一种燃气发电机失磁识别方法、系统及电子设备技术方案

本发明专利技术提供一种燃气发电机失磁识别方法、系统及电子设备，属于电力系统继电保护领域，燃气发电机失磁识别方法包括：采集燃气发电机在设定时段内的测量阻抗轨迹；根据测量阻抗轨迹确定当前特征向量；根据当前特征向量，基于判别模型，确定燃气发电机是否失磁；判别模型为预先采用训练样本集，基于融合混沌对立、自适应t分布和分组维度学习的海洋捕食者算法，对多核孪生支持向量机进行训练得到的。考虑燃气发电机测量阻抗的动态过程，并采用融合混沌对立、自适应t分布和分组维度学习的海洋捕食者算法，对多核孪生支持向量机进行训练，提高了判别模型对失磁识别的准确率及效率，进而能够同时满足失磁保护动作的速动性及选择性。够同时满足失磁保护动作的速动性及选择性。够同时满足失磁保护动作的速动性及选择性。

【技术实现步骤摘要】
一种燃气发电机失磁识别方法、系统及电子设备


[0001]本专利技术涉及电力系统继电保护领域，特别是涉及一种基于测量阻抗时序空间变化特征识别的数据驱动型燃气发电机失磁识别方法、系统及电子设备。

技术介绍

[0002]大型燃气发电机全部或部分失磁是一种较常见且严重的故障，燃气发电机相对于汽轮发电机异步功率小、调速器时滞大，在失磁后转子会更快地超速，并伴随着机组振动等现象，对机组本体及电网危害巨大，因此要求失磁保护更快速动作。2018年巴西电网“3.21”大停电事故中东北部电网某大型燃气机组因受系统振荡的影响导致失磁保护误动跳闸，该机组解列加剧了系统的不稳定以致最终崩溃。
[0003]以机端阻抗静稳边界为主判据的传统失磁保护只能通过机端测量阻抗变化的最终结果来判断是否失磁，但其只利用了测量阻抗变化最终结果信息，忽略了动态过程，无法反映复杂电网环境下各种扰动测量阻抗的变化，难以同时满足选择性和速动性。随着电网结构日趋复杂以及运行环境的变化，大型燃气机失磁保护的可靠性和速动性均面临着巨大的挑战。

