陈宁， 史金伟， 王强， 孙文彦， 彭志强， 张琦兵

(1.国网电力科学研究院有限公司，江苏 南京 211106； 2.国网江苏省电力有限公司电力科学研究院，江苏 南京 211103；3.国网江苏省电力有限公司，江苏 南京 210024)

0 引 言

变电站二次系统的监测和故障诊断随着科技的发展不断更新。传统的监测方法采用定期断电监测，不仅耗费人力、物力，还无法监测出设备的突发状况，造成安全隐患；同时传统的故障诊断方法需要工作人员对电路的一一排查，不仅耗时、耗力，而且在一个元件处出现故障会引起其他回路的故障，这使检修人员更难以判断。

针对上述变电站二次系统的监测和故障诊断中存在的不足，文献[1]研究了一种基于拓扑结构生成的故障诊断方法，该方法能够处理变电站的多种故障问题，但如果出现新的故障问题，无法补充到此系统上，因此系统无法更新知识。文献[2]介绍了一种故障树的诊断方法，此方法是以故障树图为基础，取其关联性最高的最小集合，计算估计方差。这种方法虽然可以准确地判断出故障，但由于要求出最优解，需要一段时间的过程，因此在故障诊断的速度上有一定的影响。

1 变电站二次系统硬件电路的设计

实现变电站二次系统的在线监测与故障诊断，首先要有高技术的硬件电路做支持，本文使用了ARM系列的LPC2214微处理器对系统进行设计[3-4]，变电站二次系统硬件电路总体结构图，如图1所示。

由图1可知，变电站二次系统硬件电路分为：信号预处理模块、A/D信号转换模块、外部存储单元、JTAG接口、电源模块、RS-232串行接口、晶振电路和复位电路。由这些系统硬件电路共同完成变电站二次系设备的新型在线监测和故障诊断[5]。

本文采用ARM7系列的LPC2214微控制器，该芯片是一款基

图1 系统硬件电路总体结构图

于支持实时仿真和跟踪的32位CPU的微控制器，频率高达60 MHz，并且带有高速片内存储器和4个32位的外部存储器接口，具有低功耗、高性能和封装小便捷的优点。并且LPC2214可以直接通过数据总线和控制信号利用外部存储器访问的方式直接控制液晶显示模块，这解决了I/O口资源紧张的问题。

由于变电站采集到的数据大，并且有大量的噪音，因此在信号预处理模块中采用了多通道开关电路和放大滤波电路。多通道开关电路如图2所示。

图2 多通道开关电路

多通道开关电路选用的是CD4051电子开关，该芯片是单8通道数字控制模拟电子开关。此芯片的优点是可以依据输入信号范围和数字控制信号的逻辑电平来选择电压值[6]。

由于采集到的数据含有噪声，因此在信号预处理模块中设计了放大滤波电路。放大滤波电路如图3所示。

图3 放大滤波电路

放大滤波电路选用的是AD8400可编程电位器和NE5532p运算放大，再加一个负电压转换器，组成一个可调节的运放电路，在NE5532p滤波的基础上，又加了一节滤波，有效提高了电流波形的输出，避免噪声的影响[7]。

在电源电路中选用的是LM1117MPX-3.3和LM1117MPX-1.8两个电源芯片，使电压能够稳定在3.3 V和1.8 V，利用电容隔离的方法，防止振荡信号干扰。该硬件电路中设计了JTAG仿真调试接口，用来对芯片进行测试，并能对内部节点进行测试，此外JTAG接口还能实现在系统编程，对存储器等器件进行编程。此系统还设计了RS-232串行通信接口，实现了与上位机接口的连接[8]。为了确保转换的准确度，本文还加了A/D转换模块，采用MAX197芯片来实现模数转换的功能，此芯片具有12位测量精度高速转换的特点，不需要外接元器件就可以独立完成模数转换的功能，并且时序要求严格，当一次转换结束后，通知处理器可以读取转换结果。

2 变电站二次设备的新型在线监测系统

变电站二次设备在线监测系统的整体思路如图4所示。

图4 变电站二次设备在线监测的总体思路

变电站二次设备在线监测系统由数据采集单元、数据管理单元、通信通道和调度技术支持系统二次设备在线监视模块组成。二次系统在线监测总体结构图如图5所示。

1) 数据采集单元

数据采集单元通过相量计算，实时解析SV、GOOSE、PTP报

图5 二次系统在线监测总体结构图

文。根据配置控制块来完成对异常情况的分析，完成模拟通道U、I、P、Q、功率因数、F和谐波等的计算和开关通道的状态采集。过程层网络具有完善的原始报表解析，SV、GOOSE、PTP报文按照标准对字节流量、包流量、SV离散度超差、SV序号跳变、SV失步、双AD异常、GOOSE突变、GOOSE虚变、链路中断和网络风暴等进行分类统计，此时与交换机进行协议通信，得到交换机的实时性信息，进而再对过程层的网络状态进行分析[9]。

2) 数据管理单元

数据管理单元的功能有：二次设备SCD模型文件管理，获得SCD模型文件，文件包含了二次系统的配置信息、过程层回路信息以及二次回路端子连接和网络信息等；二次设备和回路状态监测，数据采集单元所获得的信息进行分类筛选，选出数据中的异常信息，对异常信息做出报警处理，同时针对网络报文信息进行在线监测；二次系统可视化，使用更加形象生动的图形来展示设备监测出的结果。

