統(tǒng)的交互邏輯進(jìn)行梳理與抽象，得到變電站二次系統(tǒng)邏輯節(jié)點(diǎn)描述模型和二次系統(tǒng)狀態(tài)解析式，并將二次系統(tǒng)狀態(tài)解析式作為矩陣判據(jù)。然后，在獲取二次系統(tǒng)拓?fù)潢P(guān)聯(lián)和交互信息后利用矩陣算法能夠快速確定可疑故障范圍并作為輸入集輸入已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)得到精確定位結(jié)果。最后，以一起500kV開關(guān)誤跳閘事故為例，驗(yàn)證方法的合理性和有效性。

1 二次系統(tǒng)矩陣化建模

以信息物理系統(tǒng)視角，首先從物理域、信息域2個(gè)維度對(duì)智能站二次系統(tǒng)的屬性進(jìn)行解析。物理域?qū)ο笫钦究貙?、間隔層、過(guò)程層的智能設(shè)備，其屬性包括設(shè)備類型、拓?fù)浣Y(jié)構(gòu)、運(yùn)行方式等；信息域?qū)ο笫钦究貙?、間隔層、過(guò)程層網(wǎng)絡(luò)，及智能變電站管理系統(tǒng)，其屬性包括通信方式、功能集合等。針對(duì)信息-物理的復(fù)雜耦合關(guān)系與交互機(jī)理，連通狀態(tài)矩陣和邏輯節(jié)點(diǎn)描述模型可用于定量描述物理域、信息域關(guān)聯(lián)關(guān)系與交互邏輯。

1.1 二次系統(tǒng)連通狀態(tài)矩陣

智能站配置描述文件配置了通信網(wǎng)絡(luò)功能參數(shù)和全站滿足IEC61850協(xié)議標(biāo)準(zhǔn)的智能電子設(shè)備配置信息[13，14]。在IEC61850協(xié)議中，邏輯節(jié)點(diǎn)是交換數(shù)據(jù)的最小單元，其代表了物理裝置內(nèi)的某項(xiàng)功能，或執(zhí)行這一功能的某些操作。因此以邏輯節(jié)點(diǎn)為最小單元建立連通狀態(tài)矩陣，通過(guò)分析智能電子設(shè)備配置信息，得到二次設(shè)備內(nèi)部邏輯節(jié)點(diǎn)信息交互過(guò)程，并用連通狀態(tài)矩陣表示邏輯節(jié)點(diǎn)信息交互關(guān)系[15]。連通狀態(tài)矩陣除依賴于邏輯節(jié)點(diǎn)之間的靜態(tài)拓?fù)溥B接關(guān)系，還依賴于二次設(shè)備的當(dāng)前狀態(tài)。

建立連通狀態(tài)矩陣A，描述邏輯節(jié)點(diǎn)間的連通關(guān)系以及連通狀態(tài)，n為邏輯節(jié)點(diǎn)數(shù)，形式如式(1)。

(1)

式中：aij表示從節(jié)點(diǎn)i向節(jié)點(diǎn)j的連通狀態(tài)；aij=1表示從節(jié)點(diǎn)i向節(jié)點(diǎn)j能夠完成數(shù)據(jù)傳輸；aij=0表示從節(jié)點(diǎn)i向節(jié)點(diǎn)j無(wú)法完成數(shù)據(jù)傳輸；n為變電站二次系統(tǒng)中邏輯節(jié)點(diǎn)的數(shù)量。A中不同邏輯節(jié)點(diǎn)的aij取值所代表的連通狀態(tài)根據(jù)邏輯節(jié)點(diǎn)描述模型確定。

