肖耀輝 余俊松 李為明 王玉峰 王永平 薛海平 黃鍇 姚金明

摘 要：由于特高壓換流站系統(tǒng)數(shù)據(jù)來源廣泛、采集密度高、量測裝置多樣、通信協(xié)議復雜，現(xiàn)有技術難以對換流站復雜狀態(tài)及其隱含的故障特征進行準確辨識。因此本文提出了基于信息物理融合的特高壓換流站特征識別技術，在對以圖像為主的多源異構數(shù)據(jù)進行預處理與關聯(lián)分析后，基于信息物理雙側狀態(tài)運行及遷移特征關聯(lián)矩陣，對換流站物理與通信雙側故障進行分析、訓練與識別。基于實際換流站監(jiān)控圖像進行了實例分析和方法對比，結果表明該方法優(yōu)于一些傳統(tǒng)的故障診斷與特征識別算法，具有較好的診斷能力。

關鍵詞：大數(shù)據(jù)挖掘；特高壓直流；多源信息融合；信息物理系統(tǒng)；故障辨識

DOI：10.15938/j.jhust.2024.01.008

中圖分類號： TM743? 文獻標志碼： A

文章編號： 1007-2683（2024）01-0069-09

EHV Converter Station State Identification Technology Based on Cyber-physical Integration

XIAO Yaohui1， YU Junsong1， LI Weiming1， WANG Yufeng1，WANG Yongping2， XUE Haiping2， HUANG Kai2， YAO Jinming3

（1Maintenance and Test Center of CSG EHV Power Transmission Company， China Southern Power Grid Co， Ltd，?Guangzhou 510000， China;2NR Electric Co， Ltd， Nanjing 210023， China;3College of Automation & College of Artificial Intelligence， Nanjing University of Posts and Telecommunications， Nanjing 210023， China）

Abstract：Due to the wide range of data sources， high collection density， diverse measurement devices and complex communication protocols in the EHV converter station system， it is difficult for the existing technology to accurately identify the complex states of the converter station and its implied fault characteristics Therefore， this paper proposes an information-physical fusion-based feature identification technology for EHV converter stations After pre-processing and correlation analysis of image-based multi-source heterogeneous data， the analysis， training and identification of physical and communication faults of converter stations are performed based on the cyber-physical dual-side state operation and migration feature correlation matrix Example analysis and method comparison based on actual converter station monitoring images are conducted， and the results show that the method outperforms some traditional fault diagnosis and feature identification algorithms and has better diagnostic capability

Keywords：big data mining; UHVDC; multi-source information fusion; information physical system; fault identification

0 引 言

隨著特高壓直流跨區(qū)域傳輸線路的建設與發(fā)展，我國清潔能源的消納與利用程度得到了大幅度加強。由于特高壓換流站起著連接發(fā)電端和輸配電端的核心作用，保證其安全穩(wěn)定運行非常重要。傳統(tǒng)的檢測工作多以人工為主，存在勞動強度大的局限性，無法滿足特高壓工程快速發(fā)展的建設需要［1-2］。

中國目前的電力設備維護體系是一種簡單的基于時間的預防性試驗和定期維護體系［3］。這種維護制度由于自身的盲目性，可能會對運行中的設備良好運行狀態(tài)造成損害［4-5］。

特高壓換流站結構復雜，具有多電壓交叉特性。雖然在關鍵設備與產品的設計和生產過程中，整體的絕緣特性得到了可靠的保證，但隨著長期的運行，元件的性能退化，運行環(huán)境的變化，特別是滲水等要素對換流站的可靠運行造成了潛在的威脅［6-7］。因此，如何綜合考慮電氣與非電氣狀態(tài)量，對換流站狀態(tài)進行整體建模與多源信息融合下的風險評估，是目前對換流站監(jiān)測與運維應用的難點［8］。

本文首先介紹了換流站的基礎功能、監(jiān)控方法與監(jiān)視架構，其次分析了用于驗證換流站狀態(tài)的各類數(shù)據(jù)，包括環(huán)境、圖像、電氣等多源信息及其圖像混合識別方案［9-10］。接著，基于換流站多源信息及其與電力物理運行狀態(tài)的關聯(lián)關系，構建電網(wǎng)信息物理融合模型，分析通信與電力環(huán)節(jié)之間的狀態(tài)轉移特征與關系［11］。最后通過實際算例驗證了在復雜信息環(huán)境下的換流站業(yè)務執(zhí)行全過程。

1 換流站功能介紹

換流站主要由換流變壓器、換流閥和直流、交流開關站組成［12］。直流開關站可容納平滑電抗器、直流濾波器、直流測量裝置、避雷器、浪涌電容器、耦合電容器、開關設備等［13］。交流開關站可容納交流開關設備、交流濾波器、無功補償裝置、避雷器等。與傳統(tǒng)的直流換流站不同，由于設備制造和運輸方面的限制，UHVDC換流站每一極都有多個串聯(lián)的12脈沖換流器，布置在多個閥廳。

