0 引言
對二次回路故障識別進(jìn)行研究具有重要的背景和意義［1-2］。一方面，傳統(tǒng)的二次回路故障識別方法存在著準(zhǔn)確性不高、靈敏度低等問題，亟需改進(jìn)和優(yōu)
化［3］。另一方面，隨著智能變電站技術(shù)的不斷發(fā)展與應(yīng)用，二次回路故障識別的研究也需要與時(shí)俱進(jìn)，以適應(yīng)新的功能要求和環(huán)境變化［4］。因此，對二次回路故障識別進(jìn)行研究可以提高智能變電站繼電保護(hù)系 統(tǒng) 的 可 靠 性 和 效 率，保 障 電 力 系 統(tǒng) 的 安 全 穩(wěn) 定運(yùn)行。
鄭浩等學(xué)者［5］ 在分析報(bào)警信息時(shí)間序列特征、變電站拓?fù)浣Y(jié)構(gòu)、繼電保護(hù)設(shè)備定位及操作信息的基礎(chǔ)上，研究了基于時(shí)間序列特征的電力系統(tǒng)故障檢測技術(shù)。Forcan 等人［6］ 提出了一種新的基于故障期間線路電流相位角變化的檢測的備用繼電保護(hù)方案。基于故障期間線路電流相位角變化的檢測。使用繼電保護(hù)實(shí)驗(yàn)室對故障電流信號進(jìn)行識別和測試。為進(jìn)一步優(yōu)化故障識別精度，研究一種新的智能變電站繼電保護(hù)二次回路故障識別方法。
2 方法設(shè)計(jì)
2. 1 故障分析
智能變電站中的繼電保護(hù)裝置通過采集電流、電壓等信號，并經(jīng)過適當(dāng)?shù)臏y量和處理，*終實(shí)現(xiàn)對電力系統(tǒng)的快速保護(hù)。對繼電保護(hù)二次回路故障識別的必要性和關(guān)鍵性在于以下幾個(gè)方面。繼電保護(hù)二次回路是保證電力系統(tǒng)運(yùn)行安全的重要環(huán)節(jié)，如果二次回路發(fā)生故障而無法及時(shí)識別，會導(dǎo)致延誤甚至失效的
情況發(fā)生，嚴(yán)重威脅電力系統(tǒng)的穩(wěn)定性和可靠性。此外，隨著智能變電站的不斷發(fā)展與應(yīng)用，繼電保護(hù)二次回路的功能要求也在不斷提高。因此，對繼電保護(hù)二次回路的故障進(jìn)行識別研究。
繼電保護(hù)二次回路現(xiàn)場圖和結(jié)構(gòu)如圖1所示。
繼電保護(hù)二次回路故障可以分為**類別和二級類別。具體如表1所示。
**類別包括：
a. 電氣接觸**：包括連接器松脫、接頭松動等問題，會導(dǎo)致信號傳輸不暢或中斷。
b. 電源故障：例如供電電源失效、電源短路等，會導(dǎo)致二次設(shè)備無法正常工作。
c. 信號失真：主要是由于電纜損耗、干擾等原因?qū)е碌男盘柺д?，影響?shù)據(jù)的準(zhǔn)確性。
d. 短路故障：指二次回路中存在電流突變、電阻 減 小 等 情 況，可 能 導(dǎo) 致 對 故 障 的 正 確 判 斷 出 現(xiàn)偏差。
e. 開路故障：指二次回路中存在電流中斷、電阻增大等情況，可能導(dǎo)致無法正常采集信號。二級類別包括：
a. 溫度過高：二次設(shè)備長時(shí)間工作導(dǎo)致溫度升高，可能引發(fā)故障。
b. 濕度過高：濕度超過設(shè)備限制值會導(dǎo)致絕緣性能降低，從而產(chǎn)生故障。
c. 絕緣擊穿：絕緣介質(zhì)受到電壓過高或過快變化的影響，從而導(dǎo)致絕緣擊穿，引發(fā)故障。
d. 震動或振動：二次設(shè)備在運(yùn)行過程中遭受外部震動或振動可能引起連接松動、接觸**等問題。
e. 電磁干擾：來自電力系統(tǒng)或其他設(shè)備的電磁干擾可能導(dǎo)致二次回路信號的干擾和失真。
識別并及時(shí)處理上述故障非常重要。**類別故障直接影響到二次回路數(shù)據(jù)的準(zhǔn)確性和穩(wěn)定性，可能導(dǎo)致誤操作；而二級類別故障則是由環(huán)境因素引起，
如果不及時(shí)解決，可能進(jìn)一步加劇二次設(shè)備的損壞，甚至影響整個(gè)繼電保護(hù)系統(tǒng)的正常運(yùn)行。因此，對于繼電保護(hù)二次回路故障的識別和處理非常必要。
2. 2 二次回路故障信號去噪
本節(jié)先利用 DIgSILENT PowerFactory 軟件構(gòu)建智能變電站的仿真模型。收集智能變電站的相關(guān)數(shù)據(jù)，包括變電站的拓?fù)浣Y(jié)構(gòu)、設(shè)備參數(shù)、電源系統(tǒng)數(shù)
據(jù)等。在仿真軟件中創(chuàng)建相應(yīng)的電力系統(tǒng)模型，包括輸電線路、變壓器、發(fā)電機(jī)、繼電保護(hù)裝置等。根據(jù)實(shí)際情況設(shè)置系統(tǒng)各元件的參數(shù)，并將智能變電站的控制策略和算法編程實(shí)現(xiàn)。利用該模型可模擬不同的工況和故障情況。智能變電站模型如圖2所示。
