基于信息融合技術實現變電站智能降耗與監測的方法

黃彬 秦逸帆 呂志瑞 孫云生 龍凱華 魏立新

摘 要：針對常規技術中變電站離線監測效率低的問題，研究了新型的在線監測方法。建立了電能損耗數值計算模型，反映出有功、無功、空載、負載損耗之間的關系，設計了單向樹搜索法，能夠優選功率損耗最小的變壓器并列運行方式，最大程度地減少了損耗。設計出新型數據采集器，利用信息融合技術對采集到的信息進行綜合處理和協調優化，最終實現變壓器的在線監測流程。實驗表明，所提方法的監測方法誤差在10%以內，可靠性好。

關鍵詞：信息融合技術;變壓器降耗;能耗在線監測;運行切換次數;單向樹搜索法

中圖分類號：TP315 ? ? ?文獻標識碼：A

Abstract：Aiming at the low efficiency of offline monitoring of substations in conventional technologies， a new online monitoring method is studied.In this study， a numerical calculation model for power loss was established to reflect the relationship between active power， reactive power， no-load， and load loss. A one-way tree search method was designed to optimize the parallel operation mode of transformers with the smallest power loss and minimize loss.A one-way tree search method was designed， which can optimize the parallel operation mode of the transformer with the smallest power loss， and minimized the loss. A new type of data collector was designed， information fusion technology was used to comprehensively process and coordinate and optimize the collected information， and finally the online monitoring process of the transformerwasrealized.Tests show that the monitoring method error of the proposed method is within 10%，with the reliability is well.

Key words：information fusion technology; transformer reduction; online monitoring of energy consumption; operation switching times; one way tree search

在變電站中，主要有變壓器、隔離開關、互感器、母線、避雷器、避雷針、電容器、電抗器、繼電保護裝置、電動裝置、測控裝置、計量裝置等，其中變壓器是變電站中電能損耗最高的設備，其使用量大，運行時間長，產生的電能損耗最多能夠達到總發電量的10%，造成了大量的電能浪費[1]。目前對于變電站降耗與能耗監測的管控非常局限，僅僅依靠變電站離線的計量數據進行簡單統計，無法及時且準確地掌握各部分的電損情況。電動裝置是在變壓器變壓后進行分布式自動輸出電力的一種裝置，該種裝置將變壓后的電力集中在一起，根據各個供電局所計算出來的當地地區供電需求進行集中分布輸出電力。

為了提高變壓器損耗的測量精度，市面上已經出現了一些比較先進的智能儀器，這些儀器可以準確地測量變壓器損耗的重要性能參數，但是變壓器在運行過程中，隨著負載的變化，變壓器會出現不同程度的損耗[3]，要想實現變電站的智能降損，就需要得到變壓器的實時監測數據。由于變壓器自身的結構和工作環境的復雜性，要實現有效的降耗與監測，就需要利用監測到的多源特征信息對變壓器的運行狀態和損耗進行評估[4-6]。因此基于信息融合技術的基礎上，設計了變電站主設備的智能降耗與監測的方法。

1 變電站的智能降耗

1.1 電能損耗數值計算模型建立

設備在運行的過程中都會存在不同程度的損耗，變電站主輔設備也是一樣[7-8]。在變壓器的運行過程中，存在有功功率損耗ΔP和無功功率損耗ΔQ兩種類型，可以表示為：

公式（4）可以體現出綜合功率損耗與有功損耗和無功損耗中的空載損耗、負載損耗之間的關系，更好地確定變壓器智能降耗的策略。

1.2 優選變壓器經濟運行方式

變電站智能降耗的前提是能夠滿足用戶的供電需要，并確保變壓器能夠安全、穩定地運行[11-13]。變電站通常配備有兩臺或兩臺以上的變壓器，并列運行，在負載條件相同的情況下，需要優選功率損耗最小的運行方式[14-16]。為了實現變電站的智能降耗，需要通過潮流計算、負荷預測以及網損計算來整體規劃，根據這些信息進行綜合評估，并通過智能降耗算法規劃出最經濟合理的運行狀態。變電站的智能降耗并不是單純地指其耗能，而是指能效，即損耗的電能與輸入電能之比，也稱為損耗率。變壓器的損耗率與負載量之間的關系特性曲線如圖1所示：圖1中橫坐標單位為：kWh，縱坐標為損耗率，用%表示。從圖1可以看出，只有當負載量達到一定值時，損耗率才能達到最低值。