1.1 換流站監(jiān)控技術

換流站內部運行時，連續(xù)處于高電壓、高噪聲、強電磁場的環(huán)境中，因此無法直接測量換流閥、穿墻套管和避雷器等核心設備的運行狀態(tài)［14］。而僅通過遠程視頻圖像觀察等手段，無法及時了解換流閥等設備各部分的運行健康狀況，同時對各種異常情況如滲水、明火、放電等環(huán)境變化，僅通過人工監(jiān)測手段難以及時發(fā)現(xiàn)問題［15］。因此換流站實際運行可能產生的極端性風險將造成巨大的經(jīng)濟損失。

目前，排除換流站設備隱患的方法是定期維修，而停電狀態(tài)下的定期維修無法模擬換流閥等設備的實際運行狀況，導致設備的一些運行缺陷或隱患無法再現(xiàn)［16-17］。因此，需要同時利用電氣與環(huán)境綜合信息進行關聯(lián)檢測，能夠全面發(fā)現(xiàn)換流閥預警狀況的最新技術。通過實時監(jiān)測和采集電氣設備的運行參數(shù)，進行綜合處理和分析，確定設備的運行健康狀況，并預測可能發(fā)生的故障。利用該技術可以準確定位設備故障，及早捕捉運行缺陷，使得快速查找和分析設備故障原因成為可能［18］。

目前換流站在線監(jiān)測技術的實際效果不佳。對換流閥閥體表面的異常情況，只能通過人工手持設備進行走廊檢查來監(jiān)測，可靠性有限［19-22］。換流變壓器表面漏油的異常情況也是通過遠程視頻和巡視走廊來進行，難以直接觀察。在多維信息輔助判斷設備故障的過程中，圖像識別是其關鍵技術。智能圖像識別診斷技術是伴隨著人工智能研究的發(fā)展和攝像成型技術的飛躍而發(fā)展起來的一種在線監(jiān)測技術。隨著電網(wǎng)自動檢測技術的發(fā)展，可以實現(xiàn)對重點設備關鍵點的24 h不間斷錄像。圖像識別診斷已廣泛應用于水電站、大型變電站等高可靠性要求的不間斷系統(tǒng)的運行維護中［23］。

換流站的整體監(jiān)控拓撲與監(jiān)控數(shù)據(jù)類型如圖1所示，主要包括圖像、環(huán)境、電氣等多維信息參數(shù)。

1.2 自助可控監(jiān)視技術

目前現(xiàn)有傳統(tǒng)監(jiān)視技術主要采用層次混合監(jiān)視，主要是采用監(jiān)視板卡來監(jiān)視系統(tǒng)中其他插件是否正常運行，但是在一些故障情況下，傳統(tǒng)的監(jiān)視方法很難區(qū)分故障發(fā)生的位置是監(jiān)測板卡還是被監(jiān)視的板卡。而自主可控平臺采用的控制保護主要是根據(jù)平臺自身的軟件和硬件特點，依據(jù)處理器多核特性，采用“核內自監(jiān)視+核間平行監(jiān)視”的監(jiān)視新技術，即系統(tǒng)內的每一個核都會自我監(jiān)視同時監(jiān)視其他核，并且每個自我監(jiān)視的核也受到其他核監(jiān)視。自主可控主機監(jiān)視邏輯如圖2所示。

“核內自監(jiān)視+核間平行監(jiān)視”的監(jiān)視新技術主要包括以下優(yōu)點：1）系統(tǒng)內所有插件都被監(jiān)視，能夠精準定位到故障；2）核間平行監(jiān)視無需第三方中轉所監(jiān)測到的故障信息；3）能夠在系統(tǒng)運行異常時主動切換系統(tǒng)，提高系統(tǒng)穩(wěn)定性。

2 換流站異常狀態(tài)監(jiān)測關鍵技術

為了對換流站異常狀態(tài)進行有效監(jiān)測，首先，廣泛收集、整理各類與電氣特性及有關的異構信息，包括：氣象、火災、滲水率等各類事件等，并完成數(shù)據(jù)的轉換，滿足大數(shù)據(jù)分析需求。其次，利用建立的關聯(lián)分析模型對狀態(tài)數(shù)據(jù)進行標定，形成正常和異常狀態(tài)集；再次，利用人工設定的案例，定義數(shù)據(jù)相關性的關聯(lián)規(guī)則的支持度和置信度數(shù)學模型，并對異構信息數(shù)據(jù)進行頻繁度挖掘關聯(lián)分析，最終建立特高壓換流站多源信息融合模型。

