基于神經(jīng)網(wǎng)絡(luò)的第三代智能變電站高精度守時(shí)算法研究

周 帆，潘彥峰

（1.國(guó)網(wǎng)湖南省電力有限公司，湖南 長(zhǎng)沙 410004；2.網(wǎng)電力科學(xué)研究院，江蘇 南京 211106）

0 引言

國(guó)網(wǎng)公司從2018年開始陸續(xù)試點(diǎn)了一批第三代智能變電站建設(shè)，第三代智能變電站以“一鍵操作、自動(dòng)巡檢、主動(dòng)預(yù)警、智能決策”等功能為主要特征，是對(duì)傳統(tǒng)變電站、第一代智能站及新一代智能站從設(shè)計(jì)、制造、建設(shè)、運(yùn)檢等各方面進(jìn)行的全面總結(jié)與提升[1-2]。第三代智能變電站采用結(jié)構(gòu)標(biāo)準(zhǔn)化、信息標(biāo)準(zhǔn)化的就地模塊替代合并單元與智能終端設(shè)備，設(shè)備實(shí)現(xiàn)數(shù)據(jù)采集和設(shè)備控制操作功能。測(cè)控子機(jī)通過采集不同就地模塊的電氣信息計(jì)算功率，就地模塊對(duì)時(shí)不準(zhǔn)將導(dǎo)致測(cè)控子機(jī)采樣值，存在功率計(jì)算不準(zhǔn)等問題。就地模塊的對(duì)時(shí)依賴授時(shí)系統(tǒng)，一旦外部授時(shí)信號(hào)中斷，延時(shí)時(shí)間計(jì)算準(zhǔn)確度將完全依賴于設(shè)備內(nèi)部晶振的守時(shí)精度，一旦晶振穩(wěn)定性不好，長(zhǎng)時(shí)間失去外部授時(shí)信號(hào)將導(dǎo)致延時(shí)計(jì)算偏差加大[3-4]。

近年來，隨著智能變電站對(duì)通信網(wǎng)絡(luò)的普及，時(shí)間同步系統(tǒng)采用網(wǎng)絡(luò)同步的方式也越來越普遍。IEEE1588協(xié)議提出了一種應(yīng)用于電力、通信、工業(yè)控制等領(lǐng)域的高精度網(wǎng)絡(luò)同步協(xié)議，其精度高于1 μs，在現(xiàn)有網(wǎng)絡(luò)同步方式中精度最高。

目前，國(guó)內(nèi)外學(xué)者對(duì)于設(shè)備守時(shí)算法已做過大量研究，但針對(duì)IEEE1588同步協(xié)議下的研究較少。已有的授時(shí)與守時(shí)算法通常采用全球定位系統(tǒng)（global positioning system，GPS）或北斗衛(wèi)星信號(hào)與時(shí)鐘晶振相配合的方案。與世界協(xié)調(diào)時(shí)間（coordinated universal time，UTC）比較，GPS秒脈沖無累計(jì)時(shí)間誤差，但卻有較大的隨機(jī)誤差。時(shí)鐘晶振可以看作是一種比較穩(wěn)定的時(shí)鐘頻率源，其輸出時(shí)間信號(hào)的隨機(jī)誤差可忽略不急，但因受頻率本身硬件特性影響，其頻率在長(zhǎng)時(shí)間運(yùn)行后會(huì)緩慢偏移，所以時(shí)鐘晶振存在累計(jì)時(shí)間誤差的特性。文獻(xiàn)[5-7]提出基于數(shù)字鎖相環(huán)的同步時(shí)鐘實(shí)現(xiàn)方法，算法精度高，但對(duì)硬件性能要求高，會(huì)大幅增加同步時(shí)鐘模塊的成本，而且該方法只實(shí)現(xiàn)了消除周期誤差，未消除累計(jì)誤差。文獻(xiàn)[8-10]提出將歷史時(shí)間數(shù)據(jù)用來訓(xùn)練自適應(yīng)的晶振老化模型，實(shí)現(xiàn)對(duì)晶振頻率進(jìn)行預(yù)測(cè)，但其老化模型較簡(jiǎn)單，影響因素考慮不全，自守時(shí)能力受限。

