基于小波分析的輸變電設備運行狀態在線監測方法

馬金付

（江蘇斯爾邦石化有限公司，江蘇 連云港 222000）

0 引 言

輸變電設備的日常應用存在較高的不穩定性，同時與關聯裝置的運行聯系緊密，致使日常電力調度工作變得煩瑣、復雜[1]。為避免出現關聯性的電力事故，提升整體的工作效率，一般會在運行的過程中實現定向在線監測，針對變電設備自身狀態、運行頻率、單向調度狀態進行監測，獲取對應的基礎性數據信息，以此來進一步分析監測的結果。文獻[2]和文獻[3]設定傳統SVM-Clara模型輸變電設備在線監測方法、傳統智能感知輸變電設備在線監測方法，上述類型的監測形式多為單向的，在實際執行的過程中可以同時覆蓋較大區域的輸變電設備，針對實際的運行情況，采集異常數據，同時分析設備具有的應用情況[4]。

但是這種監測方法的靈活性并不高，計算得出的監測結果也并不精準，為此對基于小波分析的輸變電設備運行狀態在線監測方法進行分析和設計。小波分析與監測模式的融合，實際上是擴大了對輸變電設備檢測與定向識別，多方面提升整體的監測針對性，促使相關裝置在運行的過程處于更加穩定的狀態，通過波段的變動來判斷設備的應用實況，形成循環式的監測形式，為日常的電力調度及分配工作提供真實的參考依據[2]。

1 構建輸變電設備小波分析在線監測方法

1.1 隨機分布監測節點布設

傳統的輸變電設備裝置在線監測的結構通常是單向的，雖然可以完成日常的監測工作，但是整體監測的體系并不靈活，在復雜的電力環境下存在一定的不穩定性，因此為避免監測事故的發生，需要采用隨機分布的方式進行監測節點布設[4]。

綜合小波技術，先在輸變電設備的周期進行可識別處理，安裝動態化的感應裝置，營造一個穩定的監測空間，并在輸變電設備內部進行布設[5]。運行終端設置傳感器，獲取運行過程中的監測信號，并對出現異常的發生時刻以及節點進行標記，并測算出節點的監測跳變比為

式中：U表示節點的監測跳變比；S表示解析監測范圍；α表示監測次數；π表示預設單向監測距離；w表示瞬時監測偏差；q表示監測次數。綜合上述測定，最終能夠實現節點的監測跳變比。將其設定為實際的監測轉換標準，與小波變動波段的標準保持一致，按照自適應分布模式，進行節點位置的細微調整，為后續的監測工作奠定基礎[6]。

1.2 周期監測信號捕捉及解析

根據上述設定的在線監測節點，依據監測需求及標準的調整，設定具體的監測周期，并捕捉監測信號，進行多方向層級解析[7]。結合小波分析技術，先對輸變電設備的運行狀況進行分析，并調整相關的監測控制指標參數，如表1所示。

表1 輸變電設備運行指標參數設定表

結合表1，完成對輸變電設備運行指標參數的設定。在此基礎之上，結合小波信號的變動進行節點目標式的標記和數據信息的采集，與初始的標準對比校正，將所捕捉的信號歸類整合，隨后分化解析。設定在線監測的轉換解析信號，確定初始的監測相位之后，引進加窗函數，在合理的監測偏差范圍之內，依據輸變電設備的運行現狀，分析出其內部的運行實況，完成對應的解析處理，營造更加穩定、安全的在線監測環境。

1.3 小波變換在線監測模型設計

利用上述對在線監測信號的解析，獲取相關的監測數據及信息，通過小波變換技術，構建在線監測模型。首先，依據監測的位置和需求，調整監測節點的布設位置，構建循環式的監測結構，具體如圖1所示。

針對圖1，實現對小波變換在線監測模型結構的設計。遵循上述流程，利用小波轉換結構，設計3個監測段，識別具體的監測情況完成對小波變換在線波段監測情況的分析和研究。利用模型測定出小波監測轉換誤檢率為

