摘要：继电保护的定制在线计算以及智能校核系统主要采用了人工智能的设计原理，基于深度学习的继电保护定值在线计算与智能校核系统能够自动识别线路的重要性及其故障影响程度，从而为电网的安全稳定运行提供科学决策支撑。因此，本文探讨基于深度学习的继电保护定值在线计算与智能校核系统设计方案，依托人工智能技术展开电网监测预警以及故障检修工作。

关键词：深度学习；继电保护；定值在线计算；智能校核系统

引言：目前随着人工智能技术的广泛应用，电网继电保护的定值计算方法更加多样化。继电保护定值在线计算的实现方案需要建立在深度学习理论的基础上，采用自动校核的方式提供准确的电网运行预警数据，以上做法能够起到源头防控电网运行事故的作用。由此可见，如何将深度学习理论应用于继电保护定制在线计算以及智能校核领域，应成为现阶段智能电网技术转型面临的关键问题。

1 继电保护定值在线计算与智能校核系统的基本需求分析

继电保护定值在线计算与智能校核系统针对电网中的继电保护设备实施定值计算以及自动校核，其中的定值在线计算与智能校核属于该系统的两个核心部分。具体而言，电网定值的在线计算主要针对母线保护的后备保护定值、电网变压器保护以及线路保护、系统主保护与辅助保护定值等；智能校核的常见指标应包括电网反应灵敏度、躲避负荷能力、继电保护选择性等指标[1]。除此之外，该系统还应当满足“定值预警”的使用需求，通过自动校核继电保护定值的方式来预测电网事故的发生率，以期达到快速识别、妥善处置电网突发故障的目标。

2 继电保护定值在线计算与智能校核系统的设计方案

2.1 总体框架

继电保护定值在线计算与智能校核系统应当覆盖于厂站范围内的发电机、变压器、系统母线及其他线路，经过自动校核得出保护装置的定值项。继电保护定值在线计算与智能校核系统的基本模块包括电网综合模型拼接、运行方式获取与信息整合、定值获取与信息整合、运行模式预测、电网故障以及潮流计算、输出校核结果等。以上各模块能够密切配合发挥电网保护的作用，采取自动数据校核的方式预测电网运行风险，为电网管理部门提供行之有效的解决方案[2]。

如下图，为继电保护定值在线计算与智能校核系统的运行流程设计：

2.2 功能实现

该系统的核心模块即为“定值获取与信息整合”，其主要采用深度学习理论来支撑智能电网的稳定运行，并通过计算“现场运行定值”与“离线整定值”来评估整个电网的安全隐患因素。继电保护定值的在线计算模块重点针对常见的电网运行故障展开深度分析，以此为根据推测得出电网在不同时间段的潮流变化趋势。经过自动校核的继电保护定值可以实现准确的输出，系统数据的输出模块能够为电网管理部门提供动态化的拓扑结构图，采用文本与图表相结合的输出形式。

3 基于深度学习的继电保护定值在线计算与智能校核关键技术应用

作为机器学习的重要组成部分而言，深度学习的本质在于模拟人脑特有的神经网络结构，并采取非线性变换的表现形式来描述某一数据序列的特性。将深度学习理论引进智能电网的继电保护领域，可在最大程度上确保定值计算结果的精准性以及实时性，对于改进智能电网的继电保护与整定模式也会产生显著的影响。具体而言，基于深度学习的继电保护定值在线计算与智能校核系统主要体现为如下方面的关键技术应用：

3.1 系统灵敏度校核

深度学习需要依靠人工智能的神经网络予以实现，神经网络包括多个神经元节点，各节点共同组成完整的数据计算模型。基于此，继电保护定值的在线计算以及智能校核应当致力于提升灵敏度指标，使得改进后的智能电网对于外界环境的反应更加敏锐。具体在实施继电保护定值的灵敏度校核过程中，关键就是要根据常见的电网故障表现形式评估系统灵敏度[3]。基于深度学习理论的继电保护校核规则主要覆盖于电网的量测组件、故障计算组件、取值组件等部分。继电保护定值的自动校核设备能够给出不同时间段的故障元件所在位置、元件类型、故障表现形式等指标。在构建系统灵敏度的校核方案时，技术人员应当着重考虑电网一次设备以及二次设备的运行状况，并需要充分考虑不同组件之间的逻辑关系。

