試析變電站數(shù)字孿生框架構(gòu)建與關(guān)鍵技術(shù)

摘 要：本文探討了數(shù)字孿生技術(shù)在變電站管理中的應(yīng)用方法。研究通過(guò)數(shù)據(jù)預(yù)處理、特征提取和濾波算法等步驟，對(duì)傳感器采集的多設(shè)備數(shù)據(jù)進(jìn)行處理，以提升數(shù)據(jù)的質(zhì)量和可靠性。具體處理方法包括標(biāo)定變換、缺失值填補(bǔ)和滑動(dòng)平均濾波，這些方法能夠有效消除噪聲和干擾，使濾波后的電壓和電流數(shù)據(jù)呈現(xiàn)穩(wěn)定的曲線。分析結(jié)果表明，不同設(shè)備之間表現(xiàn)出明顯的電流、電壓波動(dòng)特征，反映了設(shè)備自身的特性及其工作狀態(tài)的差異。建立數(shù)字孿生平臺(tái)可以實(shí)現(xiàn)對(duì)變電站設(shè)備運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)測(cè)和預(yù)測(cè)，為系統(tǒng)的優(yōu)化和改進(jìn)提供可靠的數(shù)據(jù)支持。

關(guān)鍵詞：變電站；數(shù)字孿生；濾波算法

中圖分類號(hào)：TM 73" " 文獻(xiàn)標(biāo)志碼：A

在能源領(lǐng)域，特別是變電站管理中，數(shù)字孿生技術(shù)的應(yīng)用可以提高設(shè)備運(yùn)行效率，降低維護(hù)成本，提升安全性和可靠性。孫瑞江等[1]結(jié)合變電檢修運(yùn)維實(shí)際，提出數(shù)字孿生應(yīng)具備快速掃描建模、物理引擎底座和虛實(shí)雙向交互的實(shí)用化能力。張惠仙等[2]采用數(shù)字化建模、全域狀態(tài)感知等技術(shù)，構(gòu)建了面向變電站二次設(shè)備的數(shù)字孿生系統(tǒng)。張軍六等[3]利用數(shù)字孿生模型進(jìn)行輸變電設(shè)備智能感知和在線診斷，提升了設(shè)備運(yùn)行狀態(tài)的準(zhǔn)確度和反映能力。張冀等[4]提出數(shù)字孿生變電站模型框架，探討數(shù)字孿生技術(shù)面臨的問(wèn)題。涂潛等[5]提出面向數(shù)字孿生的變電站三維場(chǎng)景自動(dòng)目標(biāo)識(shí)別方法，以準(zhǔn)確識(shí)別變電站中的全部目標(biāo)。劉云鵬等[6]提出變壓器數(shù)字孿生體的構(gòu)想，該構(gòu)想包括虛擬體刻畫－感知互動(dòng)－模型驅(qū)動(dòng)的多場(chǎng)計(jì)算－數(shù)據(jù)驅(qū)動(dòng)的狀態(tài)分析－智慧共享5個(gè)階段。陳晨等[7]提出一套完整的變電站數(shù)字化移交應(yīng)用研究方案，為數(shù)字化電網(wǎng)發(fā)展奠定了基礎(chǔ)。

1 孿生平臺(tái)數(shù)據(jù)收集

為構(gòu)建數(shù)字孿生平臺(tái)并實(shí)現(xiàn)實(shí)時(shí)監(jiān)控，需要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)定變換和缺失值填補(bǔ)。在數(shù)模轉(zhuǎn)換過(guò)程中，須根據(jù)分辨率和采樣幅值對(duì)數(shù)字量進(jìn)行調(diào)整，同時(shí)進(jìn)行單位量綱轉(zhuǎn)換，將不同傳感器的采樣值統(tǒng)一到同一量綱下。對(duì)于缺失值，可以采用均值插補(bǔ)、同類數(shù)據(jù)均值插補(bǔ)或手動(dòng)插補(bǔ)等方法進(jìn)行補(bǔ)充。傳感器數(shù)據(jù)會(huì)受溫度變化和環(huán)境因素等干擾，從而產(chǎn)生趨勢(shì)漂移，影響特征提取和預(yù)測(cè)結(jié)果的準(zhǔn)確性。為了消除這種趨勢(shì)項(xiàng)，本文采用了基于多項(xiàng)式最小二乘法的曲線擬合方法。設(shè)采樣數(shù)據(jù)如公式（1）所示。

