摘要：該文介紹了一種變電一次設(shè)備故障檢測方法：通過不同光照環(huán)境收集一次設(shè)備的圖像，創(chuàng)建設(shè)備數(shù)據(jù)集并進(jìn)行預(yù)處理，通過深度卷積神經(jīng)網(wǎng)絡(luò)提取設(shè)備特征并加以檢測。經(jīng)檢測，此方法能夠明顯降低變電一次設(shè)備故障的漏報(bào)和誤報(bào)率。

關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò)；變電站；一次設(shè)備；故障檢測

doi：10.3969/J.ISSN.1672-7274.2024.10.010

中圖分類號：TP 391.41 文獻(xiàn)標(biāo)志碼：A 文章編碼：1672-7274（2024）10-00-03

Research on Fault Detection Method for Substation Primary Equipment Based on Deep Convolutional Neural Network

Abstract： This paper designs a substation primary equipment fault detection method： collecting images of the primary equipment in different lighting environments， creating equipment datasets and preprocessing them， and extracting equipment features for detection based on deep convolutional neural networks. After testing， this method can significantly reduce the missed and false alarm rates of primary equipment faults in substations.

Keywords： convolutional neural Network; substation; one device; fault detection

0 引言

變電一次設(shè)備指的是變電站系統(tǒng)中的電源接入、低壓配電、變壓配電設(shè)備等，其能夠?qū)崿F(xiàn)變電站功能。假如變電一次設(shè)備在運(yùn)行過程中出現(xiàn)故障，就會影響到供電的質(zhì)量或者出現(xiàn)運(yùn)行事故?？梢酝ㄟ^檢修降低變電站一次設(shè)備發(fā)生事故的概率，延長不停電運(yùn)行時(shí)間，從而使檢修和運(yùn)行成本得到降低，優(yōu)化變電站的成本分配，提高變電站運(yùn)行效率[1]。

1 變電一次設(shè)備的檢修內(nèi)容

1.1 變壓器

（1）絕緣檢測。利用變壓器油氣氣體的檢測結(jié)果分析是否存在異常放電等問題，對變壓器絕緣狀態(tài)進(jìn)行判斷。通過變壓器解列監(jiān)測能夠深入分析絕緣狀態(tài)，利用接地絕緣測試儀直接檢測變壓器接地直流絕緣情況，判斷變壓器是否需要拆修。

（2）異常聲音。利用超聲探頭檢測異常放電聲，對變壓器是否出現(xiàn)線圈變形、零件松動或者異常放電等問題進(jìn)行分析。

（3）引線故障。在檢查變壓器狀態(tài)時(shí)，通過目測分析變壓器引線狀態(tài)，及時(shí)處理引線脫焊、松動等情況，避免出現(xiàn)事故[2]。

1.2 斷路器

斷路器故障比較多，主要包括：

（1）過熱。利用吸合器件傳感器分析斷路器中的數(shù)據(jù)，開關(guān)吸合器件會導(dǎo)致溫度升高，此時(shí)要對比開關(guān)負(fù)荷曲線、接觸器件和中性點(diǎn)的溫度曲線，假如改變斷路器溫度，那么也會改變電能質(zhì)量。所以，要求針對開關(guān)檢修，在母線回路中使用并聯(lián)斷路器，根據(jù)操作員設(shè)置冷備用開關(guān)的狀態(tài)為運(yùn)行，并且隔離運(yùn)行開關(guān)；

（2）誤動或者拒動。主要包括：①開關(guān)二次回路出現(xiàn)故障，從而使遠(yuǎn)程系統(tǒng)或者綜合保護(hù)器無法聯(lián)網(wǎng)；②利用監(jiān)測系統(tǒng)確定是否是系統(tǒng)故障導(dǎo)致的開關(guān)保護(hù)拒動；③開關(guān)一次設(shè)備出現(xiàn)故障，導(dǎo)致吸合線圈出現(xiàn)問題，或者導(dǎo)致機(jī)械部件出現(xiàn)變形、松動等問題[3]。

2 變電一次設(shè)備故障的檢測方法

2.1 深度卷積神經(jīng)網(wǎng)絡(luò)

