基于多源信息融合的配電網停電風險預警方法研究

,,,,

(1.國網江蘇淮安供電分公司,江蘇 淮安 223002；2.北京四方繼保自動化股份有限公司，北京 100085)

0 引言

在電力系統的有效運行中，配電網的安全運行是重要部分，只有保證配電網運行的安全性和平穩性，才能提高整個供電系統的運行水平[1]。但是配電網極易因受外界的影響而造成意外停電，這就需要對配電網意外停電進行預警。通常來說，對配電網停電風險預警方法的目的就是通過先進的手段和方法來預測配電網可能發生的停電現象，依據不同的停電風險等級實現不同的預警[2]。因此，相關的配電網停電風險預警方法也受到人們的廣泛關注。

目前，已有專家學者在配電網停電風險預警領域提出了一些較為成熟的研究結果。如文獻[3]中提出的配電網重復多發性停電風險辨識方法，文獻[4]中提出的基于模糊層次分析法的配電網重復多發性停電風險預警方法。但是由于這些傳統的停電風險預警方法在進行多源數據的交換時所耗用的時間較長，相應地就造成了預警響應的時間過長，導致最終的預警效率偏低。

信息融合技術是隨著現代電子技術發展而興起的新興技術，該技術使用多種傳感器，將擱置在不同位置的傳感器所提供的局部信息融合在一起，消除多源數據之間可能存在的冗余和沖突[5]。

針對現階段的配電網停電風險預警方法預警響應時間較慢，存在不能及時處理風險的情況，本文結合信息融合技術設計了一種新的配電網停電風險預警方法，利用融合技術容錯性強、可信度高的特點，解決傳統的預警方法中存在的問題，為供電系統的平穩、安全運行提供支持。

1 配電網停電風險預警方法

1.1 配電網運行狀態監測

根據電力系統安全穩定導則可知，配電網停電風險可能由設備問題、饋線問題和系統問題導致[6]。其中，設備問題包括設備級的耗電元件主要包括開關柜、配電變壓器、斷路器、負荷和隔離開關等；饋線級監測對象為單回饋線，其中包括開關設備和負荷點等；系統級檢測對象包括配電支路、配電變壓器、負荷點。綜上所述，可將配電網停電風險具體內容用表1進行描述。

表1 配電網停電風險詳情

表1所示內容就是造成配電網停電的主要風險因素，即關鍵風險源。在關鍵風險源的大致位置安置多種傳感器，綜合智能電表監測配電網運行狀態，實現主動運維[7]。智能電表監測的對象是用戶回路阻抗，當線路出現老化情況，阻抗增加，及時識別出該情況并預警，盡量避免因電路及設備老化造成的故障。

(1)

r0為變壓器低壓側等效電源電阻;r1為配電側電阻;r2為用戶側負荷電阻。選擇回路阻抗作為監測對象，其原因一方面是方便測量，另一方面是若回路中有表計被短接，回路測量電阻值升高，能夠防止反竊電[9]。

綜合多個位置的傳感器的阻抗變化信息，使用多源信息融合技術，生成融合結果，依據結果判斷配電網停電風險等級。

1.2 配電網停電風險預判模型的構建

在大數據系統框架和多源信息融合技術下，綜合配電網運行狀態監測信息，設計配電網停電風險預判模型，預判出配電網停電風險。配電網停電風險預判模型主要包括數據分析和風險評估2個過程。其中數據分析過程接收到各傳感器監測到的數據，通過多源信息融合技術，將采集的數據經過歸一化處理，生成融合結果[10]。通過D-S證據理論融合技術將多傳感器獲得的信息融合，對原始數據進行歸一化處理，得到各數據的相對可信度，表示原數據的相對可靠程度。Ki(i=1,2，…,n)表示n個傳感器中第i個傳感器傳輸數據的可信度，ki表示對應的數據的相對可信度[11]。相對可信度為

(2)

由此可得到傳感器傳送數據的阻抗異常表征為

(3)

ω為沖突權值[12]。利用信息融合規則融合多信息源數據并生成融合結果，通過風險評估過程分析融合結果。假設hij表示第i個傳感器的阻抗，根據所有阻抗{h1,h2,…,hi}和相關社會經濟價值系數ζi計算配電網停電總損失S，即

(4)

n的取值均為正整數。根據配電網總損失計算停電風險，過程為

μ0=λS

(5)