從圖1可以看出，只有當負載量達到一定值時，損耗率才能達到最低值。基于上述說明，假設某變電站有A、B、C三臺變壓器，這三臺變壓器的并列運行方式主要有：A、B并列運行，A、C并列運行，B、C并列運行，A、B、C并列運行。為了實現損耗最低的運行方式，需要優化降耗算法，使變電站的運行狀態能夠滿足正常的供電需要，又能夠最大程度地降低損耗。本文追求的理想狀態為：空載時，并列運行的各個變壓器的二次側之間不存在循環電流;存在一定負載時，各個變壓器之間的負載電流與各自的額定容量成正比，且負載側電流具有相同的相位[17]。在這種理想狀態下，并列運行的變壓器損耗最小。要想達到這種理想狀態，并列運行的變壓器必須具有相同的繞線組、變比，且具有相近短路阻抗和變壓器容量。對于變壓器運行方式的優化，可以使用單向樹搜索法，通過對各種情況下變壓器運行狀態的判定，可以將不同情況下的運行方式看作一個靜態的斷面，對運行狀態的分段判定可以看作連續判定。本文根據變壓器并列經濟運行的特點，在某變電站的所有變壓器找出性能最好的變壓器，并向前遞進搜索與其有聯系的并列運行組合方式，最后能夠得到一條單向優化路徑[18]。使用這種方法對A、B、C三臺變壓器之間的組合方式進行搜索，只需要比較6次就能夠得到一條優化路徑。使用單向樹得到的搜索優化結果在理論計算方面比全面比較的效果稍差，但是更適用于實際應用當中。變電站投運中的變壓器組合運行方式不能夠輕易切換，單向樹搜索法能在有限的切換次數內達到最大程度的節電效果。至此完成變電站智能降耗設計[19]。

2 基于信息融合技術的變電站損耗監測方法

為了實現變電站多源信息融合下的損耗監測，需要配備數據采集裝置、無線傳輸模塊和上機位的顯示分析軟件。多源信息的來源需要依靠多個傳感器，這是多源信息的硬件基礎，傳感器采集的多源數據是待加工的對象，信息融合技術實際上就是對信息進行綜合處理和協調優化。在信息融合過程中，利用多源信息融合技術，參考不同變壓器的運行參數和一線工作人員的經驗，選取適合的監測量，來反映變壓器運行過程中的真實情況。通過傳感器按照時序得到不同空間和方向的數據，利用計算機分析處理技術對協調數據進行一致性描述，并做出相應的決策。在本文中，主要通過多源信息融合得到變電站損耗狀態，并依據損耗量了解變壓器的運行狀態，并作出智能降耗的決策。監測的整體平臺結構如圖2所示：

在監測方法中，最重要的設備就是數據采集器，本文使用的數據采集器的核心為64bit ARM單片機，型號為STM4655F102Z，主要由互感器陣列、信號調理電路、A/D轉換電路、無線發送模塊等組成，數據采集裝置主要是依靠電壓、電流互感器采集得到電壓、電流信號數據，經過A/D電路轉換為低電平模擬信號，經過低通濾波器去除其中有干擾的信號，通過模數轉換模塊進行數字化采集，最后通過串口實現與上位機的無線通信。在線監測的整體流程如圖3所示：

根據得到的變壓器損耗監測數據，能夠評估出變壓器的運行狀態，從而選擇變壓器的經濟運行狀態，為變壓器實現智能降耗提供數據基礎。至此完成基于信息融合技術試驗變電站智能降耗與監測的方法研究。

3 實驗結果與分析

為了驗證本文設計的監測方法具有一定的可行性，需要進行方法測試。與常規的離線監測方法共同進行實驗，并對比實驗結果。

3.1 搭建測試環境

變電站智能降耗與監測方法測試設計在實驗室中進行，搭建的變壓器運行在線監測如4圖所示：

由圖4可知，實驗中變壓器的型號為S11-M，額定容量為20 kVA，高壓額定電壓為10 kV，低壓額定電壓為400 V，為三相繞組，阻抗電壓為3.7%。實驗中的變壓器有功率可調三相負載，在此狀態下總有功功率和總無功功率分別為19.7 kW、11.4 kVar，在上述值域內可以任意調節負載功率，經過數據采集器得到一次側電壓與二次側電流的值，變壓器的電壓、電流參數是通過數據采集器的7通道采集，并利用無線傳輸以16進制的格式上傳到主機，主機利用LabVIEW對數據進行處理和分析，在分析軟件中，設計配置串口參數和變壓器參數，完成配置后，軟件會通過傳輸得到的采集數據計算得到空載損耗以及短路損耗。

采集裝置中的電壓互感器的實際采集為380 Vrms時對應的互感器輸出為3.47 Vrms，在模擬處理裝置中的增益為0.4274，因此對應的ADC輸出電壓為380 Vrms，能夠求出被測電壓、被測電流與采樣值之間的換算關系。