（1）卷積層。提取輸入圖像的特征，包括大量卷積核，其中的各元素都包含偏差量和權(quán)重系數(shù)。在對多維度卷積運(yùn)算進(jìn)行處理的過程中，在二維矩陣X中輸入圖像數(shù)據(jù)，卷積運(yùn)算如下：

式中，k表示二維卷積核；m表示卷積核的寬；n表示卷積核的高。在對圖像特征進(jìn)行提取的過程中，將輸入位置和核函數(shù)值結(jié)合，從而得到有效輸出。

（2）池化層。對卷積層的特征進(jìn)行分析，將過濾后的信息輸入到池化層中，根據(jù)像素的信息確定網(wǎng)絡(luò)位置，以最大值輸出實(shí)現(xiàn)最大池化。

（3）全連接層。實(shí)現(xiàn)特征非線性層的輸出，將池化層與卷積層中的數(shù)據(jù)特征提取后學(xué)習(xí)。

（4）激活函數(shù)。反向傳播訓(xùn)練網(wǎng)絡(luò)，或者開展非線性映射。卷積運(yùn)算是一種線性操作，根據(jù)線性映射關(guān)系在卷積層中設(shè)置非線性函數(shù)，公式表示為：

損失函數(shù)指的是神經(jīng)網(wǎng)絡(luò)的訓(xùn)練標(biāo)準(zhǔn)，能夠優(yōu)化網(wǎng)絡(luò)學(xué)習(xí)方法，還能夠有效訓(xùn)練參數(shù)。在最后一層輸出神經(jīng)網(wǎng)絡(luò)結(jié)果，以不同損失函數(shù)對數(shù)據(jù)的不同差異進(jìn)行計(jì)算，利用反向傳播對網(wǎng)絡(luò)開展訓(xùn)練。利用目標(biāo)檢測能夠計(jì)算損失函數(shù)，從而分析函數(shù)精準(zhǔn)性[4]。

2.2 注意力機(jī)制分析

注意力機(jī)制被廣泛應(yīng)用到神經(jīng)網(wǎng)絡(luò)模型任務(wù)中，在人們感知物體的時(shí)候，會觀察特定的部位。所以，要以注意力機(jī)制根據(jù)不同的觀察距離將變電站的原始圖劃分成為中間距離、近距離和原始距離。圖1為注意力機(jī)制模型，假如注意力網(wǎng)絡(luò)出現(xiàn)延遲，要利用原始圖像對物體特征進(jìn)行識別，將目標(biāo)高辨識特征展現(xiàn)出來后，根據(jù)局部、中間與圖像的特征進(jìn)行檢測。

2.3 設(shè)備故障圖數(shù)據(jù)庫

完整變電一次設(shè)備信息包括設(shè)備連接關(guān)系、種類、報(bào)文訂閱等信息，智能變電站配置文件SCD記錄智能變電站通信網(wǎng)絡(luò)中的信息，比如數(shù)據(jù)對象、裝置等，創(chuàng)建相應(yīng)的模型，將模型信息存儲到數(shù)據(jù)庫中。

利用圖數(shù)據(jù)庫對不同關(guān)聯(lián)節(jié)點(diǎn)進(jìn)行遍歷，從而研究其中的訂閱關(guān)系。根據(jù)不同的IED物理回路創(chuàng)建SLCD文件或者SPCD文件，通過邊屬性方式，使虛連接內(nèi)容存儲到物理回路中，得出二次回路中虛回路和物理回路的關(guān)系，表1為圖數(shù)據(jù)庫中關(guān)系存儲格式。在出現(xiàn)故障的時(shí)候，對報(bào)文解析后在圖數(shù)據(jù)庫中存儲信息，得出報(bào)文對應(yīng)信息，根據(jù)報(bào)文中FCDA信息和路徑結(jié)合得出告警信息。

3 變電一次設(shè)備故障檢測的實(shí)現(xiàn)

