基于云架構下的電網動態矢量切片技術研究

李志堅， 夏偉， 雷偉剛， 蔡文婷， 吉堂書

(南方電網數字電網研究院有限公司， 廣東 廣州， 510000)

0 引言

隨著電網規模的不斷擴大，電網的可靠性和穩定性受到相關領域的更多關注。因此，需要結合對電網的動態矢量特征分析和輸出參數可靠性檢測方法構建電網的可靠性特征分析模型，以此來提高電網的在線監控和數據監測分析能力[1-2]。在電網監管過程中，動態矢量切片管理是一個重要的環節，可實現對電力資源的縱向深層管控[3]。基于此對電網動態矢量切片設計是實現電力建設的智慧化管理和智能診斷的關鍵。因此，電網的動態矢量切片技術在電網的在線狀態監控和故障診斷分析中具有重要意義。

傳統研究中，對電網動態矢量切片展開管控的技術主要有廣域特征參數辨識方法、空間調度和自適應融合方法等。此外，文獻[4]中設計了基于改進NSGA-Ⅱ算法的含分布式電源配電網切片優化技術，首先對配網最大供電能力問題進行多級分層，然后將子問題按照切片資源越限情況分為若干層，層級越高，子問題越限故障越嚴重；其次，在最高層級中選取一批有代表性的子問題形成反饋集，并將反饋集中子問題在利用改進NSGA-Ⅱ算法分割約束進行變速處理后反饋給主問題，從而實現對切片資源的管理。但該技術下電網數據轉換的自適應性不好，導致其對動態矢量切片資源分配的均衡性較差。文獻[5]中設計了基于電力光纖的網絡切片資源管理技術，利用光線網絡對信息數據的快速傳輸能力，結合于網絡切片感知技術實現多業務融合動態資源分配。但應用該技術后，電網輸出電壓穩定性較差。

針對傳統技術存在的不足，本研究基于云架構提出了新的電網動態矢量切片技術，并通過實驗驗證了該技術在提高電網動態矢量切片和自適應控制能力方面的優越性能。

1 電網動態矢量特征分析和云構架融合

1.1 電網動態矢量特征分析

為實現對電網動態輸出的控制和在線監測，首先在云架構環境下對電網動態矢量切片展開解析，結合半結構化數據動態估計方法，建立電網動態矢量切片的知識圖譜分析模型，然后結合多維空間參數融合過程，在電網拓撲控制模型的基礎上采用關系型數據庫轉換的方法，實現對電網的電壓、功率、頻率等動態矢量特征的分析。基于此，利用基于知識圖譜的設備實體層對電網的動態矢量信息展開放大處理，并建立電網的動態輸出信號增益模型。

在云構架中采用頻率切片小波變換(FSWT)實現對電網動態矢量切片大數據的有效采集，再結合機器學習的知識抽取方法，得到電網的動態輸出放大倍數。動態輸出放大倍數與電網節點數量、電網動態矢量特征相關，逆變換形式[6]如下所示：

(1)

式中，σ表示尺度因子，λ為能量系數，ω表示觀測頻率，t表示觀測時間，τ表示控制高斯窗口在時間軸t的位置參數，i表示信號的采樣點數，W(τ,ω,λ,σ)表示信號f(t)的頻率切片小波變換。

然后，根據電網動態矢量分布的振蕩特征量，定義電網動態特征動態矢量切片分布的失真度為-120 dB，然后根據各個設備實體之間的關系，得到頻率切片函數[7]為

(2)

根據電網動態輸出放大倍數處理輸出功率增益，并基于特征信息的匹配度實現信息傳遞，為知識融合過程奠定基礎，從根本上提高電網動態矢量切片的輸出穩定性。

1.2 電網動態矢量云構架融合

在上述電網動態矢量特征分析的基礎上，采用電流或電壓注入的方式，根據電網設備的新增或潮流限值以及電網動態特征分布情況，完成電網動態矢量云構架融合。

首先在云構架體系下計算電網潮流。在電網潮流中，電網節點的功率方程[8]為

Pdci=Yij-Udcj

(3)

式中，Yij表示電網中所有節點的有功功率之和，Udcj表示電網內內、所有負荷消耗。基于此，根據融合過程中的實體沖突得到電網設備的潮流限值滿足下式[8]：

(4)

式中，Xn+η表示電網動態矢量切片控制的約束。

根據電網電路初始差異性，得到電網的設備融合過程中的實體增益幅值滿足下式[9]：

(5)

在此基礎上，借助知識圖譜和自然語言處理技術，得到電網動態矢量云構架融合模型[9]為

(6)

式中，U(i)表示電路阻抗。在之后的研究中，可結合云構架融合模型建立電網動態特征提取和動態矢量控制對象模型，從而提高對動態矢量切片分配的均衡性。

2 電網動態矢量切片控制管理

2.1 電網動態矢量狀態參數估計

在上述電網動態矢量特征分析和云構架融合的基礎上，實現對電網動態矢量切片資源的控制管理。

結合電壓調控和輸出狀態參數協同控制實現對電網動態矢量切片的狀態參數估計，采用有功功率增益控制和協同濾波檢測的方法，建立電網動態矢量切片穩態特征檢測模型，得到電網輸出的頻域特性[10]為

(7)

式中，ηE為電網動態矢量云構架融合量，PL為電網的動態負載功率，b2-y2表示電網的輸出功率增益。

根據故障告警信息知識進行解析控制，得到電網動態矢量切片的最短約束距離[10]為

(8)

