基于氣候模型的輸電線路負載能力預測系統

江　淼　劉亞東　盛戈皞　江秀臣

（上海交通大學，上海 200240）

基于氣候模型的輸電線路負載能力預測系統

江淼劉亞東盛戈皞江秀臣

（上海交通大學，上海 200240）

隨著電力系統規模的增加，我國負荷、能源分布不均的矛盾以及現有輸電線路輸送能力不足的問題日益突出，對輸電線路負載能力進行動態的監測和預測不僅可以解決以上問題，還能夠為線路負荷的調度、檢修計劃的安排提供重要參考。本文基于氣候模型并利用神經網絡在線學習，以氣象數據的預測為依礎，研制了輸電線路的負載能力預測系統。文中詳細講述了系統原理、硬件設計和功能，同時以現場測試的結果對該系統進行了驗證，表明本系統在對輸電線路穩態和暫態負載能力預測方面取得良好效果，動態預測穩態和暫態負載能力充分挖掘了輸電線路的輸送潛力。

輸電線路動態負載能力；氣候模型；預測系統

隨著電力負荷規模不斷增加，輸電線路的載流量往往成為電力系統發展的瓶頸之一。與其他方式相比，在不突破線路建設規程和不新建線路的前提下，根據氣象條件和線路運行參數，實現對輸電線路負載能力的動態監測成為最具經濟性和可行性的方案之一。

確定輸電線路動態負載能力大多基于氣候模型和導線溫度模型，但對于已運行的輸電線路而言，安裝張力傳感器十分不便，采用了氣候模型來進行線路動態負載能力的計算更加合適。同時，針對輸電線路穩態和暫態負載能力進行短期預測，不僅可以進一步挖掘輸電線路的輸送潛力，還可以為科學進行電網調度和安排檢修計劃提供重要依據。目前國內外針對輸電線路監測已有較多的設計和研究，但在輸電線路負載能力預測系統方面還沒有較為成熟的案例。

本文針對以上問題，提出了一種基于氣候模型并利用神經網絡進行在線學習的輸電線路負載能力預測系統，通過對現場的氣溫、風速風向和日照輻射強度進行監測，并將數據導入監控預測系統由神經網絡進行實時訓練和預測，最后根據氣候模型計算出1h之后的輸電線路負載能力預測值。經過與負荷的對比和誤差分析，凸顯出輸電線路的負載潛力和系統預測的可靠性和重要意義。

1　動態預測輸電線路負載能力的原理

輸電線路的極限負載能力由線路的熱容量決定，遵循熱平衡關系。在氣候模型中，熱平衡關系主要涉及了環境溫度、風速風向、日照輻射強度、導線溫度、導線材料以及線路運行狀態等多方面因素。同時，考慮到導線材料的自身熱容，在突變電流的作用下，導線溫度需要經歷一定的時間才會到達極限溫度70℃，熱平衡方程分為穩態和暫態兩類［1］，即

式中，Ws、Wc和Wr代表日照吸熱功率、對流散熱功率和輻射散熱功率；M是導線單位長度的質量，kg/m；Cp是導體材料的比熱容，J/（kg·℃）。

2　輸電線路負載能力動態預測系統的總體設計方案

結合文獻［2-3］，輸電線路負載能力的動態預測系統主要由安裝在線路桿塔上的數據采集終端和電源管理系統、位于遠程的監控預測系統構成，該方案的總體的結構如圖1所示。

圖1　輸電線路負載能力動態預測系統總體結構圖

其中，采集終端包含了氣溫傳感器、風速傳感器和日照強度傳感器等主要器件，終端與監控預測系統之間依靠GSM/GPRS網絡進行信息的聯絡和傳遞，監控預測系統具備一定的數據存儲和運算功能，主要進行神經網絡的在線學習和預測。

2.1系統的硬件設計

對氣象情況的實時、精確監測，是動態預測輸電線路負載能力的基礎。數據采集的終端硬件如圖2所示，主要由終端傳感器及其調理電路、主單片機系統、數據傳輸系統和電源管理系統構成。

圖2　數據采集終端的硬件圖

氣溫、日照輻射和風速的采集數據通過模擬開關、保護隔離電路和A/D采樣進入主單片機系統被處理，單片機系統與存儲器和實時鐘系統分別通過SPI接口和I2C通信聯系，I2C通信的方式同樣被應用于電源管理系統與主單片機系統的聯系。數據信息最終通過UART通信進入數據傳輸系統，以GPRS/GSM網絡傳送給監控預測系統。

