基于贝叶斯网络的智能变电站继电保护设备状态检修技术

基于贝叶斯网络的智能变电站继电保护设备状态检修技术

目前阶段，继电保护运行设备异常快速定位以及状态检修问题频繁发生，因而借助贝叶斯网络研发了智能变电站继电保护设备的状态检修技术。在对贝叶斯网络应用的基础上，能够更好地完成状态检修。基于此，文章将贝叶斯网络作为主要研究对象，重点阐述智能变电站继电保护设备状态检修技术的具体应用，希望有所帮助。

标签：贝叶斯网络;智能变电站;继电保护设备;状态检验技术

较之于传统变电站，智能变电站能够对更多更为丰富的继电保护设备信息进行采集，尤其是网络报文分析装置，涵括了过程层、站控层与间隔层中全部二次数据信息，但数据间关系的利用效果并不明显。以贝叶斯网络为基础实现过程层交换机诊断和贝叶斯网络的协同运行，进而对继电保护设备展开必要的状态检修。此方式通过对交换机策略的运用，识别交换机所采集报文数据的冗余数据，同时还能够对异常数据与潜在故障的数据加以识别，借助贝叶斯网络模型诊断故障，在分析的基础上获取故障风险评估结果，使得检修工作人员检修计划的制定更科学。由此可见，深入研究并分析以贝叶斯网络为基础的智能变电站继电保护装备状态检验技术十分有必要。

一、继电保护设备状态检修方案

在智能变电站的过程层与站孔层，其网络保文内会携带有关二次设备运行和自检的信息。为此，利用过程层交换机采集、监控网络运行状态数据的过程中，在辅助分析的基础上，需要设计交换机诊断策略和贝叶斯网络模型协同检修的方式。

由过程层交换机、网络分析仪形成的过程层网络状态检测系统，会借助SD策略由过程层交换机采集数据当中提取有关继电保护设备运行状态的数据信息，识别冗余、异常和潜在故障数据[1]。一旦有异常亦或是有潜在故障数据，就会立即故障预警，通过BN节点证据形式向BN模型传输并诊断，根据诊断的结果为运行工作人员提供决策帮助。若站控层没有交换机，能够借助观测异常数据方式对节点证据加以设置，科学诊断异常的数据。图一是继电保护设备状态检修的具体流程：

二、构建贝叶斯网络模型

通过对继电保护设备状态检修方案的研究与分析，认为可将贝叶斯网络模型应用于其中，可有效提高设备状态检修工作的质量与效率。为此，以下将展开重点研究，以供参考。

（一）模型构建和推理

二次设备网络数据信息量极大，若始终使用专家经验所构建的BN模型很难与实际需求相适应，而且辅助检修决策同样对BN模型提出了健全性要求。在这种情况下，需借助数据学习方式构建完善BN网络。利用过程层交换机对其网络运行状态数据加以采集，一般涵括了有关继电保护设备的数据信息，需要在其中提取有价值的信息，为构建BN模型提供帮助，图二为具体构建流程。若过程层中没有交换机，则要借助专家经验形成数据手段生成相应的数据信息。可假设BN网络学习数据期间，继电保护设备发生异常，专家能够及时察觉，同时赋值故障数据信息，并使用1代表设备正常，而0则代表设备异常。

参考条件概率表，在与贝叶斯定理相互结合的基础上，即可正向亦或是反向推理BN网络。其中，贝叶斯公式为： 。

通过对贝叶斯模型的运用预测继电保护设备的故障，在证据形成以后，就会正向传播，使得其他的变量后验概率有所改变，结合以上特点，能够更好地预测故障结果。所以，于网络节点设置证据，就会使证据沿有向弧顺次向网络节点合并单元故障以及继电保护设备故障传播[2]。

在此基础上，BN模型可开展故障诊断，在证据放置于节点位置的时候，就会反向进行传播，致使节点的后验概率有所变化，以此特征为参考依据即可有效诊断故障。除此之外，通过对BN模型的运用进行预测推理与诊断推理，能够实现双重功能同时发挥的目的，并达到混合推理的目标。

（二）辅助检修决策

故障的推理并非研究最终目标，必须保证故障推理结果向继电保护设备辅助检修决策实现成功转化，才可将其应用价值充分突显出来。基于故障推理构建变电站继电保护异常快速定位以及消缺系统，将在线检测以及故障诊断技术作为重要基础，构建数学模型，对不同类别设备的运行情况加以分析，对故障部位做出判定，进而将设备运行隐患有效消除處理。这样一来，继电保护设备运行与维护的质量会显著提高，同样为继电保护设备并运行安全奠定坚实基础。在这种情况下，就应当从多个角度制定辅助检修的决策。

首先，故障的快速定位。因BN模型选择使用控制层的交换机，将其当成采集继电保护设备状态信息的工具，同时当成BN输入节点。在这种情况下，即可使用虚链路以及物理链路之间存在的映射关系快速定位发生的故障。

其次，设备故障的原因。借助BN模型图形化因果关系的表达式，可使得运行检修工作人员借助可视化因果关系，对继电保护设备出现故障的原因加以确定[3]。

最后，合理安排检修。因继电保护设备的故障十分复杂且多样，因而必须科学化地分层故障类型，并科学安排检修工作。其中，层次分析方法属于主观赋权法，能够对不同类型故障进行科学化地风险评估。所以说，应合理划分风险评估的结果，主要有高等风险、中等风险与低等风险，并根据故障推理的结果开展层

次分析，结合最终分析的结果制定检修计划。

结束语：

综上所述，对于以智能站网络报文信息所挖掘的继电保护运行与检修问题，将贝叶斯网络作为重要基础，制定了智能变电站继电保护设备的状态检修手段。此方式在贝叶斯网络模型的作用下诊断故障，在风险评估的基础上为相关工作人员故障检修加护的制定提供必要帮助。此方法有效地加快了故障位置定位的速度，且能够对故障的具体原因加以分析，一定程度上促进了检修工作的落实，具有较高的推广和应用价值。

参考文献

[1]张友强，钟加勇，魏甦，等.基于贝叶斯网络的智能变电站继电保护设备状态检修方法[J].科技通报，2019，35（10）：101-104.

[2]徐建军，盖迪，闫丽梅，等.基于主成分分析法和贝叶斯网络的智能变电站故障诊断方法[J].化工自动化及仪表，2018，45（3）：197-200.

[3]戴志辉，谢军，陈曦，等.基于动态贝叶斯网络的智能变电站监控系统可靠性分析[J].电力系统保护与控制，2018，46（23）：68-76.

作者简介：张艺钟 1995年5月，性别：男，籍贯：辽宁省铁岭市，学历：硕士在读，研究方向：电力系统自动化。