新型電力系統(tǒng)配用電精細化狀態(tài)評估方法

溫克歡，馮俊豪，耿 博，鐘 聰，黃博陽

(1.深圳供電局有限公司，廣東 深圳 518048；2.南方電網(wǎng)科學研究院有限責任公司，廣東 廣州 510663；3.廣東省電網(wǎng)智能量測與先進計量企業(yè)重點實驗室，廣東 廣州 510663)

0 引言

隨著現(xiàn)代化配用電網(wǎng)建設(shè)的持續(xù)推進,電表箱作為具備電能信息采集、可視化交互和用電行為收集等功能的關(guān)鍵組件,對配電網(wǎng)的穩(wěn)定運行具有重要作用[1]。相關(guān)數(shù)據(jù)表明,截至2017年,電表箱采集戶數(shù)累計4.47億,覆蓋率達到99.03%。雖然電表箱已經(jīng)極為普及,但復雜的工作環(huán)境對其可靠運行有著較高的要求,如端子老化、線損、堆積物燃燒和空氣的溫、濕度都有可能對電表箱運行的可靠性產(chǎn)生較大影響[2-3]。電表箱運行異常易引發(fā)電網(wǎng)故障連鎖反應[4],甚至危及配用電網(wǎng)運行的安全穩(wěn)定,因此迫切需要開展電表箱狀態(tài)評估及故障預警的研究。

傳統(tǒng)電表箱狀態(tài)評估多采用周期性人工巡視的方法,其成本高、效率低,且故障發(fā)現(xiàn)與預警及時性差,巡視員工作水平存在差異性,各類評估指標的量化標準仍不完善[5]。目前,已有部分學者針對電表箱狀態(tài)評估及故障預警技術(shù)展開研究,主要研究方法包括主成分分析法[6]、層次分析法[7]、模糊判別法[8]和隸屬度函數(shù)法[9],但上述方法仍存在判別依據(jù)不統(tǒng)一、判別標準主觀性較強等問題。在此基礎(chǔ)上,為降低單一評價方法的不準確性,部分學者提出了評估模糊層次分析法以及結(jié)合主客觀因素組合賦權(quán)的方法[10],但仍存在定性分析指標不明確的問題。文獻[11-12]提出的正態(tài)云理論模型為解決上述問題提供了可借鑒的思路。該方法通過改進鐘型隸屬度函數(shù)與正態(tài)分布實現(xiàn)定性指標的定量轉(zhuǎn)換,避免傳統(tǒng)方法中定性分析主觀性強的問題,在災害預警及設(shè)備運行狀態(tài)評估等領(lǐng)域得到了廣泛應用。然而在現(xiàn)場應用環(huán)境中,由于表箱機械振動或者地下室等隔離環(huán)境信道不佳,表箱進線電流電壓采集裝置、電表端子測溫裝置等采集單元數(shù)據(jù)采集異常、數(shù)據(jù)傳輸可靠性不足的問題將導致表箱狀態(tài)評估數(shù)據(jù)有潛在異常性,傳統(tǒng)的狀態(tài)評估假設(shè)電表運行狀態(tài)數(shù)據(jù)均能實現(xiàn)無偏采集與傳輸,在實際應用中評估準確性仍有待提升。針對這一問題,本文所提電表箱狀態(tài)評估方法基于數(shù)據(jù)密度識別篩選并剔除多源監(jiān)測異常數(shù)據(jù),基于數(shù)據(jù)異常情況動態(tài)調(diào)整表箱狀態(tài)定性與定量評估模型,實現(xiàn)復雜運行環(huán)境下電表箱運行狀態(tài)的準確評估。

1 電表箱狀態(tài)評估指標體系

根據(jù)電表箱運行時的影響因素和特征,本文結(jié)合歷史監(jiān)測與現(xiàn)場實測數(shù)據(jù),選取12項評估指標構(gòu)建電表箱運行狀態(tài)評估體系,如圖1所示。

圖1 多維度層次化電表箱狀態(tài)評估指標體系Fig.1 Multi-dimensional hierarchical status evaluation index system of meter box

電表箱運行指標主要包括表箱運行時的進/出線電流、進/出線電壓、電表箱電量、電表箱功率、機械振動頻率和線損,反映了電表箱本體的運行數(shù)據(jù);電表箱環(huán)境指標主要考慮電表箱溫度、接線端子溫度、電表箱濕度、煙霧濃度、磁場強度和粉塵濃度,反映了現(xiàn)場運行環(huán)境對電表箱可靠性的影響。

2 電表箱多源監(jiān)測數(shù)據(jù)預處理方法

基于數(shù)據(jù)密度識別篩選的多源數(shù)據(jù)密度過濾方法,對電表箱多源監(jiān)測數(shù)據(jù)進行預處理[13-14],其原理如圖2所示。計算各樣本之間的歐幾里得距離,獲取最大鄰近距離與局部密度,通過閾值比較,檢測并剔除電表箱采集數(shù)據(jù)中的異常數(shù)據(jù),保證多源數(shù)據(jù)的有效性。

