風電無人值守變電所主變過負荷運行狀態監測研究

郭東明

(神華包頭煤化工有限責任公司 生產運營部，內蒙古 包頭 014000)

隨著風力發電技術的飛速提升，各種大規模的風電機組逐步朝著復雜化與智能化方向發展[1]，所以精準監測風電無人值守變電所設備主變的運行狀態就顯得格外重要，同時這也是確保電力系統長期穩定發展的重要基礎。最近幾年，國內外相關專家也針對主變負荷運行狀態監測方面的內容展開研究，例如高筱婷等[2]利用實驗平臺快速采集電力系統的歷史運行數據，得到不同的狀態參量，采用小波變換和主成分分析對信息進行融合，完成參數優選，同時將獲取的融合信息輸入到馬爾可夫模型，有效實現風電機組運行狀態監測。周志強等[3]以配電自動化終端的基本功能為基礎，采用配電斷路器中配置傳感器和智能終端通道有效實現配電斷路器遠程在線監測。雖然上述方法能全面增強設備檢修的時效性，但是由于沒有對主變過負荷進行特征量提取，造成監測結果誤差較大，低運行能耗偏高。

為此，提出一種風電無人值守變電所主變過負荷運行狀態監測方法。仿真實驗結果表明，所提方法不僅能夠減少低運行能耗，還能夠獲取理想的監測結果。

1 監測系統設計

由于當前監測方法不能實現主變過負荷特征量的精準提取，導致監測結果不理想以及低運行能耗偏高，為此設計一種風電無人值守變電所主變過負荷運行狀態監測系統，該系統的總體架構如圖1所示。

(1)電能計量模塊。電能計量模塊采用ATT7022B電能計量專用芯片以及電流型電壓互感器采集電壓信號，UA需先經過電阻R1變成2 mA電流信號，經過2 mA/2 mA電壓互感器T1、電阻R2變成ATT7022B量程范圍內的電壓信號，電路中電阻R3、R4和電容C1、C2會對轉換后的電壓信號進行濾波，以此提升信號完整度以及降低信號中噪聲，在此基礎上利用ATT7022B完成各種電參數計算，以此實現電能計量，電能計量模塊電路如圖2所示。

圖2 電能計量模塊電路

(2)數據處理模塊。利用電能計量電路采集風電無人值守變電所的電能數據后，需要對采集完整的風電無人值守變電所主變過負荷數據。在進行數據采集與傳輸過程中，單片機會根據風電無人值守變電所主變不同的接入方式以及設備，根據串口編號和監測硬件對應的數據整理規則對串口數據進行讀取、整理和發送，并將所有數據封裝在不同函數中，以此實現風電無人值守變電所主變過負荷數據處理。其中，數據采集流程如圖3所示。

圖3 數據采集流程

數據傳輸流程如圖4所示。

圖4 數據傳輸流程

(3)監控終端模塊。監控終端模塊接口主要包括RS-485和RS-232總線接口2部分，RS-485總線接口是監控終端設置與水質傳感器之間的連接端口，主要通過微處理器8051數據接收；RS-232接口是微處理器8051與監控中心端口相連，主要用于數據傳送。RS-485總線的轉換電路如圖5所示，RS-232接口的主要任務是下載編譯好的程序RS-232轉換電路如圖6所示。

圖5 RS-485轉換電路

圖6 RS-232轉換電路

2 系統軟件設計

在風電無人值守變電所主變過負荷運行狀態監測系統硬件設計的基礎上進行系統軟件設計，具體實現過程如圖7所示。

分析圖7可知，本文主要通過阻性、容性以及感性對風電無人值守變電所負荷進行分類，在此基礎上通過Matlab小波分析對主變過負荷進行精準定位，以此提取負荷狀態特征量。采用綜合模糊評判對不同負荷特征量進行綜合考量，設定不同參數的權重比獲取量化的變電所主變過負荷運行狀態監測結果。以此完成系統軟件設計。

圖7 系統軟件實現流程

2.1 基于小波變換的主變過負荷特征量提取

風電無人值守變電所主變設備在噪聲以及電磁干擾環境下，故障信號特征信息摻雜在大量的干擾信號中。消除和抑制外部干擾，提取信號中的特征向量是當前研究的重要基礎[4-5]。

