关键词:
智能变电站
继电保护测试技术
故障诊断
图论
深度学习
摘要:
智能变电站继电保护装置的性能直接影响变电站的安全稳定运行,而继电保护装置性能的测试通常由专用的继电保护测试仪来完成。大量调试现场的反馈信息,特别是针对保护单体的调试反馈信息,表明使用现有的数字式继电保护测试仪来完成保护装置的单体调试往往需要消耗大量的精力以及时间,而且,利用现有的数字式继电保护测试仪无法完成对保护装置的通信一致性检查。为提高数字式继电保护测试仪的测试效率和测试效果,测试过程标准化与自动化是其发展方向。2016年,由四川省电科院牵头,通过将保护测试功能与站控层功能集成,并将保护测试模型和站控层模型等技术结合,成功研究并制造出了第一代智能变电站自动化继电保护测试仪,测试期间不需要测试人员亲自到保护装置上完成读取和修改定值、投退软压板、复归等工作,真正实现了保护装置全自动测试。第一代智能变电站继电保护自动测试仪虽然较原有数字式继电保护测试仪在自动化水平和智能化水平上有所提高,且基本实现和满足了继电保护装置自动测试的要求,但是在实际现场进行调试的过程中测试效率并没有达到预期效果,这是因为测试过程中会偶然出现的一些故障,通过人工进行排查需要花费大量的时间,使得测试效率下降。针对上述自动化测试仪所出现的问题,本文研究的内容围绕智能变电站继电保护测试故障诊断展开,研究对象为220k V智能变电站。本文首先对告警信息进行了分类,按照现场运维经验和相关技术规范把上述数据信息按服务对象分为采样故障类、跳闸故障类、本体故障类和通信故障类等,便于智能变电站运维人员认清告警信息,提高测试效率;而且,梳理了智能变电站单间隔保护测试过程中出现的故障及其可能产生的原因。其次针对测试过程中出现的光纤链路故障,单独提出了一种基于图论的继电保护测试光纤故障诊断算法,采用图的关联矩阵和链路告警信息进行相关运算便可以较为简洁的诊断链路故障,增加了整体故障诊断的可靠性、准确率以及计算效率。最后针对智能变电站单间隔保护测试过程中出现的其他故障,提出了一种基于深度学习的单间隔继电保护测试故障诊断算法,采用循环神经网络(Recurrent Neural Network,RNN)对从SCD文件中解析出来的故障数据进行有监督的深度学习,利用基于时间的反向传播算法(Back Propagation Trough Time,BPTT)进行训练参数的优化,并以220k V智能变电站220k V线路间隔为例进行模型性能测试,经测试该故障诊断算法具有92.31%的准确率且训练时间在10min左右,证明该算法具有较高的可靠性和计算效率,能有效的诊断测试过程中出现的问题,从而间接的提高继电保护装置的测试效率