2.2傳感器設計與選型

傳感器作為數據采集終端中十分重要的元器件，需要根據具體應用所要求的精度來設計和選擇。根據文獻［2］可知，只需將氣溫傳感器的誤差控制在±0.5°以內，就可以相應地將計算輸電線路負載能力的誤差控制在3%以內；由于風速的誤差對輸電線路負載能力誤差的影響不大，在一定的風速范圍內，精度只需在8%以上即可滿足要求。

1）傳電路

（1）氣溫傳感器

氣溫的測量偏差只要保持在0.5℃以內就可以滿足本系統的要求，考慮實際需要和經濟性，選取Tmp36作為氣溫傳感器。它的工作電壓處于2.7～5.5V，可以對范圍在-40℃～125℃的溫度進行測量，正負偏差0.5℃，并且不需要其他的外接電路，直接送至A/D轉換器即可，但是在傳送過程中模擬信號需要經過隔離后才能采樣。

（2）風速風向傳感器

由于氣候模型中的風速信號是比較重要的參數，需要保證一定的精確度，系統采用氣象儀器WJ-3B型風速風向傳感器。該傳感器屬于三杯式傳感器，由風力帶動風杯轉動，經過信號變換電路產生與風速大小呈正比的頻率信號。實際應用中，該傳感器可以測量的最大風速達到了60m/s，精度控制在±0.4+（0.05×實際風速）m/s；同時，風向可以實現360°無死角測量，精度保持在±5°。即使風速低于0.5m/s，該傳感器也依然可以工作。

在實際運用中，風速傳感器輸出的是頻率信號，需要對該信號進行隔離和電平轉換，再接入單片機，計數器中用方波信號的上升或下降沿作為觸發，統計每單位時間內的脈沖個數。在計算風速時利用頻率-風速對應關系的曲線得出最終結果。風速傳感器調理電路如圖3所示。

圖3　風速信號調理電路

考慮到風速傳感器信號的上限輸出頻率是1442Hz，數字光耦即可，型號選取TLP181，可以隔離3750V電壓，前向電流的上限值是20mA。實際電路中，將起到限流作用的電阻是R412，對光耦的前向電流進行控制，R418作為上拉電阻。

（3）日照輻射傳感器

由文獻［4］可知，對日照輻射強度的監測中，氣象臺提供的數據往往是地區的宏觀情況，為精確實現輸電線路負載能力的監測和預測，需要利用傳感器對線路附近的日照輻射進行測量。系統中設計采用的日照輻射傳感器的設計采用了模擬導線法，利用一段與運行導線具有同樣條件參數（比熱容、熱吸收率、發散率等）的空置導線才進行測量。將傳感器放置在密封的金屬管內，并貼合固定在模擬導線的表面，溫度檢測器和采集終端之間以輸出信息號線連接。在實際安裝時，模擬導線需要置于與運行導線相同的環境中用來等效無負荷時的導線日照輻射溫度，也就是導線在吸熱、散熱條件作用下的凈輻射溫度，進而體現太陽輻射對運行導線的溫度影響。該日照輻射溫度可以通過換算成為日照輻射強度。日照輻射溫度測量傳感器的結構如圖4所示。

2）隔離電路設計

本系統所處輸電線路桿塔附近的環境中的電磁干擾現象十分嚴重，對系統的正常運行產生極大的影響，這就需要在傳感器與控制芯片間加裝隔離電路。鑒于模擬光耦的線性度和隔離電壓等性能有了較大的改善，綜合考慮經濟性和可靠性，本系統采用以模擬光耦切斷感應干擾信號的方案。在眾多的光耦器件中，HCNR201憑借0.01%的極低線性誤差、高達8000V的隔離電壓等優勢性能被本系統采用。HCNR201是電流型驅動光耦，LED工作電流的范圍是1～20mA，對運放的要求是驅動電流需要超過20mA。HCNR201的具體應用電路如圖5所示。

圖4　日照輻射溫度測量傳感器結構圖

圖5　HCNR201應用電路

作為單電源供電運放，LM358擁有高達50mA的驅動電流，能夠滿足電流驅動型光耦HCNR201的使用需求。雖然LM358的失調電壓達到7mV，但由于應用電路的不具有放大功能，所以失調電壓可以在系統校準的時候作為系統的直流漂移消除。

3）電源管理系統

本系統中較多的關鍵設備均處于戶外環境運行，能否獲得優質的電能質量關系到這些設備能否正常高效地工作。本系統的電源管理分為充電和供電兩個管理模塊，其中，充電模塊可以在對電池充電時實現太陽能利用的最優化并控制好電池組之間的充供電過程。供電模塊則對數據采集通道的設備供電，以節約電能為目標。