在狀態(tài)識別過程中，首先，引入證據(jù)理論處理異構信息的融合。證據(jù)理論是信息融合領域的重要基礎理論，非常擅長處理不確定問題。針對建立的信息融合框架，設計異構信息的沖突處理機制，確保異構信息融合的準確度。最后，考慮到用電數(shù)據(jù)識別結果的重要性，在現(xiàn)有證據(jù)融合算法中引入證據(jù)權重，優(yōu)化證據(jù)融合算法，形成基于信息融合的換流站異常狀態(tài)識別算法，如圖3所示。

2.1 多源數(shù)據(jù)類型

特高壓換流站樣本的基本數(shù)據(jù)類型包括：

1）變壓器運行數(shù)據(jù)：主要包含變壓器運行是否正常的數(shù)據(jù)，例如套管壓力、分接頭動作次數(shù)等。

2）開關運行數(shù)據(jù)：包含監(jiān)測開關絕緣和操作結構是否正常運行的實時信息，如SFc壓力、動作次數(shù)等。

3）一次測量設備數(shù)據(jù)：用于檢測一次設備是否正常運行，包括如驅動電流和運行溫度等。

4）避雷器運行數(shù)據(jù)：用于監(jiān)測避雷器是否正常運行，包括如動作次數(shù)和泄流電流等。

5）直流側運行數(shù)據(jù)：用于監(jiān)測高壓直流系統(tǒng)的控制情況，包括如直流電壓、直流電流、功率、觸發(fā)角、分接頭檔位等。

6）閥冷卻系統(tǒng)運行數(shù)據(jù)：用于檢測換流閥的水冷效果情況，包括如水壓，水流等。

7）交直流濾波運行數(shù)據(jù)：用于檢測電容器的運行情況，包括如電容器的不平衡電流等。

8）紅外測溫運行數(shù)據(jù)：用于監(jiān)測設備的實時溫度，包括如電壓致熱性的套管、電流致熱性的開關、電壓互感器、刀閘、變壓器等設備的實時溫度。

在換流站日常監(jiān)測數(shù)據(jù)中，具有以下特征。

1）數(shù)據(jù)類型及設備類型復雜，采樣頻率高，運維及存儲難度大；

2）數(shù)據(jù)狀態(tài)分布不平衡，由于換流站設備整體運行狀態(tài)較好，因此其故障數(shù)據(jù)往往隱藏在整體海量數(shù)據(jù)中，不易被辨識，關鍵數(shù)據(jù)價值密度較低。

3）不同類型的異構數(shù)據(jù)往往來源于不同的傳感器與監(jiān)控系統(tǒng)中，共享難度大，數(shù)據(jù)難以集成以協(xié)同分析。

針對較為復雜的圖像信息，在圖像增強、圖像濾波、圖像銳化、圖像分割、形態(tài)學圖像處理的基礎上，使地圖顯示更加清晰，減少失真，滿足識別和預警處理的要求。以圖像信息為基礎，建立圖像分辨率和清晰度指標，結合提取的特征量，基于卷積神經(jīng)網(wǎng)絡算法，對采集的圖像進行識別和評價。

在大量地圖采集和標準化存儲的基礎上，基于特征量，需要研究基于聚類分析的數(shù)據(jù)挖掘、基于多類支持向量分析的機器學習、智能檢索等關鍵技術，構建標準化的典型對象和典型案例圖像分析庫。

2.2 多源數(shù)據(jù)處理架構

電力業(yè)務的結構化數(shù)據(jù)的交換服務，可以采用數(shù)據(jù)抽取和數(shù)據(jù)推送的數(shù)據(jù)同步方式進行數(shù)據(jù)交換，所謂的結構化數(shù)據(jù)，即指的是存在傳統(tǒng)關系型數(shù)據(jù)庫中的數(shù)據(jù)，這些數(shù)據(jù)同樣遵守標準數(shù)據(jù)結構，可以采用二位表的形式來進行邏輯表達和理解，結構化數(shù)據(jù)的交換采用光傳輸綜合承載平臺，該平臺為可以結構化數(shù)據(jù)交換的邏輯通道。

對于非結構化數(shù)據(jù)的交換業(yè)務，可以采用數(shù)據(jù)抽取和數(shù)據(jù)推送的數(shù)據(jù)同步方式來對電力業(yè)務中的非結構化數(shù)據(jù)進行數(shù)據(jù)交換，非結構化數(shù)據(jù)指的是相對結構化數(shù)據(jù)來說不適合使用數(shù)據(jù)庫的二位邏輯來表達的數(shù)據(jù)，包含例如文檔、文本、圖表、圖像和多媒體文件等。非結構化數(shù)據(jù)的交換通道主要為光傳輸綜合承載平臺專設的業(yè)務通道。

