基于大數(shù)據(jù)的智能配電網(wǎng)三相不平衡負(fù)荷預(yù)測系統(tǒng)設(shè)計(jì)

韓笑 王春蘅

摘 ?要： 面對電力系統(tǒng)產(chǎn)生的大量數(shù)據(jù)，傳統(tǒng)預(yù)測系統(tǒng)已經(jīng)表現(xiàn)出明顯不適應(yīng)性，并存在預(yù)測誤差大的問題，為了有效緩解該問題，設(shè)計(jì)了基于大數(shù)據(jù)的智能配電網(wǎng)三相不平衡負(fù)荷預(yù)測系統(tǒng)。根據(jù)硬件部署結(jié)構(gòu)，初始化配置以STM32F101最小系統(tǒng)為核心的數(shù)據(jù)采集器，依據(jù)MODBUS通信協(xié)議使信息采集管理模塊與負(fù)荷預(yù)測模塊數(shù)據(jù)共享。使用光耦隔離方式設(shè)計(jì)電源轉(zhuǎn)換電路，結(jié)合三相控制開關(guān)，完成硬件部分設(shè)計(jì)。在大數(shù)據(jù)環(huán)境下分析三相不平衡負(fù)荷特點(diǎn)，計(jì)算電流輸入層和隱層之間多點(diǎn)負(fù)荷線性關(guān)系，完成節(jié)點(diǎn)間的權(quán)值修正，依據(jù)負(fù)荷預(yù)測流程實(shí)現(xiàn)三相不平衡負(fù)荷預(yù)測系統(tǒng)設(shè)計(jì)。由實(shí)驗(yàn)結(jié)果可知，該系統(tǒng)比傳統(tǒng)系統(tǒng)預(yù)測誤差小，為配電網(wǎng)安全運(yùn)行提供了理論依據(jù)。

關(guān)鍵詞： 智能配電網(wǎng); 三相不平衡; 負(fù)荷預(yù)測; 系統(tǒng)設(shè)計(jì); 數(shù)據(jù)共享; 權(quán)值修正

中圖分類號： TN99?34; TP391 ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）07?0182?05

Design of big data based three?phase unbalanced load prediction system

for intelligent power distribution network

HAN Xiao， WANG Chunheng

（Jiangsu Province Key Construction Laboratory of Active Distribution Network， Nanjing Institute of Technology， Nanjing 211167， China）

Abstract： The traditional forecasting system has shown obvious inadaptability and has the large prediction error due to the large amount of data generated by power system. In order to effectively alleviate these problems， a big data based three?phase unbalanced load prediction system for intelligent distribution network is designed. The data collector with STM32F101 minimal system as the core is initially configured by means of the hardware deployment structure. According to MODBUS communication protocol， the data sharing between information collection management module and load prediction module is realized. The power conversion circuit is designed with the photocoupler isolation mode. The hardware design is completed in combination with the three?phase control switch. In the large data environment， the characteristics of three?phase unbalanced load are analyzed， the linear relationship of multi?point load between current input layer and hidden layer is calculated， the weights among nodes are corrected， and the three?phase unbalanced load prediction system is designed according to the load forecasting process. The experimental results show that the prediction error of the system is smaller than that of the traditional system. The proposed system provides a theoretical basis for the safe operation of the distribution network.

Keywords： intelligent distribution network; three?phase unbalance; load prediction; system design; data sharing; weight correction

