- 頭條西安交大焦在濱團隊：基于等效磁化曲線智能識別的變壓器保護原理2020-12-31 作者：李宗博 焦在濱 等 | 來源：《電工技術學報》 | 點擊率：導語本文基于小規模樣本集訓練得到的分類模型，對不同運行環境下的PSCAD仿真數據、動模實驗數據表現出了較強的泛化能力，不受諧波等外部條件的影響；當內外部故障引起CT飽和或變壓器發生過勵磁時，算法表現出很強的適應能力。基于等效磁化曲線智能識別的變壓器保護原理，訓練簡單、泛化能力強、適應能力強，具有良好的應用前景。
團隊介紹
焦在濱，教授，博士生導師，分別于1998年，2004年在西南交通大學電氣工程學院獲得學士和碩士學位，2008年在西安交通大學電氣工程學院獲得博士學位并留校任教，2011-2012年在香港大學從事博士后研究工作。
主要研究方向為電力系統繼電保護、交直流混聯配電網，目前正在國家自然科學基金面上項目“基于等效磁化曲線特征智能識別的變壓器保護新原理研究”的資助下，開展人工智能在繼電保護領域的應用研究。
李宗博，博士研究生。于2015年在東北電力大學電氣工程學院獲得學士學位，同年進入西安交通大學電氣工程學院攻讀碩士、博士學位。研究方向為基于人工智能的繼電保護新原理與新技術。
何安陽，碩士研究生。于2019年在西安交通大學電氣工程學院獲得學士學位，同年進入西安交通大學電氣學院攻讀碩士學位。研究方向為電力系統繼電保護。
導語
本文系統地研究了變壓器鐵心動態行為，其能從本質上反應變壓器的運行狀態，而變壓器鐵心動態行為可以通過變壓器磁化曲線的幾何特征進行表征。基于此，本文提出一種基于等效磁化曲線（勵磁支路電壓-差動電流）智能識別的變壓器保護原理。保護原理以等效磁化曲線若干幾何特征作為BP神經網絡輸入判斷變壓器運行狀態，大量的數字仿真和動模實驗數據表明該方法具有良好的泛化能力，對CT飽和等場景具有良好的適應性。
研究背景
傳統的變壓器保護大多采用帶有勵磁涌流制動/閉鎖的電流差動保護原理，但以二次諧波制動為代表的勵磁涌流識別判據已難以滿足變壓器保護的要求。為此，學者們基于回路方程、勵磁電感等電氣量特征以及基于油流速度等非電氣量特征提出了大量的保護方法，但是該類方法均基于單一故障特征，在某些運行工況下性能欠佳或存在死區。
近些年，融合多種故障特征信息，基于AI的變壓器保護原理成為新的發展方向，目前的研究成果主要分為以下幾類：
- 將差動電流作為輸入，訓練人工神經網絡、支持向量機、隨機森林等機器學習算法；
- 利用小波分析等工具提取差動電流特征，作為輸入訓練機器學習算法；
- 利用模糊理論分析差動電流；
- 基于差動電流圖像，利用數學形態學、卷積神經網絡識別勵磁涌流和內部故障。
上述方案僅從仿真數據出發且電力系統多變的運行方式對輸入影響較大，無法保證模型泛化能力；另外，大量的訓練樣本是模型性能的保證，但仿真樣本獲取工作繁瑣、工程樣本量小的特點，限制了其在工程中的應用。如何充分利用AI技術，構建融合多故障特征的實用化繼電保護，是本領域迫切需要解決的問題。
論文所解決的問題及意義
本文基于勵磁支路電壓和差動電流構建等效磁化曲線能夠從本質上反映變壓器運行狀態，其形狀與變壓器運行狀態具有一一對應關系。因此，融合若干幾何特征作為BP神經網絡輸入，構建了具有強泛化能力的變壓器保護方案。
等效磁化曲線在不同的變壓器、運行場景之間具有一定的通用性，基于小規模的樣本集即可獲得泛化能力較強的分類模型，又由于模型的輸入為等效磁化曲線的形狀特征，系統諧波對其影響較小。
論文方法及創新點
圖1為變壓器不同工況下差動電流及其對應的等效磁化曲線：
- ①正常運行時，曲線為一關于原點對稱的扁平橢圓，曲線的絕大數區域幾乎垂直于橫軸；
- ②內部故障時，曲線仍為關于原點對稱的橢圓，但曲線整體的傾斜程度更小、橢圓長寬比減小，較大的電流成分使長軸增大；
- ③空載合閘時，鐵心將周期性地進入和退出飽和區，當鐵心工作點位于非飽和區時，曲線特征與正常運行/內部故障相同。
圖1 差動電流及等效磁化曲線
非飽和部分是等效磁化曲線的本質特征，提取非飽和部分的傾斜角度、長軸/短軸以及橢圓率等特征描述各工況下的等效磁化曲線，如圖2所示。
- 傾斜角度K，各曲線段的線性擬合曲線與橫軸夾角的最大值。
- 長短軸L，原點與非飽和部分采樣點間的距離最大值、最小值。
- 橢圓率E，短軸與長軸之比。
圖2 等效磁化曲線幾何特征
將傾斜角度、長軸、橢圓率作為輸入訓練BP神經網絡，構建變壓器保護，如圖3所示。
圖3 等效磁化曲線識別算法示意圖
本文基于少量仿真數據訓練得到的模型在動模實驗及仿真數據上的表現如表1所示。
表1 算法的比較研究結果統計
結論
本文基于小規模樣本集訓練得到的分類模型，對不同運行環境下的PSCAD仿真數據、動模實驗數據表現出了較強的泛化能力，不受諧波等外部條件的影響；當內外部故障引起CT飽和或變壓器發生過勵磁時，算法表現出很強的適應能力。基于等效磁化曲線智能識別的變壓器保護原理，訓練簡單、泛化能力強、適應能力強，具有良好的應用前景。
引用本文
李宗博, 焦在濱, 何安陽. 基于等效磁化曲線智能識別的變壓器保護原理[J]. 電工技術學報, 2020, 35(7): 1464-1475. Li Zongbo, Jiao Zaibin, He Anyang. Equivalent Magnetization Curve Intelligent Recognition Based Transformer Protection. Transactions of China Electrotechnical Society, 2020, 35(7): 1464-1475.
