有效
考虑继电保护动作行为的换流站后续换相失败预警方法及系统
俞斌、王宾、谢民、盛一博、王同文、汪伟、章昊、李端超、汤伟、张骏、邵庆祝、于洋、董新洲、刘孝辉、周奕帆
国网安徽省电力有限公司
俞
俞斌机构 暂无
技术领域 暂无
王
王宾机构 暂无
技术领域 暂无
谢
谢民机构 暂无
技术领域 暂无
盛
盛一博机构 暂无
技术领域 暂无
王
王同文机构 暂无
技术领域 暂无
汪
汪伟机构 暂无
技术领域 暂无
章
章昊机构 暂无
技术领域 暂无
李
李端超机构 暂无
技术领域 暂无
汤
汤伟机构 暂无
技术领域 暂无
张
张骏机构 暂无
技术领域 暂无
邵
邵庆祝机构 暂无
技术领域 暂无
于
于洋机构 暂无
技术领域 暂无
董
董新洲机构 暂无
技术领域 暂无
刘
刘孝辉机构 暂无
技术领域 暂无
周
周奕帆机构 暂无
技术领域 暂无
摘要
本发明公开一种考虑继电保护动作行为的换流站后续换相失败预警方法及系统,通过仿真获取故障发生前后的电气量、控制量;采用故障发生前后不同参数训练机器学习预警模型和自回归预测模型;故障发生后,采用自回归预测模型预测交流系统继电保护装置动作时间;实时判断继电保护装置是否动作,对预测值进行修正;根据修正值得到风险因子;机器学习预警模型预测值与风险因子相乘得到预测结果。该方法利用故障发生后一定时间内的交直流电气量、控制量及其构造特征作为判据,分析交流系统继电保护装置的动作类型和动作时间,计算风险因子,考虑其对后续换相失败风险的影响。通过机器学习模型,在几十毫秒内给出后续换相失败的高准确度预警。
1.考虑继电保护动作行为的换流站后续换相失败预警方法,其特征在于,包括以下步骤:步骤1、设置多种故障类型,利用仿真软件对LCC-HVDC高压直流输电系统进行暂态仿真,获取故障发生前后的交直流电气量、控制量原始数据;采用故障发生前后交直流系统的电气状态量、直流控制系统的控制参数训练机器学习预警模型,采用交流系统电压、电流电气状态量训练自回归预测模型;步骤2、故障发生后,采用所述自回归预测模型预测交流系统继电保护装置动作时间;步骤3、实时分析故障发生后的电气量,判断继电保护装置是否动作,对步骤2中的预测值进行修正;步骤4、根据步骤3中修正后的继电保护装置动作时间,得到风险因子;步骤5、所述机器学习预警模型预测值与步骤4中风险因子相乘得到预测结果。
2.根据权利要求1所述的考虑继电保护动作行为的换流站后续换相失败预警方法,其特征在于,所述步骤1中的预警模型的输入特征构造方法如下:输入特征记为 表示一个每个特征首尾相接的列向量,其中每个列向量x i =[q i1 ,q i2 ,...,q iN ] T ,1≤i≤k,N是时间序列的长度;构造以下函数对原始数据进行变换,组成所述预警模型的训练集;f 1 ([q 1 ,q 2 ,...,q N ] T )=q N -q 1f 3 ([q 1 ,q 2 ,...,q N ] T )=Max{q 1 ,q 2 ,...,q N }f 4 ([q 1 ,q 2 ,...,q N ] T )=Min{q 1 ,q 2 ,...,q N }f(x i )=[f 1 (x i ),f 2 (x i ),f 3 (x i ),f 4 (x i )]。
3.根据权利要求1所述的考虑继电保护动作行为的换流站后续换相失败预警方法,其特征在于,步骤2中交流系统继电保护装置的动作行为考虑电流差动保护,预测方法选择自回归预测,方法如下:(21)根据故障发生后交流系统双端的电流序列建立并训练自回归预测模型,对于一个p阶自回归预测,其通项为:y t =c+φ 1 y t-1 +φ 2 y t-2 +…+φ p y t-p +ε t ,其中c为偏移量,φ为权重,ε为回归偏差;(22)由步骤(21)中的自回归预测模型外推得到任意时刻t的双端电流I M (t),I N (t);(23)预测动作时间T 1 =t+T 0 ,其中t为满足电流差动保护动作条件I M (t)-I N (t)≥I 0 的时刻,I 0 为电流差动保护的设定值,T 0 为断路器的工作时间。
4.根据权利要求1所述的考虑继电保护动作行为的换流站后续换相失败预警方法,其特征在于,所述步骤3中对预测值进行修正的方法如下:(31)假设T 2 时刻三相交流电压与故障发生前稳态值的偏移小于设定的阈值,则认为继电保护装置成功动作,故障切除;(32)若T 2 ≤T 1 ,则修正值T=T 2 ,其中t≥T 2 ,表示继电保护动作提前;(33)若达到预测时间T 1 时继电保护仍未动作,说明继电保护可能发生失效或者延后;当t>T 1 时,修正值为T=t+Δt;Δt为修正时间;(34)若t=T 2 时检测到保护装置动作,则修正值T=T 2 ,其中t≥T 2 。