0 ?引 ?言

電力負(fù)荷總量增長快速、配電網(wǎng)結(jié)構(gòu)不斷變化，以緊急供電恢復(fù)為中心的電力轉(zhuǎn)移需要更多負(fù)荷數(shù)據(jù)支持，也就是需要對結(jié)構(gòu)規(guī)模變化較快的智能配電網(wǎng)進(jìn)行大數(shù)據(jù)三相不平衡負(fù)荷預(yù)測[1]。三相不平衡致使電能質(zhì)量評價(jià)成為重要指標(biāo)，造成三相不平衡的主要原因是三相元件、線路或負(fù)荷等因素不對稱而引起的電路故障，這種故障屬于長期三相不平衡現(xiàn)象[2]。這一現(xiàn)象將導(dǎo)致電網(wǎng)可靠性與穩(wěn)定性降低，甚至影響電力系統(tǒng)正常運(yùn)行，隨著智能配電網(wǎng)的發(fā)展，為了解決上述現(xiàn)象帶來的安全問題，對負(fù)荷進(jìn)行預(yù)測成為一個(gè)重要而且必要的環(huán)節(jié)[3]。以往負(fù)荷預(yù)測方法主要是基于統(tǒng)計(jì)預(yù)測、回歸分析、卡爾曼濾波法，這些方法雖然能滿足系統(tǒng)短期負(fù)荷預(yù)測需求，但隨著智能配電網(wǎng)規(guī)模的不斷擴(kuò)大，系統(tǒng)不斷升級，不能使用簡單預(yù)測方法處理三相不平衡負(fù)荷問題[4]。為此，本文提出了基于大數(shù)據(jù)的智能配電網(wǎng)三相不平衡負(fù)荷預(yù)測系統(tǒng)設(shè)計(jì)。

1 ?系統(tǒng)硬件部分設(shè)計(jì)

電力市場運(yùn)營模式下，需提前幾天完成日負(fù)荷預(yù)測，在原計(jì)劃負(fù)荷值與實(shí)際負(fù)荷值差別較大的情況下，需及時(shí)對當(dāng)日剩余時(shí)間段負(fù)荷重新預(yù)測，挽回經(jīng)濟(jì)損失。硬件部署結(jié)構(gòu)如圖1所示。

硬件是由信息采集與管理模塊、負(fù)荷預(yù)測模塊和上報(bào)模塊組成的。其中，負(fù)荷預(yù)測模塊中的短期負(fù)荷預(yù)測是指未來24 h負(fù)荷和未來一星期負(fù)荷預(yù)測;而超短期負(fù)荷預(yù)測是指未來1 h內(nèi)負(fù)荷預(yù)測;擴(kuò)展短期負(fù)荷預(yù)測是指未來2～5 h以內(nèi)負(fù)荷預(yù)測[5]。為了提高預(yù)測精準(zhǔn)度，需比平時(shí)提前半個(gè)小時(shí)完成負(fù)荷預(yù)測。

1.1 ?數(shù)據(jù)采集器模塊

信息采集與管理模塊包括數(shù)據(jù)采集器與分析儀兩種設(shè)備。其中，數(shù)據(jù)采集器負(fù)責(zé)對負(fù)荷信息、氣象信息、電價(jià)信息和其他可測信息進(jìn)行采集;數(shù)據(jù)分析儀負(fù)責(zé)對采集到的信息進(jìn)行分析與管理[6]。

數(shù)據(jù)采集器可將條碼掃描裝置與數(shù)據(jù)終端進(jìn)行一體化處理，具備實(shí)時(shí)采集、自動存儲、實(shí)時(shí)反饋和自動傳輸功能，為三相不平衡負(fù)荷預(yù)測提供真實(shí)的數(shù)據(jù)采集結(jié)果。數(shù)據(jù)采集器結(jié)構(gòu)如圖2所示。