3.3 實驗結果

設計的方法主要依靠在線監測，得到的電流與電壓的波形顯示如圖5所示：

根據上述波形圖得到的電流、電壓實時數據如圖6所示：

為了使實驗結果更精準，在實驗中改變負載電路的數量和功率，進行多組實驗，得到本文方法的實驗結果如表1所示：

由表1的結果可以根據計算公式求出變壓器的短路損耗與空載損耗，并與傳統的在線測量方法進行對比，實驗結果如表2所示：

根據表2可知，本文在線測量方法的5組數據是5種不同負載狀態下的損耗測量值，從表2中的測量結果可以看出，隨著負載的增大，空載損耗的變化很小，基本上趨于穩定狀態，短路損耗會隨著負載的增大而有明顯的變化，本文在線測量方法得到的損耗以常規在線測量方法相比，誤差能控制在10%以內，說明具有一定的可靠性。但是相對比本文設計的方法，常規的離線測量方法體現不出變壓器運行狀態下的實時損耗，因此對于變壓器的智能降耗無法給出參考數據。

4 結 論

變壓器是電力系統中耗能較多的設備，為了響應可持續發展的戰略需求，節約能源、緩解電力短缺具有重要意義。針對傳統變壓器離線監測方法的弊端，設計了一種基于信息融合技術的智能降耗與在線監測方法，所研究變電站智能降耗與監測的方法創新點是能夠在變壓器的運行過程中進行能耗的實時監測，對于變壓器的智能降耗給出參考依據。通過實驗結果表明，本設計的在線監測方法與常規方法的監測結果誤差能控制在10%以內，具有一定的可靠性，且能夠給出實時數據，對于變壓器的智能降耗提供數據支撐。

參考文獻

[1]張焱，周永章.基于多重分形的信息融合技術在瓊東南盆地深水區油氣勘探中的應用[J].地質學刊，2019，43（03）：359-366.

[2]鎖軍，郭琳云，王建輝，等.基于信息融合的智能配網監測平臺設計與應用[J].計算機與數字工程，2018，46（12）：2435-2441.

[3]馮南戰，李志忠，李亨特，等.高壓變電站接地網的腐蝕防護與監測技術研究進展[J].腐蝕科學與防護技術，2018，30（3）：331-338.

[4]吳麗莎，馮馳，邵云蛟，等.智能變電站網絡通信流量實時監測系統設計[J].自動化與儀器儀表，2019（3）：116-119.

[5]楊鵬.變電站繼電保護二次回路的在線監測及故障分析[J].電子測試，2019（6）：87-88.

[6]謝連科，張永，馬新剛，等.基于無線傳感器網絡的智能變電站環境遠程監測[J].計算機與數字工程，2019，47（9）：2375-2380.

[7]李遠，李虹，羅建平，等.智能變電站二次回路在線監測與故障定位方法的研究與實現[J].電氣技術，2019，20（9）：78-82.

[8]蘇浩.電能計量裝置遠程校驗監測系統在500 kV變電站中的應用[J].內蒙古電力技術，2019，37（2）：61-64.

[9]郭采珊，蔡澤祥，潘天亮，等.基于信息可達性的智能變電站繼電保護系統風險評估方法[J].電網技術，2018，42（9）：3041-3048.

[10]胡朋啟，李蔚清.異類傳感器數據融合的最近鄰-點拓撲關聯法[J].計算機與數字工程，2019，47（6）：1347-1350.

[11]劉介瑋，周向斌，許宜昉，等.面向變電站設備運行狀態監測的智能巡檢機器人系統設計[J].自動化與儀器儀表，2019， 2（6）：62-64.

[12]任立新.大型鋼鐵企業基于網絡交換機的分布式110 kV智能變電站的優化設計[J].電氣傳動自動化，2018，40（4）：30-31.

[13]楊三根，劉凱，鄒小金，等.基于多系統融合的變電站設備智能管理系統研究[J].供用電，2018，35（7）：73-77.

[14]陸省明，胡春潮，張延旭.基于數據融合的電力設備運維策略優化研究[J].云南電力技術，2019，47（3）：37-40.

[15]姬生云，賈文科，王健，等.基于多體制探測數據融合的MUF預報方法[J].電波科學學報，2019，34（3）：309-314.

[16]章堅民，張嘉譽，倪明，等.智能變電站通信網絡的廣義信源和流量計算模型[J].電力系統自動化，2019，43（13）：147-159.

[17]周京華，張榮，陳亞愛，等.張北數據港柔性變電站DC/AC變流器關鍵控制策略[J].電力系統自動化，2019，43（11）：128-134.

[18]HIKITA M，UETAG，H， HIR O Y， et al.New aspects of UHF PD diagnostics on gas-insulated systems[J].IEEE Transactions On Dielectrics &Electrical Insulation，2014，21（5）：5-48.

[19]BAO Ping， CAI Yong-hong， LIU Qian-fan， et al. Multi-source information fusion based fault diagnosis of ground-source heat pump using Bayesian network[J].Applied Energy，2014，114（2）：3-57.