特征量提取是在電力系統狀態信號中提取與故障設備相關的特征信號，有效降低各種不確定因素對運行狀態監測所產生的負面影響。而從數據角度而言，需要將電力系統中的初始運行數據轉換為和統計方面不存在任何關聯的數據集。由于大部分初始測量空間的維數偏高，需要對位數進行壓縮處理，進而簡化整個特征量提取過程。由于各個信號之間存在較強的關聯性，尤其各個鄰近數據之間[6]。假設數據之間的相關性達到最高，則相關系數就會開始呈下降趨勢。為了更好地實現主變過負荷特征量提取，引入小波變換，利用小波中的奇異點對負荷進行定位，還需要根據阻性、容性以及感性對變電所負荷進行劃分，以此獲取最終的特征量提取結果。

特征向量的選取和提取就是將信息從維數較高的空間轉換到維數較低的空間，最終達到壓縮維數的目的，具體過程如圖8所示。

圖8 空間變換過程

一般情況下，空間變換過程能夠劃分為以下幾個步驟：①特征形成。獲取被識別對象的基本測量數據的過程即特征形成。②特征提取。根據變換或者映射的方式，將高維的測量空間模式向量采用一種全新的形式進行描述，則能夠得到最具有代表性的特征，其中新特征大部分均為線性組合。③特征選擇。在測量空間中選取一些能夠真實反映主要特征的特征向量[7-8]，在保留這些特征的基礎上對特征空間進行降維處理，以此可以提升特征量提取速度。

當負荷投入運行之后，電流的瞬時值一般能夠表示為：

i(t)=Im(sinωt+φ) +I′et/τ

(1)

式中，Im為強制分量；I′為自由分量；τ為特征值，主要是描述暫態電流的衰減速度。其中，自由變量I′的提取結果能夠表示為：

i′(t)=I′et/τ

(2)

式(2)能夠全面描述電量的自由分量，如果t=τ，則存在：

i(τ)=I′e-1

(3)

當自由分量衰降低到設定的區間內所經歷的時間為τ，可以根據i′(τ)的瞬時值獲取值。

通過高速多功能數據采集卡能夠實時采集相關的負荷數據，以此為基礎采用小波變換提取電流突變過程中的特征向量，使其能夠精準描述暫態發生的時間以及電流變化情況。它能夠將信號均勻劃分到不同的尺度上，并獲取各個頻帶的信息[9]。各個尺度分別對應不同的信息，且不會受到頻帶的影響。

針對小波變換在工程信號處理中的不同應用，將信號劃分為2種類型：①波形相似的度量；②周期中相同頻成分的反映。相關理論分析是數學隨機論上一個重要的分支，同時也是一種經典的信號處理方法。通過相關函數能夠精準描述相同信號當前值和過去值兩者之間的關聯；針對同一組波形而言，可以采用2個信號的乘積積分作為相關性度量。在實際應用的過程中，不同信號之間會產生時差，對各個信號在傳輸過程中的關聯性進行分析，得到以下的互相關函數：

(4)

根據上述計算結果，對于可以表示具有密切關聯性的相關系數的具體描述：

(5)

式中，Covxy(τ)為相應互協方差函數，具體表達式為：

(6)

互協方差函數以及互相關函數之間的關系[10]能夠描述為：

Covxy(τ)=Rxy(τ)-mxmy

(7)

式中，mx和my分別為隨機信號和的平均幅值。假設x(t)和y(t)不是相同的信號，它們的相關函數也被稱為互相關函數；假設x(t)和y(t)是相同的信號，則存在x(t)=y(t)，則它們的相關函數被稱為自相關函數，即：

(8)

其中，互相關函數性質能夠表示為：①Rxy(τ) 是一個實質函數，當其值為正數時，說明隨機過程呈現正相關；當其值為負數時，則呈現相關。②Rxy(τ)滿足以下條件：

Rxy(-τ) =Rxy(τ)

(9)

在連續情況下的互相關函數，即離散互相關函數可以表示為：

(10)

