陳文生

（廣東電網(wǎng)公司陽江供電局，廣東陽江 529500）

支持向量機(jī)在高壓電力計(jì)量系統(tǒng)故障診斷中的應(yīng)用

陳文生

（廣東電網(wǎng)公司陽江供電局，廣東陽江 529500）

將支持向量機(jī)應(yīng)用于高壓電力計(jì)量系統(tǒng)故障診斷中。對計(jì)量系統(tǒng)的運(yùn)行參數(shù)提取故障信息作為網(wǎng)絡(luò)的輸入值，以4位二進(jìn)制數(shù)表示正常情況和9種主要故障類型，用采集得到的樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并選取4種故障類型進(jìn)行網(wǎng)絡(luò)測試，結(jié)果表明，支持向量機(jī)模型對高壓電力計(jì)量系統(tǒng)故障有很好的辨識和診斷效果。

高壓電力計(jì)量系統(tǒng)；故障診斷；支持向量機(jī)；采集樣本

0 引言

高壓計(jì)量系統(tǒng)的故障檢測和診斷是電力系統(tǒng)自動(dòng)化研究的內(nèi)容之一。文獻(xiàn)[1]通過對高壓計(jì)量系統(tǒng)網(wǎng)絡(luò)的分析，得出計(jì)量系統(tǒng)網(wǎng)絡(luò)阻抗與電流互感器一次、二次側(cè)短路故障之間的關(guān)系；文獻(xiàn)[2]得出電流互感器二次繞組端電壓和通過電能表電流線圈的電流二者的比值與電能表電流線圈被短接故障有密切的關(guān)系，分析過程和仿真結(jié)果證明了其正確性。

針對高壓電力計(jì)量系統(tǒng)一、二次側(cè)出現(xiàn)的故障情況，本文選取了8個(gè)能夠反映計(jì)量系統(tǒng)故障的運(yùn)行參數(shù)進(jìn)行檢測，搭建測試環(huán)境平臺(tái)采集樣本數(shù)據(jù)，通過支持向量機(jī)可以對這些數(shù)據(jù)進(jìn)行綜合分析從而準(zhǔn)確判斷故障的類型。

1 支持向量機(jī)

SVM領(lǐng)域經(jīng)典的算法是臺(tái)灣大學(xué)林智仁(Chih-Jen Lin)博士等開發(fā)的LIBSVM軟件包[1]，可以解決分類問題(包括C-SVC、n-SVC)、回歸問題(包 括 e-SVR、 n-SVR)以 及 分 布 估 計(jì)(one-class-SVM)等問題，提供了linear、多項(xiàng)式、RBF和S-function四種核函數(shù)供選擇。

支持向量機(jī)分類問題可由如下公式表述：假定訓(xùn)練樣本為 Xi,i=1,…,n，期望輸出為Yi∈{-1,1}，其中+1和-1分別為兩類的類別標(biāo)簽，分類超平面方程為：

其中（·）表示向量點(diǎn)積。為使分類超平面能對所有樣本正確分類，并且分類間隔足夠大，應(yīng)滿足以下約束條件：

由式（2）可以得出分類間隔：

在約束條件下最大化分類間隔[4]。得出最優(yōu)分類函數(shù)為：

由于非支持向量對應(yīng)的αi=0，因此只對支持向量進(jìn)行求和。最終的優(yōu)化問題為[5]：

支持向量機(jī)由輸入層、隱含層、承接層和輸出層組成，是一種典型的動(dòng)態(tài)支持向量機(jī)[3]，其結(jié)構(gòu)如圖1所示。

圖1 支持向量機(jī)模型計(jì)算流程

2 系統(tǒng)故障分析

高壓電力計(jì)量系統(tǒng)的原理如圖2所示，圖中“1”和“2”分別為電度表的兩個(gè)計(jì)量單元，TV1和TV2是電壓互感器，TA1和TA2是電流互感器，IA和IC分別是A和C相的電流，Ia和Ic分別是IA和IC經(jīng)電流互感器后的二次側(cè)電流。

