解紫城
(合肥工業大學設計院(集團)有限公司,合肥230001)
希爾伯特—黃變換(Hilbert-Huang Transform,HHT),作為一種適用于處理非平穩、非線性信號的算法,能夠起到使得各類信號的自身特征更加明顯和平穩的作用。提到HHT算法,就不得不提到其整個算法內部的核心創造性部分,那就是經驗模態分解方法(EMD)。EMD作為針對信號預處理工作的第一步,為后續幫助完成對瞬時信號頻率,以及可能出現的問題進行了有效解析。由于HHT本身就專門針對于信號的傳輸與疊加問題,因此在電力、礦山等行業內部,都得到了廣泛應用。而其被廣泛推廣應用的背后,離不開該算法本身優越的性能,以及極具指向作用的,對于諧波分量的有效抑制能力。在幾種常見的信號處理算法當中,HHT相對于其他算法局限性的突破,成為了名副其實的能通過其自身理論特點,依據不受Heisenberg原理約束的情況,以及極佳的自適應性,幫助降低因人為干擾因素而產生的誤差。當前,與電力系統相關的高壓電氣主設備的短路故障監測效率問題,已經成為相關部門內部較為關注的問題。一旦高壓電氣主設備在運轉的途中出現短路情況,就會直接導致主設備的內外溫度在短時間之內快速升高,在溫度提高到一定程度后,設備內部的元件就會遭到嚴重損壞,直接導致大型停電事故的發生,最終嚴重影響到電力系統的安全平穩運行。不過由于HHT的定義以及流程,本身是極具敘述性的,這就導致了算法本身在數學理論支撐方面會受到一定程度的限制。在整個HHT算法當中,一直存在著兩個較為明顯的問題,即端點效應和模態混疊,基于這兩個問題,國內外學者多年來通過不斷地研究,利用優化相應算法的方式,旨在完成對這兩方面問題的解決。
關于電網設備發生短路故障,已經成為了整個電力系統當中最為常見的一種問題,只要在用電過程當中出現不規范的用電行為,就極有可能造成短路現象的出現。一旦這種意外情況發生,所造成的后續影響也將是范圍廣、危害大的,甚至可能導致大型用電事故的發生。因此,在整體的供電體系當中,高壓電氣主設備的重要性不言而喻,針對這一現實情況,就需要通過重新設置主設備傳輸電路的具體構造,幫助完善主設備的硬件性能,以便從根本上杜絕短路故障的發生[1]。而HHT作為能夠預先進行經驗模態分解的一種算法,在幫助各領域完成針對信號穩定問題上,一直具備著極強的優勢。針對算法的天然優勢,以及原理本身極強的敘述性,需要利用HHT自身的有效優勢對高壓電器主設備相關的模擬信號以及設備電路情況,開展新一輪的構建。其中,最直觀的構建方式,就是對電路的連接情況進行新一輪的更新,通過對變壓器主體、調壓補償繞組的連接設計,選用型號為ODFPS-1 000 000/1 000的高壓變壓器作為設計實例[2]。以便對電路連接方式,以及額定電壓進行新一輪的控制,具體電路連接情況如圖1所示。
圖1 高壓變壓器與調壓補償繞組間電路連接
高壓變壓器設計為并聯結構,主要芯柱為套線圈結構,外加兩組旁軛結構予以配合。其中,兩組主要芯柱的結構必須做到形狀、構造、大小完全相同。并且,為了能夠有效地在根源上杜絕短路問題的發生,繞組間外部的排列方式必須嚴格按照低壓、中壓、高壓的順序,在整個調壓補償繞組上進行有序排列,在規整排列過后,基本實現對高壓電氣主設備的電路控制,從而實現對電壓的實時監控,只有通過對電路的設計和改良,才能進一步從根源上將可能發生的,設備運行過程當中可能出現的危害地區用電安全的短路事故,直接扼殺在萌芽狀態[3]。對高壓狀態下的電氣主設備的短路問題進行有效控制,是為了防止因三種范圍內的電壓壓強當中的任何一種在設備出現問題時,造成整個設備的完全短路,及時對故障進行監測和排查[4]。
根據所提出的研究思路,在關注對高壓電氣主設備的傳輸電路的同時,注重設備內部的控制設備安全監測。想要更加科學合理地對高壓電氣主設備開展針對故障排查的監測,還需要通過設計專用的短路故障監測自動控制器實現[5]。在電路設計研究部分,就已經完成了對于調壓繞組的連接,但這僅代表著將主設備的內部,根據電壓的高低分成了3個既相互獨立,又能夠交互傳遞電流信號的部分。通常情況下大型主設備在整個供電網絡上參與運行,主設備負責中壓的部分,如果發生短路故障,相對應的短路電流就會在高壓繞組部分產生[6]。如果是高壓繞組一端出現短路的情況,最終影響的仍然是高壓繞組,因為此時主設備內部處在短路故障的狀態下,需要依靠設備內的中壓部分開展供電工作,根據這種思路,可以結合公式對短路故障的產生開展分析,幫助完成自動控制器設計。主設備電壓的額定容量,在被用于短路監測的時候,設備系統的電壓承受能力,相較于正常情況下的設備電流承受能力要低近2倍[7]。
當前,各行業主設備自動化已經成為了一種當前形勢以及社會背景下必須要進行探討的問題。面對HHT這樣極具自適應性的算法,除了充分地利用其幫助進行信號處理工作,更重要的仍在于觀察其本身的性能以及信號平滑程度,在基于HHT的處理效果之下,當前針對電氣主設備的優化問題,其主要的方向就是對于電信號的控制,因此設計與HHT算法直接關聯的自動監測短路故障控制器便成為了幫助系統硬件設計的重要環節[8]。