對最大功率點進行跟蹤是控制充電模塊的主要思路，該部分系統框架如圖6所示。出于延長鋰電池壽命的考慮，該模塊采用以太陽能優先供電，電池供電作為補充的電源供應方式。太陽能在充足時優先給系統供電，富余能量充入電池。最大功率點跟蹤就是指，以PWM調節電池充電電流，使太陽能電池板維持在最大功率輸出點附近工作。實際應用中，太陽能電池板的最大功率輸出點是輸出電壓為18V時的狀態，為了實現最大功率點的跟蹤，采用BUCK型DC/DC變換器將18V電壓轉為4.8V接入系統供電。

圖6　充電模塊框架圖

供電系統處于戶外環境中工作，如何把能耗損失降到最低是設計系統時必須考慮的問題，因此在供電模塊中，僅在外接設備需要工作時提供電源，其他時候電源處于斷開狀態，實現供電的可控智能化，提高電能的利用率，同時也延長外接設備壽命。供電模塊的框架如圖7所示，系統提供的電壓是3.7V，通過穩壓電路給主控單片機供電，后續的GPRS模塊、各類傳感器等設備的供電均由主控單片機控制。

圖7　供電模塊框架圖

4）通信模塊

本系統中，采集終端設備與監控預測部分設備距離較遠，兩者的工作環境差別也較大，采用無線數據傳輸的方式進行通信。

綜合考慮輸送文本的信息量、經濟性和可靠性等因素，本系統將GPRS和GSM兩種方式相結合，自動監測信號強度并在這兩種方式之間自動切換，實現通信方式的最優化。由于需要在戶外較為惡劣的環境中工作，通信模塊選取Motorola G24，詳細連接電路如圖8所示。系統在需要數據傳輸的時候開啟G24，其他時候G24則待機休眠，只是這期間仍然聯網接收服務器數據。這樣的工作模式可以實現模塊的低功耗。

圖8　G24模塊硬件電路示意圖

GPRS供電是通信模塊的重要部分。在傳輸數據過程中，GPRS模塊可以出現2A的突變電流，平均電流達到500mA。在傳遞數據時，為了避免電源電壓降低，GPRS模塊需要有瞬間大電流供應，以兩個TPS7301元件并聯外加電容的方法實現。詳細的原理如圖9所示。

圖9　GPRS模塊供電電路

5）主控單元

考慮到監測和預測時，需要一定規模的歷史數據，能夠存儲以1h為采集間隔，總共7天的氣溫、風速、日照輻射溫度等數據是主控單元的最低要求，同時需要在每條記錄中備有采集時間的信息。選取F040CPU作為主控單元，該單元與外設通信總線的連接如圖10所示。

圖10　CPU與外設通信總線示意圖

3　系統的軟件實現

氣候模型中，動態負載能力的預測離不開針對氣象數據的預測。結合文獻［5-6］，鑒于氣溫、風速、日照輻射強度等氣象數據具有一定的規律性，本文采用Elman神經網絡來對其進行預測。該神經網絡結構如圖11所示。

圖11　Elman神經網絡結構圖

Elman神經網絡屬于局部回歸網絡，由輸入層、隱藏層、狀態層和輸出層組成，其中，以線性函數作為傳遞函數的狀態層含有延遲單元。它的存在使該網絡結構完成了局部的反饋，幫助Elman神經網絡具備一定的記憶功能。

基于神經網絡預測的原理如圖12所示，主要包含數據采集、氣象預測和負載能力的計算3個部分。

圖12　基于氣候模型的輸電線路負載能力預測原理圖

數據終端每0.5h上傳一次數據，把歷史數據劃分為訓練集和測試集，利用訓練集數據對神經網絡進行在線學習之后，在測試集內運用神經網絡對氣溫、風速、日照輻射強度等氣象參數進行預測，再將測試集數據的真實值和預測值分別代入穩態和暫態熱平衡方程中求解輸電線路負載能力的真實值和預測值，最后分析對比負載能力真實值和預測值的誤差。詳細的軟件總體設計流程如圖13所示。

圖13　軟件總體設計流程圖

4　系統測試與分析

選取某條220kV輸電線路某時段1～7天的氣象數據，其中，第1～5天作為訓練集，實現神經網絡的在線學習，第6～7天作為測試集，進行1h之后輸電線路穩態和暫態負載能力的預測，其中，由于風向具有較強的隨機性，為保證預測精度，將風向保守固定為20°，暫態負載能力的預測時選取安全時間為30min。