例如在某地区智能电网的定值校核方案设计中，深度学习理论下的系统灵敏度校核模块主要针对自动搜集得到的校核规则标准展开全方位的数据采集，然后针对随机选取的电网组件进行测量，进而判断电网运行时的最小短路电流值，通过实施自动对比评价电网的反应灵敏度。电网管理部门经过评估得出，电网继电保护定值的在线计算结果与实际相吻合，同时也反映出电网对于故障隐患因素的反应灵敏度较高，可在最短时间里给出报警提示信息。

3.2 定值选择性校核

深度学习理论旨在采用优化算法针对电网系统的权重值予以灵活调整，从而实现最佳的拟合效果。目前应用频率较高的优化算法主要为“随机梯度下降”算法。按照电网保护范围的基本原理，如果电力系统范围内的某一点突然出现故障，那么该区域的电气量应当等于继电保护的动作值。以此为基准，建构深度学习理论下的定值选择性校核模式，并能够依据“等量关系”划定电网故障保护的范围。

继电保护定值的选择性校核重点针对定值选择的范围大小及其准确率高低，目前经常用到的选择性校核方式应包括“保护范围比较法”、“系统仿真校核法”、“多个定值比较法”等。基于此，继电保护定值校核系统的设计人员应当全面考虑复杂的电网运行影响因素，确保校核结果与电网运行的实际情况相符，为继电保护定值的优化调整提供有力的支撑。系统设计人员还应当采用模拟实验的方法，推测继电保护错误动作有可能引发的电网稳定性威胁。通过评估继电保护错误动作造成的潜在影响，为继电保护定值的智能校核提供行之有效的改进方案。并需要通过实验检测，验证智能校核系统的运行可靠性，经过多次改进确定最佳的“定值选择性校核方案”[4]。

如下表，为基于深度学习的继电保护定值在线计算与智能校核结果：

3.3 预警方法的选取

依据深度学习理论，继电保护定值计算以及智能校核的数据对象主要包括训练集、测试集与验证集。建立在人工智能原理基础上的深度学习模式能够用于预测电网的故障风险，技术人员应结合实际情况选取最佳的故障预警方案。例如在当前的电网运行模式下，电网继电保护主要采用“N-1”的开断控制方法。基于此，引进继电保护定值的智能校核模式应当重点评估电网的“躲负荷能力”指标，然后才能够进一步评估电力系统存在连锁跳闸的薄弱环节。技术人员还需要评估继电保护装置的反应灵敏度，达到“继电保护动作的连锁预警”目的，在多个智能预警方案当中进行合理的选择与实现。

在当前时期的电力系统控制技术创新趋势下，智能电网的故障预警方法更加多样化。电网运行中的故障因素只有得到了准确地评估，才能够真正起到防患于未然的作用，维护电网的安全可靠运行。具体的预警方法选取流程包括如下：首先利用“N-1”开断法进行多次的线路断线原因分析，进而归纳得出在电力系统的使用阶段，容易导致继电保护裕度下降的关键因素集中在于“线路过负荷”。基于此，通过标量函数来控制“N-1”线路的开合状态，在线路开断导致保护裕度波动低于设定阈值的状态下，结束整个运算过程。技术人员即可结合上述的数据计算结果，锁定造成电力系统连锁跳闸的根源因素；然后调取预先设计的系统预警阈值，针对智能电网设计“连锁预警保护”的可行性方案。

结束语：

综上所述，继电保护定值在线计算与智能校核系统主要采用了人工智能的建模计算原理，其能够根据智能电网在不同时间段的运行情况发出预警信号，以此保证智能电网的运行可靠性。近些年以来，基于深度学习理论的继电保护定值计算形式更加丰富多样，技术人员需要结合实际进行合理的选择与优化，并应当全面考虑电网运行中的有功功率以及无功功率影响因素。为了更好发挥继电保护定值在线计算系统的功能作用，关键就是要保证计算结果的精准性，采取有效措施避免计算误差的产生。电网管理部门还应当快速、妥善应对突发故障，力求在短时间里恢复电网的正常使用，确保社会生产及生活的有序实施。

参考文献：

[1]潘磊.电厂电气故障继电保护定值在线校核方法[J].电气技术与经济,2025(04):349-352.

[2]刘桂琴,刘丽媛,马梦真.基于神经元网络的智能电网继电保护定值快速预警[J/OL].自动化技术与应用,2024,11(07):8-13.

[3]韩学军.基于深度学习和改进潮流介数的继电保护定值智能校验方法[J].电子器件,2023,46(05):1442-1448.

[4]王杰,杨健,孙涛等.继电保护定值在线校核及预警系统的研究与实践[J].微型电脑应用,2022,38(03):79-82.