风暴灾害下输电线路运行故障远程监控技术*

刘 翌，熊 浩，闫训超，罗 俊，赵 扬

(1.国网江苏省电力有限公司，江苏 南京 210000; 2.南瑞集团有限公司(国网电力科学研究院有限公司)，江苏 南京 210000)

国际资源短缺现象不断加剧，新型的水利发电、风利发电等都在不断地发展，由电设备连接组成的大型系统，这些设备的稳定性与可靠性关系着整个电力系统的安全，也决定着电网供电的质量[1]。我国电网建设已经全面展开，输电线路远程监控系统作为电网建设中一个重要的组成部分，是提升输电线运行的重要手段[2]。当前输电线路远程监控范围较大，输电线路运行环境恶劣，容易受到风暴灾害的影响，在长时间的检测中仍存在着一些弊端[3]，以往远程监控手段多是在故障发生后确定故障发生位置，需要派维修人员到现场进行排查来处理此故障，同时还存在受到风暴灾害影响时，输电线路电阻过大，电流突变量很小，监控出的故障特征不明显，导致实际线路运行故障诊断结果不准等问题[4]。在此背景下，研究风暴灾害下输电线路运行故障远程监控技术成为当前输电线路建设领域广泛关注的重点[5]，目前已有很多学者针对此方面进行大量研究，并取得了很多好的成果[6]。

王焘等[7]提出了一种输电线路运行故障远程监控技术。涵盖了分布式监测、监测数据处理、故障检测、故障诊断等步骤，把现有的监控工作分类为基于规则、度量分析、日志分析、行为分析等几种类别，详细描述其工作原理，但该技术故障监控时延较长。赵庆周等[8]提出了一种输电线路配电网大数据分析的状态远程监测与故障处理技术。根据网络关联矩阵与区域差分规则，对每个节点电流、功率数据进行预处理，将预处理的结果进行数据融合，生成监测矩阵。将监测矩阵进行降维及局部异常因子检测，计算出每个节点的局部异常因子，根据该因子实现故障监控。该技术在保持较短故障监控时延的同时故障监控的误差率也随之增加。滕予非等[9]提出一种输电线路高频电压突变量的故障远程监测技术。分析输电线路故障时高频电压的特性，提出利用高频电压突变量作为判测输电线路故障的新策略，该技术不受高频信号下输电线路的影响，具有一定的抗过渡电阻能力，但该技术监控时延较长。

针对上述技术存在的不同方面的不足，设计了一种新的输电线路运行故障远程监控技术，实验结果表明，所设计的故障远程监控技术具有故障监控时间短、误差率低等卓越优势。

1 基于Petri网的输电线路运行故障远程监控

1.1 输电线路运行故障特征提取

在进行运行故障远程监控过程中，对输电线路的电气量及开关量数据进行融合，运用加权平均法对数据融合结果进行校正，获取输电线路运行故障诊断特征，运用故障模式匹配与Petri网技术对诊断出的故障特征进行提取。具体过程如下述：

输电线路运行故障中，根据电线中电气量的变化情况判断首先保护故障断路器的动作，输电线路电气量具有较好的可靠性、完整性与容错性，经过输电线路电器量的采集进行其运行状态的分析，分析出参数来对输电线路运行故障进行检测。由电气量采集Agent、开关量采集Agent、电气量状态监控Agent与数据融合Agent等部分构成。

(1)电气量提取Agent和电线数据采集及电线监测系统、障碍防护信息管理系统进行通信，运用向量同步单元用来得到对电压、电流、功率、RPMS中输电线路故障信息等数据进行采集，测量SCADA系统中的电压、功率，使获取的电气量故障信息传输到状态监控Agent。

(2)对输电线路开关量采集Agent与SCADA进行相互关联，通过提取输电线中断路器现状、阻断输电线路开关状态等故障数据。当电网发生故障时，开关量采集Agent将信息发送给数据融合Agent。