1.2 邏輯節(jié)點(diǎn)描述模型

邏輯節(jié)點(diǎn)中包含了二次系統(tǒng)運(yùn)行的測(cè)量、控制以及狀態(tài)等信息[16]，以邏輯節(jié)點(diǎn)為最小單元建立的邏輯節(jié)點(diǎn)描述模型能夠描述各類狀態(tài)信息的屬性、取值、來(lái)源、用途等，其中邏輯節(jié)點(diǎn)描述模型里的內(nèi)容可以通過(guò)解析SCD文件獲得。二次系統(tǒng)邏輯節(jié)點(diǎn)描述模型能夠基于信息傳輸路徑源宿信息一致性原理，實(shí)現(xiàn)二次回路狀態(tài)故障定位；能夠基于保護(hù)動(dòng)作信號(hào)實(shí)現(xiàn)保護(hù)動(dòng)作監(jiān)測(cè)。不同類型的邏輯節(jié)點(diǎn)可以用不同的字符串表示，具體如表1、表2所示。

表1 邏輯節(jié)點(diǎn)狀態(tài)描述模型

表2 邏輯節(jié)點(diǎn)在連通狀態(tài)矩陣中描述模型

1.3 基于矩陣算法的故障定位方法

在獲取到連通狀態(tài)矩陣A之后，可通過(guò)設(shè)置故障修改其矩陣元素，形成新的連通狀態(tài)矩陣，定義為故障連通狀態(tài)矩陣A*，描述故障時(shí)變電站中邏輯節(jié)點(diǎn)之間的連通狀態(tài)。當(dāng)故障發(fā)生時(shí)，邏輯節(jié)點(diǎn)間關(guān)聯(lián)關(guān)系和交互邏輯會(huì)改變，在連通狀態(tài)矩陣中表現(xiàn)為矩陣元素值的變化，因此故障連通狀態(tài)矩陣模擬智能變電站二次系統(tǒng)的一種故障情況。再經(jīng)連通推理、根據(jù)二次系統(tǒng)狀態(tài)解析式對(duì)故障定位方案進(jìn)行校驗(yàn)，才能確定故障連通狀態(tài)矩陣的有效性并判定故障范圍。

故障連通狀態(tài)矩陣建立的方法為：首先確定故障節(jié)點(diǎn)數(shù)k(n≤k≤m)。然后從連通狀態(tài)矩陣A中選擇k個(gè)元素，若元素aij=1則令aij=0；若元素aij=0則令aij=1，表示二次系統(tǒng)的邏輯節(jié)點(diǎn)信息交互關(guān)系由于二次系統(tǒng)故障發(fā)生變化，由此建立故障連通狀態(tài)矩陣A*。其中，m和n為預(yù)先設(shè)定出現(xiàn)異常的邏輯節(jié)點(diǎn)間信息交互數(shù)目的上下限。n一般設(shè)為1，從遍歷最小故障規(guī)模的單個(gè)邏輯節(jié)點(diǎn)間交互異常開始到遍歷最大故障規(guī)模m個(gè)邏輯節(jié)點(diǎn)間交互異常結(jié)束，根據(jù)大量智能變電站二次系統(tǒng)故障案例總結(jié)出m取值1到3，在具體實(shí)現(xiàn)時(shí)可修改。

故障連通狀態(tài)矩陣建立后，需利用基于連通推理的矩陣算法得到該定位方案下最終二次系統(tǒng)邏輯節(jié)點(diǎn)的狀態(tài)。

不經(jīng)過(guò)任何其他節(jié)點(diǎn)的連接，僅通過(guò)本節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)的直連回路通道對(duì)其他節(jié)點(diǎn)進(jìn)行影響，稱為一次連通推理。例如保護(hù)類邏輯節(jié)點(diǎn)故障向出口類邏輯節(jié)點(diǎn)發(fā)送保護(hù)啟動(dòng)和跳閘信息，出口類邏輯節(jié)點(diǎn)開始向開關(guān)量采集類邏輯節(jié)點(diǎn)發(fā)送跳閘報(bào)文，進(jìn)行一次連通推理則出口類邏輯節(jié)點(diǎn)狀態(tài)由0變?yōu)?，可表示為式(2)所示。

sign[X×A*]=B

(2)

