基于競爭神經(jīng)網(wǎng)絡(luò)的變電站巡視周期分類

張宇澤　張穎　張黎元　劉祚安

摘? 要：在總結(jié)了變電站巡視周期影響因素的基礎(chǔ)上，提出了基于競爭神經(jīng)網(wǎng)絡(luò)的變電站巡視周期分類方法，根據(jù)變電站的電壓等級、重要程度、歷史故障/缺陷發(fā)生頻次、設(shè)備運行情況等屬性進行巡視周期聚類。使用某地區(qū)的變電站數(shù)據(jù)進行了仿真分析，結(jié)果表明該方法可以利用機器學(xué)習(xí)實現(xiàn)變電站巡視周期的科學(xué)合理分類。

關(guān)鍵詞：變電站;巡視周期;競爭神經(jīng)網(wǎng)絡(luò);聚類

中圖分類號：TM732 文獻標(biāo)志碼：A? ? ? ? ?文章編號：2095-2945（2020）18-0031-03

Abstract： On the basis of summing up the influencing factors of substation patrol cycle， a classification method of substation patrol cycle based on competitive neural network is proposed. The patrol cycle clustering is carried out according to the voltage level， importance， frequency of historical faults/defects， equipment operation situation and other attributes of the substation. A simulation analysis is carried out by using the real data of several substations in a certain area. The results show that the method can， through machine learning， realize the scientific and reasonable classification of substation patrol cycle.

Keywords： substation; patrol cycle; competitive neural network; clustering

隨著社會經(jīng)濟發(fā)展，變電站的數(shù)量和規(guī)模不斷擴大，供電公司普遍面臨變電站巡視工作量日益增大而運維人員數(shù)量有限的難題。針對差異化制定變電站巡視周期問題，文獻[1-3]等進行了深入研究。但文獻[1]只考慮到了設(shè)備運行情況，文獻[2，3]提出的變電站分級標(biāo)準(zhǔn)完全由人為制定，受主觀因素影響大，缺乏科學(xué)合理性和客觀性。基于此，本文在總結(jié)了變電站巡視周期影響因素的基礎(chǔ)上，提出了基于競爭神經(jīng)網(wǎng)絡(luò)的變電站巡視周期分類方法，并使用某地區(qū)變電站實際數(shù)據(jù)進行了仿真分析。

1 變電站巡視周期影響因素

變電站巡視周期的影響因素可總結(jié)如下：（1）變電站電壓等級;（2）變電站重要程度，即所在區(qū)域供電等級（A+、A、B、C、D、E）和所供用戶中是否含有重要用戶、敏感用戶、電采暖用戶、防汛用戶等;（3）變電站歷史故障/缺陷發(fā)生頻次;（4）設(shè)備運行情況，包括設(shè)備當(dāng)前存在的缺陷情況，設(shè)備運行隱患和運行年限;（5）變電站運行環(huán)境;（6）變電站設(shè)備負(fù)載情況。

2 競爭神經(jīng)網(wǎng)絡(luò)

競爭神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖1所示。圖中x1，x2，…，xm為輸入神經(jīng)元，y1，y2，…，yn為輸入神經(jīng)元。在一次計算中，只有一個輸出神經(jīng)元獲勝，獲勝的神經(jīng)元標(biāo)記為1，其余輸出神經(jīng)元均標(biāo)記為0[4]。競爭神經(jīng)網(wǎng)絡(luò)通過這種方式獲取訓(xùn)練樣本的分布信息，每個訓(xùn)練樣本都對應(yīng)一個獲勝神經(jīng)元，也就是對應(yīng)一個類別。

競爭神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則是由內(nèi)星規(guī)則發(fā)展而來的Kohonen規(guī)則[5]，其基本原理如下：假設(shè)網(wǎng)絡(luò)輸入層包含m個輸入神經(jīng)元x1，x2，…，xm，輸入向量記為X=[x1，x2，…，xm]，即每個樣本為一個m維向量。輸出層包含n個輸出神經(jīng)元y1，y2，…，yn，輸出向量記為Y=[y1，y2，…，yn]。網(wǎng)絡(luò)權(quán)值ω為一個m×n的矩陣。三者之間具有如下關(guān)系：

在n個輸出神經(jīng)元中必有一個取得最大值，成為獲勝神經(jīng)元。假設(shè)獲勝神經(jīng)元為yk，則相應(yīng)的權(quán)值按式（2）進行調(diào)整[4]：（2）

式中：η為學(xué)習(xí)步長。

網(wǎng)絡(luò)權(quán)值以η為步長向輸入的樣本值xi靠近。在下一輪計算中，yk以更大的概率勝出成為獲勝神經(jīng)元。當(dāng)η取適當(dāng)值時，網(wǎng)絡(luò)權(quán)值經(jīng)過逐步學(xué)習(xí)最終等于輸入樣本向量。競爭神經(jīng)網(wǎng)絡(luò)繼續(xù)接收其他輸入樣本，每一個樣本都對應(yīng)一個獲勝神經(jīng)元，并使對應(yīng)的權(quán)值向量向輸入向量方向調(diào)整。相似的輸入樣本對應(yīng)同一個獲勝神經(jīng)元，表示它們被劃分為同一類;該神經(jīng)元對應(yīng)的權(quán)值向各個輸入向量的方向做調(diào)整，最終穩(wěn)定為輸入向量的平均值[4]。

