基于递归图和变化分位数的光伏电站输电线路智能保护方法研究

《Engineering Applications of Artificial Intelligence》：Recurrence plot and change quantile-based deep supervised and semi-supervised protection for transmission lines connected to photovoltaic plants

本刊推荐：针对传统继电保护在光伏(PV)电站并网输电线路(TLs)中因电力电子变换器(CBESs)故障特性复杂而面临误动/拒动难题，研究人员开展了基于递归矩阵(RMCQ)与InceptionTime(ICT)的智能保护主题研究。该方案利用三相电流变化分位数构建递归图，通过深度学习实现故障检测、定位与选相，并在WSCC 9总线及IEEE 39总线系统验证了其在高阻抗故障、CT饱和等复杂场景下的有效性。创新性引入标签传播等半监督学习(SSL)范式，显著降低对标注数据量的依赖，为高比例新能源接入电网的可靠保护提供了新思路。

　　

随着全球能源转型加速，光伏(PV)等可持续发电(SPG)设施通过高压输电线路(TLs)大规模并网，却给传统继电保护系统带来了严峻挑战。这背后的核心矛盾在于：光伏电站通过电力电子变换器(CBESs)并网，其故障电流特性与传统同步发电机截然不同——电流幅值受限、相位受控策略支配，且呈现快速衰减特性。这种"温和"的故障特征使得依赖故障电流幅值、相位关系的距离保护、方向保护、差动保护等常规方案频频失灵，可能导致保护装置误判外部故障为内部故障（过切）或无法识别高阻抗故障(HIF)等复杂情况，直接威胁电网安全稳定运行。

为破解这一难题，发表于《Engineering Applications of Artificial Intelligence》的研究论文提出了一种融合递归量化分析与深度学习的智能保护新范式。该研究瞄准光伏电站并网线路的特殊保护需求，创新性地将电力系统暂态信号转化为图像识别问题，通过多维度特征挖掘与半监督学习技术，实现了对复杂故障的精准感知与快速隔离。

关键技术方法主要包括：基于PSCAD/EMTDC电磁暂态仿真平台构建WSCC 9总线系统和IEEE 39总线测试场景，生成涵盖不同故障类型、位置、阻抗的样本库；采用变化分位数(CQ)特征提取三相电流统计特性，通过ReliefF算法筛选最优特征子集；利用递归图(RP)技术将一维电流序列转换为二维递归矩阵(RMCQ)图像；构建InceptionTime(ICT)深度卷积神经网络进行故障分类；引入标签传播(LP)、标签扩散(LS)和自训练(ST)等半监督学习(SSL)策略解决标注数据稀缺问题。

模型ing和仿真for PV

通过在WSCC 9总线系统Bus-9接入100MW光伏电站，构建100km长输电线路（正序阻抗1+30jΩ，零序阻抗33+110jΩ）的仿真模型。设置8个不同故障点，系统调节优先级模式、故障阻抗、故障类型和起始时刻等参数，生成包含故障与电容/负载投切暂态的完整数据集。

保护框架outline

保护流程分为四个核心环节：首先在光伏侧采样三相电流数据，接着提取RMCQ特征，然后通过预训练的ICT网络进行故障检测，最后当定位结果确认为线路内部故障（位置p4-p5）时触发跳闸指令。该方法仅需单端量测数据，显著降低了通信依赖。

结果of fault detection, fault localization和phase selection on IEEE 9-bus system

采用7:3比例划分训练集与测试集，监督学习模式下ICT网络在故障检测(FD)、故障定位(FL)和选相(PS)任务中均取得优异表现。评估指标显示，基于准确率(A=N_correct/N_Total)的量化结果验证了方案在标准测试场景下的可靠性。

Discussions on validity of proposed scheme

通过专门设计的挑战性测试表明：该方案能有效区分内部故障与外部故障/暂态，在噪声干扰、采样频率变化、串联补偿、数据窗尺寸调整等条件下保持稳定性能。特别在CT饱和、双回线跨线故障等传统保护难点场景中，RMCQ特征展现出更强的鲁棒性。

Fault detection with semi-supervised learning

针对实际工程中标注数据匮乏的痛点，研究系统评估了三种SSL策略在不同未标注数据比例(f_u∈{0.2,0.5,0.8})下的表现。结果显示，即使仅使用20%标注数据，SSL辅助的ICT网络仍能达到接近全监督学习的性能水平，极大提升了方法的工程适用性。

Validation on IEEE 39-bus test system

在新英格兰10机39总线系统上的跨场景验证表明：该方法能适应更大规模电网的复杂潮流结构与动态交互过程。在不同故障位置（F1-F8）与类型（单相接地、相间短路等）测试中，保护方案均保持高准确率，证明了其良好的泛化能力。

Validation with partially rated converters

采用200MWⅢ型风电场替代光伏电站的拓展测试中，面对风机特有的故障特性与控制系统动态，该方法在2880个故障场景下仍保持可靠动作。这表明该保护原理对不同类型新能源并网系统具备普适性。

Comparative evaluation

与近年提出的保护方案横向对比显示：本研究首次系统验证了方案在串联补偿、双回线运行、演化性故障等16类关键场景下的性能，且端到端处理时间满足IEEE Std C37.243规定的继电保护速动性要求。

研究结论表明：基于RMCQ-ICT的智能保护方案成功解决了光伏并网线路保护中的选择性难题，既能可靠识别内部故障（包括高阻抗故障、CT饱和等特殊工况），又能有效规避电容投切等暂态过程的误动。通过半监督学习技术的创新应用，显著降低了对大量标注故障数据的依赖，为实际工程部署提供了可行性。该研究为构建适应高比例新能源接入电网的新型保护体系提供了重要技术支撑，其方法论对其他电力电子化电力系统的保护设计具有借鉴意义。