λ為停電風險級別系數。

綜合國家、省市和地區的有關規定，將配電網停電風險等級劃分為4級，分別為特別重大、重大、較大和一般，依次表示如下：1>μⅠ>μⅡ>μⅢ>μⅣ>0。依據計算的停電風險結合風險等級，結合表2判斷預警級別的等級。

至此，配電網停電風險預判模型建立完成，利用該模型判斷預警級別，并通過預警機制做出反應。

表2 預警等級

1.3 配電網停電風險預警

通過配電網停電風險預判模型判斷出預警級別，利用LPC1768的I2S總線提供一個通信接口，與主機相連，建立彼此獨立的傳輸通道，處理不同位數的數據，支持多源融合數據的傳輸，方便預警信號的發出[13]，該過程工作時序如圖1所示。

圖1 I2S工作時序

按照相關規定將預警級別分為4種，在預警模塊中采用4種不同的顏色來表示，分別為藍色、黃色、橙色和紅色預警[14]。這種預警形式有助于管理人員對異常情況程度的快速判斷，進而確定具體的停電故障。在實際項目中，當監測異常數據傳輸至預警模塊時，經過相關異常參數核對處理，判斷預警級別，核對完成后在可視化模塊中顯示出預警顏色[15]，整體過程如圖2所示。

圖2 預警模塊結構

從圖2可以明顯看出,預警模塊與配電網停電風險預判模型中數據分析、風險評估過程的聯系，通過各個工作部分的合理調配實現對配電網停電風險的預警。

2 配電網停電風險預警功能仿真測試

為驗證本文所提的基于多源信息融合的配電網停電風險預警方法的實際應用性能，設計如下仿真實驗。

通過實際監測獲得配電網運行狀態的相關信息，將信息傳送至數據分析模塊。由于在這一過程中，最重要的是數據通信問題，因此，使用主機控制電力系統，模擬停電故障風險現象，通過與電力系統中的預警信息對比驗證數據通信是否穩定可靠。測試過程如下：在遠端的多個配電室使用局部模擬發生儀周期性產生停電風險數據，將測試平臺采用接入網實現異地連接，測試數據通道中TCP/IP通信的可靠性，檢測產生的預警信息數和模擬產生的局放隱患發生次數是否相等。通過多次調試驗證，連接通道建立完整，數據通信功能正常。

利用MATLAB軟件的仿真功能模擬出10條配電網停電風險故障信息，同時使用文獻[4]中的基于模糊層次分析法的配電網重復多發性停電風險預警方法測試發生相同故障的預警響應時間，對比獲得的結果并分析。不同的預警方法測試的預警響應時間結果如表3所示。

表3 不同預警方法預警響應時間對比

對比表3所示的結果，所提方法的預警響應時間最長為1.45 s，最短為0.43 s；文獻[4]預警方法的預警響應時間最長為2.34 s，最短為1.07 s。兩者相比，所提的基于多源信息融合的配電網停電風險預警方法預警響應時間更迅速，與文獻[4]中的預警方法預警響應時間相比時間縮短了一半以上。這是因為所提方法使用了多源信息融合技術將監測的多源數據使用D-S理論融合在一起，減少對多源數據處理的時間和需要處理的數據量，節省了大量數據傳輸的時間，縮短了預警響應時間。

為進一步測試所提的基于多源信息融合的配電網停電風險預警方法的有效性，設計如下對比實驗。將該方法與文獻[3]中的的配電網重復多發性停電風險辨識方法進行對比，測試在人為干預下，不同方法配電網風險預警精度，到對比結果如圖3所示。

圖3 不同方法預警精度對比

分析圖3可知，在人為干預下，雖然隨著實驗次數的增加，2種方法的預警精度都存在一定程度的波動，但所提方法的停電風險預警精度始終比傳統方法高，最高的預警精度可達到95%。因此可證明所提的基于多源信息融合的配電網停電風險預警方法可以有效抵制外界條件干擾，具有較理想的預警效果。這是因為本文方法首先判定了停電風險可能發生的大致范圍，在此基礎上利用了信息融合技術對其中各傳感器的信息進行整理分析，有著雙重保障，因此可以有效減少受外界干擾的影響，增加了對停電風險的預警精準度。

3 結束語

將多源信息融合技術使用在配電網停電風險預警方法中，減少需要處理的數據量，將多源數據融合在一起，加快數據交換時間，從而使預警響應時間得到提高。經過對比測試，證明了基于多源信息融合的配電網停電風險預警方法更優異，適用于供電系統的長期發展。