基于LMS 算法的配電網終端設備運行數據實時采集

趙雅利，王玉豐，紀 靜，張智勇，史 超

（1.中國石油天然氣股份有限公司華北油田分公司，河北任丘 062552；2.中國石油工程建設有限公司華北分公司，河北任丘 062552；3.中國石油天然氣股份有限公司山西煤層氣勘探開發分公司，山西長治 046000）

由于中壓配電網絡中存在通信故障和數據包丟失問題，大多數關鍵斷路器（CB）的狀態由遠程終端單元（RTU）監控。Dutta 等人提出一種基于主動配電網拓撲跟蹤數據驅動算法[1]。Swaminathan 等提出的V-LMS 算法中的多級2D-LUT 可以執行得更快[2]。Hu 提出一種基于云服務節點雙重影響因素的SDN網絡路徑選擇算法[3]。Hakami 等人解決了由多個半雙工EH 中繼協同轉發的突發數據到達源[4]。Demertzis 等人提出了一種基于不斷發展的尖峰神經網絡算法的檢測框架[5]。Wang 等人通過分析PMAR數據和相應的SCADA 報警數據來檢測和診斷不斷演變的故障[6]。Flores 等人通過修改工廠的操作條件等參數保持生物過程的穩定性[7]。Figueiredo 等人實現三個相互關聯的控制級別控制數據采集[8]。Abdelgawad 提出了一種使用無線傳感器網絡的新的可靠分布式沙箱監測框架[9]。國內外文獻資料中未見基于LMS 算法的配電網終端設備運行數據實時采集研究，該文以配電網終端設備運行數據實時采集為模型，采集數據為輸出信號，正弦信號為輸入信號，利用LMS 算法的基本原理，計算數據采集系統對正弦信號的傳輸特性，反推通道模型參數，作為配電網終端設備運行數據實時采集的精度考核手段，實現了配電網終端設備運行數據實時的性能考核。

1 LMS算法

1.1 數據實時采集結構模型

通過一個開環線性時不變系統，結合開環系統設置濾波器[10-11]。假設Q(n)為通道實時數據參數單位采集結構沖擊響應，而配電網系統輸入信號為In(n)，輸出信號為Out(n)，同時可以映射濾波器模型[12-13]，對于一個具有線性和時不變性的配電網終端設備運行數據實時采集系統，數據實時采集結構模型如圖1所示。

圖1 數據實時采集結構模型

Q(n)長為n，配電網終端設備應用FIR 濾波器方式，實現設備運行數據實時采集結構模型[14-15]，則有：

式（1）中，Ini=In(n-i+1)，Qi=Q(i-1)，i=m+1，權系數為Qi，輸出Q(n)是n個過去輸入的線性加權，若用wi表示權系數，用j表示時間下標，則有：

式（2）中，In1j=Inj,In2j=Inj-1…,InNj=Inj-N+1。

因此，軟件對數據采集系統或者硬件設計均會導致采集數據失真，不可避免存在誤差，如果能夠有效求得誤差，就可獲得數據采集精度和實時性兩方面的采集特性。

1.2 LMS算法實現方案

通過優化LMS 算法數據結構，構建實時采集結構模型，對同一輸入作用條件下的輸出進行分析比較，構建濾波器模型建立與被識別系統之間的對應關系。實現配電網終端濾波器模型結構，使用逐次逼近的LSM 算法完成數據實時采集[16-17]，其通道參數辨識模型如圖2 所示。

圖2 通道參數辨識模型

圖2 中通道參數辨識模型應當由相同性質的濾波器模型來識別，使用要識別的系統進行配電網終端設備運行數據建模，比較得出逼近被識別系統結構，采用濾波器模型誤差控制方法，使均方差越接近零，通道模型參數的識別過程越精準。FIR 型濾波器是比較合理的選擇，H*接近H，均方差E[e2(j)]趨于最小（零）的過程。