數(shù)據(jù)采集器可同時(shí)采集電壓、電流輸入輸出信號，并且每個(gè)部分都是獨(dú)立工作的，采用RS 485與上位機(jī)通信，并使用MODBUS協(xié)議作為規(guī)約，方便信息采集、管理模塊與負(fù)荷預(yù)測模塊相連接，實(shí)現(xiàn)設(shè)備間數(shù)據(jù)共享。STM32F101性價(jià)比較高、片內(nèi)集成資源豐富，可簡化采集器外部電路設(shè)計(jì)，并為系統(tǒng)工作提供所需時(shí)鐘，通過初始化配置STM32F101系統(tǒng)內(nèi)部時(shí)鐘寄存器，可將外部時(shí)鐘頻率變大[7]。使用HCNR201線性光耦進(jìn)行信號隔離，并在電壓信號接口輸入DC 0～5 V信號，使經(jīng)過調(diào)理后的電路對信號進(jìn)行隔離，并傳送到STM32F101系統(tǒng)A/D采樣通道內(nèi)，而開關(guān)量輸入接口采用光耦隔離方式，能夠?qū)崿F(xiàn)光電轉(zhuǎn)換與隔離保護(hù)[8]。

1.2 ?電源電路模塊

采集器電源接口轉(zhuǎn)換電路設(shè)計(jì)如圖3所示。

數(shù)據(jù)采集器可在DC 12 V電壓上工作，該電壓經(jīng)過LM7805CT轉(zhuǎn)換為+5 V電壓，并經(jīng)過電感[L15]實(shí)現(xiàn)輸入電壓和電源GND的隔離[9]。由于STM32F101系統(tǒng)正常工作電壓為3 V左右，因此，設(shè)計(jì)DC 5 V轉(zhuǎn)DC 3.3 V電源轉(zhuǎn)換電路，如圖4所示。需通過LT1117_3.3電源模塊轉(zhuǎn)換為DC 3.3 V電壓，供系統(tǒng)CPU使用[10]。

采用信號隔離技術(shù)對RS 485通信電路信號進(jìn)行采集，供RS 485芯片工作電源和模擬量信號處理線性光耦電源的電壓轉(zhuǎn)換，并且芯片隔離電壓溫度特性較好。

1.3 ?負(fù)荷預(yù)測開關(guān)模塊

負(fù)荷預(yù)測模塊在很大程度上影響著預(yù)測系統(tǒng)的精準(zhǔn)度，結(jié)合智能配電網(wǎng)運(yùn)行情況，主要包括對日、周、月、季、年負(fù)荷數(shù)據(jù)進(jìn)行分析，其中，日負(fù)荷包括單日負(fù)荷和多日負(fù)荷，以此分析負(fù)荷曲線走勢，并統(tǒng)計(jì)最大/最小負(fù)荷值[11]。因此，對其開關(guān)模塊進(jìn)行設(shè)計(jì)是很有必要的。

負(fù)荷預(yù)測開關(guān)結(jié)構(gòu)設(shè)計(jì)如圖5所示。

圖5中，[C1]表示運(yùn)行電容，[C2]表示啟動電容。由于三相開關(guān)有別于雙相開關(guān)，因?yàn)榭刂泼姘迳祥_關(guān)按鈕設(shè)置不同，具有單聯(lián)雙控、雙聯(lián)雙控、三聯(lián)雙控特點(diǎn)，按照聯(lián)數(shù)增加，接線也相對復(fù)雜[12]。

通過控制預(yù)測開關(guān)，可利用數(shù)據(jù)采集器收集三相不平衡負(fù)荷數(shù)據(jù)，以此為基礎(chǔ)，完成硬件部分設(shè)計(jì)。

2 ?基于大數(shù)據(jù)預(yù)測系統(tǒng)軟件部分設(shè)計(jì)

在大數(shù)據(jù)環(huán)境下，數(shù)據(jù)呈現(xiàn)量大、屬性復(fù)雜的特點(diǎn)，因此，采用從節(jié)點(diǎn)到整體設(shè)計(jì)方式，從單個(gè)節(jié)點(diǎn)角度出發(fā)，預(yù)測智能配電網(wǎng)各個(gè)節(jié)點(diǎn)的負(fù)荷變化情況，結(jié)合配電范圍內(nèi)各個(gè)節(jié)點(diǎn)預(yù)測情況，獲取整體三相不平衡負(fù)荷預(yù)測結(jié)果[13]。三相不平衡通常是以負(fù)序與正序分量的百分比來表示，大數(shù)據(jù)環(huán)境下多點(diǎn)負(fù)荷結(jié)構(gòu)示意圖如圖6所示。