文中從影響守時(shí)精度的因素出發(fā)，通過預(yù)測(cè)算法等方式，提出一種基于神經(jīng)網(wǎng)絡(luò)的高精度守時(shí)算法，確保一次設(shè)備就地模塊在長(zhǎng)時(shí)間無外界授時(shí)時(shí)，其守時(shí)精度在測(cè)控子機(jī)允許范圍內(nèi)，解決因裝置守時(shí)精度差導(dǎo)致的功率計(jì)算不準(zhǔn)等問題提供新思路。

1 影響晶振守時(shí)精度的因素分析

守時(shí)是指設(shè)備在失去外部授時(shí)的情況下，僅依靠自身時(shí)鐘源來保證時(shí)間的同步。對(duì)于IEEE1588同步協(xié)議，守時(shí)是指從時(shí)鐘在失去上一級(jí)主時(shí)鐘同步報(bào)文的情況下，僅依靠從時(shí)鐘自身的時(shí)鐘源保持與主時(shí)鐘的同步。如圖1所示，對(duì)于采用IEEE1588同步協(xié)議的從時(shí)鐘其守時(shí)可以分為兩種情況。一種是對(duì)于IEEE1588同步網(wǎng)絡(luò)中較為重要的時(shí)鐘節(jié)點(diǎn)（上一級(jí)主時(shí)鐘、交換機(jī)和較為重要的就地模塊）；其作為下一級(jí)時(shí)鐘的主時(shí)鐘，其時(shí)間同步精度直接影響下一級(jí)時(shí)鐘，因此往往需要配備GPS/北斗等備用授時(shí)源提高其守時(shí)精度。另一種對(duì)于只配備1588授時(shí)模塊的時(shí)鐘（就地模塊）；其守時(shí)精度只能依靠本地時(shí)鐘（石英晶振）的頻率穩(wěn)定度和準(zhǔn)確度，因此研究如何保證石英晶體振蕩器的頻率穩(wěn)定性便成為了其守時(shí)算法的核心。

圖1 IEEE1588守時(shí)算法網(wǎng)絡(luò)拓?fù)鋱D

影響晶振性能的因素分別為：老化、溫度、相位噪聲及振動(dòng)、邊沿效應(yīng)。其中老化和溫度是主要影響因素。

通過研究發(fā)現(xiàn)目前對(duì)于溫度的影響主要的補(bǔ)償手段為設(shè)置恒溫槽來控制晶體的工作溫度在零溫度系數(shù)點(diǎn)附近，即降低晶體對(duì)于溫度的靈敏度，從而克服溫度對(duì)于晶振參數(shù)的影響。

而目前對(duì)于晶振老化影響的主要補(bǔ)償手段為老化預(yù)測(cè)。老化預(yù)測(cè)目前有線性模型，對(duì)數(shù)模型等，但是由于不同切型甚至相同切型的晶體老化規(guī)律都有所差別，因此傳統(tǒng)的模型難以對(duì)晶體老化做出準(zhǔn)確的預(yù)測(cè)[11-12]。

2 基于神經(jīng)網(wǎng)絡(luò)的同步守時(shí)算法

2.1 基于神經(jīng)網(wǎng)絡(luò)的同步守時(shí)解決方案

由于晶體振蕩器的老化是一個(gè)長(zhǎng)期的效應(yīng)，通?？梢圆捎妙A(yù)測(cè)的方法來判斷老化的影響。運(yùn)用預(yù)測(cè)法研究石英晶體振蕩器頻率老化的大致基本思路是：通過石英晶體振蕩器的歷史衰老數(shù)據(jù)，估計(jì)其在當(dāng)前時(shí)候的輸出頻率，由補(bǔ)償頻率控制器形成所要求的補(bǔ)償頻率，同振蕩器頻率經(jīng)過相應(yīng)計(jì)算后再直接輸出，原理框圖如圖2所所示。