圖2 高壓電力計(jì)量系統(tǒng)接線圖

根據(jù)高壓電力計(jì)量系統(tǒng)故障的特性，可以將它們分為直接診斷型故障和間接診斷型故障。前者是指在故障診斷過程中通過儀表的測量結(jié)果，可以直接得到是否發(fā)生故障。如電壓互感器開路故障發(fā)生時(shí)，只需要檢測二次側(cè)電壓值就可以準(zhǔn)確地判斷故障。電流互感器一次測短路是間接診斷型故障，根據(jù)文獻(xiàn)[1]的結(jié)論可知發(fā)生故障時(shí)從P、Q兩點(diǎn)看進(jìn)去網(wǎng)絡(luò)阻抗的變化很大，可以作為判斷的依據(jù)，但是網(wǎng)絡(luò)阻抗不能直接測量，需要通過外加激勵(lì)信號進(jìn)行檢測，采樣得到的檢測信號是多個(gè)信號的疊加，必須通過頻譜分析才能得到需要波段的信息進(jìn)行判斷。而電流互感器二次相間短路時(shí)，網(wǎng)絡(luò)阻抗會(huì)隨著負(fù)載的變化而變化，同樣需要多個(gè)檢測信息才能對故障進(jìn)行判斷。

分析發(fā)現(xiàn)，電力計(jì)量系統(tǒng)中出現(xiàn)的故障種類多，一些故障無法通過單一的信號進(jìn)行辨別。所以根據(jù)高壓電力計(jì)量系統(tǒng)的結(jié)構(gòu)，對計(jì)量回路的多個(gè)參數(shù)進(jìn)行檢測并采集樣本數(shù)據(jù)，再應(yīng)用支持向量機(jī)模型對故障樣本數(shù)據(jù)進(jìn)行處理和分析。

3 故障樣本處理和診斷測試

由計(jì)量系統(tǒng)的8個(gè)運(yùn)行參數(shù)提取故障特征，歸納得到9種主要故障的樣本特征模式。在對支持向量機(jī)模型的訓(xùn)練過程中需要大量的輸入樣本數(shù)據(jù)，這里僅列出一組，如表1所示。其中UAB是A相和B相兩相之間的電壓，IA是A相電流，計(jì)量單元“1”和“2”的電流和電壓分別是Ia、Ib和Ua、Ub，ua’和ub’分別為電流互感器二次側(cè)對應(yīng)的檢測信號[1]，TA1二次側(cè)短路(后)指的是在TA1二次側(cè)檢查點(diǎn)后端短路，其他同理。計(jì)量系統(tǒng)實(shí)際輸入和輸出的數(shù)據(jù)往往不在[0，1]之間，但支持向量機(jī)的輸入樣本和目標(biāo)樣本常要求位于[0，1]之間，因此在對網(wǎng)絡(luò)進(jìn)行處理前，需要對獲得的數(shù)據(jù)進(jìn)行歸一化處理[8]。對輸入為x歸一化輸出為y的系統(tǒng)，常用的歸一化公式有：

其對應(yīng)的反歸一化公式為：

故障診斷的基本思想是將故障征兆通過某種關(guān)系映射到故障的空間里，這樣就能識別和診斷故障了。這里通過處理8種檢測信號與故障對應(yīng)信息，輸入網(wǎng)絡(luò)，繼而用4位二進(jìn)制數(shù)來表示正常情況和故障類型，作為網(wǎng)絡(luò)的輸出結(jié)果。如表2所示，訓(xùn)練樣本對N為10，分別代表正常情況和9種常見故障類型。

表1 一組輸入樣本

表2 輸入樣本歸一化

表3 故障診斷結(jié)果

在計(jì)量系統(tǒng)故障診斷中故障征兆參數(shù)為8，故輸入向量維數(shù)為8，輸出向量的維數(shù)為4。本實(shí)驗(yàn)中采用單隱層支持向量機(jī)，隱含層數(shù)目設(shè)定為17個(gè)。在隱含層利用tansig函數(shù)作為神經(jīng)元的傳遞函數(shù)，將logsig函數(shù)作為輸出層的傳遞函數(shù)，這兩個(gè)函數(shù)都是S型的[9]，Elman網(wǎng)絡(luò)采用的是優(yōu)化的梯度下降學(xué)習(xí)算法[10]，訓(xùn)練次數(shù)設(shè)置為 1 000，誤差為0.01，步長為0.1。對樣本經(jīng)過172次的訓(xùn)練，得到了如表3所示的結(jié)果，通過與對應(yīng)的描述比較發(fā)現(xiàn)，可以成功的對故障進(jìn)行分類，誤差值較小。圖3是對樣本進(jìn)行訓(xùn)練的誤差曲線。