首先構建換流站各類電氣與非電氣數(shù)據(jù)的基礎數(shù)據(jù)庫，實現(xiàn)多源異構數(shù)據(jù)集成。其次基于數(shù)據(jù)清洗及多時間尺度數(shù)據(jù)處理技術，對不同數(shù)據(jù)屬性根據(jù)時間特征、空間特征、物理特征和關聯(lián)關系進行特征分析及規(guī)范化處理，采用重復字段匹配、空缺值檢測、一致性檢測等技術，識別系統(tǒng)數(shù)據(jù)實體中重復數(shù)據(jù)、空缺數(shù)據(jù)以及不滿足約束的異常數(shù)據(jù)，基于數(shù)據(jù)相關性的貝葉斯推斷等技術對系統(tǒng)數(shù)據(jù)實體中的異常數(shù)據(jù)進行清洗及綜合處理。最后，研究基于MySQL關系型數(shù)據(jù)庫的數(shù)據(jù)存儲技術，實現(xiàn)對數(shù)據(jù)本身與行為策略的分析，實現(xiàn)數(shù)據(jù)隱藏換流站直流側、交流側、設備層與電網(wǎng)層等深層次狀態(tài)行為的提取與檢驗。

3 信息物理融合方法

基于上文中的圖像識別與分析技術，可以獲取特高壓換流站中的非電氣參數(shù)，結合D5000系統(tǒng)中傳遞的電氣參數(shù)，可以進行異構信息融合處理，得到特高壓換流站的全面狀態(tài)感知結果，擴充其狀態(tài)庫，流程如圖4所示。

構建的特高壓換流站異構信息模型如下：

1）首先采集特高壓換流站電氣數(shù)據(jù)，進行數(shù)據(jù)預處理，包括數(shù)據(jù)缺失值填補，無效數(shù)據(jù)刪除；

2）獲取數(shù)據(jù)對應日期的天氣及氣象數(shù)據(jù)，監(jiān)控設備對應的各類事件信息，基于關聯(lián)關系分析方法挖掘歷史異構數(shù)據(jù)與用電數(shù)據(jù)之間的關聯(lián)關系以及置信度與強規(guī)則集合，分析影響異常狀態(tài)數(shù)據(jù)的關鍵信息；

3）基于不同時間尺度（氣象數(shù)據(jù)以天為單位，監(jiān)控設備事件以小時為單位）將異構信息與電氣數(shù)據(jù)進行融合；

4）根據(jù)已有的行為經(jīng)驗進行貼標簽處理，其中正常狀態(tài)標簽為0，異常狀態(tài)按照故障類型設定標簽為1～n，去除無標簽數(shù)據(jù)；

5）接著選取標簽0樣本，進行異常值的剔除，基于過采樣算法進行標簽0樣本的擴充；選取標簽1～n樣本，基于過采樣算法進行標簽1～n樣本的擴充；

6）基于標簽0樣本擴充數(shù)據(jù)集與標簽1～n樣本擴充數(shù)據(jù)集構建有標簽新數(shù)據(jù)集，進行訓練集和測試集的劃分。

在此基礎上，可以對多源信息與物理狀態(tài)進行聯(lián)合，構建信息物理系統(tǒng)（cyber physical system， CPS）模型。

31 CPS元件建模方法

由于電網(wǎng)CPS中存在著電力與通信等多源信息的復雜耦合，為了全面揭示這些信息對換流站運行物理特性的影響，需要構建一個信息物理拓撲關聯(lián)模型。簡而言之，在電網(wǎng)CPS中，電力CPS節(jié)點通常指電力通信負荷系統(tǒng)的電力通信負荷系統(tǒng)的信息傳輸與能量的交匯點，這些節(jié)點的組成可以是單個CPS系統(tǒng)的元器件，也可以由多個元器件共同組成，需要對這些節(jié)點進行精確建模，即所搭建的模型具有較好的兼容性，對外可以提供連接口，同時也可以接入新元件，具有良好的拓展性。

3.2 信息物理融合序列建模

在物理層面，電力CPS一般會以固定的時間檢測對電壓、電流和頻率進行采樣，采樣完成后會通過通訊網(wǎng)絡進行傳輸至主站，采樣的測量值在時間序列上是連續(xù)的；在信息層面，只有在特定的事件或動作下才會產生帶有時間戳的日志，所以這些數(shù)據(jù)在時間序列上是不連續(xù)的。在信息物理融合的序列建模時，首要是基于專家進行對屋里層面的測量值進行離散化，在離散的空間中將連續(xù)地物理量映射出來。