(3)输电线路中的状态监控Agent为认知型Agent，输电线路质量的好坏取决于输电线路中的质量和数量。正常传输状态下的信息与非正常状态下时样本信息构成了信息库中的实验信息，随着状态的变化，数据库中的数据也根据变化进行改正，根据改正后的数据与原始数据进行对比来判断输电线路的运行状态。

从输电线路中的状态监控中来获取输电线路故障信息，如输电线有异常情况，立即传给数据融合Agent，从而获取电气量的数据来进行融合。采用加权平均融合算法来处理数据库中的数据。融合不同格式的数据，以获得输电线路运行故障诊断特征为：

(1)

式中：c为故障诊断的数据；N为数据样本总和，n为输电线路中的元件。

根据式(1)获得的故障诊断信息量，对Agent进行提取，运用输电线路故障种类匹配方式，对比当下潮流分布和各种设想故障潮流分布相似度，从中获得元件n发生障碍的可靠度[10]，假设故障种类的相同性测度为：

(2)

式中：dm为数据m在发生障碍时的差异情况；θmi为元件m故障时数据i处的交点。对lm作以下处理：

(3)

(4)

1.2 输电线路运行故障远程监控

根据提出的故障特征，构建网络拓扑结构矩阵，运用网络拓扑结构矩阵把故障方向传给主机，根据主机上输电线路各点的故障方向建立故障信息矩阵，运用网络拓扑结构对障碍数据矩阵进行校正，获取关联矩阵，把障碍数据矩阵和关联矩阵相乘，提取输电线路故障区间，对其进行远程监控。在主机内完成输电线路运行故障诊断，得到相应从机对其障碍方位的诊断结果与相应网络拓扑结构数据。运用通信网络把从机判断出的故障方位传输给主机，利用每个输电线路开关的部位取得网络拓扑结构，运用图1来描述拓扑图，CB表示装有从机的开关，将这些开关视为节点，L代表开关间的分支线，将分支线作为支路，正常S7断开，对应节点CB7用空心圆表示。

图1 网络拓扑结构示意图

假设输电线路通信网络正常运行时，除S7外其余开关都为闭合状态，结合图1所展示的电路节点支路关联矩阵L，矩阵分为a×b阶，a为电路保护从机的个数，b为线段区段的个数。L中元素lij代表第i个节点与第j支路间的关联性，lij可表示为：

(5)

得到的关联矩阵为L：

(6)

根据从机所判别出的障碍方位诊断结果，具体表示为向量G。G中元素的各个向量对应从机的个数，对向量gi的取值设定为：

(7)

假设故障发生在L3上，若从机判断准确，得到的障碍数据向量G表示为：

G=[1 0 1 0 0 0 0 ]。

(8)

对输电线路运行障碍数据矩阵G与关联矩阵L相乘，获取输电线路故障区间信息向量P：

(9)

式中：P为1×c阶行向量。由上式可以发现，仅有区间L3相应的元素值等于1，其他元素值都取0，从而判别输电线路障碍出现在L3上。

假如输电线路障碍出现在分支L4上，这时取得的障碍数据向量G为：

G=[1 0 1 0 0 0 0 ]。

(10)

将G与L进行乘运算，用P表示故障区段数据向量：

P=G×L=[0 0 0 1 0 0]。

(11)

由上式得到的障碍区段数据向量，可实现在分支上也能够准确监控输电线路运行故障。

当输电线路有开关断开时，对应的从机不能采集，运用关联矩阵，断开从机与输电线路间的关联。当开关闭合时，与较近的线路建立联系，在关联矩阵中增加节点和临近线路间的关联。当主机供电发生变化时，要对其相关的运行线路进行重新的建立，供电电源发生改变后的拓扑结构如图2所示。

图2 供电电源变化后的拓扑结构示意图

进行关联矩阵修改，得到新的关联矩阵L′为：

(12)

