新能源場站并網測試系統數據分段技術研究

安瑞峰 ， 李曉軍 ， 常 瀟

（1.山西世紀中試電力科學技術有限公司， 山西 太原 030001；2.國網山西省電力公司電力科學研究院， 山西 太原 030001）

0 引言

近年來，山西新能源發展迅猛，截至2020 年6月新能源裝機已突破2 500 萬kW，預計2025 年底全省新能源裝機容量將超過6 000 萬kW。 新能源場站接入電力系統后，按相關標準[1-7]要求在6 個月內向電力系統調度機構提供有關運行特性的測試報告，測試內容包括有功/無功控制能力測試、電能質量測試等。目前，測試工作主要有現場測試、數據分析、報告編制等環節，測試工作存在任務繁重、數據分析效率低等問題。 針對這些問題，文獻[8—11]提出了新能源場站并網測試裝置的標準及研制，但在數據處理方面依然存在效率較低、工作量較大的缺點。 基于此，本文設計了一套新能源場站并網測試系統， 并針對手動功率區間劃分效率較低的問題，提出了一種基于奇異值分解SVD（singular value decomposition）的數據自動分段算法，實現各測試區間的數據自動分段，提高了測試效率。

1 源荷儲一體化并網自動測試方法

1.1 測試系統布置

本文設計的新能源場站并網測試系統由待測設備模塊、數據采集模塊和數據分析模塊3 部分組成。其中，被測對象是指所需要測試的風電場、光伏電站，測試項目包括有功/無功控制能力測試、電能質量測試等；數據采集模塊主要實現各測試項目的功率及電能質量數據采集， 即采集風電場的有功、無功、電壓、電流等基礎數據和諧波、不平衡度等電能質量數據；數據分析模塊是實現數據自動分段與分析、測試報告自動生成的核心模塊，執行數據導入、基于奇異值分解的數據自動分段、數據處理、生成測試報告等程序。

1.2 測試裝置要求

電能質量分析儀與功率分析儀應當滿足國標對于測試設備的要求，能有效準確采集各項測試數據。測試項目持續時間長，測試數據量大，數據采集裝置應配置與服務器實時通信的能力，宜采用數據采集卡。裝置的數據傳輸通信支持IEC 61850 國際規約，便于擴展。

1.3 測試流程

自動測試整體流程有6 部分。 一是測試信號（即測試數據）：包括被測對象的有功功率、無功功率、相電壓和線電壓值、功率因素、諧波電壓和諧波電流、三相不平衡度、頻率、長時閃變和短時閃變值。 二是選擇測試方法：國家標準規定了不同測試項目的測試時間、測試要求。 測試方法應基于國家標準，在現場可根據測試精度、測試時間和測試項目等，合理選擇測試方法。 三是測試數據處理分析：采集電能質量分析儀和功率分析儀的測試數據，存入數據庫，并傳入數據分析模塊，進行數據分析。 四是數據分析模塊：判斷是否需要分析不同功率區間的測試結果，若需要則運用數據分段算法對數據進行分段。 五是分段后的數據傳入數據處理系統，計算出測試項目所需要的指標與結果。 六是生成測試報告：數據處理算法基于國家標準，對傳入的數據進行處理，計算出結果并輸入報告生成模塊，匹配報告模板，自動生成測試報告。

2 基于SVD 的數據自動分段技術

2.1 數據自動分段流程

根據測試要求，多項測試項目需要在電站不同功率區間下進行測試，獲得數據。 識別不同功率區間是測試數據分析的核心工作，其首要任務就是檢測過渡段。定義過渡段為從一個平穩數據段到另一個平穩數據段的變化區段。本文以某風電場有功功率測試為例，有功功率從80%功率區間以10%為步長下降，一直到20%功率區間，其中有6 個過渡段。檢測過渡段，需要檢測到快速變化段的起始和結束時間，從而明確各功率區間的時間邊界。基于此，不同功率區間數據的自動分段問題也可以被認為是一個檢測數據邊界的問題。而功率數據與其他測試數據有著時間以及采樣點上的對應關系，所以找到了各功率區間數據的邊界，按照時間和采樣點的對應關系就能對數據進行分段。過渡段數據的變化規律呈現出快速變化的特點， 而SVD 對于數據不連續的奇異點有著良好的檢測性能，故本文采用奇異值分解進行數據自動分段，步驟如下。

步驟1：數據預處理。 讀取功率測試數據，記為P，P 由 N 個采樣點構成，可以表示為 P=[P1,P2,…，PN]。進行差分處理并構造其Hankel 矩陣，如式（1）所示。

其中，n 滿足 1

步驟2：奇異值分解。 對矩陣X進行奇異值分解得到式（3）的結果，提取其奇異值λi。當數據處于突變位置時，其奇異值表現為劇烈突變，所以，SVD可以計算出數據突變點的邊界。

步驟3： 構建自適應閾值進行數據自動分段。由于各電站在容量上表現出高度的不確定性，若采用固定閾值會造成該閾值無法適用于所有數據分段流程。而自適應閾值是解決固定閾值造成分段準確度較低缺陷的有效辦法。

