变压器铁芯接地电流在线监测...计及其带电检测不确定度评定_包玉树.pdf

变压器铁芯接地电流在线监测系统设计及其带电检测不确定度评定包玉树，胡永建，吕佳，孙雄，黄亚龙(江苏方天电力技术有限公司，南京 211102)摘要:在保持变压器铁芯接地电流在线监测系统硬件设施不变的前提下，研究了一种该系统的算法升级策略。使用多测点多列交叉神经网络支持的机器学习对该系统的接地电流进行测量，同时研究一种基于 6 倍标准误差率的检测不确定度标识方法，研究该系统算法升级策略的同时，分析不确定度的标识方法。技术革新后的变压器铁芯接地电流监测误差小于 0 395%，可以满足对变压器铁芯接地电流的测量需求。且该算法可以排除实际测量中因为变压器内外部复合故障导致的接地电流产生机理差异性影响。同时，重点研究了对铁芯接地电流误差测量中的扩展不确定度测量方法确认问题，实验数据验证了 6 倍标准偏差率作为扩展不确定度测量标度，可以满足该系统的测量误差标定需求。关键词:铁芯接地电流;在线监测;算法升级;不确定度;标准偏差率DOI:10 19753/j issn1001-1390 2023 04 022中图分类号:TM307文献标识码:B文章编号:1001-1390(2023)04-0150-05Design of on-line monitoring system for grounding current of transformer core andevaluation of uncertainty in live detectionBao Yushu，Hu Yongjian，Lv Jia，Sun Xiong，Huang Yalong(Jiangsu Fangtian Electric Power Technology Co，Ltd，Nanjing 211102，China)Abstract:On the premise of keeping the hardware facilities of transformer core grounding current online monitoring systemunchanged，an algorithm upgrading strategy of the system is studied in this paper The grounding current of the system ismeasured by using the machine learning system supported by multi-measuring points and multi-column cross neural net-work formed Meanwhile，a method of uncertainty identification based on 6 times standard error rate is studied The iden-tification method of uncertainty is analyzed while studying the algorithm upgrade strategy of the system After the technicalinnovation，the monitoring error of transformer core grounding current is less than system unchanged，an algorithm upgra-ding strategy of the system is studiedrmer core grounding current Moreover，the algorithm can eliminate the difference ofgrounding current mechanism caused by internal and external composite faults of transformer Meanwhile，this paper focu-ses on the confirmation of measurement method of expanded uncertainty in the measurement of iron core grounding currenterror It is considered that 6 times standard deviation rate as the measurement scale of expanded uncertainty can meet themeasurement error calibration requirements of the systemKeywords:core grounding current，online monitoring，algorithm upgrading，uncertainty，standard deviation rate基金项目:国网江苏省电力有限公司科技项目(J20170 25);江苏方天电力技术有限公司科技项目(KJXM-0148)0引言变压器铁芯接地电流是变压器系统故障的重要反馈数据，也可反映出变压器相关接入线路的单相及相间接地故障。一般条件下，变压器的容性接地电流和电弧接地电流等均会对变压器铁芯系统带来一定程度的伤害，也反映出变压器的部分故障。在特定用电环境中，如易燃气体环境、高浓度易燃粉尘环境中变压器051第 60 卷第 4 期电测与仪表Vol 60 No42023 年 4 月 15 日Electrical Measurement InstrumentationApr15，2023铁芯的电弧接地可能引起爆燃等衍生事故。随着智能电网建设工程的逐步推进，骨干电网中的变压器铁芯接地电流在线监测系统已经基本普及且相关技术得到不断升级。