圖3 訓(xùn)練的誤差曲線

表4 故障測試樣本

對于訓(xùn)練好的網(wǎng)絡(luò)，通過改變計(jì)量系統(tǒng)負(fù)載值，選取4種故障對網(wǎng)絡(luò)進(jìn)行測試，測試數(shù)據(jù)如表4所示，測試結(jié)果如表5所示。以第一組輸入樣本為例，通過分析8個(gè)測量參數(shù)，ua’遠(yuǎn)遠(yuǎn)低于正常值，把該組樣本輸入訓(xùn)練好的網(wǎng)絡(luò)，期望得到的診斷結(jié)果是TA1一次測短路，實(shí)際測試結(jié)果是0.048 5，0.023 1，0.962 4，0.034 2，其對應(yīng)的4位二進(jìn)制數(shù)描述是0010，對比表3故障類型的對應(yīng)描述可以看出，實(shí)際診斷結(jié)果是TA1一次側(cè)短路，與期望狀態(tài)相一致，說明訓(xùn)練后的網(wǎng)絡(luò)可以成功的診斷出故障種類，達(dá)到了預(yù)期的效果。

4 結(jié)束語

基于支持向量機(jī)模型在故障診斷中的優(yōu)勢，本文將其應(yīng)用到高壓電力計(jì)量系統(tǒng)故障診斷中。先對系統(tǒng)運(yùn)行參數(shù)提取故障特征并對數(shù)據(jù)樣本做歸一化處理，然后選取合適的網(wǎng)絡(luò)輸入節(jié)點(diǎn)數(shù)和隱含層數(shù)，再用樣本數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測試。系統(tǒng)經(jīng)現(xiàn)場運(yùn)行，效果良好，達(dá)到了設(shè)計(jì)要求。

［1］趙建軍，張素君.高壓電力計(jì)量系統(tǒng)故障分析與建模［J］.電測與儀表，2007，44（4）：5-8.

［2］秦春斌，趙建軍，張磊，等.電力計(jì)量系統(tǒng)分流竊電分析與建模［J］.電測與儀表 ， 2009， 46（2）：39-42.

［3］王宏偉，孫志遠(yuǎn).基于改進(jìn)的支持向量機(jī)的網(wǎng)絡(luò)流量預(yù)測［J］.計(jì)算機(jī)與數(shù)字工程 ， 2012， 40（9）：87-89.

［4］陳小明，洪軍，閻海紅，等.基于支持向量機(jī)的振鏡掃描系統(tǒng)誤差校正技術(shù)研究 ［J］.西安交通大學(xué)學(xué)報(bào)，2006，40（5）：587-590.

［5］湯寶平，習(xí)建民，李鋒.基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷［J］.計(jì)算機(jī)集成制造系統(tǒng)，2007，16（10）：2148-2152.

Application of Support Vector Machine in the Fault Diagnosis of High Voltage Electric Power Metering System

CHEN Wen-sheng
（Yangjiang Power Supply Bureau，Yangjiang529500，China）

Support vector machinerk will be able to adopt in the fault diagnosis of high voltage electric power metering system according to the advantage of the great adaptivity.Information in eight operation parameters of metering system will be extracted to be taken as the input values of the neural network，and a 4-bit binary number will be adopted to represent the normal circumstance and nine main fault types. Then the collected samples are used to train Elman network and 4 fault types will be selected to test the network.The results show that the Elman network model can effectively diagnose the fault of high voltage electric power metering system.

high voltage electric power metering system；fault diagnosis；support vector machinerk；collected samples

TM93

：B

：1009－9492(2014)12－0126－04

10.3969/j.issn.1009-9492.2014.12.031

陳文生，男，1967年生，廣東陽江人，大學(xué)本科，工程師。研究領(lǐng)域：信息技術(shù)。

(編輯：向 飛)

2014－11－03