基于DA-SVR的2M继电保护通道在线监测和故障诊断

，，

(中国南方电网有限责任公司超高压输电公司贵阳局，贵州 贵阳 550081)

0 引言

目前，在南方电网光纤差动保护应用越来越广泛，在220 kV和500 kV线路上都作为主要继电保护方式[1-2]。当前南网主干通信网建设已经相当完善，但通信网管只能有限的监控，无法解决传输设备到DDF架以及DDF架到继保设备最后10 m同轴电缆的监测问题，也无法对2M继保通道的协议、性能和健康状况进行有针对性的监测、管理和预警[3-4]。实际应用时，普遍存在现场调试困难的情况，出现故障后不能准确定位故障位置。如互联后，保护装置出现误码或通道异常告警后，由于复用通道经过各级通信设备，很难区分到底是哪个环节出现问题(共有8个环节可能出现问题)，只能通过分段自环的方式检查，且必须变电站两侧均派人检查，检查工作会同时涉及通信专业和保护专业，尤其在线路两侧分属不同供电公司时，需要各单位各专业密切配合才能检查出问题。有时候甚至各段自环没有问题，但是互联后就有问题，此时就很难检查到底是哪里有问题了。因此，会经常出现这种情况，平时运行时，通道状态良好，故障或操作时，由于接口设备相关接口没有良好接地，导致出现误码，影响保护正确动作，但是目前只能判断哪个方向有误码，不能准确定位故障位置，只能对整个通道回路进行全面检查，浪费人力物力。因此，进行2M继电保护通道在线监测和故障诊断具有重要的现实意义[5-6]。

本文将2M继电保护通道在线监测技术和DA-SVR结合起来，提出一种基于DA-SVR的2M继电保护通道在线监测和故障诊断算法。研究结果表明，从各个故障类别的诊断结果还是总体正确率来看，DA-SVR均要高于GA-SVR、SVR和BP神经网络，有效提高了2M继电保护通道在线监测数据故障诊断的正确率。

1 蜻蜓算法

蜻蜓算法[7](DA)是根据蜻蜓觅食行为而提出的一种新的仿生算法。DA算法中，蜻蜓个体通过避撞行为、结对行为、聚集行为、觅食行为和避敌行为等5种行为方式进行觅食和寻优，这些个体行为详细描述如下。

避撞行为位置Si和结对行为位置Ai的更新数学公式为

(1)

N为相邻蜻蜓个体的数量；Vj为第j个邻近蜻蜓个体的速度；X为当前蜻蜓个体的位置；Xj为第j个邻近蜻蜓个体位置。

聚集行为位置Ci、觅食行为位置Fi和避敌行为位置Ei的更新数学公式为

(2)

其中X+取最优情况，即食物点；X-取最差解，即被猎点。综合5种蜻蜓群体行为，蜻蜓个体的步长向量更新策略为[8]

ΔXt+1=(sSi+aAi+cCi+fFi+

eEi)+hΔXt

(3)

a，c，e，f，s表示不同的5种蜻蜓群体行为定义权重；h表示差异权重；t表示为已计算次数。蜻蜓位置更新策略为

Xt+1=Xt+ΔXt+1

(4)

2 SVR模型

对于训练样本集{(xi,yi}i=1,2,…,n，集合元素xi和yi分别为SVR的输入和输出数据，通过非线性映射函数φ(·)将输入数据集映射到高维特征空间，SVR函数模型为[9]

f(x)=wTφ(x)+b

(5)

f为预测值；w为权值向量；φ(·)为非线性映射函数；b为偏置量。

w和b可由式(6)求得，即

(6)

通过二次优化问题求解，SVR的权值向量w为

(7)

(8)

K(·)为核函数。文中核函数选择Gauss函数

K(xi,xj)exp(-‖xi-xj‖2/2g2)

(9)

g为Gauss核函数宽度。

3 基于DA-SVR的2M继电保护通道在线监测和故障诊断

3.1 系统结构

通过在超高压设备部署所在机房及下属变电站中安置目标2M监控设备，在不影响业务前提下，利用探测技术，实时获取通道内的数据信息，并实时监控和分析在DDF架通信两端的的数据，电平，错误码等等来确保2M继电保护通道内的通信质量，系统结构如图1所示。

图1 系统结构

3.2 主要思想

通过对2M继保通道进行实时监测，弥补传输设备到继保设备最后10 m的管理空白，实现快速发现故障、定位故障功能[10]。分析在线误码率、通道告警、继保通道103通信协议，建立故障分析模型，本文设计的2M继电保护业务接入业务逻辑示意如图2所示。

