一种电力二次设备监测装置及方法
【技术领域】
[0001] 本发明涉及电力设备监测领域，具体涉及一种电力二次设备监测装置及方法。
【背景技术】
[0002] 电力设备的安全是电网安全、稳定、可靠运行的基础，对电力设备进行有效、准确 的监测和诊断，是提高供电可靠性以及电网运行智能化水平的有效途径。随着电网和电力 系统向超（特）高压、大容量、大系统迅猛发展，对安全可靠性要求也越来越高，电力系统迫 切需要更为准确、快速的输变电设备状态在线监测与诊断技术，因此数据挖掘和信息融合 技术将引领电网状态监测新方向，得到越来越广泛的应用。
[0003] 随着电力市场的逐步开放，电力行业的竞争将加大，状态检修成为目前我国电力 企业和各级科研机构研究的热门课题。我国改革开放以来，电力电子技术、计算机技术以及 通信技术等的发展日新月异，为实现电力设备的状态检修奠定了坚实的基础。目前，我国学 者针对电力一次设备的状态检修研究较多，但对一次设备实施保护、控制、监视、测量作用 的二次设备的状态检修研究较少。
[0004] 长期以来，我国二次设备一直沿用以时间为基础的定期检修制，例如传统的继电 保护设备，根据相关的条例和规程要求，对继电保护设备、安全自动装置及二次回路进行定 期检验。传统的定期检修方式在某种程度上可以确保二次设备的功能完好以及运行正常， 但也存在着弊端，如果二次设备在两次检修之间出现缺陷或者故障，要等到下一次的设备 检修或者装置功能失效时才能够被发现，而二次设备运行状态发生异常可能会对电力系统 造成重大的损失。因此，迫切需要针对二次设备进行状态评价，合理地预估二次设备的运 行状态，实行状态检修，有效配合一次设备的状态检修的同步发展，保证电力系统的稳定运 行。
[0005] 根据功能和作用的差异，电力设备可以分为一次设备和二次设备，其中二次设备 主要包括继电保护设备、安自设备、自动化设备、直流设备以及通信设备等。二次设备的正 常可靠的运行直接关系到电力系统的运行稳定以及一次设备的运行安全。在电网实际运行 当中，经常可以发生由于二次设备的故障导致系统事故的情况。以继电保护为例，随着时代 的发展和技术的进步，继电保护的正确动作率呈现出上升的趋势，但是不正确动作次数仍 然较多，不可忽视。在继电保护运行实际中，保护运行人员、设计质量、制造质量、自然灾害 以及操作失误等都有可能导致保护误动或者拒动。随着微电子技术和计算机技术的普及应 用，使得新型继电保护设备的运行可靠性大大提高，与此同时，社会经济的发展和人民生活 的需求在不断增加，线路不停电检修技术的应用和发展，促使传统的定期检修制度向状态 检修方向变革。一次设备状态检修的大力推广，也将带动二次设备状态检修的转变。因此， 二次设备急需在检修体制、检修策略以及检修周期等方面的深入研究和拓展，实现二次设 备的状态检修势在必行，是电力系统发展的需要。
[0006] 根据二次设备的状态参数来预估二次设备的故障风险，这是二次设备状态检修技 术中的一项基本功能和基础功能，如何提高故障风险诊断的全面性和准确性是现有技术中 需要解决的问题。
【发明内容】
[0007] 至少部分的解决现有技术中所存在的问题，本发明提出一种电力二次设备监测装 置，包括：二次设备状态监测服务器和至少一个二次设备状态监测终端；其中，
[0008] 二次设备状态监测服务器，接收二次设备状态监测终端传输的监测数据；
[0009] 二次设备状态监测终端，用于对二次设备的状态进行监测，并将获得的监测数据 发送给二次设备状态监测服务器；
[0010] 二次设备状态监测服务器和二次设备状态监测终端通过有线或无线方式连接。
[0011] 所述的电力二次设备监测装置，其中，
[0012] 所述二次设备状态监测服务器包括机器学习模型，用于对二次设备进行故障诊 断，电力二次设备监测装置根据机器学习模型输出的故障风险值与给定的故障风险阈值之 间的关系，判断所述二次设备存在的故障风险等级。
[0013] 所述的电力二次设备监测装置，其中，所述给定的故障风险阈值包括阈值B、阈值 C、阈值D，
[0014] 当故障风险值小于阈值B时，表明所述二次设备运行正常；
[0015] 当故障风险值大于等于阈值B小于阈值C时，表明所述二次设备可能有异常；
[0016] 当故障风险值大于等于阈值C小于阈值D时，表明所述二次设备存在比较严重的 缺陷；