其中，X為二次系統(tǒng)輸入狀態(tài)向量；B為X經(jīng)過(guò)一次矩陣計(jì)算得到的變電站二次系統(tǒng)狀態(tài)行向量。X由二次系統(tǒng)故障時(shí)各邏輯節(jié)點(diǎn)的初始狀態(tài)確定，如式(3)所示。

(3)

其中，元素xi代表邏輯節(jié)點(diǎn)i的初始狀態(tài)，由表1邏輯節(jié)點(diǎn)狀態(tài)描述模型決定。

二次系統(tǒng)故障過(guò)程推演需進(jìn)行多次矩陣計(jì)算，矩陣計(jì)算代表的實(shí)際意義主要包括節(jié)點(diǎn)間信息采集、命令執(zhí)行、信息決策和控制指令下傳遞等過(guò)程[17]，最終得出二次系統(tǒng)各邏輯節(jié)點(diǎn)的狀態(tài)，并用D表示如式(4)所示。

D=sign[sum(B)]

(4)

其中，B為X變電站二次系統(tǒng)的節(jié)點(diǎn)狀態(tài)行向量，B中元素的意義由表1邏輯節(jié)點(diǎn)狀態(tài)描述模型決定；sum(B)表示將所有矩陣計(jì)算得到的B進(jìn)行矩陣加法運(yùn)算；sign[z]為符號(hào)函數(shù)，當(dāng)z>0時(shí)，sign[z]=1，當(dāng)z=0時(shí)，sign[z]=0。

根據(jù)二次系統(tǒng)工作原理與邏輯節(jié)點(diǎn)的最終狀態(tài)等信息建立二次系統(tǒng)狀態(tài)解析式，用來(lái)描述各邏輯節(jié)點(diǎn)是否收到或發(fā)出報(bào)文、報(bào)告等消息。在通過(guò)矩陣計(jì)算得出的節(jié)點(diǎn)狀態(tài)矩陣D后，利用狀態(tài)解析式判斷本次推理得出的二次系統(tǒng)各節(jié)點(diǎn)的狀態(tài)是否與實(shí)際故障后節(jié)點(diǎn)狀態(tài)相同，從而判斷故障連通狀態(tài)矩陣是否有效，作為二次系統(tǒng)故障定位的矩陣判據(jù)。

定義二次系統(tǒng)狀態(tài)解析式如式(5)所示。

(5)

因此，可得式(2)的具體矩陣展開形式如式(6)、式(7)，兩式表達(dá)了如何在給定二次系統(tǒng)故障前各邏輯節(jié)點(diǎn)的狀態(tài)以及節(jié)點(diǎn)間連通狀態(tài)這2個(gè)信息的情況下，通過(guò)直連回路通道實(shí)現(xiàn)邏輯節(jié)點(diǎn)間信息交互，計(jì)算推理其他邏輯節(jié)點(diǎn)狀態(tài)。

(6)

bi=sign[x1a1i+x2a2i+…+xnani]

(7)

其中，bi表示邏輯節(jié)點(diǎn)i的當(dāng)前狀態(tài)；xi表示邏輯節(jié)點(diǎn)i的初始狀態(tài)。

連通狀態(tài)矩陣A和一個(gè)故障連通狀態(tài)矩陣A*所有差異元素在矩陣中的位置信息用一個(gè)集合表示，如式(8)所示。

{(x1,y1),(x2,y2),…,(xi,yj),…,(xn,yn)}

(8)

其中，n為連通狀態(tài)矩陣A和故障連通狀態(tài)矩陣A*中差異元素的總數(shù)，(xi，yi)表示連通狀態(tài)矩陣A和故障連通狀態(tài)矩陣A*中第xi行第yi列元素存在差異，代表實(shí)際二次系統(tǒng)邏輯節(jié)點(diǎn)xi向邏輯節(jié)點(diǎn)yi的連通狀態(tài)出現(xiàn)異常，與正常工作狀態(tài)不符，屬于可疑故障區(qū)域。