在基本完成高壓電氣主設備短路故障監測相關的硬件設計后,應關注與監測系統直接相關的、決定系統能否正常運行的軟件設計部分。面對人工智能日益發展完善的今天,對于信號的預處理能力的提升也成為了電力行業亟待關注和解決的問題[9]。通過HHT的端點抑制方法對支持向量回歸機的端點效應抑制情況進行分析。檢測程序的設計,通過結合多種計算機學習理論,合理使用相關原理,構建與原理相契合的程序代碼,將低維度特征空間結合非線性映射,在映射動作結束過后進入到高維度特征空間當中,之后再進行線性回歸,使其不光具備優良的非線性特征,還能適用于程序功能的構建,其表達公式為:
式中:≤和≥兩個符號所表示的是高維度空間的內積,s為閾值;β、α為非線性映射的數值。
相較于其他算法,支持向量機在考慮全局性,以及泛化能力上均具有極強的優勢[10]。同時,通過算法自身能夠幫助處理小數據樣本的能力,能夠幫助改變其他算法原理下,需要依賴大量樣本數據來開展信號處理工作的方式,從而實現專門針對故障檢測監測程序的流程升級[11]。根據上述邏輯進一步推導出與HHT相關的算法程序處理過程,具體情況如圖2所示。圖中,基于HHT的算法程序處理流程情況已經得到完整展現。在流程第三步驟當中,首次出現了HHT相關的系數,并且在下文的邊際譜當中,能夠第二次提取到相關系數,在結合算法程序、特征向量,以及原始輸入的功率信號后,最終目的是完成對于程序的監測和流程的梳理。
圖2 HHT相關算法程序處理過程
有關于電網高壓電氣主設備的故障檢測系統設計情況,除了要對硬件與程序進行有效研究,仍需要對設備所運輸的電流進行合理計算[12]。并通過HHT開展完整集合的經驗模態分解工作,但由于普遍存在的計算量、重構誤差較大的問題,因此需要通過對發生短路故障時的電流進行計算,方便完成對故障檢測系統的建立[13]。國外學者在提出具備自適應性的模態分解方法后,還需要通過引入其他的輔助因素,來幫助對設備通過的電流進行過濾,消除電信號之間的重構誤差,消除誤差的計算方法如式(2)所示。
式中:St為變壓器短路阻抗;Sz為系統短路阻抗;Uf為變壓器額定電壓;i為對稱短路電流。
根據上述過程,能夠利用諸多因素來對導致短路故障出現的電流進行有效計算[14-15]。根據系統短路容量標準的規定可知,收集短路電流、非短路電流可以更進一步提高短路故障出現的不穩定電流計算的準確率。而想要完成更進一步的計算與測試,需要針對電流與主設備的連接情況展開分析,為保證高壓變壓器可以在其他條件不變的情況下,獨立完成內部自動升壓的工作,采用高壓中性點接地的方式連接串級變壓器,然后通過對比高壓變壓器在電網當中運行情況的電流量,分析產生短路故障電流的原因檢驗系統的合理性。
為了驗證此次設計系統的有效性,通過仿真測試進行驗證。首先提取HHT的故障特征,與孫文星等[13]的基于傳遞函數法的變壓器感應式振蕩操作沖擊電壓試驗故障診斷方法進行對比,比較兩種方法下系統的故障特征值,仿真測試的工具需要使用Matlab軟件作為測試平臺。并將文中提到的HHT算法作為實驗組,傳遞函數方法作為對照組,通過引入高斯白噪聲幫助測試工具開展故障特征提取的數值計算,其中的變量分別為正常、T1開路、T3開路、T5開路,以及T3和T5同時開路5種故障狀態,分別將5種狀態代入到HHT算法和傳遞函數方法中,得到的故障特征值提取結果如表1~2所示。
表1 傳遞函數方法提取的故障特征值
表2 HHT提取的故障特征值
根據表1~2所示數據結果可知,HHT算法通過觀察故障特征值情況之后,能夠清晰地提取故障特征值,要明顯高于傳遞函數方法所提取到的故障特征值,并且HHT算法可以實現不同狀態下的故障特征提取。
為進一步驗證設計的高壓電氣主設備短路故障監測系統的有效性,還需要利用整體向量距離分布的情況進行進一步分析,將數據按照順序排列后結合圖2所示的程序處理過程,得到特征向量距離分布結果如圖3所示。從圖中可以看出,在共10次的基于兩種系統的對比實驗當中,實驗組的方法所提取到的特征向量間距要大于對照組的間距,最大差值為1.0。同時,文中提到的方法能夠將特征向量的維度從6維降低到4維。可進一步幫助降低故障分類程序的運算量,展現了該算法的優越性能,有利于對相關系統開展在線、實時的狀態監測,基于這樣的綜合考量,文中方法要優于對比方法。
圖3 兩種不同系統下的故障特征向量距離分布
本文通過對能夠處理非平穩性、非線性電信號的HHT算法展開研究與分析,對高壓電氣主設備的短路故障監測系統展開了合理設計。旨在幫助優化各地區電網所包含的高壓電氣主設備,為居民用電安全提供有效保障。高壓電氣主設備故障監測系統的升級,離不開互聯網技術的優化和發展,在今后相關系統的轉型升級道路上,需要深入挖掘和測試不同算法間的性能,最終目的是幫助優化電力系統主設備對于故障數據的分析和處理能力。