通過式（3）和式（4）得到配電網終端設備運行數據均方誤差的最小值，通過曲面調節權矢量的各元素，可以采用梯度方法沿著曲面方向進行調整，運行數據實時采集模型具有唯一的極小值。是一個凹的結構模式的超拋物面，對平穩配電網終端設備運行數據利用w*的二次方函數輸入權矢量，均方誤差的運行數據梯度可由式（4）對配電網設備實時數據權矢量的各wi進行微分得到：

上述公式中，假設?j=0 就可得到最佳的權矢量，即w=w′=R-1P。測量估算個自相關和互相關函數才能得到P和R的元素，需要進行N×N矩陣的逆運算，此時的權數目N很大或數據輸入率很高。下一個權矢量等于現在的權矢量加上一個正比于梯度?j的負值變化量，應用優化LMS 算法最陡下降模式，運行數據不涉及矩陣求逆問題，也不需要通過設備運行數據求相關矩陣。優化LMS 算法為求得配電網終端設備實時數據簡單最佳的有效權矢量控制方法，在控制結構計算上將會遇到嚴重實時采集數據問題，必須重新開始進行數據實時采集計算，使控制模型輸入信號的統計分析問題實現特性變化。

式（6）中，μ表示配電網終端設備穩定性和收斂速度的運行數據參量。然而下降沿著最快的方向，配電網終端設備某點的梯度方向代表該設備變化最大的運行數據方向。因此，該文配電網終端設備實時采集的方法稱為最陡下降法。

2 仿真實驗及結果分析

2.1 實驗背景

該文借助配電網終端設備的斷路器、隔離開關的非正常位置進行數據實時采集操作，解決數據實時采集的越限情況和線路滿載程度。翻閱配電網驗證線路限額表查看目前配電網終端設備線路的越限情況，換班時需要工作人員進行工作交接，同時翻閱配電網終端設備相關運行的值班記錄數據，很容易出現數據遺漏或正常運行數據模糊等問題。完善配電網終端設備運行數據的實時采集，需要在地理接線圖上重視多狀態變量及自動辨識斷路器、隔離開關狀態，配電網終端設備線路設定相應的不同程度的控制參數報警門閾值。針對220 kV、110 kV 潮流、配電網終端設備運行數據控制方式進行實時采集，調度員通過LMS 算法盡快掌握配電網終端設備運行的異常數據情況，各聯絡線的配電網終端設備斷路器的數據實時變化都已在圖3 中體現，顯示控制設備主網架實時階段出現的非正常數據信號運行控制方式，采用LMS 算法能夠進行實時數據的反映和處理，然而當班調度員可以通過控制實時數據模式迅速掌握配電網運行模式的轉換，其目的旨在提高配電網終端設備工作時交接班質量。

選定楊碼變賀接131 線24 號桿為故障點，進行單相接地試驗，驗證小電流接地故障選線裝置的選線功能，楊碼變10 kV 接線如圖3 所示。

圖3 楊碼變10 kV接線

實驗時楊碼變通過2 號主變帶10 kV I、II、III、IV段母線，四條母線共有4個間隔出線，分別為王集111線、吉祥113 線、楊碼126 線和賀接131 線，選用消弧線圈驗證實驗，實驗設備廠家和型號為許繼變壓器有限公司WXHK2-I調匝式消弧線圈。實驗中的220 kV主網架圖包括500 kV 配電網線路及220 kV 變電站的110 kV聯絡線路終端設備運行數據，結合驗證超載時配電網終端線路會變色并閃爍問題，采用非正常方式配電網變電站顏色由紅變黃情況。系統電容電流約68 A，現場已具備零序CT情況如下。