圖2 老化補(bǔ)償原理框圖

頻率的老化模型遵循頻率隨時(shí)間變化的關(guān)系函數(shù)，函數(shù)總體上同前一時(shí)間、當(dāng)前時(shí)間和前一時(shí)間的頻率變化率相關(guān)。在知道了n個(gè)樣本的頻率和頻率老化率之后，超出t（n）時(shí)刻的頻率可以通過一個(gè)頻率預(yù)測(cè)模型得到。這種通過初步的測(cè)定n個(gè)樣本而得到未來的頻率老化值稱之為老化預(yù)測(cè)。頻率預(yù)測(cè)模型基于晶振的一組歷史數(shù)據(jù)，可以預(yù)測(cè)當(dāng)前時(shí)間的頻率為f（k），同時(shí)補(bǔ)償頻率發(fā)生器產(chǎn)生補(bǔ)償頻率，通過f（k）和補(bǔ)償頻率計(jì)算，最后便可輸出所預(yù)測(cè)的穩(wěn)定頻率。

綜合利用了Kalman濾波技術(shù)和神經(jīng)網(wǎng)絡(luò)[13]，并把通過Kalman濾波技術(shù)獲得的歷史數(shù)據(jù)，作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集對(duì)其進(jìn)行培訓(xùn)，從而形成精確的晶體振蕩器老化進(jìn)程模型，以提高設(shè)備的守時(shí)能力。同步守時(shí)算法流程如圖3所示。

圖3 同步守時(shí)算法流程

當(dāng)外界存在統(tǒng)一的時(shí)鐘基準(zhǔn)，如GPS時(shí)鐘信息或者IEEE1588時(shí)鐘的同步信息時(shí)，設(shè)備將先通過GPS接收器和IEEE1588同步信息收集設(shè)備，獲取其同步時(shí)鐘的秒脈沖。然后再利用裝置晶振對(duì)GPS的秒脈沖加以計(jì)算，并作時(shí)間累積統(tǒng)計(jì)。獲得的一組累積晶振計(jì)數(shù)值，用作Kalman濾波器的觀測(cè)數(shù)據(jù)，使用Kalman濾波器對(duì)晶振的系統(tǒng)狀況做預(yù)測(cè)和估算。將相鄰兩次獲得的累積晶振數(shù)值相減，獲取晶振分頻器的控制量。

當(dāng)裝置工作于同步的授時(shí)狀態(tài)下時(shí)，將通過Kalman濾波器所獲得的晶振頻率的估計(jì)值，當(dāng)作歷史值保留下來。將歷史值對(duì)BP神經(jīng)網(wǎng)絡(luò)實(shí)施培訓(xùn)，達(dá)到了誤差精度和迭代次數(shù)后，完成訓(xùn)練。

在沒有外界的時(shí)間基準(zhǔn)時(shí)，裝置將沒法再接受到外界的同步時(shí)秒脈沖，因此設(shè)備進(jìn)入守時(shí)狀態(tài)。Kalman濾波器不再運(yùn)行，裝置現(xiàn)在只通過已開發(fā)好的BP神經(jīng)網(wǎng)絡(luò)模塊，對(duì)未來晶體振蕩器的頻率變化趨勢(shì)做預(yù)測(cè)。因?yàn)榫w振蕩器頻率變化趨勢(shì)在短時(shí)內(nèi)比較微弱，所以在同步守時(shí)狀況下，將所得的頻率預(yù)測(cè)值經(jīng)過相加，就可獲得累計(jì)晶振計(jì)數(shù)值，然后再將相鄰兩次的計(jì)算結(jié)果相減，得出晶振分頻器的控制量。

2.2 算法模型

2.2.1 利用Kalman濾波器建立晶振運(yùn)動(dòng)方程

Kalman濾波器，是一個(gè)使用線性系統(tǒng)狀態(tài)方程的最優(yōu)估計(jì)算法，通過迭代運(yùn)算的方法，運(yùn)算工作量較小，計(jì)算速度快，對(duì)數(shù)據(jù)存儲(chǔ)要求較低。利用Kalman濾波器結(jié)合晶振誤差特性，對(duì)晶振建立狀態(tài)空間方程如下：