綜上，在已知連通狀態(tài)矩陣A及故障時(shí)輸入狀態(tài)向量X的情況下，只需進(jìn)行多次矩陣計(jì)算，即可得到智能站二次系統(tǒng)中邏輯節(jié)點(diǎn)的狀態(tài)，再結(jié)合二次系統(tǒng)狀態(tài)解析式完成初步故障定位。具體方法如下：

步驟1：根據(jù)邏輯節(jié)點(diǎn)信息交互關(guān)系建立連通狀態(tài)矩陣A，根據(jù)二次系統(tǒng)故障時(shí)各邏輯節(jié)點(diǎn)的初始狀態(tài)建立輸入矩陣X、二次系統(tǒng)狀態(tài)解析式d，設(shè)定修改規(guī)則中修改元素?cái)?shù)目上下限m和n。

步驟2：建立故障連通狀態(tài)矩陣A*。

步驟3：按式(2)進(jìn)行連通推理計(jì)算得到B。并將計(jì)算出的B作為X帶入式(2)進(jìn)行多次連通推理計(jì)算直至B不再變化。

步驟4：根據(jù)式(4)得到D。

步驟5：檢查D是否符合二次系統(tǒng)狀態(tài)解析式，確定故障連通狀態(tài)矩陣A*是否有效。遍歷所有的故障連通矩陣A*。并將所有有效連通狀態(tài)矩陣A*按式(8)形式輸出，作為矩陣計(jì)算故障定位結(jié)果。

2 矩陣算法-BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的二次系統(tǒng)故障定位方法

2.1 BP神經(jīng)網(wǎng)絡(luò)模型

上述基于矩陣算法的故障定位方法具有規(guī)則簡(jiǎn)單、計(jì)算方便的特點(diǎn)，但涵蓋的信息較單一，可能出現(xiàn)一個(gè)二次系統(tǒng)事故診斷出多個(gè)故障定位結(jié)果。BP神經(jīng)網(wǎng)絡(luò)能夠精確逼近任意非線性函數(shù)，具有良好的系統(tǒng)學(xué)習(xí)能力。為此，在基于矩陣算法完成初步故障定位的基礎(chǔ)上，采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)一步準(zhǔn)確判定故障位置。

2.1.1 BP神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)一般由輸入層、隱藏層和輸出層構(gòu)成，每個(gè)神經(jīng)元將加權(quán)后的輸入與閾值(偏移)向量代數(shù)求和后得到各自的輸出。BP神經(jīng)網(wǎng)絡(luò)可通過(guò)構(gòu)建誤差逆向傳播環(huán)節(jié)，使得實(shí)際輸出值與期望輸出值間誤差最小[18]。

訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型主要分以下三個(gè)步驟：

(1)構(gòu)造網(wǎng)絡(luò)模型，包括確定輸入/輸出數(shù)據(jù)形式、網(wǎng)絡(luò)層次及傳遞函數(shù)形式。

(2)循環(huán)計(jì)算，正向傳播計(jì)算誤差，反向傳播調(diào)整參數(shù)。

(3)返回訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型。

本文采用的單隱藏層BP神經(jīng)網(wǎng)絡(luò)模型如圖1所示，整體由三層網(wǎng)絡(luò)組成，分別為輸入層、隱含層和輸出層。激活函數(shù)采用雙曲正切tanh函數(shù)，如式(9)所示，輸出層神經(jīng)元傳輸函數(shù)如式(10)所示。

(9)

f(x)=1-y2

(10)

圖1 三層BP神經(jīng)網(wǎng)絡(luò)模型Fig. 1 Model of Three-layer BP neural network

采用累計(jì)誤差逆?zhèn)鞑P神經(jīng)網(wǎng)絡(luò)算法與標(biāo)準(zhǔn)BP算法區(qū)別在于讀取一輪訓(xùn)練數(shù)據(jù)集T之后才對(duì)參數(shù)進(jìn)行一次更新，能夠避免標(biāo)準(zhǔn)BP算法參數(shù)更新頻繁的弊端，其最小化的目標(biāo)為訓(xùn)練數(shù)據(jù)集上的累計(jì)誤差如式(11)、(12)。