將深度學(xué)習(xí)廣泛應(yīng)用到人工智能領(lǐng)域，可以對不同的特征進(jìn)行描述，還能夠提取對象的特征。通過卷積神經(jīng)網(wǎng)絡(luò)提取故障特征，圖2為自適應(yīng)故障的檢測流程，能夠提高故障檢測效率。

利用深度卷積神經(jīng)網(wǎng)絡(luò)選擇參數(shù)，然后訓(xùn)練信號圖像。利用檢測器、故障特征對模型進(jìn)行檢測，在創(chuàng)建模型時(shí)要對不同的層進(jìn)行統(tǒng)計(jì)，從而滿足故障特征識別需求。如果存在抗生體，可以對其進(jìn)行尋優(yōu)，以此提高檢測效率和精準(zhǔn)度。在檢測變電一次設(shè)備故障的過程中，要提取故障特征。為此，要先解決參數(shù)和網(wǎng)絡(luò)等問題，根據(jù)頻域波形能夠選擇相應(yīng)的參數(shù)，并且完成相應(yīng)模型的設(shè)置[5]，包括：

（1）增量模型。設(shè)置80個(gè)卷積層特征圖，滿足不同用戶和業(yè)務(wù)的應(yīng)用需求。

（2）遞減模型。能夠通過此模型降低系統(tǒng)特征圖數(shù)量。

（3）卷積操作。提取波形信號特征，對卷積核大小加以確定，包括3種類型。

之后要求確定深度卷積神經(jīng)網(wǎng)絡(luò)的主要內(nèi)容，比如層數(shù)、時(shí)域和頻域的波形信號等，并且利用頻域和時(shí)域波形信號實(shí)現(xiàn)參數(shù)訓(xùn)練，過程如下：①變電一次設(shè)備數(shù)據(jù)為振動信號；②轉(zhuǎn)變振動信號，可以根據(jù)傅里葉變換實(shí)現(xiàn)，將不同的信號設(shè)置到針對性的文件夾中；③通過相應(yīng)位置設(shè)置存儲故障類型；④利用測試集和訓(xùn)練集生成數(shù)據(jù)集；⑤將卷積操作和池化核的步長分別設(shè)置為1和2；⑥利用卷積核初始化操作設(shè)置偏差為0；⑦根據(jù)不同信號的訓(xùn)練模型開展訓(xùn)練；⑧以訓(xùn)練集對網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練[6]。

可以通過傅里葉變換的方法將提取到的時(shí)域信號轉(zhuǎn)變?yōu)轭l域信號，從而提高檢測信號的效果。在對其進(jìn)行初始檢測時(shí)，要將特征結(jié)果和初步診斷信息進(jìn)行存儲。假如變電一次設(shè)備在運(yùn)行中出現(xiàn)故障，為了提高檢測結(jié)果精準(zhǔn)性，要評估檢測結(jié)果。TD表示時(shí)域模型檢測結(jié)果，F(xiàn)en表示提取特征屬性，時(shí)域檢測評估結(jié)果計(jì)算公式為

頻域檢測結(jié)果定義為

式中，F(xiàn)d指的是檢測結(jié)果，通過不同的方式進(jìn)行存儲，如不包括帶標(biāo)簽位抗體種群和帶標(biāo)簽位抗體種群。

在對變電一次設(shè)備故障進(jìn)行檢測的過程中，一般不需要知識庫就能夠檢測。在檢測時(shí)，通過免疫學(xué)習(xí)方法對抗體進(jìn)行分析，檢測未知的故障檢測器流程包括：

①使深度卷積神經(jīng)網(wǎng)絡(luò)特征進(jìn)行轉(zhuǎn)變；②創(chuàng)建初始抗原，根據(jù)抗體的生成策略創(chuàng)建種群；③計(jì)算抗體針對抗原平均親和力，利用克隆的方式對抗體定義。如果平均親和力越大，說明存在大量的抗體克隆數(shù)據(jù)；④對抗體的概率閾值進(jìn)行克隆和設(shè)置，計(jì)算變異概率。假如要高于隨機(jī)閾值，要求能夠全面操作克隆抗體的過程；⑤對于變異和克隆操作抗體進(jìn)行降序作業(yè)，對下一代初始抗體種群進(jìn)行分析；⑥重復(fù)上述步驟，如果迭代次數(shù)滿足指定閾值，那么計(jì)算停止；⑦以上操作完成后生成全新檢測器，在知識庫中存儲新檢測器用于故障檢測。

