黃小浪
(國網湖北送變電工程有限公司,湖北 武漢 430063)
近年來1000 kV 特高壓輸電線路建設,總體呈現出高電壓和大容量負荷傳輸的特征,為保證穩定運行,針對輸電線路展開在線監測是當前行業發展背景下的新要點,利用現代化技術創建在線監測管理平臺,實時監測線路狀態,排查潛在的事故和隱患,確保特高壓輸電線路穩定運行。
1000 kV 特高壓輸電線路在線監測管理平臺其關鍵是在線監測技術。在電力系統處于運行工況下,采集運行參數并做出分析,判斷電力系統內所有設備的狀態。在線監測技術具有預知特高壓輸電線路故障的功能,尤其可以預測故障發生的部位與具體類型,為設備檢修提供指導[1]。
監測管理平臺具有如下幾點特征:重點關注特高壓輸電線路在高空作業環節的安裝效率和操作安全;輸電線路數據傳輸、存儲具有規范性,在線監測管理平臺的運行管理具有統一性;裝置不能影響輸電線路安全性與機械性,且與電暈、無線干擾等的根本要求一致,加強線路性能可靠性;在線監測管理平臺體現適應性、抗磁性,無須外部電源為平臺運行提供動力,可減少運作成本。
特高壓輸電線路在線監測管理平臺系統的設計,是以瀏覽器/服務器3 層體系架構為基礎,由表現層、中間層、數據層組成。
表現層。該層主要支持一級操作邏輯,如業務數據表現、數據輸入與輸出[2]。應用“模型-視圖-控制器模式”中Struts2架構,采用組件式開發控制管理平臺頁面。
中間層。也稱作業務邏輯層,負責數據業務邏輯與模塊數據關系、表現層與數據層通信的處理。
數據層。按照管理平臺業務、框架,進行數據建模,并編制數據表,中間層業務組件可按需調用數據模型與數據表。
頁面技術方面前端界面主要應用Ajax,中間件采用Jboss 5.0。
在線監測管理平臺的功能包括數據采集、數據管理、數據分析3個子系統。
數據采集子系統包括3個模塊,即線路信息管理、監測設備管理、前置數據接收管理,分別負責數據采集、監測、接收等。
數據管理子系統是管理平臺的關鍵,利用系統分析顯示實時監測數據、曲線圖和組態控件等,操作者可以分別通過在線監測種類、線路名稱的形式完成檢索。
數據分析子系統具有預估線路狀態、線路狀態預警、統計報表等諸多功能。
1000 kV 特高壓輸電線路通過在線監測,在管理平臺中形成前置數據,通過前置數據接收管理模塊進行處理。對應服務程序調取各個數據源接口程序采集的監測數據,根據固定格式將其儲存于數據庫中各類監測數據表中。一方面實現了數據接口統一,另一方面還具有集成各生產廠商生產監測設備數據的作用。數據處理流程包括有數據接收、數據接口程序、數據分析與計算、數據儲存[3]。
桿塔上方須放置數據采集單元,由其負責采集數據,隨后將數據轉換為統一格式,在當地監測中心集中儲存、處理。傳輸數據包可以按照指定通信協議方法,轉換成為應用層對應數據格式。解析處理后可獲得監測數據,對其進行數學計算與建模分析,并在線監測管理平臺顯示有實際應用價值的數據。計算所得可按照數據庫需求,在數據中心的主數據庫中儲存,為在線監測數據分析、特高壓輸電線路運行狀態監測、故障預警等提供依據。
在線監測管理平臺同時集成了諸多狀態預測模型,如疲勞壽命預測模型、桿塔傾斜預測模型等。
疲勞壽命預測模型。導線運行期間,在靜張力基礎上疊加振動,導線同時承受諸多應力級分量所形成的復雜荷載系統。當導線運行之后,同一時間段所有分量的振動循環次數均不相同。預估荷載系列導線疲勞使用壽命,一般采用累積損傷理論。
輸電線路導線振動壽命預測。應對線路重要位置振動的大小進行測量,利用微風振動單元,對懸垂線夾周圍的彎曲振幅進行測量,并計算得出線夾出口位置的動彎應變數值。按照極限振動次數,采用微風振動波動,計算累積疲勞損傷[4],根據累積疲勞損傷便可了解到疲勞壽命。繪制疲勞壽命預測柱狀圖,為線路運行狀態分析與檢修提供參考。
桿塔傾斜預測模型。建構桿塔傾斜預測模型,須關注緩變監測量,如桿塔順線傾斜度和橫向傾斜度等。若在建模時忽略了上述偶然因素,那么變化必須滿足規律,保證時間延續性。例如,技術人員對未來1 周桿塔傾斜趨勢進行預測,建議采集前10周數據。所以,針對監測發現的數據變化規律曲線方程需要進行擬合處理,根據此方程計算預測點函數值,將其作為預測值,了解桿塔傾斜趨勢。
1000 kV 特高壓輸電線路在線監測管理平臺利用信息技術,對輸電線路運行狀態進行實時監測,預測潛在故障與安全隱患,保證特高壓輸電線路的穩定運行。同時,基于當前創建的在線監測管理平臺,建議結合目前我國電力行業與電力系統的發展趨勢做出創新,滿足行業多元化的在線監測管理需求,為特高壓輸電線路穩定運行提供保障。