與此同時為確保特高壓系統(tǒng)安全穩(wěn)定地運行，本文設置了一些規(guī)范：電網(wǎng)的電壓、電流和額定頻率只能在一定的范圍內波動；其中由于不同線路的承載電流不同，所以電流的取值范圍和線路正常運行的情況關系密切，本文為了標準化電流的變化情況，以故障前的電網(wǎng)穩(wěn)態(tài)測量電流值作為參考電流，若電流的變化相較于初始電流超過本文所給限定范圍，則被看作為異常變化。具體的物理量測量值離散化的方法如式（1）所示。

f′t=ε（ft-（1+m%）fN）+ε（ft-（1-m%）fN）I′i，t=ε（Ii，t-（1+l%）IiN+ε（Ii，t-（1-l%）IiN）U′u，t=ε（Uu，t-（1+p%）UuN）+ε（Uu，t-（1-p%）UuN）（1）

式中：ε為階躍函數(shù)；ft為t時刻的頻率；Ii，t為t時刻線路i的電流；IiN為線路i故障前的電流；Uu，t為t時刻母線u的電壓；UuN為母線u的額定電壓；f′t，I′i，t和U′u，t為離散后的頻率、電流和電壓值，m、p和l分別代表交流側額定頻率偏差值、電網(wǎng)電壓的波動值和相對于初始穩(wěn)態(tài)電流值變化值，其中m，p和l需根據(jù)具體應用場景來確定。除階躍函數(shù)外的其他方法也可以采用相同的思路，將其中的連續(xù)量測進行離散化處理。

物理層面的連續(xù)數(shù)據(jù)離散化在本質上是一種利用專家經(jīng)驗濾波的過程，其主要是聚焦于系統(tǒng)發(fā)生異常事件的時刻，所有時刻的系統(tǒng)的物理狀態(tài)序列可以通過公式表示為：Sphys={t，f，U，V}，其中t為記錄狀態(tài)的時間戳，Sphys為系統(tǒng)的物理狀態(tài)。

信息層面的離散事件可表示為事件是否正在發(fā)生的形式，為：Scyber={t，LS}，其中LS為事件的狀態(tài)，如某設備是否正在發(fā)生動作，用0和1表示未發(fā)生和已發(fā)生。數(shù)據(jù)中的每一維數(shù)據(jù)都對應著不同的時間，經(jīng)過處理后，信息層面和物理層面的數(shù)據(jù)可以使用相同的時間戳來表示，表示為公式即為：Scpps={t，f，U，V，LS}，即在信息層面和物理層面發(fā)生的一切事件的狀態(tài)都是有限地，即事件的狀態(tài)可以被有限表示，通過下標對有限的系統(tǒng)狀態(tài)進行區(qū)分，按照時間戳的形式可以將所有時刻的系統(tǒng)狀態(tài)表示為：

Ey={Sa，Sa，Sb，Sb，Sc}，a，b，c∈n（2）

式中：Ey為事件狀態(tài)遷移過程，a，b，c為某個事件的狀態(tài)，n為狀態(tài)總數(shù)。在給定的事件狀態(tài)采樣周期內，存在事件的連續(xù)狀態(tài)相同，即系統(tǒng)狀態(tài)在采樣周期內沒有發(fā)生變化。

在事件發(fā)生的過程中，事件的系統(tǒng)狀態(tài)在大部分采樣周期時間內均保持不變，只在一些特定時刻發(fā)生系統(tǒng)狀態(tài)遷移，在事件系統(tǒng)狀態(tài)遷移過程中去除未發(fā)生改變的數(shù)據(jù)，即可提取出狀態(tài)遷移序列：

Ey={Sa，Sb，Sc}，a，b，c∈n（3）

式中：Ey為時間離散化后的事件序列。

3.3 信息物理融合故障辨識

通過比較待檢測的故障事件序列和特征序列庫中的數(shù)據(jù)，即可得到故障類型，在此過程中，將待檢測的序列和庫中序列對比時，若有且只有一條數(shù)據(jù)和待檢測的序列數(shù)據(jù)匹配，即可獲得故障類型，若無數(shù)據(jù)匹配或者有多條數(shù)據(jù)匹配，則歸類為“未知”和“待定”?；谛畔⑽锢砣诤咸卣餍蛄械墓收显虮孀R流程如圖5所示。