圖2 電表箱多源監(jiān)測數(shù)據(jù)預處理方法Fig.2 Preprocessing method for multi-source monitoring data of meter box

具體步驟如下:

②對樣本距離進行升序排列,xi,j的q個最近鄰數(shù)據(jù)集合可表示為:

(1)

式中:nq(xi,j)表示與xi,j距離最近的第q個樣本。

(2)

式中:q=λn,λ∈[0,1]為密度衡量參數(shù)。

式中:ηρ和ηδ分別為局部密度經(jīng)驗參數(shù)和距離經(jīng)驗參數(shù)。

3 電表箱多源監(jiān)測數(shù)據(jù)狀態(tài)評估正態(tài)云模型

3.1 正態(tài)云模型構(gòu)建

正態(tài)云模型構(gòu)建主要包括正態(tài)云數(shù)字特征計算和確定度計算,具體步驟如下:

②根據(jù)正態(tài)云模型數(shù)字特征,計算xij的確定度為:

(8)

③重復上述步驟直到產(chǎn)生云滴數(shù)目達到要求。

3.2 正態(tài)云模型指標權(quán)重確定

正態(tài)云模型指標權(quán)重確定包括指標特性權(quán)重和運行特性權(quán)重確定[17-18],具體步驟如下:

①根據(jù)評估問題中Q個評價指標,構(gòu)造判決矩陣C=(cij)Q×Q。其中,cij為評估指標Ii相對于評估指標Ij的相對重要關(guān)系。

③根據(jù)評估問題中M組樣本數(shù)據(jù),構(gòu)建初始評價矩陣K=(kqm)Q×M,其中,kqm為第q個評價指標在第m組樣本數(shù)據(jù)上的取值。進一步對評價矩陣進行歸一化處理后,獲得標準化矩陣K=(k′qm)N×M。

④基于熵權(quán)法[19-20]計算第q個評價指標的熵、熵權(quán)為:

⑤計算電表箱狀態(tài)評估正態(tài)云模型指標權(quán)重為:

ω=a1ωe+a2ωo,

(11)

式中:a1與a2分別表示電表箱狀態(tài)評估指標特性權(quán)重系數(shù)和運行特性權(quán)重系數(shù)。

3.3 評估模型建立

②基于指標特性權(quán)重及運行特性權(quán)重,構(gòu)建正態(tài)云模型指標權(quán)重ω。

(12)

⑤電表箱狀態(tài)評估評語集如表1所示,基于最大隸屬度原則[19-20]對狀態(tài)評估結(jié)果進行隸屬等級判斷,若:

μf=max{μ1(θ),μ2(θ),…,μ5(θ)},

(13)

則認為θ優(yōu)先隸屬于評語等級μf。

傳統(tǒng)的電表箱狀態(tài)評估健康等級劃分區(qū)間一般采用“分割制”,即明確地分割各個健康等級,各個健康等級之間存在明確的界限,設(shè)備運行狀態(tài)健康水平非此即彼。然而,“分割制”忽略了2種健康等級之間的過渡狀態(tài),不符合現(xiàn)實中設(shè)備運行性能衰退的一般規(guī)律。因此,提出一種“重疊制”的健康水平劃分方法(見表1),相鄰的2個健康等級之間存在一定的重疊區(qū)域,表示設(shè)備運行狀態(tài)在2種健康等級之間過渡的過程。在電表箱運行狀態(tài)評估過程中,對于出現(xiàn)電表箱運行狀態(tài)隸屬于相鄰2個狀態(tài)評估評語的情況,為提高電表箱運行的可靠性,此時確定電表箱運行狀態(tài)隸屬于較差的評語等級。

表1 不同評語與重心偏離度之間的對應關(guān)系Tab.1 The relationship between comments and deviation degree of gravity center

3.4 基于評估結(jié)果的故障預警

電表箱故障預警是在電表箱運行狀態(tài)評估的基礎(chǔ)上,當電表箱運行狀態(tài)不是優(yōu)時,確定異常指標數(shù)據(jù)并做出預警響應?；陔姳硐錁藴蔬\行狀態(tài),為表箱狀態(tài)評估各項指標設(shè)定隸屬于良、中、差和病態(tài)的隸屬度閾值,當電表箱運行狀態(tài)不是優(yōu)時,啟動故障預警機制,分別判斷各項指標隸屬于良、中、差和病態(tài)的隸屬度是否超過相應的閾值,超過閾值的指標則為異常指標。電表箱的運行狀態(tài)評估結(jié)果以及所有的異常指標數(shù)據(jù)均會及時地上傳至控制中心,工作人員基于收到的數(shù)據(jù)可以了解各個電表箱的運行狀態(tài)以及可能存在的運行隱患,并及時安排相關(guān)檢修工作。