A={y1，y2，…，yn} （1）

式中：A為采樣樣本集合；{y1，y2，…，yn}為從初始點(diǎn)到終末點(diǎn)的采樣結(jié)果。

采樣數(shù)據(jù)的擬合曲線如公式（2）所示。

（2）

式中：為期望的理想擬合結(jié)果；n為采樣時(shí)長(zhǎng)；a1為第一項(xiàng)自變量參與的具體影響機(jī)制表現(xiàn)系數(shù)；a2為第二項(xiàng)自變量參與的具體影響機(jī)制表現(xiàn)系數(shù)；an為第n項(xiàng)自變量參與的具體影響機(jī)制表現(xiàn)系數(shù)；x1為第一項(xiàng)自變量；x2為第二項(xiàng)自變量；xn為第n項(xiàng)自變量。

本文收集、整理了某變電站一段時(shí)間內(nèi)的真實(shí)數(shù)據(jù)，包括電流、電壓、有功功率和無(wú)功功率等數(shù)據(jù)集。這些數(shù)據(jù)集是變電站運(yùn)行狀態(tài)的重要指標(biāo)，反映了電力系統(tǒng)的實(shí)時(shí)運(yùn)行情況。應(yīng)用上述濾波算法，對(duì)這些數(shù)據(jù)集進(jìn)行預(yù)處理，以消除噪聲和干擾，提高數(shù)據(jù)質(zhì)量和可靠性。濾波后的電流、電壓和功率實(shí)時(shí)變化情況如圖1所示。

多臺(tái)設(shè)備的采樣結(jié)果顯示，在經(jīng)過(guò)濾波處理后，電壓穩(wěn)定在220 V，電流為4 A～6 A，平均功率為1 106.377 9W。濾波后的數(shù)據(jù)呈現(xiàn)出采樣頻率較低、總量較小的特點(diǎn)，并且形成了隨時(shí)間軸平滑波動(dòng)的曲線，有效去除了背景噪聲，數(shù)據(jù)特征清晰。結(jié)果表明，濾波算法在處理多設(shè)備采集數(shù)據(jù)方面具有明顯優(yōu)勢(shì)，能夠有效提升數(shù)據(jù)的穩(wěn)定性和可靠性，為后續(xù)的電力系統(tǒng)分析和管理提供更為可靠的數(shù)據(jù)基礎(chǔ)。

比較多設(shè)備數(shù)據(jù)的電流、電壓和實(shí)時(shí)功率波動(dòng)，并綜合分析其總體功率，結(jié)果如圖2所示。

上述濾波結(jié)果表明不同設(shè)備的電流和電壓波動(dòng)范圍更大，呈周期性振蕩趨勢(shì)。該現(xiàn)象可能與設(shè)備本身的特性、工作狀態(tài)以及電力網(wǎng)絡(luò)的復(fù)雜性有關(guān)。

不同設(shè)備間濾波性能的差異性也十分顯著，該差異可能源自設(shè)備本身的特性、工作負(fù)荷以及濾波算法的適用性等因素。對(duì)不同設(shè)備的濾波結(jié)果進(jìn)行深入分析，可以更好地了解設(shè)備間的異同，為系統(tǒng)的運(yùn)行和維護(hù)提供更準(zhǔn)確的數(shù)據(jù)支持，進(jìn)而為系統(tǒng)優(yōu)化和改進(jìn)提供有力支持。

上述分析有助于識(shí)別系統(tǒng)中潛在的問(wèn)題和優(yōu)化空間，為電力系統(tǒng)的穩(wěn)定運(yùn)行和管理提供有力支持。

2 孿生平臺(tái)仿真模擬

立足于設(shè)備參數(shù)監(jiān)控，擬合曲線不僅能夠?qū)崟r(shí)反映變電站的運(yùn)行情況，而且能夠評(píng)估、預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的參數(shù)波動(dòng)，從而為異常狀態(tài)檢測(cè)和更多功能提供支持。