圖14為輸電線路穩態負載能力1h之后的預測曲線，最大預測誤差為16.15%預測值，平均相對誤差為4.79%，在實際應用中可以接受這樣的誤差。

圖14 輸電線路穩態負載能力預測曲線

圖15為以30min作為安全時間時，輸電線路暫態負載能力1h之后的預測曲線，最大相對預測誤差為12.91%，平均相對誤差為3.97%，與穩態負載能力誤差處于同一數量級，實際應用中可以接受這樣的誤差。

圖15　輸電線路暫態負載能力預測曲線

將輸電線路負荷和兩種負載能力對比如圖16所示，可見，預測輸電線路穩態負載能力可以很好地挖掘線路載流的潛力，根據實時情況提高線路效率，為線路負荷的調度提供重要參考。此外，暫態負載能力相比于穩態負載能力又具有更高的限額，對安全時間內的線路檢修等工作具有一定的指導意義。

圖16　輸電線路負荷與預測負載能力曲線

5　結論

本文提出了一種輸電線路負載能力動態預測的系統，在山東電網某段線路上進行安裝和測試。本系統基于氣候模型，對氣象參數進行監測，再通過神經網絡實時在線學習，對線路未來1h的負載能力進行動態預測，誤差均可以保證在工程應用可以接受的范圍內，為安排電網調度運行和線路檢修策略提供支撐。

［1］ 毛先胤， 盛戈嗥， 劉亞東， 等. 架空輸電線路暫態載流能力的計算和評估［J］. 高壓電器， 2011， 47（1）：70-74.

［2］ 劉亞東. 動態提高輸電線路容量系統硬件平臺的設計與實現［D］. 上海： 上海交通大學， 2007.

［3］ 黃新波， 孫欽東， 張冠軍， 等. 輸電線路實時增容技術的理論計算與應用研究［J］. 高電壓技術， 2008，34（6）： 1138-1144.

［4］ 任麗佳. 基于導線張力的動態提高輸電線路輸送容量技術［D］. 上海： 上海交通大學， 2008.

［5］ 王孔森， 盛戈皞， 孫旭日， 等. 基于徑向基神經網絡的輸電線路動態容量在線預測［J］. 電網技術， 2013，37（6）： 1719-1725.

［6］ 王曉霞， 馬良玉， 王兵樹， 等. 進化Elman神經網絡在實時數據預測中的應用［J］. 電力自動化設備，2011， 31（12）： 77-81.

一種區域主動配電網能量管理系統及方法

近日，國家知識產權局公布專利“一種區域主動配電網能量管理系統及方法”，申請人為中國農業大學。

本發明公開了一種區域主動配電網能量管理系統及方法。該系統包括：配網控制層、微電網控制層和過程層；過程層包括一次設備的測控終端；微電網控制層包括微網協調控制器；配網控制層包括：主動配電網運行調度模塊和微電網調度與評估模塊；微電網調度與評估模塊用于根據離網微電網內測控終端的運行數據制定離網微電網的調度計劃指令；主動配電網運行調度模塊用于根據配電網DG測控終端、配電測控終端以及并網微電網內測控終端的運行數據制定主動配電網的調度計劃指令。

本發明通過測控終端的運行數據制定調度計劃指令，對一次設備進行能量的協調控制，以保證區域主動配電網的安全可靠性和運行經濟性。

Prediction System for Dynamic Line Load Capacity based on Climate Model

Jiang Miao Liu Yadong Sheng Gehao Jiang Xiuchen
（Shanghai Jiao Tong University， Shanghai 200240）

With the increase of the power scale systems， the contradiction of uneven distribution between load and energy is increasingly prominent， along with insufficient transmission capacity of existing transmission lines. Monitoring and preditcting dynamic line load capacity can solve the above problems and provide an important reference for line load scheduling and maintenance program. Using meteorological data. A prediction system for dynamic line load capacity base on Climate Model is achieved. The article elaborates details about the system principle， hardware design and function， the system is verified by the result of field test. Predicting steady-state and transient dynamic line load capacity can fully unearth the potential capacity of the transmission line.

dynamic line load capacity； climate model； prediction system

國家高技術研究發展計劃（863計劃） （2015AA050204）

國家自然科學基金（51477100）

江 淼（1990-），男，安徽人，碩士研究生，主要從事輸電線路在線監測和動態增容工作。