區域電網小電源一體化接入及管控系統設計與實現

國網江西省電力有限公司寧都縣供電分公司 廖贊華 龔享金 謝小榮 郭志磊 謝曉帆

礦石燃料不可再生，全球范圍內儲量正在慢慢的被消耗殆盡，為了應對這種現象，可再生能源如何被高效利用成了大家爭相研究的課題。雖說太陽能、風能、水力等綠色能源可以說“取之不盡，用之不竭”，但這些能源被開采利用通常有分布零散、容量大小不一、區域依賴性比較大等特點，而且這些小電源管理的軟、硬件廠家、種類繁多，如何統籌規劃入網管理監控成為難題，本文提出一種能夠兼容接入大部分廠家小電源數據，監控其運行狀態，能夠對其故障進行預控分析的一體化管控系統。

1 引言

區域小電源并網可能提高能源利用率，減少或緩建大型電力基礎設施建設，降低電網損壞。因其能量來源多為太陽能和風能，有害物質排放量幾乎為零，對于環保的重要性不言而喻。另外這些綠色能源因其設計特殊性，對于電網穩定性的提高意義非常大，如電網大面積故障時，分布式小電源仍能正常運行。綜上所述，區域電網小電源并網帶來的好處是顯而易見的，反之，對于分布廣泛的小電源進行管理也是保證其優點體現的重中之重。

市面上眾多廠家的小電源運行管控設備接入雖說都遵循相關規范，但各自廠家還會在遵循規范的情況下進行自定義擴展，這就對接入管控系統兼容性提出了非常高的要求，如何適配不同廠家設備，是本系統要解決的重點之一。

本系統中包含基于中間件的設備自適應接入模塊、基于動態自動建模的小電源運行監控模塊、基于人工智能的故障錄波分析預警模塊、故障輔助決策模塊。系統中其他的一些例如權限管理、歷史數據管理等模塊對于區域電網小電源一體化接入及管控系統的安全性和易用性也有很大幫助。

2 基于中間件的設備自適應接入模塊

系統中對于不同設備的接入管理采用面向消息的中間件技術MOM（MesSge-Oriented Middleware）。中間件是系統中獨立于其他模塊，起到信息交換作用的一個獨立服務模塊，支持標準的協議和接口，支持分布式計算和多平臺交互。主要針對不同通訊協議及相同類型協議中自定義擴展部分進行適配。系統中插件庫涵蓋了相關領域內絕大部分廠家設備，針對不同設備單獨設計插件，通過中間件管理眾多插件，簡單來說，設備上送信息經過中間件解析可被系統識別為模型中相關節點，系統下發指令經過中間件解析，可以準確的被具體設備接收。這樣系統就可以實現對不同廠家設備的管控。

3 基于動態自動建模的小電源運行監控模塊設計思路

本系統中小電源運行監控模塊的實現采用的是動態自動建模。動態自動建模即是在系統中預置的設備庫中選擇要添加的設備，添加過程中正確配置通訊方式后可自動在系統中生成對應的圖形和模型，圖形部分采用2.5D顯示方式，包括小電源在系統可視化模塊中顯示內容，例如光伏發電可實時顯示發電板朝陽角度，風電風機轉速可與顯示系統中動畫匹配，直觀的展示風機轉速，給枯燥的工業管理系統增加了一抹靈動。對于需要監控的數據類型也可實現自定義配置其是否有效及有效方式，還可對數據設置閾值，越限告警，為設備正常運行打下堅實基礎。

利用改進后的雙緩沖繪圖渲染算法以及BSP（二元空間劃分樹）數據結構，實現系統中對于設備模型管理數量級可達到百萬級別而且滿足刷新或操作不卡頓。采用UI線程與其他業務線程分離的實現模式，提高系統的可用性和人機交互友好性。

4 基于人工智能的故障錄波分析預警模塊

4.1 特殊分布式存儲系統的實現方法

目前電網中數據采集頻率都很高，這樣就會產生大量的正常運行數據和故障數據，數據存儲與故障數據分析模塊尤為重要。

系統中的分布式存儲模塊是一種改進型的存儲形式，傳統的分布式存儲系統是數據分散存儲在多臺獨立的設備上，而本系統采用單臺服務器，將存儲空間虛擬分配成不同區域，模擬分散存儲模式，在有限的條件下達到與傳統分布式存儲系統同樣的效果，可以節省實現分布式存儲系統所需的人力和財力。

4.2 人工智能在小電源故障分析預警中的作用

小電源數量多、分布式是其特點，發生故障的概率也相應提升，發生故障時如何及時的定位故障和分析出故障原因是非常重要的功能實現。

近年來隨著反向動力學模型的不斷完善以及三維運動捕捉技術的不斷進步，三維步態分析技術在科研及臨床上的應用越來越廣泛[2-4]。然而，三維步態分析技術結果的可靠性受較多因素的影響，如：下肢反向動力學模型的選擇，實驗室的設置(三維測力臺的參數設定，紅外線攝像機在三維空間內坐標的校準)，以及研究人員對下肢骨性標志位置的掌握程度以及測試過程中反光球貼點的一致性等[5]。因此，在實驗室建立過程中，下肢生物力學參數重測信度顯得尤為重要。然而，迄今為止，國內還尚未有同時測定下肢運動學，動力學，地面反作用力，表面肌電信號重復性的相關研究報道，因而，下肢生物力學參數的重測信度的研究顯得極為迫切。

系統會對發生故障告警的設備進行故障錄波，且故障發生前后錄波時間段可自由設置，保證適合當前電網運行情況。數據挖掘是人工智能領域的一個分支，包括分類（Classification）、估計（Estimation）、預測（Prediction）、相關性分組或關聯規則（Affinity grouping or association rules）、聚類（Clustering）等方法。

系統首先會根據已經分類的訓練集進行提煉，在該訓練集上運用數據挖掘分類的技術，建立分類模型，對于沒有分類的數據則會根據規則庫內相應規則自動分類，從而實現數據的自動分析功能。經過分析后的數據經過一系列算法加持后，能夠自動分析出故障原因。

對于實時數據的監測分析還能實現故障預警功能，對得到的數據進行估計、預測后，再與原有數據集進行相關性分析和關聯規則的比對，能夠高效的得到故障前預警信息，對于提高電網運行安全性和穩定性，降低事故率有很好的輔助作用。

4.3 故障輔助決策模塊實現思路

故障輔助決策模塊作為一個單獨的功能模塊，其是實現思路還是跟人工智能有較大關系。

傳統的故障輔助決策實現都是基于專家庫實現的，而專家庫更多的依賴經驗，沒有自主學習功能，本系統中解決了這個問題，一些特定數據的聚集可能預示著一個特定的故障，而特定故障還會有相應的解決辦法，系統會自動學習擴充故障特征和解決辦法，一個會無限豐富的專家庫對于解決故障輔助決策是非常有意義的。

5 小結

本文主要介紹了一種區域電網小電源一體化接入及管控系統的設計與實現方法，實現中充分利用前沿技術，高效算法，解決生產中遇到的難題，系統的實現能夠有效的解決小電源接入管控，減少小電源并網對區域電網的影響，降低小電源控制設備故障率，提高區域電網運行安全性、可靠性。