(11)

(12)

其中，Ek為網(wǎng)絡(luò)在單個(gè)訓(xùn)練樣本上均方誤差；E為累計(jì)誤差逆?zhèn)鞑ニ惴ǖ淖钚∧繕?biāo)函數(shù)；N為訓(xùn)練數(shù)據(jù)集樣本總數(shù)；m為樣本維度；zk*(j)為根據(jù)神經(jīng)網(wǎng)絡(luò)當(dāng)前參數(shù)計(jì)算得到的樣本輸出；zk(j)為原訓(xùn)練集的樣本輸出。

2.1.2 數(shù)據(jù)樣本的構(gòu)造

數(shù)據(jù)樣本輸入來(lái)源為矩陣計(jì)算得到的故障節(jié)點(diǎn)坐標(biāo)集合，但要將故障節(jié)點(diǎn)的位置信息轉(zhuǎn)化為序列形式，作為BP神經(jīng)網(wǎng)絡(luò)的輸入。

例如連通狀態(tài)矩陣A為3維方陣，n=1，m=3，則矩陣算法故障定位結(jié)果式(8)中的x、y元素對(duì)應(yīng)的序列編碼如表3所示。BP神經(jīng)網(wǎng)絡(luò)故障定位結(jié)果的編碼含義如表4所示。

表3 矩陣算法故障定位結(jié)果中位置信息編碼

表4 故障定位結(jié)果編碼

輸入輸出都規(guī)定為編碼形式，無(wú)需再進(jìn)行數(shù)據(jù)歸一化處理。計(jì)算出的故障連通狀態(tài)矩陣A*數(shù)目最多為2，若故障連通狀態(tài)矩陣A*數(shù)目不足2，則編碼序列末尾補(bǔ)0，保證輸入層序列長(zhǎng)度相等。部分原始數(shù)據(jù)和樣本數(shù)據(jù)形式如表5、表6所示。

表5 樣本舉例

表6 處理后的樣本舉例

2.2 矩陣算法-BP神經(jīng)網(wǎng)絡(luò)故障定位方法基本流程

首先根據(jù)1.3節(jié)基于矩陣算法的故障定位方法得到初步故障定位結(jié)果，再將其作為BP神經(jīng)網(wǎng)絡(luò)的輸入，根據(jù)BP神經(jīng)網(wǎng)絡(luò)的輸出得到最終診斷結(jié)果，故障定位總體流程如圖2所示。

圖2 矩陣算法-BP神經(jīng)網(wǎng)絡(luò)故障定位方法流程圖Fig. 2 Flow chart of matrix calculation BP neural network fault location method

3 案例分析

3.1 案例簡(jiǎn)介

以一起500kV開關(guān)誤跳閘事故為例分析，利用Python語(yǔ)言編程推理得到故障診斷結(jié)果。在500kV FX甲線受到區(qū)外擾動(dòng)時(shí)，XW站5001、5012開關(guān)跳閘，發(fā)生故障電網(wǎng)與主網(wǎng)解列，其中5012為橋接開關(guān)。500kV FX甲線復(fù)電試送過(guò)程中，當(dāng)XW站合上 5001開關(guān)對(duì)FX甲線充電時(shí)，5001開關(guān)再次跳閘。跳閘前運(yùn)行方式如圖3所示。XW出線線路保護(hù)配置情況如表7。

圖3 跳閘前運(yùn)行方式示意圖Fig. 3 Schematic diagram of operation mode before tripping

表7 XW站出線線路保護(hù)配置情況

第一次跳閘前，XG甲、乙線、FX甲線正常運(yùn)行，XW站5001、5002、5012開關(guān)在合位。

第一次開關(guān)跳閘時(shí)，500kV 線路保護(hù)、斷路器保護(hù)無(wú)動(dòng)作報(bào)文，錄波器未監(jiān)視到跳閘信號(hào)，開關(guān)操作箱第一組跳閘燈亮，5001、5012斷路器保護(hù)裝置A、B相收到跳閘失靈啟動(dòng)開入變位，持續(xù)11 s。5001和5012開關(guān)操作繼電器箱的第一組跳閘#1線圈的A、B兩相指示燈點(diǎn)亮。根據(jù)跳閘時(shí)刻的錄波和信號(hào)，初步判斷跳閘命令來(lái)自FX甲線主一或主三保護(hù)裝置。