3 基于競爭神經(jīng)網(wǎng)絡(luò)的變電站巡視周期分類方法

第一步，將變電站巡視周期的影響因素進行量化。電壓等級方面，220kV、110kV和35kV變電站的電壓等級指數(shù)分別定義為4、2、1。重要程度方面，定義所有變電站的重要程度指數(shù)初始值為0，所在區(qū)域供電等級為A+、A、B、C、D、E分別加1、0.5、0.25、0.125、0.1、0.075，所供用戶中每包含一個重要用戶、敏感用戶分別加0.5、0.25，每包含一個電采暖用戶或防汛用戶加0.1。歷史故障/缺陷發(fā)生頻次方面，定義歷史故障/缺陷發(fā)生頻次指數(shù)為該座變電站投運后平均每年發(fā)生故障或缺陷的次數(shù)。設(shè)備運行情況方面，定義所有變電站的設(shè)備運行情況指數(shù)初始值為0，設(shè)備每存在一項嚴(yán)重缺陷、一般缺陷而未完成消缺時分別加1、0.5，設(shè)備存在運行隱患時視情況加0～1，變壓器、母線、斷路器等主要設(shè)備運行年限在20年以上、10～20年、5～10年、5年以下時分別加1、0.5、0.25、0.125。運行環(huán)境方面，定義所有變電站的運行環(huán)境指數(shù)初始值為0，室外站和室內(nèi)站分別加1、0.5，室外站視周邊環(huán)境惡劣程度加0～1，視所在地區(qū)氣候情況加0～1。設(shè)備負(fù)載方面，定義變壓器平均負(fù)載率為0.75以上、0.5～0.75、0.25～0.5、0.25以下時設(shè)備負(fù)載指數(shù)分別4、2、1、0.5。需說明，各供電公司可根據(jù)自身特點和供電要求確定各項指標(biāo)的評分標(biāo)準(zhǔn)。通過以上指標(biāo)量化方法，每座變電站可用一個六維特征向量表示，即

第四步，根據(jù)競爭神經(jīng)網(wǎng)絡(luò)給出的分類結(jié)果，確定每座變電站的巡視周期。

4 仿真分析

選擇某地區(qū)電網(wǎng)共35座變電站作為算例進行仿真分析，各變電站的屬性如表1所示。

使用本文提出的基于競爭神經(jīng)網(wǎng)絡(luò)的變電站巡視周期分類方法進行分類，結(jié)果如表2所示。

由表2可看出，S6、S9、S27、S33共4座變電站被劃分為第一類，S8、S10、S17、S32、S34共5座變電站被劃分為第二類，S2、S3、S4、S5、S21、S28共6座變電站被劃分為第四類，其他20座變電站被劃分為第三類，驗證了本文所提方法的有效性。分類結(jié)果完全取決于變電站本身實際情況，不受主觀因素影響。

5 結(jié)束語

本文針對差異化制定變電站巡視周期問題，在總結(jié)了變電站巡視周期影響因素的基礎(chǔ)上，提出了基于競爭神經(jīng)網(wǎng)絡(luò)的變電站巡視周期分類方法。其步驟可概括為：首先將變電站巡視周期影響因素進行指標(biāo)量化，然后建立競爭神經(jīng)網(wǎng)絡(luò)，并使用MATLAB工具箱函數(shù)competlayer實現(xiàn)競爭神經(jīng)網(wǎng)絡(luò)聚類，最后根據(jù)分類結(jié)果確定每座變電站的巡視周期。

仿真結(jié)果證明了本文所提方法的有效性，可利用機器學(xué)習(xí)原理實現(xiàn)變電站巡視周期的科學(xué)合理分類，分類結(jié)果完全取決于變電站本身實際情況，不受主觀因素影響。

參考文獻：

[1]謝金泉，李曉華，何毅，等.變電設(shè)備狀態(tài)巡視策略研究[J].廣東電力，2012，25（9）：5-9，15.

[2]王少博，劉輝，張?zhí)m欽，等.基于設(shè)備狀態(tài)分析的無人值班變電站巡視模式研究[J].河北電力技術(shù)，2013（2）：10-12.

[3]陳宏彬，李悅寧，劉琨.基于狀態(tài)檢修的無人值班變電站狀態(tài)巡視管理[J].現(xiàn)代營銷（經(jīng)營版），2019（4）：150.

[4]陳明，等.MATLAB神經(jīng)網(wǎng)絡(luò)原理與實例精解[M].北京：清華大學(xué)出版社，2013.

[5]董長虹.Matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M].北京：國防工業(yè)出版社，2007.