基于信息物理系統的電壓不平衡度及電能質量分析預警方法研究

鄒文駿 曹張保 楊力戰

(1.蘇州市軌道交通集團有限公司運營一分公司， 215128， 蘇州； 2.上海玖道信息科技股份有限公司杭州分公司，310012， 杭州∥第一作者， 工程師)

電能質量對地鐵設備的穩定運行意義重大。三相電壓不平衡度作為電能質量的重要因子，是地鐵供電專業現場維護人員非常關注的重要指標[1-3]。文獻[4-5]借助于信息技術、傳感器技術的發展，對地鐵供電設備三相電壓不平衡度進行全面監測，并優化不同設備電壓不平衡度的預警方式，以保障地鐵供電設備的穩定運行，實現信息世界與物理世界之間的相互反饋。文獻[6]對電能質量擾動分類特征選擇標準不統一,泛化能力差,分類效果與分類效率不好等問題進行了優化。

基于上述文獻，本文提出以CPS(信息物理系統) 為理論指導，以三相電壓不平衡度計算方法為依據，采用專家經驗、深度學習等技術手段，實現電壓不平衡度閾值的動態確定、實時計算和及時預警。在此基礎上，提出供電設備電能質量多指標綜合評分模型，結合熵值法確定各指標的權值，計算得出設備的電能質量得分。然后采用專家經驗法與深度殘差收縮網絡法相結合的方式確定電能質量的閾值,并提出3種預警層級應用方法，以實現對供電設備的電能質量管理。

1 基于CPS的三相不平衡應用

1.1 CPS的三相不平衡概念

CPS技術將信息世界與物理世界耦合起來，結合變電所自動化系統監測得到的電壓有效值，提升了常規三相電壓不平衡度檢測方式的工作效率。該檢測以5 min為1個采樣周期，24 h晝夜不間斷地對三相電壓不平衡度進行計算。GB/T 15543—1995《三相電壓允許不平衡度》規定,電力系統公共連接點正常電壓的不平衡度允許值為2%，同時規定其短時的電壓不平衡度不得超過4%。定義電壓不平衡度的指標為相電壓不平衡度P：

P=[max(UA,UB,UC)-

min(UA,UB,UC)]/Uavg

(1)

(2)

式中：

UA、UB、UC——分別為同一時刻監測得到的A相、B相、C相電壓；

Uavg——平均相電壓。

基于CPS理論，可以實現地鐵供電系統中設備三相不平衡度的全面監測管理。地鐵供電系統作為一個大型的物理系統，需要確保列車牽引用電及動力照明用電的安全。傳統的地鐵供電運維管理方式較為粗放，經常導致設備維保工作的滯后。采用信息系統的大數據批量計算技術，對設備的實時監測數據進行處理，能及時發現三相電壓不平衡度的變化情況，向工作人員發出預警信息。物理系統與信息系統的閉環反饋是CPS的核心應用體現，使得設備運行更為健康。

三相電壓不平衡度的CPS應用如圖1所示，主要體現了CPS的3C功能：計算(Computation)、通信(Communication)和控制(Control)。信息系統對獲取的電壓有效值，經過大數據計算引擎，實現電壓不平衡度的規則計算，并對超過不平衡度允許值的設備發出及時預警。根據現場工作人員對設備的維護反饋信息，完成對不平衡度允許值計算規則的更新，實現對電壓峰值的關注與判定，從而更好地完善設備的電壓不平衡度管理,并制定其維保計劃。

圖1 電壓不平衡度的CPS應用示意圖Fig.1 CPS application diagram of voltage unbalance

通過三相電壓不平衡度的CPS理論閉環應用，能高效地完成電壓不平衡度計算、閾值確定(依據專家經驗法、深度殘差收縮網絡法)、及時預警等工作。

1.2 不平衡度允許值的調整方法

實際應用中，對海量的設備時序數據進行三相電壓不平衡度計算，會頻繁出現報警的情況。冗余的報警內容會削弱對設備維保業務的實際幫助作用。因此，確定合理閾值意義重大。

1.2.1 采用專家經驗法確定閾值

專家經驗法是一種靈活的閾值設定方法，根據業務人員的經驗積累，對關注的重點設備設定較高的預警值。例如，設定重點設備的不平衡度閾值為10%，從而降低設備的預警頻次。如圖2所示，專家經驗法可對重點設備發生的高不平衡度情況及時予以關注，從而改善其不平衡情況。

圖2 專家經驗法確定設備預警閾值的流程Fig.2 Process of expert experience method determining equipment early warning threshold

依據專家經驗法確定閾值，設備在實際工作中的預警情況較好，但該閾值的設定受專家的主觀因素影響。深度殘差收縮網絡機器學習方法能實現客觀閾值的計算，可與專家經驗法互補，共同確定閾值。

1.2.2 采用深度殘差收縮網絡法確定閾值

深度殘差收縮網絡法是一種采用注意力機制自動設置閾值的方法，能夠客觀地確定閾值。該方法通過建立小型的子網絡，學習得到一組三相電壓不平衡度的閾值，再進行特征的軟閾值化。軟閾值化是很多信號降噪算法的核心步驟，其計算式為：

(3)

式中：

f——軟閾值化的函數表達；

s——特征；

τ——某個閾值。

f的意義是將絕對值小于等于某個閾值的特征刪除掉，將絕對值大于該閾值的特征朝著數值0的方向進行收縮。軟閾值化能夠減小深度學習算法遭遇梯度彌散和梯度爆炸的風險。

子網絡確定閾值的步驟如下：①對輸入特征圖的所有特征，求出特征的絕對值，如本文的特征為三相電壓不平衡度；②經過全局平均池化，得到1個特征，記為A；③在另一條路徑中，全局平均池化后的特征圖被輸入到1個小型的全連接網絡中。該全連接網絡以Sigmoid函數作為最后一層，將輸出的數據量綱一化到(0,1)，獲得1個系數，記為α；④最終閾值可以表示為αA。