圖6中，白色圓代表電力傳輸專線，選擇[W1]～[W3]部分區(qū)域作為待預(yù)測區(qū)域，以最高級別節(jié)點(diǎn)為整體，區(qū)域內(nèi)次級節(jié)點(diǎn)作為單個(gè)節(jié)點(diǎn)，分析三相不平衡負(fù)荷，在數(shù)據(jù)環(huán)境下設(shè)計(jì)系統(tǒng)負(fù)荷預(yù)測實(shí)現(xiàn)方案。

2.1 ?三相不平衡負(fù)荷分析

三相不平衡度計(jì)算公式為：

[δ=V2V1×100%] （1）

[V1=13Va+λVb+λ2VcV2=13Va+λ2Vb+λVc] （2）

式中：[λ]表示旋轉(zhuǎn)算子;[V1]，[V2]分別表示正序和負(fù)序分量;[Va]，[Vb]，[Vc]分別表示三相電壓矢量。

由于智能配電網(wǎng)低壓結(jié)構(gòu)性改造并未完全實(shí)現(xiàn)，出現(xiàn)三相不平衡負(fù)荷較為普遍，輸電線路通常為三相四線，其工作原理為：經(jīng)過上述轉(zhuǎn)換電路進(jìn)行電壓轉(zhuǎn)換后，通過三相四線為用戶傳輸電力，具體傳輸方式如圖7所示。

圖7中，[a]，[b]，[c]分別表示電力傳輸三條線路，[o]表示中性線。如果三相平衡，那么中性線就無電流產(chǎn)生。由于很多低壓臺區(qū)無法承受功率單相負(fù)載影響，其產(chǎn)生的電流幅值差會超出正常范圍，繼而出現(xiàn)三相不平衡負(fù)荷。

2.2 ?多點(diǎn)負(fù)荷預(yù)測算法研究

根據(jù)三相不平衡負(fù)荷分析結(jié)果，對電流輸入層和隱層線性關(guān)系展開研究，計(jì)算公式如下：

[si=fjωijrj] （3）

式中：[si]表示節(jié)點(diǎn)[i]輸出值;[rj]表示節(jié)點(diǎn)[j]輸出值;[ωij]表示兩個(gè)節(jié)點(diǎn)之間的權(quán)值;[f]為激勵函數(shù)。

充分考慮大數(shù)據(jù)處理的時(shí)間要求，通過不斷重復(fù)計(jì)算各層梯度與權(quán)值向量，迭代處理直到獲取最小誤差位置，達(dá)到權(quán)值修正的目的。

針對多點(diǎn)負(fù)荷預(yù)測，設(shè)計(jì)如圖8所示的實(shí)現(xiàn)流程。

根據(jù)圖8所示的預(yù)測流程，可實(shí)現(xiàn)智能配電網(wǎng)三相不平衡負(fù)荷預(yù)測系統(tǒng)設(shè)計(jì)。

3 ?實(shí) ?驗(yàn)

結(jié)合某地區(qū)配電網(wǎng)負(fù)荷、氣象等實(shí)際數(shù)據(jù)，驗(yàn)證分析基于大數(shù)據(jù)的智能配電網(wǎng)三相不平衡負(fù)荷預(yù)測系統(tǒng)設(shè)計(jì)是否合理。實(shí)驗(yàn)數(shù)據(jù)來自于某市電力公司2018年12月份31天中每15 min統(tǒng)計(jì)的負(fù)荷數(shù)據(jù)，按照0～15序號進(jìn)行編排。

