一种基于ICA-FNN的多模型高压网络保护设备异常状态风险预警方法

作     者：闻宇 陈艳霞 李菁 孙伯龙 李鑫明 姜健琳 WEN Yu;CHEN Yanxia;LI Jing;SUN Bolong;LI Xinming;JIANG Jianlin

作者机构：国网北京市电力公司电力科学研究院北京100075 国网北京市电力公司北京100041 上海泽鑫电力科技股份有限公司上海201206 

基　　金：国网北京市电力公司电力科学研究院科技项目(26020120001M) 

出 版 物：《电力科学与技术学报》 (Journal of Electric Power Science And Technology)

年 卷 期：2024年第39卷第4期

页      码：78-83,101页

摘      要：继电保护自动设备是确保高压网络安全稳定运行的主要防线之一。但基于当前主网拓扑结构复杂、线路架构繁多、分布跨度较大的应用场景环境下,保护设备的潜在运行异常甚至故障难以完全避免;同时,保护设备种类、功能、分布的多样化也对设备的缺陷管理与检修反措提出了挑战。故亟待研究兼顾时效性与全面性的设备异常状态风险自动预警技术。为此,针对继电保护自动设备,提出一种基于数据挖掘的异常状态风险实时检测模型。其中,首先采用独立成分分析方法,生成独立分量的线性组合以面向海量异构监测数据实施降噪,能够有效提升高维数据条件下的运算效率;其次,构建深度学习前馈神经网络,使用端到端的训练方法以实现时间序列的异常检测,能够有效缓解多类别时序条件下的运算复杂度。最后,以某地区主网保护系统设备异常数据作为仿真实例,实验结果验证了所设计模型的异常检测性能,能够助推设备安全风险的自动识别和及时应对。

主 题 词：保护设备 深度学习 异常检测 ICA-FNN 

学科分类：080801[080801] 0808[工学-自动化类] 08[工学] 

D　O　I：10.19781/j.issn.1673-9140.2024.04.009

馆 藏 号：203140423...