技术实现思路

[0004]本专利技术的目的是提供一种燃气发电机失磁识别方法、系统及电子设备，可提高燃气发电机失磁的识别精度及效率。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种燃气发电机失磁识别方法，包括：
[0007]采集燃气发电机的测量阻抗轨迹；所述测量阻抗轨迹包括设定时段内各时刻的测量阻抗时序点；
[0008]根据所述测量阻抗轨迹，确定当前特征向量；
[0009]根据所述当前特征向量，基于判别模型，确定所述燃气发电机是否失磁；所述判别模型为预先采用训练样本集，基于融合混沌对立、自适应t分布和分组维度学习的海洋捕食者算法，对多核孪生支持向量机进行训练得到的；所述训练样本集中包括多个失磁样本的特征向量及多个非失磁样本的特征向量。
[0010]可选地，所述燃气发电机失磁识别方法还包括：
[0011]若所述燃气发电机失磁，则对所述燃气发电机进行失磁保护动作。
[0012]可选地，所述当前特征向量包括距离方差、运动方位角导数最小值、运动方位角导数均值、方向角导数均值、速度最大值及速度偏度；
[0013]所述根据所述测量阻抗轨迹，确定当前特征向量，具体包括：
[0014]截取所述测量阻抗轨迹在设定时窗内的测量阻抗时序点；
[0015]针对任一测量阻抗时序点，根据所述测量阻抗时序点，计算所述测量阻抗时序点的运动方位角、方向角及速度；
[0016]根据各测量阻抗时序点，计算距离方差；
[0017]根据各测量阻抗时序点的运动方位角，计算运动方位角导数最小值及运动方位角导数均值；
[0018]根据各测量阻抗时序点的方向角，计算方向角导数均值；
[0019]根据各测量阻抗时序点的速度，计算速度最大值及速度偏度。
[0020]可选地，采用以下公式计算第i个时窗的距离方差：
[0021][0022]其中，为第i个时窗的距离方差，N
i
为第i个时窗的测量阻抗时序点数量，为第k个测量阻抗时序点，为燃气轮机输出功率标幺值的倒数。
[0023]可选地，采用以下公式计算第i个时窗的运动方位角导数最小值及运动方位角导数均值：
[0024][0025][0026]其中，D
α.min,i
为第i个时窗的运动方位角导数最小值，u
Dα,i
为第i个时窗的运动方位角导数均值，N
i
为第i个时窗的测量阻抗时序点数量，α
k
为第k个测量阻抗时序点的运动方位角，α
k+1
为第k+1个测量阻抗时序点的运动方位角，Δt为计算时间间隔。
[0027]可选地，所述判别模型的建立方法包括：
[0028]获取燃气发电机的测量阻抗轨迹样本集；所述测量阻抗轨迹样本集中包括多个失磁样本及多个非失磁样本；各失磁样本及和各非失磁样本均包括设定时段内各时刻的测量阻抗时序点；
[0029]分别截取各失磁样本及各非失磁样本在设定时窗内的测量阻抗时序点，得到对应时窗内的测量阻抗轨迹样本集；
[0030]根据设定时窗内的测量阻抗轨迹样本集，计算各失磁样本的特征向量及各非失磁样本的特征向量；
[0031]根据各失磁样本的特征向量，确定失磁归一化矩阵；
[0032]根据各非失磁样本的特征向量，确定非失磁归一化矩阵；
[0033]根据所述失磁归一化矩阵及所述非失磁归一化矩阵，基于融合混沌对立、自适应t分布和分组维度学习的海洋捕食者算法，对多核孪生支持向量机进行迭代训练，以得到判
别模型。
[0034]可选地，所述根据所述失磁归一化矩阵及所述非失磁归一化矩阵，基于融合混沌对立、自适应t分布和分组维度学习的海洋捕食者算法，对多核孪生支持向量机进行迭代训练，以得到判别模型，具体包括：
[0035]采用混沌对立策略进行种群初始化，确定种群中各猎物的初始位置及对立位置，以得到初始种群；
[0036]采用海洋捕食者算法对所述初始种群中各猎物的初始位置进行迭代更新，得到各猎物的更新位置；
[0037]根据海洋捕食者算法的迭代次数，确定自适应t分布；
[0038]根据所述自适应t分布，对各猎物的更新位置进行变异，以确定对应各猎物的变异位置；
[0039]根据各猎物的变异位置确定各猎物的适应度，并根据适应度将猎物分为精英组和学习组；
[0040]根据精英组及学习组的变异位置，对学习组中各猎物的变异位置进行交叉，以得到各猎物的最优位置；各猎物的最优位置包括第一上限惩罚系数、第二上限惩罚系数、核函数权重及径向基核超参数；