[0017] 当故障风险值大于等于阈值D时，表明所述二次设备存在严重缺陷。
[0018] 所述的电力二次设备监测装置，其中，所述机器学习模型为支持向量机模型。
[0019] 所述的电力二次设备监测装置，其中，每种二次设备分别采用各自对应的支持向 量机模型进行故障诊断，支持向量机模型的输入向量为其对应二次设备的状态参数，即二 次设备状态监测终端获得的监测数据。
[0020] 所述的电力二次设备监测装置，其中，对所有二次设备采用一个支持向量机模型， 得到所有二次设备的综合故障风险等级，采用以下状态参数作为支持向量机模型的输入向 量：电子式互感器采样数据品质参数、合并单元采样数据品质参数、合并单元电源自检信 息、变电站主要通信信道误码率、网络交换机接受和发送数据量之比、网络报文记录分析装 置记录信息的完整程度、继电保护设备硬件模块自检信息、继电保护程序CRC校验码、继电 保护设备与过程层设备通信传输速率、继电保护设备上送信息的完整程度、二次设备运行 环境的温度参数、二次设备运行环境的湿度参数、智能终端发送的反馈报文正确率、断路器 位置指示灯异常、不间断电源系统的工作环境参数、不间断电源系统的负载情况、不间断电 源系统的工作时间、站用交流电源母线电压状况、变电站重要馈电线路电流状况、直流母线 和馈线的绝缘状况、直流母线电压偏移程度、蓄电池荷电状态。
[0021] 所述的电力二次设备监测装置，其中，二次设备的状态参数赋予权重后再作为支 持向量机模型的输入向量参与故障诊断，其中，二次设备状态参数的权重计算过程：
[0022] 步骤1、组织m位专家对二次设备的η个状态参数进行权重分配，每位专家独立的 确定出η个状态参数的权重值为：
[0023] Wu，Wl2，…，，…，Win(l彡i彡m，l彡j彡η，），其中，i表示第i位专家，j表 示第j个状态参数，Wi.j表示第i位专家给第j个状态参数所分配的权重值；
[0024] 步骤2、求出m位专家给出的权重值的平均值：
[0025]
[0026] 步骤3、得出权重值和权重平值之间的偏差：
[0027]
[0028] 步骤4、对于偏差Δ、,大于给定阈值的Wy需要重新处理，反馈到第i位专家重新 分配第j个状态参数的权重值，直至所有的Au满足要求为止。
[0029] 本发明还提出一种电力二次设备监测方法，使用所述的电力二次设备监测装置对 二次设备进行故障诊断，包括：
[0030] 步骤100,二次设备状态监测终端对二次设备的状态进行监测，并将获得的监测数 据，即二次设备的状态参数，发送给二次设备状态监测服务器；
[0031] 步骤200,二次设备状态监测服务器接收二次设备状态监测终端传输的监测数 据；
[0032] 步骤300,二次设备状态监测服务器中的支持向量机模型根据接收的二次设备的 状态参数，对二次设备进行故障诊断。
[0033] 所述的电力二次设备监测方法，在步骤300之前还包括训练所述支持向量机模型 的过程：
[0034] 首先将训练集和测试集采用相同的方法进行归一化处理，以训练集作为支持向量 机的训练样本，通过不断地优化核函数参数来训练支持向量机，如果故障诊断结果的正确 率达不到要求，则需要对核函数的参数范围进行重新选择，直到诊断结果的正确率达到要 求为止，此时得到满足要求的支持向量机模型，最后用测试集验证所训练的支持向量机对 故障的诊断结果是否正确。
[0035] 所述的电力二次设备监测方法，其中，采用所述支持向量机模型进行二次设备故 障诊断具体包括：
[0036] (1)获取具有明确故障结论的电力二次设备样本数据，将二次设备样本数据分为 训练集和测试集，并对二次设备样本数据按照故障风险等级进行分类；
[0037] (2)将二次设备样本数据转化为矩阵，并且采用相同的方法，分别对训练集和测试 集进行归一化处理；
[0038] (3)选择合适的核函数，首先输入较大的数据搜索范采用网格搜索法粗略地选择 参数惩罚因子c和核函数δ，然后在粗略搜索的基础上，合理地减小数据搜索范围，利用网 格搜索法精确地选择出最佳参数c和δ;
[0039] (4)利用训练集样本训练基于支持向量机的数据模型，并用测试集样本预测诊断 结果是否达到要求，如果否，则返冋到步骤（3)重新选择核函数的参数范围；
[0040] (5)将需要诊断的二次设备状态参