1）王集111 線、吉祥113 線、楊碼126 線零序電流互感器變比100/5，賀接131 線零序電流互感器變比50/5，容量均為10 VA。

2）加裝零序CT，變比100/1，容量15 VA，通過加裝零序CT 以對比零序CT 變比對故障選線的影響，以支撐零序CT 的選型。針對220 kV 配電網變電站內的各220 kV、110 kV 終端設備斷路器進行分析，得出是否有非正常終端設備運行方式存在問題，配電網各個片區下110 kV 變電站的非正常運行控制方式進行LMS 算法計算判斷，配電網存在220 kV 變電站終端設備運行狀態顏色由紅色變成黃色，點擊變電站名稱以后可以進入對應變電站控制片區，實現設備運行數據的實時查看。然而配電網片區內的非正常方式斷路器也存在數據信號實時閃爍問題，存在實驗驗證情況。通過單相接地設備在10 kV 饋線終端設備上產生一個真實的實時采集單相接地故障，分別開展金屬性接地、200 Ω電阻接地、500 Ω電阻接地、1 000 Ω電阻接地、2 000 Ω電阻接地，配電網終端設備故障初相角30°弧光接地驗證，可以對配電網小電流接地終端設備故障選線裝置的選線準確度進行驗證測試。配電網終端設備單相接地實驗裝置原理如圖4 所示。

圖4 配電網終端設備單相接地實驗裝置原理

2.2 仿真系統工作過程

由信號發生器、信號采集器和算法計算機為基本單元組成閉環測試仿真系統，選用常用的數據采集模塊作為仿真模型，仿真系統工作過程如圖5所示。

圖5 仿真系統工作過程

圖5 仿真系統產生相應的正弦波，通過驅動信號發生器完成整個工作過程。算法計算機產生預定的正弦數據，數據采集器按預先設定的采集特性采集數據，并由此推算系統的數據采集特性，逼近被識別系統結構的參數，通過LMS 算法進行迭代運算，計算機利用原始的信號發生數據和最終的采集數據，仿真系統將實時運行數據傳送給LMS 算法計算機。

2.3 仿真實驗結果分析

幅值設定為輸入信號的50%，延遲了0.25 個周期，幅度為5 V，頻率為10 Hz，相位較輸入信號延遲了25 ms。在LMS 算法運算過程中，觀察誤差ej的變化，那么就可以發現運算是快速收斂的變化狀態。通過最終的分析結果推算出：相位延遲值為0.249 99，幅度衰減為49.997 79%，算法的搜尋步長為0.000 1，試驗的通道模型長度為12，算法的運算頻率為500 Hz，而配電網終端設備之間最小臨界誤差為0.001，仿真實驗結果如表1 所示。

表1 仿真實驗結果

表1 中針對小同的幅度衰減和不同的相位延遲，結合信號頻率、輸入信號幅度、通道模型長度、算法搜尋步長、最小臨界誤差，做了一系列仿真試驗。LMS算法都得到了精確的檢測結果，不同的幅度衰減和相位延遲，系統的通道模型也就越容易接近真實情況，即理論上算法搜尋步長和最小臨界誤差越小，計算機的數值計算總是存在誤差，與上述所列各次實驗結果存在誤差一致，仿真結果也必然存在誤差，選擇合適的通道模型長度和算法運算頻率，改變輸入信號的頻率和幅度，針對不同的幅度衰減和相位平移進行了一系列仿真實驗，同樣得到了精確的實驗結果。實驗結果表明，采用LMS算法配電網終端設備運行數據實時采集精度考核方法具備較好的適應性。

3 結論

基于LMS 算法濾波器來建立數據采集系統數學模型，通過研究LMS 算法的基本原理與應用方法發現，采集數據為輸出，采集的目標信號為輸入，利用LMS 算法反推系統模型的通道參數，實現了數據采集系統（設備）的性能考核鑒定，獲得了數據采集系統對正弦信號精確度和實時性兩方面數據傳輸特性，在實驗中同時發現算法運算效率甚至收斂性基本依賴于合適的通道模型長度、算法運算頻率和算法搜尋步長。通過LMS 算法，配電網終端設備調度工作基本實現了運行數據智能化和便捷化，進而保障了配電網安全穩定運行。因此，提高算法運算效率以及拓展其適用性的關鍵所在就是探究配電網終端設備之間的內在聯系，研究上述參數與算法運算效率之間的關系，將成為今后研究的重要內容。