【摘 要】智能变电站在运行期间会受到多种因素影响，其二次虚回路系统可能出现失效风险，此时需要对其风险进行系统识别，但是现有技术手段还需要优化改进。为进一步提高风险识别效果，文章提出基于多维关联规则挖掘技术与深度时序网络技术的检测方法，设计了失效链式演化模型，对逻辑错位以及信号异常等问题进行深度解析。分析研究结果数据发现，系统在双重失效的环境中具有86.7%的风险识别能力，误动率大幅度下降（67%），对促进智能变电站的继电保护具有良好的帮助作用。

【关键词】智能变电站；动态风险识别；深度时序网络

引言

随着科学技术的发展，人们对变电站的智能化提出了更高的要求，不仅要保证其稳定，而且要保证其安全。二次虚回路在机电保护中发挥着不可忽视的作用，通过采样值（Sampled Value，SV）/通用面向对象变电站事件（Generic Object Oriented Substation Event，GOOSE）报文等进行信息的交流与传输，使各装置之间能够进行通信与处理。但是，实际运行中，二次虚回路会受到各种外在因素和内部因素的干扰，因此，需要一种良好的管理支持，综合分析故障风险的具体表现，并据此制定相应的对策，确保智能变电站安全、稳定运行。

业界学者对于变电站继电保护的研究由来已久，并根据实际情况，提出了一些有建设性和可借鉴意义的内容。如冯舰锐[1]从复杂工业系统视角，开展动态风险评估方法研究，并对其进行改进，在实践中验证了其可靠性。刘京华等[2]以时序深度残差压缩网络为切入点，开展了混合信号调制辨识研究，通过理论和实际相结合的研究方法，验证了其在智能变电站中的作用，可有效提高风险辨识的精度。刘立伟[3]将时序预测方法引入到系统的研究中，通过实例和仿真分析，发现深层神经网络可以有效解决二次虚环的风险问题，并能有效地解决多种故障。

然而，当前二次虚环多重故障的危险性和辨识技术尚不完备，错误规律解析、误报处理和检测辨识的实时性有待提高。为此，本文以多维度关联分析和深层时序分析、二次虚环失效风险的动态辨识为切入点，对电力系统的二次虚环失效风险进行了动力学辨识研究。

一、二次虚回路结构特征与失效机理

智能变电所二次虚回路采用报文形式将站控层、间隔层、交换层等各个层联系起来，采用智能保护装置、融合装置、交换机等技术构建三层通信网络架构。由于电磁干扰、配置冲突、通信模块不匹配等原因，会导致系统响应不一致、逻辑功能不匹配、信息传递错误。由于某种原因导致的失效，通常与其他因素形成多个干扰，表现为级联的故障传播状态，增大失效风险。

二、失效风险动态识别方法设计

（一）基于深度时序网络的异常检测模型

失效风险动态识别方法设计时，首先对二次虚回路的失效机理进行深入探究解析，针对现阶段常见的故障进行针对性分析，设计出以深度时序网络技术为核心的异常检测模型。模型在运行过程中需要对系统的设备温度序列、网络流程强度（过程层）以及通信报文的时延数据进行收集整理，并将其生成时序切片，基于滑动窗口机制将20×320×3维度特征数据输入到特征矩阵中，设计单个运行周期的窗口长度为20。

核心计算流程中，双向长短期记忆网络提取正反向时序依赖，其隐状态与多头自注意力特征通过自适应权重融合，形成综合时序表征Zt，如公式（1）所示：

Zt=α·ht+（1－α）·at（1）

其中，α为学习参数；ht为隐状态；at为多头自注意力特征。

输入数据需经差异化预处理，如表1所示。通信报文时延采用最小-最大归一化消除量纲差异，网络流量强度通过Zscore标准化抑制突发噪声，设备温度序列使用鲁棒标准化降低异常值干扰。

预处理后的三路数据经并行特征提取后，由全连接层映射为异常评分，其取值为[0，1]，评分超过动态阈值时触发预警。