從上述數(shù)據(jù)庫中選取12月28日和29日負(fù)荷數(shù)據(jù)，兩日實(shí)際負(fù)荷走向曲線如圖9所示。

分析28日和29日07：12—14：52分實(shí)際負(fù)荷走向可知，當(dāng)時(shí)間為11：48—12：34時(shí)，29日實(shí)際負(fù)荷達(dá)到最低，為600萬kW左右;而當(dāng)時(shí)間為07：12—07：58時(shí)， 28日實(shí)際負(fù)荷達(dá)到最低，為1 000萬kW左右。

1） 28日實(shí)際負(fù)荷走向

隨著時(shí)間的增加，該日實(shí)際負(fù)荷走向呈升?降趨勢，且在時(shí)間為12：34—12：57時(shí)，實(shí)際負(fù)荷達(dá)到最高，為3 400萬 kW左右，由此說明這個(gè)時(shí)間段出現(xiàn)三相不平衡的概率較大。

2） 29日實(shí)際負(fù)荷走向

該日實(shí)際負(fù)荷走向隨著時(shí)間增加呈升?降?升?降趨勢，且在時(shí)間為13：20—13：43時(shí)，實(shí)際負(fù)荷達(dá)到最高，為3 700萬kW左右，由此說明這個(gè)時(shí)間段出現(xiàn)三相不平衡的概率較大。

對比兩日實(shí)際負(fù)荷走向，選擇波動較為明顯的29日實(shí)際負(fù)荷數(shù)據(jù)為參考數(shù)據(jù)，對比分析傳統(tǒng)系統(tǒng)與基于大數(shù)據(jù)系統(tǒng)29日負(fù)荷走向，對比結(jié)果如圖10所示。

從圖10中可看出：基于大數(shù)據(jù)系統(tǒng)負(fù)荷走向與實(shí)際負(fù)荷走向曲線基本一致，而傳統(tǒng)系統(tǒng)在時(shí)間為11：02—11：25時(shí)，負(fù)荷已經(jīng)達(dá)到最低，為800萬kW，而實(shí)際負(fù)荷在時(shí)間為11：48—12：34時(shí)達(dá)到最低，為600萬kW左右，因此，采用基于大數(shù)據(jù)系統(tǒng)進(jìn)行負(fù)荷分析更為準(zhǔn)確。

針對兩種系統(tǒng)預(yù)測誤差分析，需以某日全天負(fù)荷數(shù)據(jù)為基礎(chǔ)，設(shè)實(shí)際負(fù)荷為[F0]，傳統(tǒng)系統(tǒng)為[F1]，基于大數(shù)據(jù)系統(tǒng)為[F2]，對比結(jié)果如表1所示。

根據(jù)上述對比結(jié)果可知，基于大數(shù)據(jù)系統(tǒng)與實(shí)際負(fù)荷預(yù)測誤差較小，最小可達(dá)到0，而傳統(tǒng)系統(tǒng)與實(shí)際負(fù)荷預(yù)測誤差較大，最小預(yù)測誤差也達(dá)到22，因此，基于大數(shù)據(jù)的智能配電網(wǎng)三相不平衡負(fù)荷預(yù)測系統(tǒng)預(yù)測精準(zhǔn)度更高，說明該系統(tǒng)設(shè)計(jì)較為合理。

4 ?結(jié) ?論

三相不平衡現(xiàn)象的日趨嚴(yán)重，僅使用傳統(tǒng)系統(tǒng)已經(jīng)無法滿足智能配電網(wǎng)安全運(yùn)行的需求，對電能質(zhì)量造成了極大影響。為了改善傳統(tǒng)系統(tǒng)預(yù)測精準(zhǔn)度，本文提出了基于大數(shù)據(jù)的智能配電網(wǎng)三相不平衡負(fù)荷預(yù)測系統(tǒng)設(shè)計(jì)，并制定三相不平衡治理體系，通過實(shí)驗(yàn)驗(yàn)證了該系統(tǒng)具有良好的適應(yīng)性，這為大數(shù)據(jù)技術(shù)有效解決相關(guān)問題提供了行之有效的方法。