圖1 小波變換在線監測模型結構

式中：T表示小波監測轉換誤檢率；?表示轉換監測區域；ι表示電壓變動比；ω表示小波相關系數；z1和z2分別表示運行監測距離和停滯監測距離。綜合上述測試數據，獲取最終的在線監測結果，優化該模型的整體應用能力。

1.4 流形波段標定實現監測處理

流形波段實際上是在線監測的一種異常情況，可以先在輸變電設備內部設定感應器，針對劃定的運行波段，在標定的監測空間內部通過設備運行的規律及特征對各個位置段作出標記，形成流形波段分析結構，如圖2所示。

根據圖2，完成對流形波段的分析和監測結果的同步，針對實際監測需求的變動，不斷調整監測節點的布設位置，形成多個動態化的監測區域，融合小波監測模型，實現動態化在線監測處理。

圖2 流形波段分析圖示

2 方法測試

本次主要是對基于小波分析的輸變電設備運行狀態在線監測方法的實際應用效果進行分析和驗證。針對實際的檢測需求及標準，選定A電力站內部的輸變電設備作為測試目標，將測試的區域劃分為4部分，設定傳統SVM-Clara模型輸變電設備在線監測組、傳統智能感知輸變電設備在線監測組以及本文所設計的小波分析輸變電設備在線監測組，測試得出的結果以對比的形式展開分析，最終進行具體驗證。接下來，進行相關測試環境的搭建。

2.1 測試準備

首先，對A電力站的輸變電裝置及設備進行識別掃描，獲取基礎性的應用監測數據、信息。設定CPU Core 2 Duo 4.4 GHz作為測試的環境，在控制系統之中設定1個感應裝置，主要是針對電壓及電流的變動作出實時感應。在此基礎之上，還需要明確實際的具體的監測范圍，并在該區域之內布設一定數量的監測節點，節點之間均是獨立運行的，且在啟動之前必須關聯，構建1個穩定的多維、多層級監測空間。在選定的4個監測區域中設定電網設備，并將小波識別裝置安裝在控制程序之中。設定3個監測周期，每1個周期的運行監測時間為4 h。依據實際的檢測需求，再加上獲取的基礎數據，測算出基礎的小波分辨率為

式中：A表示初始小波分辨率；g表示可識別控制范圍；?表示定向監測距離；φ表示加窗函數；c表示監測頻率。綜合上述測試得出的促使小波分辨率作為在線監測模型的初始監測標準，將其設定在監測節點的總控程序內部，營造一個智能化的監測空間，實現測試環境的搭建。

2.2 測試過程及結果分析

在上述搭建的測試環境之中，結合小波分析技術，對A電力站輸變電設備在線監測效果進行研究。利用布設的監測節點獲取基礎性的數據信息，整合匯總之后，利用小波感應裝置進行對輸變電設備的應用情況進行識別，測定出各個周期的監測耗時。

與此同時，通過感應裝置獲取的小波振幅進行分析，分別對單振幅和雙振幅進行分析，測算出最終的監測相角差為

結合表3，完成對測試結果的驗證。相較于傳統SVM-Clara模型輸變電設備在線監測組、傳統智能感知輸變電設備在線監測組，本文所設計的小波分析輸變電設備在線監測組最終得出的監測耗時較好的控制在了1.3 s以下，說明在對應的監測過程中小波分析細化對應的監測環節，通過雙向測算的方式獲取監測結果更加真實、可靠，監測速度快、誤差小，具有實際的應用意義。

3 結 論

與傳統的監測形式相比，本文通過小波分析技術將監測的實際區域作出逆向劃分，通過小波進行動態化掃描，同時構建更加靈活、多變的監測結構。在復雜的電力調度環境下，依據運行的需求及變動標準，獲取各個區域的監測數據和信息，逐步營造更加穩定、安全的監測環境，給輸變電設備日常的運行保駕護航。

表3 測試結果對比分析表 單位：s