為盡快恢復(fù)故障電網(wǎng)與主網(wǎng)聯(lián)網(wǎng)，在XW站開關(guān)站更換500kV FX甲線主一保護(hù)裝置插件并全面檢查后，又退出了主三保護(hù)出口和功能壓板。利用5001開關(guān)對(duì)FX甲線試送。試送后，5001開關(guān)再次跳閘。第二次跳閘，500kV線路保護(hù)無(wú)動(dòng)作報(bào)文，錄波器未監(jiān)視到線路保護(hù)跳閘信號(hào)，5001 斷路器保護(hù)動(dòng)作，開關(guān)操作箱第一組、第二組跳閘燈亮，5001斷路器 A、B相收到跳閘失靈啟動(dòng)開入變位，持續(xù)11 s，且PRS-753型號(hào)線路保護(hù)跳閘脈沖為11 s。第二次跳閘，5001斷路器保護(hù)溝通三跳出口動(dòng)作跳閘。

3.2 故障定位模型建立

對(duì)案例所涉及的邏輯節(jié)點(diǎn)進(jìn)行編號(hào)，如表8。

表8 邏輯節(jié)點(diǎn)編號(hào)

根據(jù)第一次跳閘保護(hù)配置情況，出口類邏輯節(jié)點(diǎn)FX甲線主一、主三保護(hù)出口PTRC可以向開關(guān)量采集類邏輯節(jié)點(diǎn)5001、5012開關(guān)操作箱XCBR發(fā)送跳閘報(bào)文，建立連通狀態(tài)矩陣A1如式(13)所示。

(13)

(14)

根據(jù)第二次跳閘保護(hù)配置情況，建立連通狀態(tài)矩陣A2如式(14)。通過(guò)故障分析報(bào)告、二次設(shè)備運(yùn)行記錄及相關(guān)文獻(xiàn)資料形成數(shù)據(jù)集[19]。針對(duì)單個(gè)節(jié)點(diǎn)故障類型建立數(shù)據(jù)集樣本數(shù)為3300。本案例只考慮單節(jié)點(diǎn)故障，即n=m=1，連通狀態(tài)矩陣A為13維方陣，且最多計(jì)算出的A*數(shù)目設(shè)為2。

3.3 故障定位模型參數(shù)優(yōu)化

將上節(jié)建立的3300條二次系統(tǒng)數(shù)據(jù)集，以8∶2的比例建立訓(xùn)練集和測(cè)試集，形成訓(xùn)練數(shù)據(jù)集T。本文采用的BP 神經(jīng)網(wǎng)絡(luò)共三層，其中輸入層節(jié)點(diǎn)數(shù)為52，隱藏層節(jié)點(diǎn)數(shù)為5，輸出層節(jié)點(diǎn)數(shù)為2；初始輸入層權(quán)重和偏置值服從[-0.2，0.2]區(qū)間上的均勻分布，初始輸出層權(quán)重服從[-2，2]區(qū)間上的均勻分布；訓(xùn)練過(guò)程中輸出層的神經(jīng)元最大值對(duì)應(yīng)位置元素為1，其余為0。對(duì)于初始學(xué)習(xí)率、隱藏層數(shù)的調(diào)整，以訓(xùn)練樣本集的判斷準(zhǔn)確率作為網(wǎng)絡(luò)參數(shù)的優(yōu)化指標(biāo)，對(duì)于迭代次數(shù)的調(diào)整，以訓(xùn)練樣本集的累計(jì)誤差作為網(wǎng)絡(luò)參數(shù)的優(yōu)化指標(biāo)。