限于實(shí)驗(yàn)條件，雖然對系統(tǒng)研究取得了一定成果，但仍然存在許多不足之處，結(jié)合實(shí)際工作，需進(jìn)行深入研究，并對未來作出如下展望：

1） 從研究內(nèi)容可看出，不同系統(tǒng)配置能夠得到不同預(yù)測結(jié)果，但研究項(xiàng)目中只提出了兩種測量配置，并沒有進(jìn)行優(yōu)化研究，因此，后續(xù)對優(yōu)化配置研究顯得尤為重要。

2） 預(yù)測狀態(tài)變量只選取常規(guī)電壓幅值，缺少對變壓器位置的預(yù)測，因此，在后續(xù)研究進(jìn)程中應(yīng)充分考慮變壓器電壓幅值變化，優(yōu)化系統(tǒng)性能。

參考文獻(xiàn)

[1] CHAI Qianyi， ZHENG Wenbin， PAN Jiekai， et al. Research on condition monitoring and fault handling methods of intelligent distribution network based on large data analysis [J]. Modern electronic technology， 2018， 41（4）： 105?108.

[2] 陳敬德，盛戈皞，吳繼健，等.大數(shù)據(jù)技術(shù)在智能電網(wǎng)中的應(yīng)用現(xiàn)狀及展望[J].高壓電器，2018，4（1）：35?43.

[3] 吳在軍，成晟，朱承治，等.基于線性近似模型的三相不平衡有源配電網(wǎng)重構(gòu)[J].電力系統(tǒng)自動化，2018，42（12）：140?147.

[4] 孫江山，劉敏，鄧?yán)冢?基于自適應(yīng)無跡卡爾曼濾波的配電網(wǎng)狀態(tài)估計(jì)[J].電力系統(tǒng)保護(hù)與控制，2018，46（11）：10?14.

[5] 胡麗娟，刁贏龍，劉科研，等.基于大數(shù)據(jù)技術(shù)的配電網(wǎng)運(yùn)行可靠性分析[J].電網(wǎng)技術(shù)，2017，41（1）：265?271.

[6] ZHENG Xiang， ZHAO Fengzhan， YANG Rengang， et al. Reactive power operation evaluation system for low voltage distribution network based on large data [J]. Power grid technology， 2017， 41（1）： 272?278.

[7] 徐祥征，王師奇，吳百洪.基于大數(shù)據(jù)分析的配電網(wǎng)主動檢修業(yè)務(wù)應(yīng)用研究與實(shí)現(xiàn)[J].科技通報(bào)，2017，33（6）：105?108.

[8] 葛賢軍，艾明浩，李志宏，等.基于CEP引擎的配電網(wǎng)運(yùn)行監(jiān)控信號大數(shù)據(jù)ETL方法[J].電工電能新技術(shù)，2017，36（9）：39?45.

[9] 張樂.基于大數(shù)據(jù)的分布式中壓配電網(wǎng)空間負(fù)荷分配方法研究[J].科學(xué)技術(shù)與工程，2017，17（15）：228?233.

[10] 郝然，艾芊，肖斐.基于多元大數(shù)據(jù)平臺的用電行為分析構(gòu)架研究[J].電力自動化設(shè)備，2017，7（8）：20?27.

[11] 王瑞，周晨曦，逯靜.基于一種組合模型的短期電力負(fù)荷預(yù)測[J].計(jì)算機(jī)仿真，2018，35（12）：396?400.

[12] 陳本陽，張成剛，倪鳴，等.基于模糊信息粒化支撐向量機(jī)的電網(wǎng)負(fù)荷預(yù)測[J].電子設(shè)計(jì)工程，2018，26（6）：56?59.

[13] 王靈矯，夏偉，譚貌，等.供電系統(tǒng)電力短期負(fù)荷預(yù)測優(yōu)化仿真研究[J].計(jì)算機(jī)仿真，2018，35（4）：53?57.