5.根据权利要求1所述的考虑继电保护动作行为的换流站后续换相失败预警方法,其特征在于,所述步骤4中风险因子的构造方法可以为 其中K为大于零的比例系数,T s 为后续换相失败的参考时间,ΔT表示最小允许差值时间。
6.根据权利要求1至5任一所述的考虑继电保护动作行为的换流站后续换相失败预警方法,其特征在于,所述步骤1中机器学习预警模型的训练数据包括仿真的交流母线电压、换相电压、直流电压电流、超前触发角电气量;所述自回归预测模型的训练数据报道交流线路的电源、电流。
7.考虑继电保护动作行为的换流站后续换相失败预警系统,其特征在于,包括:模型训练模块,用以设置多种故障类型,利用仿真软件对LCC-HVDC高压直流输电系统进行暂态仿真,获取故障发生前后的交直流电气量、控制量原始数据;采用故障发生前后交直流系统的电气状态量、直流控制系统的控制参数训练机器学习预警模型,采用交流系统电压、电流电气状态量训练自回归预测模型;继电保护装置动作预测模块,用以在故障发生后,采用所述自回归预测模型预测交流系统继电保护装置动作时间;修正模块,用以实时分析故障发生后的电气量,判断继电保护装置是否动作,对步骤2中的预测值进行修正;风险因子计算模块,用以根据修正模块中修正后的继电保护装置动作时间,得到风险因子;预测模块,用以将所述机器学习预警模型预测值与风险因子相乘得到预测结果。
8.根据权利要求7所述的考虑继电保护动作行为的换流站后续换相失败预警系统,其特征在于,所述模型训练模块中的预警模型的输入特征构造方法如下:输入特征记为 表示一个每个特征首尾相接的列向量,其中每个列向量x i =[q i1 ,q i2 ,...,q iN ] T ,1≤i≤k,N是时间序列的长度;构造以下函数对原始数据进行变换,组成所述预警模型的训练集;f 1 ([q 1 ,q 2 ,...,q N ] T )=q N -q 1f 3 ([q 1 ,q 2 ,...,q N ] T )=Max{q 1 ,q 2 ,...,q N }f 4 ([q 1 ,q 2 ,...,q N ] T )=Min{q 1 ,q 2 ,...,q N }f(x i )=[f 1 (x i ),f 2 (x i ),f 3 (x i ),f 4 (x i )]。
9.根据权利要求7所述的考虑继电保护动作行为的换流站后续换相失败预警系统,其特征在于,继电保护装置动作预测模块中交流系统继电保护装置的动作行为考虑电流差动保护,预测方法选择自回归预测,方法如下:(21)根据故障发生后交流系统双端的电流序列建立并训练自回归预测模型,对于一个p阶自回归预测,其通项为:y t =c+φ 1 y t-1 +φ 2 y t-2 +…+φ p y t-p +ε t ,其中c为偏移量,φ为权重,ε为回归偏差;(22)由步骤(21)中的自回归预测模型外推得到任意时刻t的双端电流I M (t),I N (t);(23)预测动作时间T 1 =t+T 0 ,其中t为满足电流差动保护动作条件I M (t)-I N (t)≥I 0 的时刻,I 0 为电流差动保护的设定值,T 0 为断路器的工作时间。
10.根据权利要求7所述的考虑继电保护动作行为的换流站后续换相失败预警系统,其特征在于,所述修正模块中对预测值进行修正的方法如下:(31)假设T 2 时刻三相交流电压与故障发生前稳态值的偏移小于设定的阈值,则认为继电保护装置成功动作,故障切除;(32)若T 2 ≤T 1 ,则修正值T=T 2 ,其中t≥T 2 ,表示继电保护动作提前;(33)若达到预测时间T 1 时继电保护仍未动作,说明继电保护可能发生失效或者延后;当t>T 1 时,修正值为T=t+Δt;Δt为修正时间;(34)若t=T 2 时检测到保护装置动作,则修正值T=T 2 ,其中t≥T 2 。
11.根据权利要求7所述的考虑继电保护动作行为的换流站后续换相失败预警系统,其特征在于,所述风险因子计算模块中风险因子的构造方法可以为 其中K为大于零的比例系数,T s 为后续换相失败的参考时间,ΔT表示最小允许差值时间。
12.根据权利要求7至11任一所述的考虑继电保护动作行为的换流站后续换相失败预警系统,其特征在于,所述模型训练模块中机器学习预警模型的训练数据包括仿真的交流母线电压、换相电压、直流电压电流、超前触发角电气量;所述自回归预测模型的训练数据报道交流线路的电源、电流。