訓練流程為：

1）將數(shù)據(jù)分成兩組：訓練樣本和測試樣本。

2）設定不同支持度組合來模擬各種換流站監(jiān)控場景，每個支持度對應特定的場景，如電氣設備故障或通信設備故障。

3）根據(jù)2）步驟給定的支持度，提取并保存在支持度下的序列集。

4）采用蒙特卡洛法調整支持度組合，然后重復步驟2）和步驟3）。

5）對訓練中保存的序列集進行測試，并將獲得的準確率最高的序列集用于實際情況。

4 算 例

基于簡單的特高壓換流站等效系統(tǒng)算例，說明電力CPS結構與事件建模流程。算例中的特高壓換流站原始拓撲與等效模型如圖6所示。

系統(tǒng)的采樣、傳輸和分析控制環(huán)節(jié)可以被簡化為一個等效模型，如圖7所示。Sf表示傳感器，A表示執(zhí)行環(huán)節(jié)，而C則代表簡化的決策環(huán)節(jié)。決策環(huán)節(jié)可以是單獨的控制中心節(jié)點，也可以是附加在執(zhí)行環(huán)節(jié)的計算環(huán)節(jié)。

圖7中，可以將B1和傳感器Sf看作同一個CPS節(jié)點，也可以看作是通過接口連接的兩個獨立節(jié)點，若兩個元件之間的連接介質無法被忽略的話，這兩個元件則不能看做同一個節(jié)點。對上述的經(jīng)典CPS的系統(tǒng)進行抽象概括，則CPS主要包含：電力一次系統(tǒng)、感知原件、執(zhí)行器、決策環(huán)節(jié)和通信環(huán)節(jié)。

4.1 故障測試

算例所用測試場景分為三類：1）機械故障；2）電氣故障；3）常規(guī)運行狀態(tài)。相關測試樣本數(shù)據(jù)集來自某特高壓換流站全景監(jiān)視系統(tǒng)采集的10000幅監(jiān)視圖像，在Windows 10環(huán)境下利用Pytorch深度學習框架進行訓練，處理器型號為Intel（R） Core（TM） i5-10400F CPU ，樣本集采取專家經(jīng)驗人工標注。

經(jīng)過換流站日常視頻圖像采樣選取了3個不同的特征子集。通過超高清攝像頭拍攝換流站監(jiān)控中心顯示屏得到監(jiān)控圖像，然后將圖像上傳至云端進行圖像預處理、圖像矯正、圖像去噪以及提取邊緣信息等步驟，接著對監(jiān)控圖像進行字符分割及識別，最后獲得檢測結果，從而能夠識別出了故障時間、類型、地點及等級等屬性。本次檢測得到了三類初步診斷結果，并進一步得到合成后的最終診斷結果。原始故障樣本為572條，將原始故障數(shù)據(jù)擴充為2802條故障數(shù)據(jù)樣本，80％的擴充故障樣本作為訓練集，20％的擴充測試樣本作為測試集。同時，采集了換流站直流側與交流側的電流、電壓、頻率信息進行輔助故障識別，基于信息物理融合特征序列方法的整體辨識結果及其與傳統(tǒng)方法對比如表1所示。

4.2 時延測試

在理想情況下，使用純數(shù)據(jù)進行驅動的模型在一般情況下可以實現(xiàn)較好效果。但是在電力CPS中，通信系統(tǒng)的延時是不可避免的客觀影響因素，使用評估失穩(wěn)故障為例，通信延時造成的采樣數(shù)據(jù)偏差如圖8所示。

可以發(fā)現(xiàn)在不同的延時的環(huán)境下頻率測量準確率不同。在此基礎上，可以計算特高壓換流站緊急控制業(yè)務的量測、執(zhí)行與物理恢復用時。以簡單的安全穩(wěn)定控制動作過程為例說明：

1）Sf采集B2母線頻率信息fB2；

2）fB2通過通信通道傳輸至控制中心C；

3）控制中心C根據(jù)預先制定的策略，計算B2節(jié)點切除狀態(tài)；

4）切除狀態(tài)通過通信通道傳輸至B2節(jié)點執(zhí)行器A；

5）執(zhí)行器A完成動作指令，對直流線路進行切除。

各控制環(huán)境用時如表2所示。

由表2可以看出，當網(wǎng)絡環(huán)境正常時，一次閉環(huán)的電力業(yè)務響應過程大約需要69ms，可以滿足絕大部分的實時電力業(yè)務需求，但是，在網(wǎng)絡環(huán)境發(fā)生異常時，網(wǎng)絡的數(shù)據(jù)傳輸會收到網(wǎng)絡異常的影響，導致傳輸所需要的時間增加，甚至會導致電網(wǎng)的頻率波動，加劇電網(wǎng)的不穩(wěn)定性。因此在后續(xù)研究過程中可以利用模型預測控制方法，增加反饋校正的過程，使得補償控制中增強了抗擾動和客服系統(tǒng)不確定性的能力，從而能夠提高換流站系統(tǒng)在高延時下的穩(wěn)定性。