表9為不同初始學(xué)習(xí)率、隱藏層數(shù)的BP 神經(jīng)網(wǎng)絡(luò)的故障定位準(zhǔn)確率。可知，經(jīng)300次迭代后，初始學(xué)習(xí)率為0.01、隱藏層數(shù)為5的神經(jīng)網(wǎng)絡(luò)優(yōu)化效果最佳。圖4為初始學(xué)習(xí)率為0.01、隱藏層數(shù)為5的BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練損失。由圖4可以看出，當(dāng)訓(xùn)練輪數(shù)達(dá)到200輪后，訓(xùn)練損失趨于穩(wěn)定。

表9 迭代300次后的網(wǎng)絡(luò)優(yōu)化情況

圖4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練損失Fig. 4 Training loss of BP neural network

使用原二次系統(tǒng)數(shù)據(jù)集，分別以7∶3、8∶2、9∶1的比例建立相對(duì)應(yīng)的訓(xùn)練集和測(cè)試集，形成新的訓(xùn)練數(shù)據(jù)集T1-T3。訓(xùn)練時(shí)，輸入層節(jié)點(diǎn)數(shù)為52，隱藏層節(jié)點(diǎn)數(shù)為5，輸出層節(jié)點(diǎn)數(shù)為2，學(xué)習(xí)率為0.01，共訓(xùn)練200輪。為比較文中所提BP神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率，選取循環(huán)神經(jīng)網(wǎng)絡(luò)模型和標(biāo)準(zhǔn)卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)相同的樣本集進(jìn)行訓(xùn)練和測(cè)試[20]，訓(xùn)練次數(shù)均為200次。表10為所提BP神經(jīng)網(wǎng)絡(luò)模型、循環(huán)神經(jīng)網(wǎng)絡(luò)模型和卷積神經(jīng)網(wǎng)絡(luò)模型在相對(duì)應(yīng)的訓(xùn)練集和測(cè)試集上二次系統(tǒng)故障數(shù)據(jù)的診斷結(jié)果。

表10 不同模型的診斷準(zhǔn)確率

由表10可以看出，BP神經(jīng)網(wǎng)絡(luò)模型在不同的測(cè)試集下均保持了較高的故障診斷準(zhǔn)確率，平均準(zhǔn)確率達(dá)到了89.1%，并且在每個(gè)測(cè)試集上的診斷效果較為穩(wěn)定，均保持在86.8 %及以上。

3.4 故障定位分析

案例中第一次跳閘為區(qū)外故障，只有故障源節(jié)點(diǎn)狀態(tài)值取1，故障輸入狀態(tài)向量如式(15)所示。

(15)

XG甲線主一保護(hù)出口和FX甲線主三保護(hù)出口有跳閘信號(hào)根據(jù)第一次跳閘時(shí)保護(hù)動(dòng)作情況建立第一次跳閘情況的二次系統(tǒng)狀態(tài)解析式d1如式(16)。

(16)

(17)

(18)

(19)

(20)

當(dāng)故障狀態(tài)矩陣A*為式(17)時(shí)，按式(2)經(jīng)一次矩陣計(jì)算得到B(1)如式(18)、按式(2)經(jīng)過(guò)三次矩陣計(jì)算得到B(3)如式(19)，計(jì)算停止。按式(4)計(jì)算得到D如式(20)所示，滿足二次系統(tǒng)狀態(tài)解析式d1，則故障連通狀態(tài)矩陣A*有效。

通過(guò)矩陣推理計(jì)算最終得到只有式(17)的故障連通狀態(tài)矩陣A*有效，與式(13)連通狀態(tài)矩陣對(duì)比，只有第13行10列元素變化，因此得到故障定位結(jié)果如式(21)所示。

{(13,10)}

(21)

