寧夏大唐國際青銅峽風(fēng)電有限責(zé)任公司楊真 平高集團(tuán)有限公司劉易雄 國網(wǎng)北京電力經(jīng)濟(jì)技術(shù)研究院有限公司舒彬南京好碩杰科技有限公司張永號(hào) 安徽合凱電氣科技股份有限公司郭耀華 中國電力技術(shù)市場協(xié)會(huì)尹松英特爾亞太研發(fā)有限公司 孟祥宇 竺樹銘 姚洋 史毅磊 王海濤 王愛喜

小電流接地故障指小電流接地系統(tǒng)的單相接地故障。一般來說，故障診斷包含兩個(gè)方面，一個(gè)是在故障發(fā)生時(shí)，找出故障發(fā)生的位置，并給出解決的措施；另一個(gè)是對故障做出早期診斷，即故障還未發(fā)生時(shí)，就給出預(yù)測，以避免故障的產(chǎn)生。很多學(xué)者在這方面也做了一些工作，郭小定等提出了一種基于經(jīng)驗(yàn)小波分析的小電流接地系統(tǒng)單相接地故障選線方法；邱進(jìn)等提出了一種基于現(xiàn)場實(shí)錄波形的小電流接地故障暫態(tài)選線方法；肖小兵等提出了一種適用于小電流接地系統(tǒng)的暫態(tài)特征型故障指示器技術(shù)研究方案；饒獻(xiàn)文等學(xué)者提出了一系列小電流接地系統(tǒng)單相接地故障診斷技術(shù)。這些方法均在某些方面展現(xiàn)出了良好的檢測效果。

時(shí)間序列的分析方法基于隨機(jī)過程理論和數(shù)理統(tǒng)計(jì)學(xué)方法，可以根據(jù)預(yù)測目標(biāo)的當(dāng)前和歷史數(shù)據(jù)，來推斷其未來數(shù)據(jù)的變化和趨勢。傳統(tǒng)的時(shí)間序列的分析方法更多是基于經(jīng)驗(yàn)和規(guī)則的判斷，準(zhǔn)確率不高，時(shí)效性不強(qiáng)。隨著人工智能、大數(shù)據(jù)、工業(yè)物聯(lián)網(wǎng)等技術(shù)的蓬勃發(fā)展，基于AI技術(shù)的時(shí)間序列預(yù)測方法在產(chǎn)量預(yù)測、供應(yīng)鏈預(yù)測、銷量預(yù)測、智能運(yùn)維、電力負(fù)載預(yù)測等多個(gè)領(lǐng)域中發(fā)揮越來越重要的作用。通過AI 方法，例如回歸、聚類、決策樹等模型的引入，得以在海量時(shí)序數(shù)據(jù)中厘清頭緒，并結(jié)合科學(xué)的邏輯推理算法來做出預(yù)測，使預(yù)測效率和準(zhǔn)確率大為提升。

鑒于基于AI技術(shù)的時(shí)間序列方法的有效性，本文選用基于機(jī)器學(xué)習(xí)的時(shí)間序列分析方法對小電流接地故障診斷預(yù)測。

基于機(jī)器學(xué)習(xí)的時(shí)間序列分析方法

機(jī)器學(xué)習(xí)方法是時(shí)間序列預(yù)測解決方法中常見的算法，尤其是各類基于樹的機(jī)器學(xué)習(xí)方法，常用的有XGBoost、隨機(jī)森林以及SVM等。本文采用隨機(jī)森林的方法。

隨機(jī)森林是以決策樹為基礎(chǔ)的機(jī)器學(xué)習(xí)算法。作為一個(gè)樹形結(jié)構(gòu)，決策樹構(gòu)建時(shí)會(huì)將數(shù)據(jù)劃分為具有相似值的子集，其每一個(gè)非葉節(jié)點(diǎn)都是一個(gè)特征屬性的測試，并由這些測試來產(chǎn)生許多分支，每個(gè)分支就是某個(gè)值域的輸出子集。而最終的每個(gè)葉子，就是輸出預(yù)測結(jié)果的數(shù)據(jù)。