考慮預(yù)測(cè)結(jié)果，最小二乘法要求誤差平方和最小，誤差平方和E如公式（3）所示。

（3）

式中：E為誤差平方和；為在任意時(shí)間t期望的理想擬合結(jié)果；yt為在任意時(shí)間t的采樣結(jié)果。

誤差平方和最小集滿足最小二乘法的解，從而得到公式（2）的具體參數(shù)，即擬合曲線的理想擬合方程。擬合數(shù)據(jù)曲線可以分離出趨勢(shì)項(xiàng)，從而得到更準(zhǔn)確的原始信號(hào)，并能識(shí)別數(shù)據(jù)分析趨勢(shì)，進(jìn)而強(qiáng)化數(shù)字孿生平臺(tái)的處理能力。綜上所述，本文區(qū)分了不同樣本數(shù)據(jù)的特征數(shù)量，考察了其不同特征數(shù)量在不同采樣周期下的預(yù)測(cè)準(zhǔn)確率，其結(jié)果如圖3所示。

不同特征值的預(yù)測(cè)準(zhǔn)確率均隨著采樣周期的延長(zhǎng)而提高，并且在特征數(shù)較多情況下的預(yù)測(cè)準(zhǔn)確率明顯高于特征數(shù)較少的情況。對(duì)于僅有1項(xiàng)特征值的數(shù)據(jù)，其預(yù)測(cè)準(zhǔn)確率雖隨采樣周期的延長(zhǎng)而提高，但當(dāng)采樣時(shí)間超過(guò)1 h時(shí)，預(yù)測(cè)準(zhǔn)確率仍在90%以下。而在其他特征數(shù)條件下，僅需40 min的采樣周期，預(yù)測(cè)準(zhǔn)確率就接近100%。對(duì)于這4項(xiàng)特征來(lái)說(shuō)，即使在采樣規(guī)模較小的情況下，也能達(dá)到上述高水平的預(yù)測(cè)準(zhǔn)確率。

考慮變電站采集的數(shù)據(jù)通常包括工頻信號(hào)和環(huán)境噪聲干擾，這些干擾會(huì)導(dǎo)致數(shù)據(jù)波動(dòng)劇烈，難以分析。平滑處理和降噪技術(shù)可以有效減少上述干擾。本文采用平均法進(jìn)行平滑處理，即對(duì)數(shù)據(jù)進(jìn)行滑動(dòng)平均，以降低高頻噪聲的影響，使數(shù)據(jù)更平滑，如公式（4）所示。

（4）

式中：h為加權(quán)系數(shù)；xi為任意樣本i的自變量；x1為第一項(xiàng)自變量；x2為第二項(xiàng)自變量；xn為第n項(xiàng)自變量。

h能夠衡量平滑處理的強(qiáng)度，h的指標(biāo)設(shè)置如公式（5）所示。

（5）

不同類型的數(shù)據(jù)需要采用不同的編碼方式，以便機(jī)器學(xué)習(xí)模型能夠進(jìn)行有效的訓(xùn)練。此外，為了消除量綱的影響，還需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和歸一化處理。本文中的變電站數(shù)據(jù)波動(dòng)具有相對(duì)穩(wěn)定性，僅存在少量顯著偏離的異常值。在標(biāo)準(zhǔn)化處理中，選擇將數(shù)據(jù)轉(zhuǎn)換為正態(tài)分布。而在歸一化處理中，本文保留數(shù)據(jù)的量級(jí)，僅利用基于95%數(shù)據(jù)的極值范圍進(jìn)行縮放，并提供無(wú)量綱的版本，以便于不同數(shù)據(jù)間分布趨勢(shì)的平行對(duì)比。

綜上所述，本文考慮了不同類型數(shù)據(jù)納入水平的差異性，比較了不同模型的完整度，分析其在不同采樣周期下的預(yù)測(cè)準(zhǔn)確率，結(jié)果如圖4所示。