5 結 論

本文介紹了一種信息物理融合下的特高壓換流站狀態(tài)識別技術，該技術通過對電力信息物理中的大量電力數(shù)據(jù)進行融合分析，首先對電力通信系統(tǒng)的構成和信息采集與監(jiān)控設備的介紹，然后針對電力CPS的隊員異構信息和復雜的一二次融合設備，使用信息物理融合時間序列進行建模，最后通過仿真驗證信息流和能量流對設備、網(wǎng)絡和系統(tǒng)業(yè)務執(zhí)行的影響。

通過對信息層面和物理層面融合分析的方法，可以針對電力CPS內部的關鍵固有因素和關聯(lián)影響要素進行綜合分析，同時可以分析換流站內部的信息物理融合事件的遷移過程，當信息層面的系統(tǒng)系統(tǒng)的參數(shù)發(fā)生變化時，可以精確評估對特高壓換流站事件狀態(tài)評估準確率的影響，并能夠高效識別各類故障和狀態(tài)。

參 考 文 獻：

［1］ 李宏昌， 陳俊宇. 特高壓換流站監(jiān)控參數(shù)的異常判據(jù)研究［J］. 電工技術， 2021（24）： 200.

LI Hongchang， CHEN Junyu. Research on Abnormal Criteria for Monitoring Parameters of Uhv Converter Station［J］. Electric Engineering， 2021（24）： 200.

［2］ 張愛楓， 彭東， 項方宇. 基于bim-5d技術的特高壓換流站工程管控系統(tǒng)［J］. 電測與儀表， 2020， 57（24）：125.

ZHANG Aifeng， PENG Dong， XIANG Fangyu. Engineering Controlling System of UHV Converter Station Based on Bim-5d Technology［J］. Electrical Measurement & Instrumentation， 2020， 57（24）：125.

［3］ SHENGCHANG J， PENG W， QIAOGEN Z， et al. Study on the Noise-level Calculation Method for Capacitor Stacks in HVDC Converter Station［J］. IEEE Transactions on Power Delivery， 2010， 25（3）：1866.

［4］ 吳浩， 李紅元， 劉建紅. 特高壓直流換流站二次設備回路傳導電壓干擾特性研究［J］. 電測與儀表， 2018， 55（20）：142.

WU Hao， LI Hongyuan， LIU Jianhong. Research on the Conducted Voltage Interference Characteristics in the Secondary Equipment Circuit of an UHVDC Converter Station［J］. Electrical Measurement & Instrumentation， 2018， 55（20）：142.

［5］ 程正逢， 胡俊， 盧生煒，等. 基于高分insar數(shù)據(jù)的特高壓換流站穩(wěn)定性監(jiān)測［J］. 電力勘測設計， 2017（6）：5.

CHENG Zhengfeng， HU Jun， LU Shengwei， et al. The Stability Monitoring of UHV Convertor Station Using High Resolution Insar Dataset［J］. Electric Power Survey & Design， 2017（6）：5.

［6］ HUANG X，XIE Y， MA C， et al. Design and Application of Insulator Detection Robot System for UHVDC Transmission Line［J］. International Journal of Mechanical Engineering and Applications， 2019， 7（4）：106.

［7］ 謝民， 邵慶祝， 汪偉，等. 特高壓換流站保護系統(tǒng)全景監(jiān)視圖像超分辨率重建方法［J］. 廣東電力， 2022， 35（5）：101.

XIE Min， SHAO Qingzhu， WANG Wei， et al. Research on Super-resolution Reconstruction Method of Panorama Monitoring Images of Extra-high Voltage Converter Station Protection System［J］. Guangdong Electric Power， 2022， 35（5）：101.

［8］ 陸如， 于惠鳴， 劉自超. 基于全景數(shù)據(jù)系統(tǒng)的特高壓直流換流站監(jiān)控方案［J］. 通信電源技術， 2019， 36（7）：80.

LU Ru， YU Huiming， LIU Zichao. Monitoring Scheme of UHVDC Converter Station Based on Panoramic Data System［J］. Telecom Power Technology， 2019， 36（7）：80.

［9］ 李葦. 特高壓變電站計算機監(jiān)控系統(tǒng)方案探討［J］. 電力建設， 2007， 28（9）：5.

LI Wei. Discussion on Schemes of UHV Substation Computerized Monitoring Systems［J］. Electric Power Construction， 2007， 28（9）：5.

［10］馮慶東， 黃文濤. 特高壓直流試驗基地試驗線段監(jiān)測監(jiān)視系統(tǒng)研制［J］. 電力設備， 2008， 9（2）：18.

FENG Qidong， HUANG Wentao. The Development of Test Line Monitoring System in the UHVDC Test Base Station［J］. Electrical Equipment， 2008， 9（2）：18.

