基于RBF神经网络的换流站交流滤波器故障预警研究

《高压电器资讯》由西安高压电器研究院有限责任公司主办，提供高压开关行业、电力电容器行业、绝缘子避雷器行业资讯。欢迎关注、欢迎投稿。

基于RBF神经网络的换流站交流滤波器故障预警研究

刘志远1，张沈习2，韦鹏1，史磊1，李君宏1，张志贤3

（1. 国网宁夏电力公司检修公司，银川 750011；

2. 上海交通大学电力传输和功率变换控制教育部重点实验室，上海 200240；

3. 上海交统电力科技有限公司，上海 201318）

一、内容简介

换流站交流滤波器是高压直流输电系统的重要组成部分，其跳闸事故的发生将直接影响直流输电系统的输送功率。本文提出了一种根据交流滤波器断路器的分合闸电流来在线识别交流滤波器健康状态的方法。首先，定义了一系列交流滤波器断路器分合闸电流的时域特征量和频域特征量；在此基础上，利用基于径向基神经网络的人工智能方法来实现交流滤波器故障预警；某实际换流站的实证结果表明本文方法具有较高的故障预警准确度，能够在交流滤波器异常扩大或造成不良影响之前发出告警，提醒相关人员及时检查和处理缺陷，减少交流滤波器异常跳闸现象的发生。

二、主要内容

换流站输电原理与常规交流变电站有着很大不同。在直流输电系统中，需要消耗大量的无功，同时，其换流后的波形存在大量谐波，因此在换流站内需要配备多个交流滤波器组。交流滤波器组由于发热量大、体积大等特点，通常被布置在户外场地，饱经风吹日晒，因此容易发生缺陷。当缺陷到达一定程度时，站内的保护装置会检测到该故障，进而发出告警信号，严重时则直接跳开交流滤波器组。

交流滤波器组的常见故障情况可分为以下3类：①元件故障。电容器单元漏油，电阻器、电抗器损坏等情况的发生会造成三相电流的不平衡及谐波的增加；②断路器本体机械故障。断路器本体的机械故障会影响三相合闸的同步性；③接头老化。金属材料的接头容易遭受氧化，导致接触电阻变大，造成异常发热。

目前，交流滤波器组故障的发现主要通过人工巡视、红外测温、保护告警等手段。其中，人工巡视频率低，发现故障具有较高的随机性；红外测温具有较好的发现发热点的能力，但仅能检测设备外壳、接头等部位；而通过保护告警的方式来发现设备故障，设备已经影响到直流输电系统的正常运行，早期微小的电压、电流差异并不能在第一时间被保护检测到。

为了尽量避免换流站交流滤波器组的异常跳闸，迫切需要一种可以预知交流滤波器组健康状态的技术手段，用以判断其运行情况，在故障跳闸发生之前，将缺陷进行处理，避免对电网造成不安全的隐患。本文提出了一种基于径向基（radical basis function， RBF）神经网络的换流站交流滤波器故障预警方法。通过从交流滤波器投切时的断路器分合闸电流中提取时域和频域中的特征量，再根据历史录波数据及异常情况建立训练库，使用RBF神经网络进行建模，利用收网算法进行人工神经网络的学习及参数辨识，最终使其能够在实时获取的分合闸录波数据中提取异常征兆，在异常扩大或造成不良影响之前发出告警，提醒相关人员及时检查和处理缺陷，避免交流滤波器组异常跳闸现象的发生。

1　分合闸电流的特征量

1.1　录波文件解析

1.2　特征量提取

2　基于RBF神经网络的故障预警方法

2.1　RBF神经网络

2.2　收网算法简介

2.3　基于收网算法的RBF神经网络参数辨识

2.4　故障预警方法

3　算例分析

3.1　某次跳闸事故分析

3.2　RBF学习数据库建立

3.3　开拓系数的选取

3.4　目标函数选取

3.5　算例结果

三、结论

本文提出了一种根据交流滤波器断路器的分合闸电流来在线识别交流滤波器健康状态的方法。定义了一系列交流滤波器断路器分合闸电流的时域特征量和频域特征量；在此基础上，利用基于RBF神经网络的人工智能方法来实现交流滤波器故障预警；某实际换流站的实证结果表明本文方法具有较高的故障预警准确度，能够在交流滤波器异常扩大或造成不良影响之前发出告警，提醒相关人员及时检查和处理缺陷，减少交流滤波器异常跳闸现象的发生。

作 者 简 介

刘志远（1970—），男，高级工程师，从事特高压输电、继电保护技术工作。

张沈习（1988—），男，助理研究员，研究方向为电力系统规划、特高压输电技术。

韦鹏（1983—），男，高级工程师，从事特高压输电、直流控制保护技术工作。

史磊（1986—），男，工程师，从事特高压输电、直流控制保护技术工作。

李君宏（1973—），女，高级工程师，从事特高压输电技术工作。

张志贤（1986—），男，工程师，从事新能源发电技术工作。

本文索引信息

刘志远，张沈习，韦鹏，等.基于RBF神经网络的换流站交流滤波器故障预警研究[J].电力电容器与无功补偿，2018，39（4）：12-17.

LIU Zhiyuan，ZHANG Shenxi，WEI Peng，et al.Study on fault warning of AC filter at converter station based on RBF neural network[J].Power Capacitor & Reactive Power Compensation，2018，39（4）：12-17.