设故障线路仍然发生在L3上，这时依据各从机的诊断结果获得故障信息向量G为：

G=[0 0 0 0 1 0 1]。

(13)

由上式得出输电线路故障区段信息向量P′：

P′=G×L=[0 0 1 0 0 0]。

(14)

综上所述，网络拓扑结构发生变化后，通过对关联矩阵进行修正，核对输电线路运行故障方向，可以准确监控输电线路运行故障所在区段。

2 仿真实验证明

为了证明本文技术的优越性，以监控时延和监控误差率作为实验指标，对本文提出的新的输电线路运行故障远程监控技术、文献[7]技术与文献[8]技术进行比较分析。对相同故障数据量下的远程监控时延(ms)进行对比，对比结果如图3所示。由图3可知，随着样本个数的不断增加，不同技术的监控时延变化趋势也在不断改变。当样本数量增加到35个时，文献[8]技术监控时延达到第一个峰值，主要原因在于文献[8]技术对节点电流、功率数据预处理结果进行融合，融合过程需要准确划分不同节点电流数据以及功率数据，此过程导致了故障监控时延；本文技术监控时延保持在波动区间(22～27ms)内，文献[7]技术监控时延从51ms增加到68ms左右，文献[7]技术时延增加幅度明显，主要原因在于文献[7]技术把故障监控分成不同的模块，对比每个模块的有缺点，对比过程太繁琐，复杂的监控过程导致时延较长。样本数量到达110个时，从整体监控时间变化趋势上来看，文献[8]技术共出现5次峰值，且每次出现较高时延前，前一阶段的时延明显较低，此结果也从侧面上体现了该技术进行输电线路运行故障远程监控具有不稳定性；文献[7]技术时延整体走势逐渐升高，最终监控时延达到72ms左右；而本文技术监控时延始终保持在28ms以下，整体变化趋势较为平稳，侧面体现了该技术可以较为稳定地监控输电线路运行故障远程监控。

图3 运行故障监控时延对比结果

分别利用本文的技术、文献[7]提出的远程监控技术与文献[8]提出的远程监控技术进行故障监控误差率(%)对比，对比结果如图4所示。由图4可知，当样本数量为10个时，3种技术的误差率都是最低的，因为样本数量较少，工作量较为简单，所以误差率较低；当样本数量达到30个时，文献[7]技术监控误差率达到第一个峰值，主要原因为文献[7]技术将故障监控工作划分为多步，当数量较少时，工作量较少，误差率就较低；当数量增多时，由于监控过程过于繁琐，会出现一些漏检、误检情况，此时监控误差率较高，故障监控结果随故障数量的变化而变化，具有不稳定性。本文的技术监控误差率基本保持在10%～20%之间，而文献[8]技术监控误差率由35%增加到70%左右，误差率增加幅度较大。当样本数量从40个增加到70个时，本文技术可将监控误差率控制在20%以下，整体变化的趋势较为平稳，文献[7]技术监控误差率由最低的31%增加到46%，文献[8]技术监控误差率由最低的50%增加到70%。综合上述实验结果可知，文献[7]技术与文献[8]技术监控误差率波动较大，侧面体现了监控技术的不稳定性，由此可见，本文监控技术明显优于传统监控技术，更具有实用价值。

图4 故障监控误差率对比结果

3 结论

针对传统的运行故障远程监控技术存在的监控时间长，误差率较高等问题，本文提出了一种新的输电线路运行故障远程监控技术。实验结果表明，本文提出的远程监控技术与传统的远程监控技术相比，监控时间较短、速度较快，故障远程监控误差率较低，该技术的提出为解决当前运行故障诊断提供了一种有效的解决方案，具有实际应用价值。未来将对风暴灾害下输电线路运行故障远程监控技术进行深入研究，会将研究重点放在降低监控过程中干扰因素的影响方面，以此来进一步提升监控准确度。