［11］閃鑫， 王軼禹， 金一丁，等. 特高壓互聯(lián)電網(wǎng)一體化監(jiān)視和故障協(xié)同處置方案及應用［J］. 電力系統(tǒng)自動化， 2018， 42（2）：84.

SHAN Xin， WANG Yiyu， JIN Yiding， et al. Scheme and Application of Integrated Monitoring and Fault Co-disposal Technology of UHV Interconnected Power Grid［J］. Automation of Electric Power Systems， 2018， 42（2）：84.

［12］陳生棟， 孫海峰. 特高壓換流站三柱四繞組結構換流變壓器諧波抑制研究［J］. 電網(wǎng)技術， 2021， 45（8）：3155.

CHEN Shengdong， SUN Haifeng. Harmonic Elimination for Three-limb Four-winding Converter Transformer in UHVDC Converter Station［J］. Power System Technology， 2021， 45（8）：3155.

［13］康保林， 高亮， 屈子程. 基于MMC的直流電網(wǎng)故障分析和保護方案研究［J］. 電測與儀表， 2020， 57（13）：130.

KANG Baolin， GAO Liang， QU Zicheng. Research on DC Faults Analysis and Protection Scheme of D-C Power Grid Based on MMC［J］. Electrical Measurement & Instrumentation， 2020， 57（13）：130.

［14］GAO L， JI S， ZHU L， et al. Vibration and Noise c-haracteristics of Air-Core Reactor Used in HVDC Converter Stations［J］. IEEE Transactions on Power Delivery， 2021， 37（2）： 1068.

［15］MU D， LIN S， ZHANG H， et al. A NovelFault Identification Method for HVDC Converter Station Section Based on Energy Relative Entropy［J］. IEEE Transactions on Instrumentation and Measurement， 2022， 71： 1.

［16］CHAI B， XU H， DOU J， et al. A WSN Integrated Supporting System Deployment of an HVDC Converter Station［C］//2021 5th International Conference on Smart Grid and Smart Cities （ICSGSC）. IEEE， 2021： 10.

［17］YONG S， CE F， LEI C， et al. Inertia Parameter Selection Method for HVDC Converter Station Ba-sed on VSG Control［J］. Journal of ElectricalEngi-neering & Technology， 2022， 17（2）： 1019.

［18］LI Y， REN X， HUANG T， et al. A Fault Analysis for the Action of the Bridge Arm Overcurrent Protection of a Flexible HVDC Converter Station［C］//2021 IEEE Sustainable Power and Energy Conference （iSPEC）. IEEE， 2021： 231.

［19］ZHAO C， JIANG S， XIE Y， et al. Analysis of Fault and Protection Strategy of a Converter Station in MMC-HVDC System［J］. Sustainability， 2022， 14（9）： 5446.

［20］郜建良，譚貝斯，賈琳，等.特高壓電網(wǎng)無功電壓控制策略迭代求解方法研究［J］.電測與儀表，2022，59（11）：126.

GAO Jianliang，TAN BeiSi，JIA lin，et al.Research on Iterative Method of Reactive Power Voltage Control Strategy for UHV Power Grid［J］.Electrical Measurement & Instrumentation，2022，59（11）：126.

［21］汪本進，王睿晗，吳士普，等.特高壓直流電壓互感器換熱結構設計及其對誤差特性的影響研究［J］.電測與儀表，2022，59（1）：84.

WANG Benjin，WANG Ruihan，WU Shipu，et al.Research on the Heat Exchange Structure Designing for UHV DCVT and its Influence on Error Characteristics［J］.Electrical Measurement & Instrumentation，2022，59（1）：84.

［22］周挺，唐信.特高壓直流極母線避雷器污穢狀況下內外部電場分布的仿真研究［J］.電測與儀表，2023，60（5）：92.

ZHOU Ting，TANG Xin.Simulation of Internal and External Electric field of UHV DC Polar Bus Arrester Under Pollution Conditions［J］.Electrical Measurement & Instrumentation，2023，60（5）：92.

［23］鐘堯， 任嘯， 吳高林，等. 圖像特征分析的電力金屬腐蝕評估方法［J］. 哈爾濱理工大學學報， 2021， 26（1）：9.

ZHONG Yao， REN Xiao， WU Gaolin， et al. Image Recognition and Model Cluster Matching of Relaying Plate［J］. Journal of Harbin University of Science And Technology， 2021， 26（1）：9.

（編輯：溫澤宇）

基金項目： 國家自然科學基金（52207009），中國南方電網(wǎng)有限責任公司科技項目（0120002021030304AS00062）

作者簡介：肖耀輝（1989—），男，碩士，工程師；

余俊松（1996—），男，助理工程師

通信作者：姚金明（1989—），女，博士，講師，E-mail：yao_jinming@126.com.