隨機(jī)森林是用隨機(jī)的方式構(gòu)建的一個(gè)相互不關(guān)聯(lián)的決策樹森林，當(dāng)有一個(gè)新的樣本進(jìn)入隨機(jī)森林，就讓每一棵決策樹都進(jìn)行一次判斷，計(jì)算樣本的分類，然后看被哪一類選擇最多，從而得到預(yù)測樣本的歸類。

隨機(jī)森林使用的是bagging，即從原始樣本集中抽取訓(xùn)練集，每輪使用bootstraping的方法抽取n個(gè)訓(xùn)練樣本，然后放回（在訓(xùn)練集中，有些樣本可能被多次抽取到，而有些樣本可能一次都沒有被抽中）。經(jīng)過n輪抽取，得到n個(gè)訓(xùn)練集（n個(gè)訓(xùn)練集之間是相互獨(dú)立的）。每次使用一個(gè)訓(xùn)練集得到一個(gè)模型，n個(gè)訓(xùn)練集共得到n個(gè)模型。由于是隨機(jī)采樣，這樣每次的采樣集是和原始樣本集不同的，和其他采樣集也是不同的，這樣得到的個(gè)體學(xué)習(xí)器也是不同的。再對這n個(gè)個(gè)體學(xué)習(xí)器通過集合策略來得到最終的輸出。

對于結(jié)合策略，本文采用投票法，將上步得到的n個(gè)結(jié)果采用投票的方式得到分類結(jié)果。投票法類似我們生活中的投票，如果每個(gè)學(xué)習(xí)器的權(quán)值都是一樣的。有絕對投票法，也就是票數(shù)過半；相對投票法，少數(shù)服從多數(shù)。如果有加權(quán)，依然是少數(shù)服從多數(shù)，只不過這里面的數(shù)是加權(quán)后的。

小電流接地故障的方法分析

為了對小電流接地故障進(jìn)行分析和實(shí)驗(yàn)研究，我們設(shè)計(jì)了XXX-561智能監(jiān)控裝置，主要用于光伏系統(tǒng)或者分支線路的單相接地判斷。如果光伏系統(tǒng)或者分支線路發(fā)生單相接地，則快速切斷并網(wǎng)或者進(jìn)線開關(guān)，防止影響擴(kuò)大到電網(wǎng)。當(dāng)電網(wǎng)測發(fā)生接地故障時(shí)，與本出線回路無關(guān)，設(shè)備不跳閘。

接地判斷通過零序電流或者零序電壓幅值，加進(jìn)線零序方向和出線零序電流平衡度來判斷。

本裝置采用實(shí)時(shí)計(jì)算各保護(hù)元件的方式，不再設(shè)置專門的啟動(dòng)元件，所有元件均實(shí)時(shí)計(jì)算出，相對簡化了保護(hù)邏輯，以利于提高保護(hù)裝置的整體可靠性。

下面以5路出線的光伏系統(tǒng)為例來說明，如圖1所示。

I0jx：進(jìn)線零序電流；I01～I(xiàn)05：出線零序電流；3U0：母線開口三角電壓。

裝置取進(jìn)線零序電流I0jx、出線零序電流I01～I(xiàn)05以及開口電壓3U0作為接地方向判斷。

取每一路出線開關(guān)的一副常閉位置接點(diǎn)，當(dāng)開關(guān)處于分位時(shí)，此路出線不參與判斷邏輯。

零序電流最大值I0max:

進(jìn)線零序電流I0jx以及所有有效出線（開關(guān)合位）零序電流的最大值。

單相接地：

裝置取零序電流最大值I0max或者3U0作為是否產(chǎn)生接地的判斷，大于設(shè)置的定值時(shí)，判斷為接地。接地的方向通過進(jìn)線零序電流I0jx的方向元件和出線零序電流平衡度I0ph來綜合判斷。當(dāng)最大零序電流發(fā)生在出線時(shí)，零序電流方向元件自動(dòng)失效，通過出線零序平衡度來判斷接地側(cè)。