式中，xi、yi分別表示電網動態特征分布的演化邊境坐標。基于此分析電網運行過程中差異性，結合功率增益調節的方法，得到電網動態特征的動態矢量切片的穩定性控制函數[11]為

(9)

式中，U0、ωi分別表示電網電路初始電壓和負荷。當裝置異常或通信中斷時，為了是電網輸出達到穩態，設置動態矢量切片參數[11]為

(10)

式中，Rs表示控制輸出電阻，R0表示穩態輸出電阻。在此基礎上，采用動作邏輯判斷與故障信息修正方法得到電網動態特征的動態矢量切片輸出優化值[11]為

(11)

式中，Um表示動態矢量切片輸出電壓。

綜上分析，結合電壓調控和輸出狀態參數協同控制實現對電網動態矢量切片的狀態控制。

2.2 電網動態矢量切片的協調管控

為有效實現對電網動態矢量切片的協調管理與控制，首先結合狀態參數尋優和矢量特征分解進行穩態調節優化。根據電網的電壓輸出波動性和負荷，構建云架構下電網動態矢量切片融合模型，可以得到云架構下電網動態矢量切片的可靠性輸出穩態特征量H。然后根據輸出靜態特征參數，得到云架構下電網動態矢量切片控制的穩態功率[12]為

(12)

穩態功率是當電網處于正弦穩態工作狀態時端口處的功率，通過可靠性輸出穩態特征量可以調整穩態功率。式(12)中，VS為穩態輸出電壓值，Ip為知識圖譜的圖數據，Is為云架構下電網動態矢量切片演化有效值，Ir為云架構下電網動態矢量切片的穩態電壓的有效值。

在此基礎上，根據電網運行和保護控制的先驗知識，結合大數據融合得到電氣設備與斷路器的可靠性控制輸出結果[12]為

(13)

基于分布式表示的知識推理方法，假設電網的動態矢量切片輸出穩態電流為ide，電網動態供電效率ηE，分析信號解析后的關鍵信息流，可得到電網動態矢量切片穩態調節的優化函數[12]為

(14)

式中，R0為穩態輸出電阻，R′為云架構下電網動態電阻有效值。

根據語義信息與關聯關系確定電網電壓Ued與電流源id，結合狀態參數尋優和矢量特征分解，在穩態調節優化的基礎上，得到電網動態矢量切片的協調優化控制模型[12]為

(15)

綜上所述，實現了對電網動態矢量切片轉換和云構架的融合，得到電網動態矢量切片控制的優化設計，從而有效提高電網的可靠性監測能力。

3 仿真測試分析

為驗證上述基于云架構下電網動態矢量切片技術的實際應用性能，設計如下仿真實驗。實驗在PSCAD/EMTDC仿真平臺上搭建電網動態矢量切片適應度控制模型，電網的虛擬電阻的設定為 48.8 Ω，電網的問題工作點為(300 W, 460 rpm)，直流電源200 kV，根據上述參數設定，得到電網的輸入母線電壓和電流如圖1所示。

圖1 電網的輸入母線電壓和電流

以圖1所示的輸入參數為測試對象集，引入直流側諧振頻率因素進行電網動態矢量切片控制。為避免實驗結果的單一性，將本文技術設置為實驗組，將傳統的基于改進NSGA-Ⅱ算法的含分布式電源配電網切片優化技術、基于電力光纖到戶的網絡切片資源管理技術設置為對照組，通過對比的方式，驗證不同技術的有效性。

首先對比加入矢量切片控制后，不同技術下電網輸出穩定性，對比結果如圖2所示。

圖2 加入矢量切片控制后的電網輸出穩定性對比

分析圖2所示結果可知，隨著實驗次數的不斷增加，應用不同切片技術后，電網的輸出電壓也隨之變化。但相比之下，應用本文技術后，電網輸出電壓保持在18 kV～25 kV之間，證明利用本文技術可以實現對電網輸出電壓的穩定控制。

進一步驗證本文技術的應用效果，測試3種技術的收斂性曲線，得到收斂性曲線對比結果如圖3所示。

圖3 電網的收斂性曲線對比圖

分析圖3所示結果可知，本文技術在多次實驗中收斂性較為穩定，證明其能夠實現電網的動態矢量切片穩定控制。

在此基礎上，以動態矢量切片資源分配均衡度為指標，驗證不同技術對電網動態矢量切片的管理能力，得到對比結果如表1所示。

表1 切片資源分配均衡度對比結果

分析表1所示結果可知，本文技術對切片資源分配的均衡度保持在0.93以上，而基于改進NSGA-Ⅱ算法的技術和基于電力光纖的技術對切片資源分配的均衡度均低于本文技術。

綜上所述，利用本文設計的基于云架構下電網動態矢量切片技術可實現對電網動態矢量切片資源的均衡分配，從而使得電網輸出結果更為穩定。

4 結語

本文提出了一種基于云架構下電網動態矢量切片技術。通過對電網動態矢量特征進行分析，根據電網設備的新增或潮流限值以及電網動態特征分布情況，完成電網動態矢量云構架融合，實現對電網動態矢量切片的協調管理與控制。通過實驗驗證了本文技術相比于傳統技術來說，收斂性更好，切片資源分配均衡度更高，電網輸出更穩定，整體性能更優越。在以后的研究中，將對本文方法與更多的技術進行對比實驗，不斷優化本文方法，將電壓波動控制在3 kV以內，從而進一步提高該技術的輸出穩定性。