綜上所述，將專家經驗法和深度殘差收縮網絡法相結合，可實現主客觀結合，讓專家經驗法在機器學習輸出閾值的基礎上，調整至更為合理的閾值，從而實現高精度的報警。

1.3 預警告警方案

常規的預警方案下，一旦達到閾值,供電智能運維系統將發出告警。使用上述兩種方法對閾值進行優化后，降低了預警的頻次，提高了預警的精確度，減少了不必要的告警關注，提高了對告警內容的處理效果。

然而，僅僅針對三相電壓不平衡度進行閾值告警仍有所欠缺。雖然三相電壓不平衡度是電能質量的重要告警指標，但它僅是單因子指標。為此，本文進一步提出了電能質量評價的多維度因子指標體系，用以提升電能質量的綜合分析評判效果。

2 電能質量分析評判

2.1 熵值法確定指標權值

2.1.1 采用熵值法確定各指標權值的步驟

1) 選取i個評價樣本及每個樣本的j個指標，得到第i個設備第j個指標的指標值xij，構成矩陣X。對于每個評價指標，指標值之間的差距越大，則該指標在綜合評價中所起到的作用越大。如果某個指標的指標值全部相等，則該指標在綜合評價中不起作用。

(4)

2) 各個指標的收斂速度、精度、度量衡等可能不統一，因此需要對指標結果進行量綱一化處理。設x為矩陣X的每列具體值，xmin、xmax分別為x中的最小值和最大值，則量綱一化處理方法將原始矩陣X中的元素計算轉化為：

(5)

3) 計算每個樣本在具體指標xij中所占據的比重pij為：

(6)

式(4)中的元素經式(6)進行比重轉換后，xij變為pij，形成由pij構成的新矩陣數據項。

4) 計算指標熵值ej和信息熵冗余度dj。其計算式分別為：

(7)

dj=1-ej

(8)

5) 計算各項指標的權值wj。其計算式為：

(9)

根據以上步驟可計算出設備樣本中每個指標的權值，隨之可得設備多指標評價的綜合得分。采用熵值法確定各指標權值，其計算的重點是對業務場景應用矩陣的轉化，其流程圖如圖3所示。

圖3 熵值法計算指標權值的流程Fig.3 Process of calculating index weight value by entropy method

2.1.2 電能質量綜合得分

電能質量的具體指標包括電壓偏差m1、三相電壓不平衡度m2、公用電網諧波m3、公用電網間諧波m4、波動和閃變m5、電壓暫降與短時中斷m6等6個指標。根據樣本數量構建由這6個指標組成的矩陣,其中：每個指標的指標值均可采用大數據計算引擎技術得到，再通過熵值法確定各指標權值。設這6個指標相應的權值分別為n1、n2、n3、n4、n5、n6，從而可計算出電能質量評價的綜合得分S：

(10)

對上述指標進行多重樣本反復驗證，使S更加科學地反映設備電能質量的真實情況。同時，對地鐵供電系統中的中高壓設備的電能質量進行綜合排名，能全局掌握各設備電能質量的優劣情況，從而制定更為合理、高效的維保計劃。

2.2 設備電能質量的分析預警應用

上文基于CPS的三相電壓不平衡度閾值的確定方法，可以同樣應用于確定電能質量的綜合得分閾值。電能質量綜合得分越低，說明設備的電能質量問題越嚴重。根據電能質量綜合得分，本文提出了閾值觸發預警、評分矩陣映射預警、預警等級遷移預警3種層次遞進的預警方法。

2.2.1 閾值觸發預警

將三相電壓不平衡度這一指標的應用研究延伸至電能質量綜合得分多指標評價體系研究。專家經驗法與深度殘差收縮網絡法相結合得到電能質量綜合得分的閾值，可用于觸發供電設備電能質量的預警。在計算得到不同設備的電能質量綜合得分后，根據閾值調整的結果，對符合條件觸發閾值上限的供電運行設備進行預警，可為運維人員對設備進行重點維保提供精準的數據指導。

2.2.2 評分矩陣映射預警

根據評分矩陣的得分來映射預警級別，即：將得分結果分為不同區段，不同區段的得分分別對應不同的預警等級。例如，將預警等級分為了11個層級(見表1)，可根據實際需求分別設定a1至a10的值,以進行分段劃分，并確定需要預警的等級(如AA級至AAA級均需預警)。預警層級劃分越精細，設備電能質量的情況越明確。

表1 設備電能質量預警評級矩陣表Tab.1 Equipment power quality early warning rating matrix

2.2.3 預警等級遷移預警

圖4是根據2021年1月至2022年2月蘇州軌道交通4號線吳江人民廣場站35 kV進線開關柜電能質量評判的記錄，繪制得到的預警等級遷移軌跡。遷移圖可用于預警等級的變化分析，也能用來全面掌握預警等級的歷史狀態，了解該設備電能質量的劣化趨勢。實際運維工作中，應針對電能質量預警等級驟然上升或持續上升的設備進行重點預警，從而對電能質量劣化的階段進行提前干涉，以延長設備的使用壽命、提升設備的維保效率。

圖4 設備電能質量預警等級遷移圖Fig.4 Diagram of equipment power quality early warning level migration

3 結語

本文基于CPS的三相電壓不平衡度應用及電能質量分析預警方法，實現了地鐵中高壓供電設備直觀、高效、全面的監測，并對設備電能質量的預警方式進行了優化，提升了供電設備智能運維的效率，為城市軌道交通向智慧運維邁進提供了更多可能。