借鑒英特爾?開源邊緣工業(yè)洞見軟件平臺(tái)參考架構(gòu)，加速時(shí)間序列應(yīng)用部署

上文中詳細(xì)介紹了小電流故障診斷預(yù)測系統(tǒng)的實(shí)現(xiàn)原理、過程與方法，其中包括了數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析與數(shù)據(jù)顯示，本部分將介紹如何借鑒英特爾?開源邊緣洞見軟件平臺(tái)的集成軟件與算法作為邊緣計(jì)算架構(gòu)和基礎(chǔ)算法框架參考，將診斷預(yù)測機(jī)制快速部署到邊緣計(jì)算平臺(tái)中。

英特爾?開源工業(yè)邊緣洞見平臺(tái)

英特爾?工業(yè)邊緣洞見軟件平臺(tái)（Edge Insights for industrial）是英特爾?為加速工業(yè)應(yīng)用在邊緣平臺(tái)上快速落地與部署而開發(fā)的開源軟件框架。該框架易于部署在最接近數(shù)據(jù)產(chǎn)生源頭的邊緣設(shè)備上，通過傳輸相關(guān)控制信息來使視覺數(shù)據(jù)或時(shí)序數(shù)據(jù)的快速注入，并快速完成對數(shù)據(jù)的存儲(chǔ)與分析，將分析結(jié)果展現(xiàn)在輸出設(shè)備中。

圖2 工業(yè)邊緣洞見軟件平臺(tái)軟件框圖

開源軟件框架簡介

圖2為英特爾?開源邊緣洞見軟件平臺(tái)的框架圖。該系統(tǒng)中使用了Docker 容器化技術(shù)，為開發(fā)者設(shè)計(jì)了眾多容器化組件如視覺注入組件（Video Ingestion）來適配類視覺輸入設(shè)備，完成圖像的預(yù)處理或編解碼；視覺分析組件（VideoAnalytics）來對視覺數(shù)據(jù)進(jìn)行AI 分析，橋組件（Bridge）用來連接外部邊緣應(yīng)用等等。這些分立的容器化組件最終都連接到了一條內(nèi)部的高速總線（EIS internal messagebus）上來進(jìn)行相互信息的傳遞與同步。該高速總線在設(shè)計(jì)時(shí)使用了第三方開源消息庫ZeroMQ，并對其進(jìn)行了抽象與封裝，使各容器可以在該總線上使用TCP或者IPC模式進(jìn)行消息的訂閱與發(fā)布。算法和軟件開發(fā)者也可設(shè)計(jì)符合自身產(chǎn)品特性的容器掛載在總線中，集成自己的場景應(yīng)用。

時(shí)序數(shù)據(jù)邊緣應(yīng)用部署的關(guān)鍵問題

針對本文在小電流接地故障診斷系統(tǒng)中所使用的基于時(shí)間序列的機(jī)器學(xué)習(xí)分析方法，英特爾?在開源邊緣洞見軟件平臺(tái)中設(shè)計(jì)了“時(shí)間敏感型數(shù)據(jù)注入與分析”組件，幫助開發(fā)者將該基于時(shí)間序列的小電流接地故障診斷預(yù)測方案快速部署在邊緣智能設(shè)備中。時(shí)序數(shù)據(jù)的應(yīng)用通常需要解決以下四類問題。

（1）時(shí)序數(shù)據(jù)收集-電力世界中數(shù)據(jù)的來源方式眾多，它可能來自各類應(yīng)用程序、電力傳感器、網(wǎng)絡(luò)路由器、電力設(shè)備，甚至是我們手邊的巡檢設(shè)備如手持儀表、巡檢機(jī)器人等。如何收集這些數(shù)據(jù)并對他們進(jìn)行可靠的管理，為最終的分析做準(zhǔn)備，是時(shí)序數(shù)據(jù)應(yīng)用需要解決的首要問題。

（2）時(shí)序數(shù)據(jù)存儲(chǔ)-數(shù)據(jù)收集之后，如何對數(shù)據(jù)進(jìn)行存儲(chǔ)，以及及時(shí)地更新與調(diào)度。

（3）時(shí)序數(shù)據(jù)處理-如何將算法注入，并對數(shù)據(jù)進(jìn)行分析，診斷即將出現(xiàn)問題的原因，給出警告，作出預(yù)防。

（4）時(shí)序數(shù)據(jù)顯示-如何創(chuàng)建一個(gè)友好的人機(jī)交互界面幫助運(yùn)維人員快速理解分析結(jié)果，并掌握其工作模式。