近年来，用检测不确定度代替误差率对检测系统进行标定，成为业内的重要技术理念革新方式1-2。因为检测不确定度在国际上存在欧标、美标的差别，其对检测不确定度的标定方式也各有不同，产生的标定值域也差别较大，所以，国内探讨采用何种模式进行检测不确定度的标识规范也是近期相关研究的重点。文中拟在不改变传统的变压器铁芯接地电流监测硬件的前提下，对铁芯接地电流的监测算法进行革新，选择标准偏差率作为标准不确定度的标识方式，标准偏差倍数作为扩展不确定度标识方式，在仿真条件下获得变压器铁芯接地电流的监测质量，以对变压器铁芯接地电流监测系统做出技术革新3-4。1变压器铁芯接地电流监测系统的优化设计1 1 系统硬件的现状及数据特征对于常规的三电压等级变压器系统来说，铁芯接地电流系统的核心监测任务是对铁芯沿接地系统的接地电流和电弧接地、容性接地电流进行充分监测。其数据来源来自位于三个电压等级三相线路中的 9 个电流互感器，以及铁芯接地系统中的 1 个电流互感器5-6。如果采用有中性线的接线方法，需要捕捉三相接入系统中的中性线电流互感器数据，如图 1 所示。图 1变压器铁芯接地电流监测系统硬件示意图Fig 1Hardware schematic diagram of transformer coregrounding current monitoring system图 1 中，变压器铁芯接地电流监测系统的数据来源主要是 10 13 个电流互感器二次数据，通过分析三个接入线路的偏转电流，同时比较铁芯接地灭弧线圈系统内的接地电流，可以判断变压器内部故障或外部线路故障导致的持续接地电流或瞬发接地电流7-8。受到电气工程学原理影响，变压器正常运转过程中，变压器铁芯也会对地产生一定规模的容性接地电流。因为产生铁芯接地电流的故障状态较为复杂，典型问题需要在典型个案中进行分析，所以文中并不在此展开分析接地电流的产生机理，仅对变压器铁芯接地电流监测系统的数据结构和数据质量进行分析。1 2 系统数据处理策略数据进入系统后，在时域寄存器中寄存一定周期的判断数据，对每项数据进行数据治理后，输入到机器学习模块中进行分析，进而对分析结果进行解模糊，从而得到接地电流判断结果9-10。之所以采用机器学习算法，是因为造成铁芯接地电流的外部系统存在数据不完备性和高度混沌特征，虽然特定故障条件下的接地电流解算过程可以通过特定解算函数得到结果，但在不确定外部故障、内部故障、多点故障的条件下，通过不完备数据判断故障类型本身属于 PNP 问题。与其解算 PNP 问题过程中投入大量算力和复杂算法，不如直接利用不完备数据采用复杂机器学习网络直接估算接地电流11-12。其数据处理策略如图 2 所示。图 2变压器铁芯接地电流监测系统的内部数据流示意图Fig 2Schematic diagram of internal data flow of transformercore grounding current monitoring system151第 60 卷第 4 期电测与仪表Vol 60 No42023 年 4 月 15 日Electrical Measurement InstrumentationApr15，2023假定寄存器中考察 n 个周期数据，每数据周期需要构建10 个输入数据，当 n=30 时，机器学习模块的数据输入量为300 个输入节点。在该设计中，将 300 个输入节点数据根据数据输入周期分列为30 列分列数据，在数据早期获得一个比较数据列，并将数据列整合到后续分析模块中，形成多列交叉神经元系统，如图 3 所示。图 3机器学习模块内部数据流图Fig3Internal data flow diagram of machine learning module图 3 中，规划 30 个判断周期内，共有 30 个输入整合模块和 30 个输出整合模块，每个输入整合模块向本列输出整合模块提供数据的同时，向相邻输出整合模块提供辅助参考数据，30 个输出整合模块的整合数据，经过 1 个输出模块进行最终降维后，将机器学习判断结果输出到解模糊模块13-14。三类神经元模块的设计，如表 1 所示。表 1三类神经元模块的设计架构表Tab 1Design architecture table of three typesof neuron modules模块类型模块数量输入节点量隐藏层结构节点设计策略输入整合模块301017-11-3多项式型输出整合模块3025-11-3二值化型输出模块13037-17-5多项式型表 1 中，输入整合模块和输出模块的统计学意义均为数据融合及数据降维，所以其均采用多项式型节点设计策略，详见式(1):Y=i5j=0AjXji(1)式中 Xi为节点输入数据列中的第 i 个数据;Y 为节点输出数据;j 为多项式阶数;Aj为第 j 阶多项式的待回归系数，当 j=0 时，该多项式项为截距修正系数。输出整合模块的统计学意义是数据的分化，故其采用二值化型节点设计策略，如公式(2)所示:Y=eXi()A1(2)式中 Xi为节点输入数据列中的第 i 个数据;Y 为节点输出数据;e 为自然常数，此处取近似值2718 281 828;A为待回归系数;式(1)及式(2)的输入数据 Xi必须为经过去量纲处理的 Double 型数据，所以，图 2 中的数据治理模块，其算法原理是将数据通过 Z-Score 算法进行去量纲。其算法函数如式(3)所示:Yi=Xi()/(3)式中 Xi为输入数据列中的第 i 个数据;Yi为第 i个输入数据 Xi对应的输出数据;为该列数据的均值;为该列数据的标准偏差率;2检测不确定度的计量标准文中拟选择标准偏差率作为标准不确定度的标识方式，标准偏差倍数作为扩展不确定度标识方式，其具体统计学约定如下所述。2 1 标准不确定度的确立采用样本集的标准偏差率进行标准不确定度的标识变量，其统计学本质是每个样本数据离差平方和求均值后的平方根，在统计学中，标准偏差率使用 表示。标准偏差率越小，单相数据离开回归曲线的距离越小，反之，数据的特