[0041]基于各猎物的最优位置，根据所述失磁归一化矩阵及所述非失磁归一化矩阵，训练优化多核孪生支持向量机的超参数，以得到判别模型；所述多核孪生支持向量机的超参数包括设定时窗下失磁样本在核空间中的法向量、非失磁样本在核空间中的法向量、失磁样本的偏置系数及非失磁样本的偏置系数。
[0042]可选地，所述判别模型为：
[0043][0044]其中，f(X
num
)为判别结果，f(X
num
)＝1表示对应的燃气发电机失磁，f(X
num
)＝
‑
1表示对应的燃气发电机非失磁，num为失磁样本与非失磁样本的总数，X
num
为特征矩阵，包括失磁归一化矩阵和非失磁归一化矩阵，x
j
为特征矩阵中的第j个特征向量，sgn()为取符号函数，ω
1,i
为第i个时窗下失磁样本在核空间中的法向量，ω
2,i
为第i个时窗下非失磁样本在核空间中的法向量，b
1,i
为第i个时窗下失磁样本的偏置系数、b
2,i
为第i个时窗下非失磁样本的偏置系数。
[0045]为实现上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种燃气发电机失磁识别方法，其特征在于，所述燃气发电机失磁识别方法包括：采集燃气发电机的测量阻抗轨迹；所述测量阻抗轨迹包括设定时段内各时刻的测量阻抗时序点；根据所述测量阻抗轨迹，确定当前特征向量；根据所述当前特征向量，基于判别模型，确定所述燃气发电机是否失磁；所述判别模型为预先采用训练样本集，基于融合混沌对立、自适应t分布和分组维度学习的海洋捕食者算法，对多核孪生支持向量机进行训练得到的；所述训练样本集中包括多个失磁样本的特征向量及多个非失磁样本的特征向量。2.根据权利要求1所述的燃气发电机失磁识别方法，其特征在于，所述燃气发电机失磁识别方法还包括：若所述燃气发电机失磁，则对所述燃气发电机进行失磁保护动作。3.根据权利要求1所述的燃气发电机失磁识别方法，其特征在于，所述当前特征向量包括距离方差、运动方位角导数最小值、运动方位角导数均值、方向角导数均值、速度最大值及速度偏度；所述根据所述测量阻抗轨迹，确定当前特征向量，具体包括：截取所述测量阻抗轨迹在设定时窗内的测量阻抗时序点；针对任一测量阻抗时序点，根据所述测量阻抗时序点，计算所述测量阻抗时序点的运动方位角、方向角及速度；根据各测量阻抗时序点，计算距离方差；根据各测量阻抗时序点的运动方位角，计算运动方位角导数最小值及运动方位角导数均值；根据各测量阻抗时序点的方向角，计算方向角导数均值；根据各测量阻抗时序点的速度，计算速度最大值及速度偏度。4.根据权利要求3所述的燃气发电机失磁识别方法，其特征在于，采用以下公式计算第i个时窗的距离方差：其中，为第i个时窗的距离方差，N
i
为第i个时窗的测量阻抗时序点数量，为第k个测量阻抗时序点，为燃气轮机输出功率标幺值的倒数。5.根据权利要求3所述的燃气发电机失磁识别方法，其特征在于，采用以下公式计算第i个时窗的运动方位角导数最小值及运动方位角导数均值：
其中，D
α.min,i
为第i个时窗的运动方位角导数最小值，u
Dα,i
为第i个时窗的运动方位角导数均值，N
i
为第i个时窗的测量阻抗时序点数量，α
k
为第k个测量阻抗时序点的运动方位角，α
k+1
为第k+1个测量阻抗时序点的运动方位角，Δt为计算时间间隔。6.根据权利要求1所述的燃气发电机失磁识别方法，其特征在于，所述判别模型的建立方法包括：获取燃气发电机的测量阻抗轨迹样本集；所述测量阻抗轨迹样本集中包括多个失磁样本及多个非失磁样本；各失磁样本及和各非失磁样本均包括设定时段内各时刻的测量阻抗时序点；分别截取各失磁样本及各非失磁样本在设定时窗内的测量阻抗时序点，得到对应时窗内的测量阻抗轨迹样本集；根据设定时窗内的测量阻抗轨迹样本集，计算各失磁样本的特征向量及各非失磁样本的特征向量；根据各失磁样本的特征向量，确定失磁归一化矩阵；根据各非失磁样本的特征向量，确定非失磁归一化矩阵；根据所述失磁归一化矩阵及所述非失磁归一化矩阵，基于融合混沌对立、自适应t分布和分组维度学习的海洋捕食者算法，对多核孪生支持向量机进行迭代训练，以得到...

【专利技术属性】
技术研发人员：康纪良，陈晓强，曹明宣，肖仕武，刘超，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：