時(shí)間敏感型數(shù)據(jù)注入與分析組件

為了解決上述提及的時(shí)間序列應(yīng)用部署的四個(gè)關(guān)鍵問題，英特爾?在開源的邊緣洞見軟件平臺(tái)中設(shè)計(jì)了“時(shí)間敏感型數(shù)據(jù)注入與分析”組件，如圖3 所示，其中集成并封裝了“TICK”四大開源組件。

（1）Telegraf-Telegraf是一款開源代理程序，使用該程序及其眾多的開源插件，可以輕松完成數(shù)據(jù)收集、處理以及整合。

圖3 時(shí)間敏感型數(shù)據(jù)注入與分析組件

（2）InfluxDB-InfluxDB 是由InfluxData 開發(fā)的一款開源實(shí)時(shí)型數(shù)據(jù)庫，可以高效完成數(shù)據(jù)查詢，并存儲(chǔ)時(shí)序數(shù)據(jù)，在物聯(lián)網(wǎng)領(lǐng)域有著廣泛的應(yīng)用場景。

（3）Chronograf-Chronograf 是由InfluxData 開發(fā)的開源可視化人機(jī)交互界面，可以在網(wǎng)頁中清晰展示存儲(chǔ)在InfluxDB中的時(shí)序數(shù)據(jù)。

（4）Kapacitor-Kapacitor是最后一個(gè)開源技術(shù)棧，它是一套專用于時(shí)序數(shù)據(jù)處理的開源引擎，支持流數(shù)據(jù)（stream）和批數(shù)據(jù)（batch）兩種類型的數(shù)據(jù)處理模式，用戶可以根據(jù)產(chǎn)品的需求，編寫用戶定義函數(shù)（UDF-User defined functions）集成到Kapacitor中，通過腳本配置來定義報(bào)警的規(guī)則及對應(yīng)的服務(wù)。

在本文中基于“機(jī)器學(xué)習(xí)的時(shí)間序列分析方案”在終端部署時(shí)，我們使用Telegraf 采樣“智能監(jiān)控裝置”中的電流數(shù)據(jù)，開發(fā)人員可以使用Mqtt 等網(wǎng)絡(luò)通信協(xié)議獲取監(jiān)控裝置中的數(shù)據(jù)，并通過洞見平臺(tái)中的高速總線（EIS internal messagebus）將所有的歷史數(shù)據(jù)存入實(shí)時(shí)數(shù)據(jù)庫InfluxDB中。將推理所需要的“隨機(jī)森林bagging抽取模式以及投票法則”編寫為AI 應(yīng)用（python，C++，go 皆可）集成進(jìn)Kapacitor 開源引擎中，進(jìn)行小電流接地的故障診斷。運(yùn)維人員可以通過Chronograf展示的人機(jī)交互界面清晰地看到數(shù)據(jù)的處理結(jié)果，快速發(fā)現(xiàn)故障設(shè)備并進(jìn)行準(zhǔn)確地定位與搶修。

圖4 Chronograf人機(jī)交互界面數(shù)據(jù)展示

小電流接地故障的判斷結(jié)果

根據(jù)小電流故障接地的幾種情況，進(jìn)行了相應(yīng)的實(shí)驗(yàn)設(shè)計(jì)，包括弧光接地、金屬接地和電阻接地（500 歐姆和1000歐姆），下面根據(jù)實(shí)驗(yàn)結(jié)果分別進(jìn)行分析。

弧光接地

弧光接地的實(shí)驗(yàn)設(shè)計(jì)包括內(nèi)網(wǎng)和外網(wǎng)，每種情況又分為母線和其他線路，實(shí)驗(yàn)結(jié)果如圖5至圖8所示。

由圖5至圖6可以看出，在內(nèi)網(wǎng)和外網(wǎng)故障下，零序電流的時(shí)間序列有很大差別，可以看出，線路對地絕緣劣化存在薄弱點(diǎn)，發(fā)生了弧光接地，可以進(jìn)一步根據(jù)各個(gè)線路之間零序電流的時(shí)間序列排列比較，推斷出故障點(diǎn)所在線路。

