基于Intel邊緣計算系統的實時電壓暫降監測及治理

國網北京電力經濟技術研究院 舒彬 英特爾亞太研發有限公司 吳之晶 大唐寧夏分公司 楊真

英特爾亞太研發有限公司 張駿 中移鐵通北京分公司 舒洪 英特爾亞太研發有限公司 單娜

英特爾亞太研發有限公司 王祥 濟南亞豪信息科技有限公司 張靜亮 英特爾亞太研發有限公司 王愛喜

電壓暫降的危害及監測要求

近年來隨著電網的發展與新型電力負荷的不斷增加，人們對電能質量重要性的認識顯著提高，成為研究的重點。在眾多電能質量問題中，電壓暫降會引起敏感負荷的故障甚至損壞，造成重大經濟損失。在實際工作中，通常通過優化改造電力系統或裝設抑制電壓暫降的設備來治理電壓暫降問題。而檢測電壓暫降則是改善電能質量、治理電壓暫降的前提。如何快速有效檢測電壓暫降的特征，是本文主要的研究方向。

本文提出了一種基于Intel 邊緣計算+云計算的電壓暫降檢測及分析方法，并開發完成了基于邊緣計算的前端監測裝備和基于云計算的后臺分析系統。

基于Intel邊緣計算的電壓暫降檢測

基于總體平均經驗模態分解與二點法的單相電壓暫降檢測方法

本文提出了一種基于總體平均經驗模態分解（Ensemble Empirical Mode Decomposition，EEMD）與二點法的單相電壓暫降檢測方法。考慮到兩點法處理含噪聲和諧波畸變的電壓波形時計算結果波動較大、誤差顯著的問題，通過EEMD 方法提取電壓基波分量，濾除諧波和噪音影響，然后通過二點法計算電壓基波分量的幅值與相角。同時還給出了一種構造在線計算所需數據序列的方法，使所提方法可以滿足在線檢測的需求。實驗仿真表明，EEMD 方法能有效地濾除諧波干擾，對提取出的基波分量用二點法進行計算，可以快速、準確地檢測出電壓暫降的特征。

傳統HHT 方法存在端點效應問題。為了在電壓暫降檢測中發揮HHT方法時頻分辨率高的優勢同時避免端點效應的影響，結合時間序列分析工具對電壓序列進行延拓，利用余弦窗函數抑制預測誤差，然后對延拓序列進行Hilbert 譜分析，得到電壓暫降的特征信息。仿真結果表明了所提方法端點效應不明顯，能夠快速、準確地定位電壓暫降起止時刻，計算電壓幅值和頻率。

Intel裝備軟硬件架構優勢

電壓暫降檢測與控制系統要求在2～3 毫秒時間內檢測到電壓暫降并發出控制信號，這就要求檢測方法延時小，可以快速、準確地檢測出電壓暫降的起止時刻。由于時序數據序列本身的復雜性和疊加性，對檢測方法的實現效率和實時性提出了更高的要求。

日益增長的算力需求對計算基礎設施帶來了新的機遇和新的考驗。秉承新基建的意義，用算力服務于傳統能源行業，作為業界的領頭羊之一，Intel擁有全棧XPU（CPU，GPU，VPU，FPGA），提供多種平臺架構，以更高的性能來適應這些多樣化的工作負載。在時序數據實時處理場景中，CPU通用處理器搭配FPGA 加速器是一種非常高效的架構實現。CPU 作為最廣泛的通用架構實現，第二代英特爾?至強?可擴展處理器提供了比前代產品更高的性能并具備多項新特性，提升了靈活性與安全性，增強了內存性能。為了賦能AI，可擴展處理器集成AI 加速技術，擴展了英特爾?AVX—512，賦予平臺更多、更強的AI 能力，可加速AI 和深度學習推理，并針對工作負載進行了優化。這使其擁有了集成AI 加速能力的CPU 架構。基于這一架構，大多數推理工作被集成在工作負載或應用程序中，讓用戶可以獲得加速帶來的性能和更高的靈活性等優勢，在以數據為中心的時代，幫助在多云與智能邊緣之間高效進行無障礙性能切換，以及AI 開發與應用。而FPGA 強勁的算力支持能夠進一步提升整個異構平臺的性能，幫助用戶提高運行效率，打造性能更強的敏捷服務和更具價值的功能，進而改善總體擁有成本和提升生產力。

此外，英特爾?oneAPI 產品將提供跨這些體系結構部署應用程序和解決方案所需的工具。它的一組補充工具包（基本工具包和特殊附加組件）簡化了編程，并幫助開發人員提高了效率和創新能力。核心的英特爾?oneAPI DPC++編譯器和庫實現了oneapi.com上可用的oneAPI行業規范。

基于Intel云計算的后臺分析系統

以基于英特爾?架構的平臺為基礎，構建云（總部云數據中心）—邊（邊緣計算節點）—端（電壓控制工控機）的架構，并引入英特爾?至強?可擴展處理器、Analytics Zoo 和OpenVINO?工具套件，以及面向英特爾?架構優化的Pytorch等先進軟硬件，形成端到端的人工智能檢測方案；另一方面，根據檢測場景的差異，方案中也部署了多種不同的深度學習和機器學習算法模型，檢測速度和準確率均獲得了顯著提升。

圖1 基于intel云計算的電網電壓分析控制系統

“云”端的總部數據中心，可以利用強大的計算能力和來自各電力節點的豐富數據，根據實際電力運行場景需要進行集中化的模型搭建。“邊緣”計算節點部署在各服務器中，主要包括推理服務器、模型管理器以及模型倉庫等組件，用于較重模型的推理，并將推理結果推送至電網電壓控制系統中。“端”則位于電網每個節點上，主要執行數據采集、預處理、預分類及輕量級推理工作。

運行效果

假設電壓暫降故障波形主要是由短路故障引起的，設置故障起始時刻在t=0.08秒，結束時刻為t=0.16秒，發生深度為0.5p.u.的電壓暫降。

短路故障絕大多數發生在電壓瞬時值的最大值附近，即對應相位90度與270度附近。若故障起始時刻為t=0.085秒，即對應相位為90 度，不考慮諧波和相位跳變情況下，三種方法的檢測結果如圖2所示。

改進HHT 方法的響應速度最快。單相變換平均值方法延遲10毫秒后達到穩定。dq變換方法在故障發生時刻也很快檢測出暫降，但是隨后的結果又出現很大的誤差，經過一段延遲才達到穩定。

結論

基于Intel邊緣計算，通過EEMD提取電壓基波分量，濾除諧波和噪音，避免二點法計算結果產生誤差，保留了兩點法延遲短的性能，實現快速檢測電壓暫降。仿真結果表明所提方法能快速、有效檢測電壓暫降，為電壓暫降治理提供了參考依據。