大型水轮发电机传统失磁保护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。
新能源电力系统国家重点实验室（华北电力大学）的刘超、肖仕武，在2023年第7期《电工技术学报》上撰文，提出一种基于测量阻抗动态轨迹识别的数据驱动型失磁保护新方案。
该保护方案在保证选择性的同时提高了速动性，并且在面对电网发生复杂变化时仍具有优良的适应能力。
大型水轮发电机全部或部分失磁是一种较常见且严重的故障，具有凸极结构的水轮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。
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，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。
2018年巴西电网“3.21”大停电事故中东北部电网某大型水轮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。
随着电网结构日趋复杂以及运行环境的变化，大型水轮机失磁保护的可靠性和速动性均面临着巨大的挑战。
鉴于现有保护的不足，国内外学者为了提高失磁保护性能进行了大量的研究工作。
目前对于水轮机失磁保护的研究主要分为机理型和数据驱动型两种方法。
基于机理的方法包括传统保护判据的组合改进和基于电气量的新判据研究，前者的通用做法就是在原有判据的基础上进行组合优化，尽可能地提升保护的选择性，后者则深入剖析发电机电气量的变化规律，进而设计新的失磁判据。
此类方法利用具体的规则来揭示物理现象的本质特征，在一定程度上提升了失磁保护性能，但机理模型的准确性与复杂性呈正相关，构建能够适应未知场景的机理型失磁保护非常困难。
得益于信息技术的发展，数据驱动方法也被引入失磁保护判别，其主要利用统计分析以及人工智能模型判别失磁与其他异常工况，典型的算法有模糊逻辑、决策树、人工神经网络、支持向量机等。
目前基于AI的失磁保护原理大多采用功率、相位、转子角、阻抗等物理量进行一系列复杂的数学处理后得到时域或频域层面上的信息作为特征量，在有限的场景下进行特征提取往往会导致学习模型的泛化能力不足，模型解释能力差，但将AI技术引入失磁保护为其提升性能提供了新途径。
传统失磁保护理论的基础是机端测量阻抗的轨迹变化规律，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。
而机端测量阻抗轨迹的整个运动过程蕴含了系统大量信息，利用测量阻抗轨迹变化的动态过程能够更好地识别失磁故障。
这种考虑动态过程全局的轨迹识别与预测方法在电力系统中应用较多的是暂态稳定判别以及变压器故障识别，其中既有机理方法，也有数据驱动方法。
前者的基本思想是通过选取电气量或衍生的物理量获得在二维或多维空间的可视化动态相轨迹，依据可视化表达结果深入剖析轨迹外在的几何特征，进而形成新的机理型判据，或者直接对物理时序标量轨迹进行机理分析得到判据。
后者应用于暂态稳定判别时一般直接选择电气量的标量或相轨迹的时序点输入AI模型进行预测，应用于变压器故障识别时依据固定时窗内的静态轨迹几何特征进行智能判别，此类基于AI的数据驱动方法计算能力强，能够从数据角度挖掘关联信息，形成所涉及的相关因素与电力系统状态之间的精准映射关系，但以上特征选择中机理分析部分较薄弱或只关注静态几何特征，所提方法往往深度依赖AI模型进行自学习从而造成“黑盒问题”。
随着轨迹识别在电力系统中的应用，参考较为成熟传统失磁保护的机理，利用AI技术强大的信息关联和学习能力设计智能失磁保护是一个可行的发展方向。
借鉴轨迹识别以及AI技术在电力系统中良好的应用效果，新能源电力系统国家重点实验室（华北电力大学）的研究者，提出一种基于大型水轮发电机测量阻抗变化轨迹智能识别的失磁保护方法，分析机端测量阻抗轨迹在固定时窗内的动态时序机理特征，并引入统计学思想描述时序特征分布，通过最大相关-最小冗余算法提取关键特征量以增强解释性，融合小样本学习的多核支持向量机模型判别失磁及其他异常工况。
图1 失磁保护新方案他们指出，新原理利用机理型传统失磁保护中物理含义明确的测量阻抗轨迹特征指导人工智能的框架设计，既弥补了传统失磁保护只关注局部结果的缺陷，也充分发挥了人工智能算法的全局信息挖掘能力强、计算速度快的优势。
图2 失磁保护方案具体实施流程此外，采用最大相关-最小冗余算法（mRMR）特征选择算法，可以最大化关键特征与类别间的相关性，同时最小化特征间的冗余性，增强了模型可解释性。
利用自适应遗传算法优化兼顾全局与局部信息的MKLSVM的同时，采用基于分类函数距离的双时窗判别策略既提升模型训练效率也增强了模型的可靠性和泛化能力。
研究者表示，提出的失磁故障判别原理与接入外电网强弱以及电网的拓扑结构无关，可以兼顾外电网附近机组动态过程对测量阻抗轨迹的影响，在电网发生大范围变化时仍具有优良的适应性。
与传统失磁保护相比，无需人工整定，且具有较强的适应能力，解决了速动性和可靠性的矛盾。
本工作成果发表在2023年第7期《电工技术学报》，论文标题为“基于测量阻抗变化轨迹智能识别的水轮发电机失磁保护”。
本课题得到国家自然科学基金资助项目的支持。