將定位結(jié)果按2.1.3節(jié)轉(zhuǎn)換成編碼序列并輸入到已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，得到輸出為10，依照2.1.3節(jié)數(shù)據(jù)樣本構(gòu)造原則可知，第一個(gè)集合{(13，10)}代表的故障類型為故障定位結(jié)果，表示FX甲線主三保護(hù)出口PTRC故障?，F(xiàn)場(chǎng)開關(guān)跳閘原因?yàn)楝F(xiàn)場(chǎng)直流電源異常，引起FX甲線主三保護(hù)(為PRS753B型號(hào)裝置)出口回路驅(qū)動(dòng)器的總線狀態(tài)保持回路保持了異常電平，且出口板放大了異常導(dǎo)通電流，從而導(dǎo)致區(qū)外擾動(dòng)時(shí)繼電器出口，出口回路驅(qū)動(dòng)器屬于FX甲線主三保護(hù)出口PTRC。故障定位結(jié)果與現(xiàn)場(chǎng)二次回路檢查一致。

案例中第二次跳閘的故障輸入狀態(tài)向量與第一次跳閘時(shí)相同，如式(15)所示。根據(jù)第二次跳閘時(shí)保護(hù)動(dòng)作情況建立二次系統(tǒng)狀態(tài)解析式d2如式(22)。

(22)

通過(guò)矩陣計(jì)算得到故障定位結(jié)果如式(23)。

{(13,6)},{(13,11)}

(23)

將定位結(jié)果按2.1.3節(jié)轉(zhuǎn)換編碼序列并到已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，得到輸出為10，依照2.1.3節(jié)數(shù)據(jù)樣本構(gòu)造原則可知，第一個(gè)集合{(13，6)}代表的故障類型為故障定位結(jié)果，代表XG甲線主一保護(hù)出口PTRC故障?，F(xiàn)場(chǎng)開關(guān)跳閘原因?yàn)楝F(xiàn)場(chǎng)直流電源異常，引起FX甲線主一保護(hù)(為PRS753B型號(hào)裝置)出口回路驅(qū)動(dòng)器中總線狀態(tài)保持回路保持了異常電平，且出口板放大了異常導(dǎo)通電流，從而導(dǎo)致區(qū)外擾動(dòng)時(shí)繼電器出口。出口回路驅(qū)動(dòng)器屬于XG甲線主一保護(hù)出口PTRC，定位與現(xiàn)場(chǎng)二次回路檢查一致。

4 結(jié) 論

從信息物理系統(tǒng)的整體視角，提出了面向二次系統(tǒng)故障定位的矩陣化建模，刻畫了二次系統(tǒng)在物理、邏輯、信息等不同維度下的關(guān)聯(lián)及約束關(guān)系，為二次系統(tǒng)故障定位提供了基礎(chǔ)；提出了考慮二次系統(tǒng)狀態(tài)信息間豐富的耦合及約束關(guān)系的二次系統(tǒng)狀態(tài)解析式的建立方法，同時(shí)建立了基于矩陣算法-BP神經(jīng)網(wǎng)絡(luò)的二次系統(tǒng)故障定位方法。

所得結(jié)論如下：

(1)基于矩陣算法和BP神經(jīng)網(wǎng)絡(luò)的二次系統(tǒng)故障定位方法的通用性。連通狀態(tài)矩陣本質(zhì)是基于代數(shù)關(guān)系描述和最優(yōu)化理論進(jìn)行建模，依據(jù)邏輯節(jié)點(diǎn)描述模型建模方法和節(jié)點(diǎn)支路連接信息變化情況，可較容易地對(duì)所建立的模型進(jìn)行動(dòng)態(tài)修正。其不受獨(dú)立區(qū)域編號(hào)順序的影響，具有較強(qiáng)通用性。

(2)基于矩陣算法和BP神經(jīng)網(wǎng)絡(luò)的二次系統(tǒng)故障定位方法的容錯(cuò)性。故障定位模型中針對(duì)同一二次系統(tǒng)建立的連通狀態(tài)矩陣、二次系統(tǒng)狀態(tài)解析式及BP神經(jīng)網(wǎng)絡(luò)相互獨(dú)立，充分利用二次系統(tǒng)狀態(tài)信息間的耦合及約束關(guān)系，以其為基礎(chǔ)的故障定位方法具有較高的容錯(cuò)性。