式中：x（k）、x（k-1）分別為k、k-1時(shí)刻的系統(tǒng)狀態(tài)向量；ω（k）為狀態(tài)噪聲；A是參數(shù)矩陣。

為了消除累計(jì)時(shí)間誤差，同時(shí)降低GPS信號(hào)或IEEE1588同步信號(hào)的抖動(dòng)，有必要建立準(zhǔn)確合適的Kalman濾波器，系統(tǒng)的狀態(tài)變量方程如式（2）所示：

式中：tCN（k）為k時(shí)刻晶振累計(jì)計(jì)數(shù)；f（k）、v（k）、a（k）分別為晶振頻率、晶振頻率變化率、晶振頻率變化加速率。

系統(tǒng)的觀測(cè)方程可表述為：

式中：z（k）為系統(tǒng)的觀測(cè)量；H為系統(tǒng)的觀測(cè)矩陣；v（k）為系統(tǒng)的觀測(cè)噪聲。

Kalman濾波器方程以線性差分的方式表示晶振頻率的變化，其階數(shù)越高，越能準(zhǔn)確反映非線性程度，但階數(shù)越高，數(shù)值越小，對(duì)濾波精度提高有限，所以文中綜合考慮選用4階方程。

2.2.2 利用神經(jīng)網(wǎng)絡(luò)建立數(shù)學(xué)模型

利用神經(jīng)網(wǎng)絡(luò)可建立的數(shù)學(xué)模型如式（5）所示：

式中，F(xiàn)為神經(jīng)網(wǎng)絡(luò)訓(xùn)練的非線性模型；tCN(k)、v(k)、a(k)分別為第k時(shí)刻的晶振累計(jì)計(jì)數(shù)值、晶振頻率、晶振頻率變化率、晶振頻率變化加速率。預(yù)測(cè)數(shù)據(jù)需要綜合分析選取。

晶振頻率的老化漂移隨時(shí)間流轉(zhuǎn)變化較為緩慢。因此v(k)、a(k)雖然在理論上表達(dá)了晶振頻率的變化特征，但其實(shí)，v(k)和a(k)數(shù)值極小，數(shù)量級(jí)在1×10-5到1×10-7，數(shù)值不穩(wěn)定而且波動(dòng)很大，無法準(zhǔn)確描述晶振的頻率特性，不宜用作神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。另一方面，晶振累計(jì)計(jì)數(shù)值tCN(k)的值很大，在tCN(k)變化相對(duì)較小時(shí)，會(huì)帶來較大的時(shí)間誤差波動(dòng)，也不宜作為預(yù)測(cè)對(duì)象。綜合考慮計(jì)算成本和神經(jīng)網(wǎng)絡(luò)模型更新速度，將時(shí)間k作為輸入數(shù)據(jù)，k時(shí)刻晶振頻率f（k）作為輸出數(shù)據(jù)。數(shù)學(xué)方程如式（6）所示，其中m為輸入數(shù)據(jù)個(gè)數(shù)：

1）網(wǎng)絡(luò)結(jié)構(gòu)

多數(shù)研究已經(jīng)證明，神經(jīng)網(wǎng)絡(luò)采用隱藏層與線性輸出層可以擬合出任意一有理函數(shù)，雖然神經(jīng)元層數(shù)越多擬合精度越高，但是神經(jīng)元層數(shù)的增加會(huì)降低訓(xùn)練速度，導(dǎo)致過擬合。綜合考慮下，文中算法采用一層隱藏層、多神經(jīng)元的方式。如圖4所示。

圖4 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型

2）激勵(lì)函數(shù)

神經(jīng)網(wǎng)絡(luò)隱藏層函數(shù)通常采用Sigmoid型函數(shù)，并能夠滿足對(duì)函數(shù)的擬合需要。由此，隱藏層選取Sigmoid型傳遞函數(shù)tanh。

3）損失函數(shù)

對(duì)于分類、回歸、序列預(yù)測(cè)等常見問題，通常按照一些簡(jiǎn)單的指導(dǎo)原則來選擇正確的損失函數(shù)。晶振老化漂移的預(yù)測(cè)本質(zhì)上屬于回歸問題，回歸問題可以使用均方誤差損失函數(shù)。