圖5 內(nèi)網(wǎng)母線弧光接地

圖6 內(nèi)網(wǎng)線路弧光接地

圖7 外網(wǎng)母線弧光接地

圖8 外網(wǎng)線路弧光接地

金屬接地

金屬接地的實(shí)驗(yàn)設(shè)計(jì)包括內(nèi)網(wǎng)和外網(wǎng)，每種情況又分為母線和其他線路，實(shí)驗(yàn)結(jié)果如圖6至圖9所示。

由圖9 至圖12 可以看出，在內(nèi)網(wǎng)和外網(wǎng)故障下，零序電流的時(shí)間序列不同，可以看出，因?qū)w搭接接地，接地相和大地之間形成穩(wěn)定的阻性通路，進(jìn)一步根據(jù)各個(gè)線路之間零序電流的時(shí)間序列排列比較，可以推斷出故障點(diǎn)所在線路。

圖9 內(nèi)網(wǎng)母線金屬接地

圖11 外網(wǎng)母線金屬接地

圖12 外網(wǎng)線路金屬接地

電阻接地

電阻接地的實(shí)驗(yàn)設(shè)計(jì)包括內(nèi)網(wǎng)和外網(wǎng)，每種情況又分為母線和其他線路。針對電阻的歐姆值不同，設(shè)計(jì)了500歐姆和1000歐姆兩種情況的實(shí)驗(yàn)，500歐姆的實(shí)驗(yàn)結(jié)果如圖10至圖13所示。

1000歐姆的實(shí)驗(yàn)結(jié)果如圖17至圖18所示。

圖13 內(nèi)網(wǎng)母線500歐姆電阻接地

圖14 內(nèi)網(wǎng)線路500歐姆電阻接地

圖15 外網(wǎng)母線500歐姆電阻接地

圖16 外網(wǎng)線路500歐姆電阻接地

圖17 內(nèi)網(wǎng)線路1000歐姆電阻接地

圖18 外網(wǎng)母線1000歐姆電阻接地

由圖13至圖18可以看出，電阻接地的情況下，在內(nèi)網(wǎng)和外網(wǎng)故障下，零序電流的時(shí)間序列不同，可以看出，電阻接地時(shí)，接地相和大地之間形成穩(wěn)定的較大阻值通路。因?qū)w搭接接地，接地相和大地之間形成穩(wěn)定的阻性通路，根據(jù)各個(gè)線路之間零序電流的時(shí)間序列排列比較，可以進(jìn)一步推斷出故障點(diǎn)所在線路。

總結(jié)

本文主要利用基于機(jī)器學(xué)習(xí)的時(shí)間序列分析方法對小電流接地故障診斷進(jìn)行預(yù)測，提出了一種全新的處理接地故障的新思路，并針對弧光接地、金屬接地、電阻接地（包括500歐姆和1000 歐姆）三種情況分別進(jìn)行了實(shí)驗(yàn)設(shè)計(jì)，實(shí)驗(yàn)結(jié)果也表明了本文所提方法的有效性。同時(shí)，基于英特爾?邊緣工業(yè)洞見軟件平臺(tái)中的時(shí)間敏感型數(shù)據(jù)注入與分析組件，充分利用已集成的TICK 四大開源程序完成數(shù)據(jù)收集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)顯示四大關(guān)鍵步驟，將該時(shí)間序列分析方法快速部署到邊緣設(shè)備中，完成算法的落地與產(chǎn)品化。

實(shí)際應(yīng)用表明本文所提的方法在保證100%判斷準(zhǔn)確性的基礎(chǔ)上，將判斷的速度從百毫秒級(jí)提高到了十毫秒級(jí)，大大提高了判斷效率。該方法能夠快速準(zhǔn)確判別接地點(diǎn)故障是發(fā)生在公網(wǎng)還是光伏廠區(qū)內(nèi)，以便合凱快速斷路器主動(dòng)干預(yù)接地相故障，在毫秒級(jí)的響應(yīng)周期快速截?cái)嘟拥攸c(diǎn)放弧電流。該算法不僅預(yù)防了接地事故蔓延，增強(qiáng)了新能源項(xiàng)目安全水平，還能維持光伏電廠繼續(xù)發(fā)電，提高了經(jīng)濟(jì)效益。■