步驟4：數據分段修正。 本文以多個采樣點為計算窗口逐點計算該段數據的SVD 值。 由于SVD計算得到的過渡段結束時刻存在一定延時，故需要對其進行修正。

2.2 奇異值分解

奇異值分解的基本概念為：對于一個任意的實矩陣 X（其中 X=∈Rm×n），必然會存在兩個正交矩陣U 和 V，U 和 V 可表示為

此時，式（2）被稱為矩陣的奇異值分解，其中S滿足以下條件

S 稱為奇異值對角矩陣，其中式（4）中O 為零矩陣，并且滿足λ1≥λ2≥λ3≥…≥λa≥0，λi（i=1，2，…，a）被稱為矩陣 X 的奇異值，其中 a=min（m，n）。式（2）可進一步被表示為

2.3 構建自適應閾值

本文中數據分段問題可等價為過渡段邊界計算問題， 其過渡段邊界計算方法如2.1 節所述，其中閾值的設置尤為重要。 為了檢測算法的準確性，引入“漏警率”和“虛警率”來驗證算法。

其中，PL表示漏警率；PX表示虛警率；DW表示未被檢測到的過渡段事件個數；DD表示多被檢測到的過渡段事件個數；DA表示實際過渡段個數。

由于不同測試項目的測試數據不同，所以固定閾值會造成某些項目的測試數據無法準確進行數據分段，分段結果的漏警率和虛警率都會偏高。 為了解決固定閾值造成數據分段準確度低的問題，本文提出自適應閾值的方法。而確定自適應閾值的前提是找到過渡段幅值特征與計算出的奇異值的關系。本文基于30 組仿真數據，計算過渡段幅值與最大奇異值的關系，計算結果顯示，過渡段幅值和最大奇異值是線性關系，因此可以用最大奇異值作為閾值。 根據曲線擬合角度以及仿真測試，本文選取最大奇異值的0.65 倍作為自適應閾值。

2.4 過渡段修正

對數據逐點構造其Hankel 矩陣后進行奇異值分解， 可得到奇異值隨時間變化的曲線。 基于2.3節所提的自適應閾值，如果奇異值大于自適應閾值到奇異值小于自適應閾值，則這一段數據可以認為是過渡段。而奇異值分解的輸入信號長度與過渡段邊界計算結果相關，如果輸入信號長度過長，則無法準確計算出過渡段邊界， 如果輸入信號長度太短，則會大大增加計算時間。 基于仿真數據和實測數據驗證，本文采取輸入信號長度為9，在這個取值下算法具有最佳表現。

本文以9 為計算窗口逐點計算SVD 值，由于計算得到的過渡段邊界具有一定的時間延時， 所以需要對其進行修正。 本文以奇異值最大值的10%作為閾值向前搜索100 個點，得到修正后的過渡段邊界。

3 算例驗證

3.1 仿真數據驗證

本文基于MATLAB 平臺，生成1 000 條仿真數據，驗證算法對過渡段的計算性能，以漏警率和虛警率來進行量化。 數據生成規則如下。

a） 數據一共有3 種關鍵參數，即過渡段數量、過渡段幅值以及穩定段的采樣點數。 本文針對這3種關鍵參數，每種參數生成10 條數據，3 種參數組合一共有1 000 條仿真數據。

b） 過渡段數量從 3 到 30， 以 3 為步長增加；過渡段幅值從1 到10，以1 為步長增加；穩定段的采樣點數從100 到1 000，以100 為步長增加。

c） 每一條數據加上噪聲，噪聲為隨機生成，范圍為0 到過渡段幅值的0.1～0.5 倍。

得到的仿真數據以上述數據分段方法進行過渡段數量以及過渡段邊界的檢測，檢測到的過渡段邊界與真實的過渡段邊界相差穩定段采樣點數的5%即記為錯誤，以字母G 表示過渡段幅值，得到的仿真結果如表1 所示。

表1 仿真數據驗證結果 %

從表1 可以看出，本文提出的數據分段的準確率較高， 在加入0.1 倍和0.2 倍過渡段幅值的噪聲情況下均能準確進行數據分段， 在0.25 倍過渡段幅值噪聲的加入下，分段準確率稍低，并出現了虛警和漏警的情況， 但0.25 倍過渡段幅值的噪聲在實際工業中已遠遠超出了標準。

3.2 實測數據驗證

選取新能源場站實際測試的2 條數據進行仿真驗證，實測數據如圖1 所示。 從實測數據分析結果來看， 本文所提方法能夠準確識別過渡段邊界，從而對數據進行分段。

圖1 實測數據示意圖

4 結論

本文針對新能源場站測試工作中手動數據分析效率較低的問題，提出了一種新能源場站并網測試系統，基于奇異值分解對數據進行自動分段，通過仿真及實驗驗證，得到如下結論。

a）設計了一套新能源場站并網測試系統，基于數據采集裝置與數據分析模塊，實現數據的自動處理與分析計算，并自動生成測試報告，極大地提高了測試效率。

b）提出了基于奇異值分解的測試數據自動分段方法，能準確識別數據過渡段邊界，從而對數據進行分段，提高了測試效率，減少了人工操作。

c）對所提方法進行仿真和實測數據驗證，數據分段效果較好，在實際測試分析工作中有廣闊的應用前景。