4）優(yōu)化器

優(yōu)化器或者稱之為學(xué)習(xí)算法，其功能是通過以最佳的訓(xùn)練方式，來最小化或最大化損失函數(shù)。設(shè)計(jì)不同優(yōu)化器對(duì)BP神經(jīng)網(wǎng)絡(luò)效果影響較大，決定了訓(xùn)練速度和最優(yōu)求解，常見優(yōu)化器包括梯度下降算法、Scaled共軛梯度算法、Levenberd-Marquardt等算法。模型參數(shù)設(shè)置情況為：訓(xùn)練迭代次數(shù)上限為400次；訓(xùn)練誤差精度設(shè)置為均方根誤差為1×10-7，對(duì)不同優(yōu)化器多次訓(xùn)練神經(jīng)網(wǎng)絡(luò)，比對(duì)訓(xùn)練效果。

3 同步守時(shí)算法結(jié)果驗(yàn)證

試驗(yàn)設(shè)置同步授時(shí)狀態(tài)時(shí)長(zhǎng)為仿真總時(shí)長(zhǎng)的一半。當(dāng)系統(tǒng)處在同步授時(shí)狀態(tài)時(shí)，Kalman濾波器對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，作為神經(jīng)網(wǎng)絡(luò)輸入層的初始數(shù)據(jù)，然后進(jìn)行訓(xùn)練。失去外部授時(shí)后，將完成訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型對(duì)晶振頻率進(jìn)行預(yù)測(cè)，修正晶振頻率輸出，實(shí)現(xiàn)高精度守時(shí)?；谏窠?jīng)網(wǎng)絡(luò)的守時(shí)算法對(duì)晶振頻率的預(yù)測(cè)效果如圖5所示，可以看出，訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)可以很好地?cái)M合頻率偏移，有效減小晶振頻率老化漂移帶來的累計(jì)時(shí)間誤差。

圖5 基于神經(jīng)網(wǎng)絡(luò)的晶振頻率預(yù)測(cè)

算法同步守時(shí)能力測(cè)試結(jié)果如圖6所示，在外部時(shí)鐘源授時(shí)結(jié)束后的24 h內(nèi)，累計(jì)時(shí)間誤差小于4 μs，相比傳統(tǒng)守時(shí)方法有了大幅提高。圖中也顯示出隨著時(shí)間的增長(zhǎng)，累計(jì)時(shí)間誤差逐漸增大，神經(jīng)網(wǎng)絡(luò)模型的守時(shí)精度逐漸降低。

圖6 同步守時(shí)算法時(shí)間精度測(cè)試結(jié)果

由結(jié)果可以看出，相比于傳統(tǒng)的線性模型和對(duì)數(shù)模型，神經(jīng)網(wǎng)絡(luò)守時(shí)精度都明顯優(yōu)于前兩者。另外由于不同廠家、不同批次、不同型號(hào)的晶振的老化漂移規(guī)律都有所不同，所以采用傳統(tǒng)的數(shù)學(xué)模型很難滿足現(xiàn)實(shí)需要，神經(jīng)網(wǎng)絡(luò)來對(duì)晶振老化漂移規(guī)律進(jìn)行擬合具有較強(qiáng)的自適應(yīng)性和可行性。

4 結(jié)語(yǔ)

就地模塊作為第三代智能變電站的核心設(shè)備，其守時(shí)性能對(duì)變電站正常運(yùn)行至關(guān)重要。文中重點(diǎn)針對(duì)影響石英晶振守時(shí)的老化因素，提出一種基于Kalman濾波器與神經(jīng)網(wǎng)絡(luò)模型混合應(yīng)用的高精度守時(shí)算法，通過將其與傳統(tǒng)的線性模型和對(duì)數(shù)模型進(jìn)行仿真測(cè)試對(duì)比可知，引入神經(jīng)網(wǎng)絡(luò)可有效預(yù)測(cè)晶振老化漂移，從而提高設(shè)備的守時(shí)精度，這對(duì)提升第三代智能變電站運(yùn)行穩(wěn)定性具有重要意義。