图2 2M继电保护业务接入业务逻辑示意

3.3 适应度函数

针对SVR模型性能受惩罚参数C和核函数宽度g的影响，运用DA算法对SVR模型的惩罚参数C和核函数宽度g进行优化选择，选择分类准确率T为适应度函数

(10)

Total为样本总数量；right为正确分类的样本数量。

基于DA-SVR的2M继电保护通道在线监测和故障诊断流程可详细描述如下。

a.读取2M继电保护通道在线监测数据，并归一化处理[11]

(11)

x′和x分别为归一化后数据和在线监测原始数据；xmax和xmin分别为在线监测数据中的最大值和最小值。

b.将2M继电保护通道在线监测数据划分为训练样本和测试样本。

c.初始化DA算法。设定种群规模popsize，最大迭代次数T，变量维数dim=2和惩罚参数C∈[Cmin,Cmax]和核参数g∈[gmin,gmax]。

d.初始化DA算法蜻蜓个体的步长ΔX和初始位置X。

e.令当前迭代次数t=1，将2M继电保护通道在线监测数据的训练样本输入SVR模型，根据式(17)计算每个蜻蜓个体的适应度，并进行排序记录当前最优解。

f.每次迭代获取和替代最新的X+及X-，以及计算得出新的权重值s,a,c,f,e和w。

g.根据式(1)～式(2)更新S,A,C,E和F。

h.根据式(3)～式(4)更新DA算法步长向量和蜻蜓群体的位置向量。

I.若迭代次数t>T，保存最优惩罚参数C*和核参数g*；反之，t=t+1，返回步骤e。

J.将C*和g*代入SVR模型，运用测试样本进行2M继电保护通道在线故障诊断。

4 实证分析

4.1 特征量的选取与处理

本位在DDF架下部署的监控设备采用常用的传输协议TCP/IP，并按照协议约定的数据格式采集数据[12]。对于传输通道内非成帧结构及成帧结构数据所采集周期一般为5 min/15 min，其中对于非成帧结构数据采集电路数据包，而成帧结构数据采集性能指标数据包。监控设备获取的数据信息包括数据采集开始和结束时间，获取通道号编码，并计算误码时长、严重误码时长，数据包用时长，误码总数及误码率，信息缺失时长，告警时长，帧失步时长和对端告警时长等。具体特征数据获取步骤如下。

a.获取单位时间内所传输的数据包总数，正确包数及错误包数以通信包数等。

b.获取单位时间内对应的数据包字节总数，以及正确包字节数、错误包字节数、通信包字节数等。

c.获取数据包丢包情况，包括单位时间内丢包总计，CRC16校验错包总数，超时包总数及丢弃包总数。

d.获取单位周期内的电路数据包的性能指标，一般周期采用5 min/15 min，包括数据总包与数据包字节数占比，超时包总数与超时包字节总数占比，通信包总数与通信包字节总数占比，CRC校验包总数与CRC校验包字节总数占比，丢弃包总数与丢弃包总字节数占比等。

4.2 故障样本集选取

为验证算法的有效性，选择信号丢失(LOS)、告警指示信号(AIS)、CRC检验错误的HDLC数据包(ERR)、检测不到HDLC数据包(LOP)和信号正常(OK)等故障为研究对象[13-14]，样本数据分布如表1所示。

表1 样本数据分布

4.3 结果分析

为验证DA-SVR算法的有效性，在对样本进行预处理后，对测试样本数据分别采用DA-SVR算法、GA-SVR算法、SVR算法和BP神经网络进行仿真试验，表2为4种方法故障诊断结果的对比。

表2 故障诊断结果对比

由表2可知，DA-SVR诊断的正确率高于GA-SVR，SVR和BP神经网络，其中BP神经网络的准确率最低。从各个故障类别的诊断结果还是总体正确率来看，DA-SVR均要高于GA-SVR，SVR和BP神经网络，有效提高了2M继电保护通道在线监测数据故障诊断的正确率。

5 结束语

针对SVR模型性能受惩罚参数C和核函数参数g的影响，将2M继电保护通道在线监测技术和DA-SVR结合起来，提出一种基于DA-SVR的2M继电保护通道在线监测和故障诊断算法。研究结果表明，从各个故障类别的诊断结果还是总体正确率来看，DA-SVR均要高于GA-SVR,SVR和BP神经网络，有效提高了2M继电保护通道在线监测数据故障诊断的正确率。