不同模型完整度對(duì)預(yù)測(cè)能力的影響比較復(fù)雜。在數(shù)據(jù)來(lái)源有限的情況下，1%的模型完整度就能達(dá)到相對(duì)較高的預(yù)測(cè)水平。當(dāng)模型完整度提高至15%時(shí)，預(yù)測(cè)準(zhǔn)確率卻有所下降。但對(duì)于更高水平的模型完整度而言，通過(guò)引入豐富的數(shù)據(jù)來(lái)源并采用多源融合的數(shù)據(jù)整合分析方法，能夠顯著提升模型的預(yù)測(cè)準(zhǔn)確率，使其接近100%的水平。經(jīng)上述算法優(yōu)化處理，數(shù)字孿生平臺(tái)能夠獲取更可靠、準(zhǔn)確的變電站運(yùn)行數(shù)據(jù)，為智能分析、預(yù)測(cè)及優(yōu)化管理奠定基礎(chǔ)。

3 結(jié)論

本文探討了變電站的數(shù)字孿生平臺(tái)構(gòu)建，該平臺(tái)必須具備出色的場(chǎng)景感知能力以及高效的數(shù)據(jù)獲取和處理能力。因此，本文采用了數(shù)據(jù)預(yù)處理、特征提取和濾波算法等方法來(lái)處理來(lái)自傳感器的變電站數(shù)據(jù)。在數(shù)據(jù)預(yù)處理階段，本文進(jìn)行了標(biāo)定變換和缺失值填補(bǔ)，以保證數(shù)據(jù)的完整性和準(zhǔn)確性。在特征提取階段，本文利用機(jī)器學(xué)習(xí)算法從預(yù)處理后的數(shù)據(jù)中提取關(guān)鍵特征，該特征能夠反映變電站運(yùn)行狀態(tài)的異常情況。濾波算法則用于消除噪聲、凸顯關(guān)鍵信號(hào)特征，并降低數(shù)據(jù)的復(fù)雜性。在對(duì)某變電站的真實(shí)數(shù)據(jù)進(jìn)行濾波處理后，數(shù)據(jù)表現(xiàn)優(yōu)異，數(shù)據(jù)總量適中，且形成了隨時(shí)間軸平滑波動(dòng)的曲線，有效去除了背景噪聲的影響。不同設(shè)備的濾波結(jié)果顯示，電流、電壓波動(dòng)范圍較大，呈現(xiàn)出周期性振蕩趨勢(shì)。經(jīng)過(guò)濾波算法處理后的數(shù)據(jù)，能夠準(zhǔn)確地反映實(shí)際系統(tǒng)的特征和行為，為數(shù)字孿生模型的構(gòu)建提供了更可靠的數(shù)據(jù)基礎(chǔ)，提高了平臺(tái)的數(shù)據(jù)質(zhì)量和可靠性，為后續(xù)的模型構(gòu)建、仿真和預(yù)測(cè)分析奠定了基礎(chǔ)。

參考文獻(xiàn)

[1]孫瑞江，池威威，李樹(shù)榮，等.雄安新區(qū)的數(shù)字孿生變電站應(yīng)用及探索[J].現(xiàn)代電力，2024，41（1）：29-35.

[2]張惠仙，晉龍興，付威，等.面向變電站二次設(shè)備的數(shù)字孿生系統(tǒng)研究[J].供用電，2024，41（1）：34-41.

[3]張軍六，劉珊，李瑞.數(shù)字孿生技術(shù)下輸變電設(shè)備運(yùn)行狀態(tài)智能感知[J].計(jì)算機(jī)仿真，2023，40（12）：123-127，144.

[4]張冀，馬也，張榮華，等.數(shù)字孿生變電站框架設(shè)計(jì)與關(guān)鍵技術(shù)研究[J].工程科學(xué)與技術(shù)，2023，55（6）：15-30.

[5]涂潛，李俊，范東亮，等.面向數(shù)字孿生的變電站三維場(chǎng)景自動(dòng)目標(biāo)識(shí)別[J].系統(tǒng)仿真學(xué)報(bào)，2023，35（12）：2594-2601.

[6]劉云鵬，劉一瑾，劉剛，等.電力變壓器智能運(yùn)維的數(shù)字孿生體構(gòu)想[J].中國(guó)電機(jī)工程學(xué)報(bào)，2023，43（22）：8636-8652.

[7]陳晨，宋曉帆，董平先，等.基于數(shù)字孿生的變電站邏輯模型移交深化應(yīng)用[J].現(xiàn)代電力，2023，40（1）：108-116.