式中，N為最大離散系數，m為最小離散系數，x(i)、y(i+m)分別為不同的離散信號。

小波變換的主要優勢是能夠精準確定函數奇異點和奇異性指數[11-12]。因此利用該方法進行主變過負荷特征量提取，其具體流程如圖9所示。

圖9 基于小波變換的主變過負荷特征量提取流程

分析主變過負荷特征量提取流程為：利用傳感器采集暫態電流信號，在此基礎上利用小波變換方法對所采集到的信號進行處理，主要通過設置小波基與分解尺度對信號進行分解處理，并得到每一個尺度上的小波變換模極大值。在此過程中，需要根據采樣頻率提取負荷投切時刻的信號特征數組與相關系數，獲取最為相似的樣本，還需要在確保相似度足夠大的條件下，最終提取主變過負荷特征量。

2.2 主變過負荷運行狀態監測

將風電無人值守變電所主變過負荷運行狀態監測作為總目標，從多個不同的角度出發對其進行全面的監測。設定在某運行狀態下，系統共計有B條母線投運，其中對應的母線電壓越限率能夠表示為：

(11)

式中，LB為電壓越限母線數量。

以下通過綜合模糊評判對不同風電無人值守變電所主變過負荷特征進行綜合考量，具體的操作過程如下：①確定監測模型的目標層、準則層以及指標層，以此構建與問題相對應的遞階層次結構模型[13]，分別計算不同的參數，同時對其進行標準化處理。②對相同層次的各個參數進行兩兩對比，組建直覺判斷矩陣。③對步驟②建立的矩陣進行一致性檢驗，假設滿足一致性，至步驟⑤；反之則返回至步驟④。④對非一致性矩陣進行修正。⑤計算不同參數與上層準則的相對權重。⑥計算不同參數對系統總目標的組合權重[14-15]。⑦完成直覺判斷矩陣狀態實時監測。

為了獲取理想的監測結果，需要進一步對直覺判斷矩陣進行一致性檢驗，具體的計算式如下：

(12)

當j>i+1時，則有：

(13)

(14)

式中，μit、μtj分別為不同的行向量參數，vit、vtj分別為不同的列向量參數。

(15)

式中，d為一致性系數。

針對滿足一致性的直覺判斷矩陣，能夠獲取相同層次各項指標之間的權重向量，即：

(16)

式中，μij、vij分別為不同層次評價指標的權重。

為了提升監測方法的有效性，全面分析風電無人值守變電所主變過負荷運行狀態，針對不同參數的設定不同參數的權重比，獲取量化的監測結果：

(17)

式中，πf、μf分別為風電無人值守變電所主變過負荷正常運行狀態參數與異常運行狀態參數。

3 仿真實驗

為了驗證所提風電無人值守變電所主變過負荷運行狀態監測方法的有效性，在如下實驗環境下進行測試：操作系統Windows7；CPU為Intel Core i5-7300HQ；內存32 GB；硬盤500 GB；運行內存8 GB；主頻2.1 GHz；仿真軟件Matlab R2014a。

設置7種不同負荷狀態，采用3種不同的方法進行風電無人值守變電所主變過負荷運行狀態監測(表1—表3)。分析表1—表3中的實驗數據可知，隨著電網負荷水平的飛速提升，主變運行狀態開始變得越來越差，和實際結果基本一致。由此可見，上述3種方法能夠準確監測風電無人值守變電所主變過負荷運行狀態，但是相比另外2種方法，所提方法的監測結果和真實情況更加貼近，充分證明了所提方法的優越性。

表1 所提方法的綜合監測值

表2 文獻[2]方法的綜合監測值

表3 文獻[3]方法的綜合監測值

為了更進一步驗證所提方法的性能，以下實驗對比3種不同方法在低運行狀態下的能耗變化情況，具體結果如圖10所示。

分析圖3中的實驗數據可知，隨著負荷水平的逐漸增加，各個方法的低運行能耗也開始呈直線上升趨勢。由于所提方法對主變過負荷特征量進行提取，簡化提取過程，促使低運行能耗下降，且明顯低于另外2種方法。

4 結語

負荷穩定是保證電力系統穩定運行的依據，對過負荷狀態進行監測是確保電壓穩定，推進電能質量分析的重要依據，提出一種風電無人值守變電所主變過負荷運行狀態監測方法。仿真實驗結果表明，所提方法能夠獲取較為理想的監測結果，同時有效降低運行能耗。目前，所提方法仍然處于起步階段，后續將對其進行全面完善，促使綜合性能得到有效提升。