4 算例分析

選擇在廣東省某小區(qū)同一批次布置的500臺電表箱為例進行算例分析。電表箱進/出線電壓為0.975Un,電表箱自2017年7月投入使用至今,其頻率偏差為[0.05,0.12] Hz,線損率為[4.3,7.4]%。經(jīng)現(xiàn)場測定電表箱平均溫度為20.6 °C,接線端子平均溫度為30.8 °C,電表箱平均濕度為63%,平均煙霧濃度為18 mg/m3,平均電磁干擾為2.04 V/m,平均粉塵濃度為11 mg/m3。以某臺電表箱溫度指標為例,對采樣結(jié)果進行數(shù)據(jù)預處理,得到數(shù)據(jù)處理前后電表箱溫度采集樣本數(shù)據(jù)如圖3所示。由圖3可以看出,通過數(shù)據(jù)預處理后錯誤與異常數(shù)據(jù)被剔除,數(shù)據(jù)離散程度明顯降低。

(a)數(shù)據(jù)預處理前

(b)數(shù)據(jù)預處理后圖3 電表箱溫度數(shù)據(jù)預處理前后對比Fig.3 Comparison of meter box temperature before and after pretreatment

以溫度指標為例,給出了優(yōu)、良、中、差、病態(tài)的電表箱狀態(tài)評估云模型,如圖4所示。

圖4 電表箱溫度狀態(tài)評估云模型Fig.4 Cloud model of meter box temperature status evaluation

利用上述電表箱各類指標值,重復進行狀態(tài)評估與故障預警200次,計算每項指標的平均云隸屬度,如表2所示。表3給出了利用指標特性權(quán)重判決矩陣和運行特性權(quán)重評價矩陣求取的指標云綜合權(quán)重。

表2 不同指標平均云隸屬度Tab.2 Average cloud membership of different indicators

表3 指標云綜合權(quán)重Tab.3 Comprehensive weight of indicator cloud

利用表2中的平均隸屬度矩陣和表3的指標云綜合權(quán)重集合,求取電表箱狀態(tài)評估結(jié)果如表4所示。根據(jù)最大隸屬度原則,判定電表箱當前評估結(jié)果為優(yōu),同時,評估狀態(tài)良的隸屬度為0.132 1,相對較高,說明仍需加強電表箱運行監(jiān)控。

表4 電表箱狀態(tài)評估結(jié)果Tab.4 Status evaluation results of meter box

采用類似的方法可以對其余電表箱進行狀態(tài)評估。綜合500臺電表箱狀態(tài)評估結(jié)果,進一步統(tǒng)計分析所提狀態(tài)評估結(jié)果和表箱的實際運行狀態(tài),表箱實際運行狀態(tài)為優(yōu)的電表箱數(shù)量占電表箱總數(shù)500臺的比例為75%,本文所提方法評估運行狀態(tài)為優(yōu)的電表箱數(shù)量占總數(shù)比例為74%,其他評語等級的電表箱狀態(tài)評估結(jié)果采用類似方法計算。具體對比結(jié)果如表5所示。由表5可以看出,對比現(xiàn)場巡檢表箱實際運行狀態(tài)的結(jié)果,所提方法能夠在整體上準確評估表箱狀態(tài),對于表箱的故障檢修有著良好的適用性。同時,為了體現(xiàn)本文所提方法的優(yōu)越性,將所提方法與主成分分析法、層次分析法、模糊判別法以及隸屬度函數(shù)法進行了評估準確率對比,具體如表6所示。由表6可以看出,所提方法評估準確率高達97.6%,相比于其他方法準確率有著較大的提升,這是因為本文所提方法充分考慮了電表箱復雜運行環(huán)境對電表運行狀態(tài)數(shù)據(jù)采集與傳輸?shù)挠绊?而傳統(tǒng)的狀態(tài)評估方法則假設(shè)電表運行狀態(tài)數(shù)據(jù)均能實現(xiàn)無偏采集與傳輸,從而在實際應用中評估準確率較低。

表5 狀態(tài)評估結(jié)果與表箱的實際運行狀態(tài)對比Tab.5 Comparison between the state assessment results and the actual running state of the meter box

表6 不同方法評估準確率對比Tab.6 Comparison of assessment accuracy of different methods

5 結(jié)論

面向電表箱運行狀態(tài)評估需求,考慮電表箱復雜運行環(huán)境對數(shù)據(jù)無偏采集與可靠傳輸?shù)牟焕绊?構(gòu)建了多維度層次化電表箱狀態(tài)評估指標體系?；跀?shù)據(jù)密度識別篩選并剔除多源監(jiān)測異常數(shù)據(jù),并根據(jù)數(shù)據(jù)異常情況動態(tài)調(diào)整表箱狀態(tài)定性與定量評估模型,實現(xiàn)復雜運行環(huán)境下電表箱運行狀態(tài)的準確評估與實時故障預警,有效提升配用電網(wǎng)安全穩(wěn)定運行水平。