4 仿真實(shí)驗(yàn)

為了對上述檢測方法有效性進(jìn)行驗(yàn)證，研究中開展了仿真實(shí)驗(yàn)。 利用仿真軟件設(shè)置完成此故障的預(yù)測方法，對不同方法變電一次設(shè)備故障預(yù)測的時(shí)間和錯(cuò)誤次數(shù)進(jìn)行記錄，并展開計(jì)算分析。仿真軟件固定變量指的是故障樣本數(shù)量，通過輸入變量表示故障特征。本文實(shí)驗(yàn)次數(shù)為30次，在實(shí)驗(yàn)迭代次數(shù)不斷增加時(shí)，邊界條件也會增加，表2為電力一次設(shè)備的故障類別。

為了檢驗(yàn)本文方法優(yōu)劣，實(shí)驗(yàn)過程中的測試指標(biāo)為均方根誤差和預(yù)測誤差，對不同預(yù)測模型預(yù)測能力進(jìn)行分析。實(shí)驗(yàn)中，不同模型故障預(yù)測誤差在不斷增加，文獻(xiàn)[3]模型預(yù)測誤差是最大的，本文方法預(yù)測誤差比較低。當(dāng)增加實(shí)驗(yàn)次數(shù)時(shí)，以上預(yù)測模型的均方根和預(yù)測誤差都在不斷提升。但是和其他模型對比，本文方法的預(yù)測指標(biāo)較低，表明本文方法對于故障預(yù)測的結(jié)果更為精準(zhǔn)。

表3為故障漏報(bào)率和誤報(bào)率的對比結(jié)果，本文模型和文獻(xiàn)[3]、文獻(xiàn)[4]模型進(jìn)行對比，預(yù)測誤差和均方根誤差最低，漏報(bào)率和誤報(bào)率較低，并且檢測結(jié)果更加理想[7]。

5 結(jié)束語

在變電站一次設(shè)備故障檢測過程中使用傳統(tǒng)檢測方法的效果不滿意，所以通過深度卷積神經(jīng)網(wǎng)絡(luò)對變電一次設(shè)備運(yùn)行故障進(jìn)行診斷，可以提高故障檢測效率。實(shí)驗(yàn)表明，利用本文所述方法對變電一次設(shè)備故障進(jìn)行檢測，故障檢測結(jié)果更為精準(zhǔn)，降低了故障的漏報(bào)和誤報(bào)的幾率。

參考文獻(xiàn)

[1] 萬杰楓．變電一次設(shè)備故障預(yù)測及檢修方法分析[J]．集成電路應(yīng)用，2023，40（8）：202-203．

[2] 蔣健，劉年，孫超．基于Faster R-CNN圖像處理的變電站異常設(shè)備紅外檢測方法[J]．沈陽工業(yè)大學(xué)學(xué)報(bào)，2024，46（2）：157-164．

[3] 黃寶航，高征宇．基于數(shù)據(jù)挖掘的變電一次設(shè)備運(yùn)行故障檢測方法[J]．通信電源技術(shù)，2023，40（17）：38-40．

[4] 龔志輝．基于VR技術(shù)的變電站一次設(shè)備故障分類方法研究[J]．通訊世界，2022，29（12）：112-114．

[5] 李偉琦，周剛，王法順，等．一起1000 kV特高壓變電站GIS開關(guān)故障母線跳閘事故分析[J]．電氣開關(guān)，2022，60（5）：118-121，124．

[6] 周皓，劉康康，呂佳，等．一起穿芯電流互感器引起的開關(guān)柜局放異常檢測分析[J]．江西電力，2023，47（4）：5-8．

[7] 王亮．變電站一次設(shè)備運(yùn)行中存在的問題與狀態(tài)檢修分析[J]．現(xiàn)代制造技術(shù)與裝備，2021，57（8）：130-131．