3) 调度主站实时监控与预警应用平台

调度主站使用的是D5000调度自动化系统，此系统分为硬件层、操作程序层、支持系统层和应用层四个层次。硬件层采用的是国内生产的服务器系统和网络设施配置；操作程序层也是选用国产安全操作系统来完成，确保信息系统的安全性；支持系统层又可分为数字化监控、信息交互、公共服务以及功能管理四个层面，以面向SOA为基础来进行平台构架。此系统软硬件结合共同完成了实时监测与分析、调度计划与调度管理，能够有效地对硬件资源、数据及软件功能模块进行良好的组织。

3 基于Apriori算法的变电站二次系统故障诊断

本文采用了Apriori算法，建立关联性规则对变电站二次系统故障进行分析。

步骤一：找到二次系统故障的所有频繁项集，并计算其支持度和置信度。

采集到的数据设定一个数据集I,关联规则的形式通常表示为：

A→B,(s,c)

(1)

式中：A和B为两个不相交数据集的子集；s为关联规则的支持度；c为关联规则的置信度[13]。

计算支持度和置信度，即：

s=support(A→B)=P(A∪B)

(2)

c=confidence(A→B)=P(B|A)=P(A∪B)/P(A)

(3)

式中:P为概率。如果关联性规则A→B的支持度和置信度大于或等于最小支持度和最小置信度，则关联性规则A→B是强关联规则，关联规则最终挖掘的目标就是强关联规则。

由于Apriori算法需要多次反复检索事务数据库，因此在Apriori算法的基础上引入了粗糙集理论(rough set theory，RST)，RST把知识理解为对对象的分类能力，成为论域U，设R是U上的一个等价关系，R/U表示R所有的等价类，或U上的划分构成的集合。

变电站二次系统故障诊断的信息系统是有序对S=(U,C∪D,V,f)，其中C∩D=∅，C表示条件属性值，D表示决策属性值。有

RX=∪{Y∈U/R|Y⊆X}

(4)

(5)

(6)

(7)

(8)

式中:bnR(X)为R的边界域；posR(X)为X的R正域；negR(X)为X的R负域。属性约简可对二次系统故障诊断的数据进行约简，解决了Apriori算法中反复检索事务数据的不足。

步骤二：比较项集中的支持度和最小支持度，确定二次系统故障诊断的频繁项集。

s=min(R,X)

(9)

从项集中找到最小支持度，表示项集中的最小支持度，进行支持度与最小支持度相比较，如果支持度大于或等于最小支持度，则称为项集中的频繁项集。

步骤三：比较频繁项集的置信度和最小置信度，确定二次系统故障诊断的强关联规则。

c=min(R,X)

(10)

式中:c为频繁项集中的最小置信度，从频繁项中找到最小置信度，进行置信度与最小置信度相比较，如果置信度大于或等于最小置信度，则称c为频繁项集中的强关联规则。

4 试验结果与分析

本文采用的是某市的110 kV智能变电站，为了使试验结果更准确，在试验前对此变电站进行了分析，得到了变电站的二次系统回路图，如图6所示。

图6 变电站二次系统回路图

针对基于拓扑结构生成的故障诊断、故障树的诊断和基于Apriori算法的故障诊断三种系统，验证所构建的故障系统的正确性。在110 kV的智能变电站中，保护均采用双重配置。利用变电站以往采集的数据作为此次试验的数据库，三种系统以所测得数据的准确性来进行对比。

线路保护故障分为保护装置组网断链和测控装置组网断链等。使用拓扑结构系统、故障树系统和基于Apriori算法的系统进行故障诊断训练，得到各系统对此智能变电站的适应度，如图7所示。

图7 线路保护中系统的适应度曲线

由图7可知:基于Apriori算法的故障诊断系统、拓扑结构生成系统和故障树系统三种系统的适应度都高于平均适应度，并且三种系统都达到了最优适应度。

使用基于Apriori算法的故障诊断、拓扑结构生成和故障树三种达到最有适应度的系统对189个验证样本进行诊断，以检修专家得出的判别结果作为评判标准，经过5 h的数据记录和分析进行故障诊断，结果如图8所示。

由图8可知:基于Apriori算法的故障诊断系统的准确率在前期上升最快，并且准确率高达98.65%；而基于拓扑结构生成的故障诊断系统，准确率上升速度慢，并且在前期准确率一直在上升，最后达到稳定，最高达到95.12%；故障树故障诊断系统的准确率前期上升速度最慢，中期加速上升，最终达到准确率为95.24%。

在试验中不仅测得了准确率，还测得了每个系统对故障诊断的数量，结果如图9所示。

图8 诊断结果对比图

图9 故障诊断的数量图

5 结束语

本文研究了变电站二次设备的新型在线监测系统和基于Apriori算法变电站二次系统的故障诊断。在线监测系统利用D5000调度自动化系统，对变电站实时监测与分析、调度计划与管理。变电站二次系统故障诊断，采用Apriori算法比较支持度与最小支持度的大小，得到频繁项集。通过频繁项集中的置信度，进行置信度与最小置信度的比较，得到强关联规则，进而实现故障诊断的结果。本文虽然能实现变电站二次系统的在线监测和故障诊断，但对于区域较大的变电站受到了一定的限制，还需进一步深入研究。