依據(jù)上述構(gòu)建的智能變電站模型，模擬全部二次回路故障類型，獲取二次回路故障信號。但是這些信號往往含有較多噪聲。這些干擾和噪聲可能來自于電
力系統(tǒng)本身或外部環(huán)境。如果不進(jìn)行去噪處理，直接使用原始信號進(jìn)行故障識別，會引入假警報(bào)或誤判的情況。干擾信號可能與真實(shí)故障信號相似，會混淆識別結(jié)果，導(dǎo)致錯(cuò)誤的故障判斷和保護(hù)動作，影響電力系統(tǒng)的正常運(yùn)行。其次，噪聲還可能掩蓋或模糊故障信號的一些重要特征。例如，在高頻噪聲的影響下，故障信號的形狀和幅值可能發(fā)生變化，導(dǎo)致難以準(zhǔn)確識別故障類型、定位故障位置等。
此研究選用小波閾值去噪方法實(shí)現(xiàn)二次回路故障信號的去噪。小波閾值去噪方法基于小波變換，將小波系數(shù)與一個(gè)閾值進(jìn)行比較。根據(jù)設(shè)定的閾值，可以
選擇保留較大系數(shù)以減小信號中的噪聲成分。設(shè)定故障信號表達(dá)式為：
Q ( x) = U ( x) + λ × γ( x) （1）
式中，Q ( x)表示的是二次回路故障信號；U ( x)表示的是原始二次回路模擬狀態(tài)下輸出信號；λ表示的是高斯白噪聲強(qiáng)度；γ( x)表示的是高斯白噪聲。利用小波閾值去噪方法實(shí)現(xiàn)二次回路故障信號去噪的步驟如下：
（1） 選擇小波基：首先，選擇適當(dāng)?shù)男〔ɑ瘮?shù)。常用的小波基函數(shù)有 haar、db4、sym8等，選擇合適的小波基取決于信號的特征和去噪需求。
（2） 計(jì)算閾值：計(jì)算軟閾值和硬閾值。
（3） 應(yīng)用閾值：將計(jì)算出的閾值應(yīng)用到小波系數(shù)上，通過保留大于閾值的系數(shù)來抑制噪聲。
（4） 調(diào)整閾值參數(shù)：根據(jù)評估結(jié)果，如果需要進(jìn)一步改善去噪效果，則可以適當(dāng)調(diào)整閾值參數(shù)，并重新執(zhí)行步驟4到步驟6，直到達(dá)到滿意的去噪效果。
二次回路故障信號消噪效果如圖3所示。
如圖3所示，小波閾值去噪方法能夠去除二次回路 故 障 信 號 中 的 噪 聲 信 號，有 效 優(yōu) 化 故 障 識 別 的精度。
2. 3 故障識別方法
采用隨機(jī)森林算法對智能變電站繼電保護(hù)二次回路故障進(jìn)行檢測識別的流程如圖4所示。
利用獲取的信號數(shù)據(jù)中獲取n個(gè)數(shù)據(jù)，并建立對應(yīng)的故障標(biāo)簽y：
■■■||||{ y1，y2，y3，. . . ，yn }D1 = {( xn，yn ) }D2 = {( xprimen ，yn ) }（2）
式中，D1、D2 描述的是電流和電壓傳感器分別對應(yīng)的輸出的電流和電壓；yn代表的是二次回路的 n種故障類型。
隨機(jī)森林的故障識別模型為R (i)：
R (i) = arg max∑i( κ ( x ) - φ) （3）
式中，κ ( x ) 代表的是單個(gè)決策樹獲得的檢測結(jié)果；φ代表的是故障目標(biāo)。
3 實(shí)驗(yàn)與結(jié)果分析
選取一種文獻(xiàn) ［5］ 方法和文獻(xiàn) ［6］ 方法作為對比方法，利用兩種文獻(xiàn)方法的測試結(jié)果與研究方法的測試結(jié)果相對比，驗(yàn)證研究方法的應(yīng)用有效性。
依據(jù)實(shí)驗(yàn)需求選取HTJB660B型號六相繼電保護(hù)測試儀作為主要儀器，其實(shí)物如圖5所示。
以六相繼電保護(hù)測試儀的輸出結(jié)果作為實(shí)際故障情況，與不同方法對故障的識別結(jié)果相對比，求取識別誤差 （表格中的數(shù)據(jù)為10次實(shí)驗(yàn)的平均值），結(jié)果
如表2所示：
如表2數(shù)據(jù)所示，在不同故障類型下，研究方法的故障識別誤差明顯更低，充分證實(shí)了提出方法的有效性與可行性。這主要是因?yàn)檠芯糠椒ú捎眯〔ㄩ撝?
去噪方法對二次回路故障信號進(jìn)行去噪，可以有效地消除噪聲和干擾，提高故障信號的質(zhì)量和可靠性。減少了噪聲對故障識別算法的影響，增強(qiáng)了算法對故障特征的提取和區(qū)分能力。
4 結(jié)束語
本研究提出了一種新的智能變電站繼電保護(hù)二次回路故障識別方法。引入了小波閾值去噪方法，對故障信號去噪。然后，采用隨機(jī)森林算法對智能變電站
繼電保護(hù)二次回路故障進(jìn)行檢測和識別。該方法可以提高對多類型二次回路故障的識別準(zhǔn)確性和精度，有效改善了傳統(tǒng)繼電保護(hù)系統(tǒng)中故障識別的不足。
