基于信息融合技术实现变电站智能降耗与监测的方法

黄彬 秦逸帆 吕志瑞 孙云生 龙凯华 魏立新

摘 要：针对常规技术中变电站离线监测效率低的问题，研究了新型的在线监测方法。建立了电能损耗数值计算模型，反映出有功、无功、空载、负载损耗之间的关系，设计了单向树搜索法，能够优选功率损耗最小的变压器并列运行方式，最大程度地减少了损耗。设计出新型数据采集器，利用信息融合技术对采集到的信息进行综合处理和协调优化，最终实现变压器的在线监测流程。实验表明，所提方法的监测方法误差在10%以内，可靠性好。

关键词：信息融合技术;变压器降耗;能耗在线监测;运行切换次数;单向树搜索法

中图分类号：TP315      文献标识码：A

Abstract：Aiming at the low efficiency of offline monitoring of substations in conventional technologies， a new online monitoring method is studied.In this study， a numerical calculation model for power loss was established to reflect the relationship between active power， reactive power， no-load， and load loss. A one-way tree search method was designed to optimize the parallel operation mode of transformers with the smallest power loss and minimize loss.A one-way tree search method was designed， which can optimize the parallel operation mode of the transformer with the smallest power loss， and minimized the loss. A new type of data collector was designed， information fusion technology was used to comprehensively process and coordinate and optimize the collected information， and finally the online monitoring process of the transformerwasrealized.Tests show that the monitoring method error of the proposed method is within 10%，with the reliability is well.

Key words：information fusion technology; transformer reduction; online monitoring of energy consumption; operation switching times; one way tree search

在变电站中，主要有变压器、隔离开关、互感器、母线、避雷器、避雷针、电容器、电抗器、继电保护装置、电动装置、测控装置、计量装置等，其中变压器是變电站中电能损耗最高的设备，其使用量大，运行时间长，产生的电能损耗最多能够达到总发电量的10%，造成了大量的电能浪费[1]。目前对于变电站降耗与能耗监测的管控非常局限，仅仅依靠变电站离线的计量数据进行简单统计，无法及时且准确地掌握各部分的电损情况。电动装置是在变压器变压后进行分布式自动输出电力的一种装置，该种装置将变压后的电力集中在一起，根据各个供电局所计算出来的当地地区供电需求进行集中分布输出电力。

为了提高变压器损耗的测量精度，市面上已经出现了一些比较先进的智能仪器，这些仪器可以准确地测量变压器损耗的重要性能参数，但是变压器在运行过程中，随着负载的变化，变压器会出现不同程度的损耗[3]，要想实现变电站的智能降损，就需要得到变压器的实时监测数据。由于变压器自身的结构和工作环境的复杂性，要实现有效的降耗与监测，就需要利用监测到的多源特征信息对变压器的运行状态和损耗进行评估[4-6]。因此基于信息融合技术的基础上，设计了变电站主设备的智能降耗与监测的方法。

1 变电站的智能降耗

1.1 电能损耗数值计算模型建立

设备在运行的过程中都会存在不同程度的损耗，变电站主辅设备也是一样[7-8]。在变压器的运行过程中，存在有功功率损耗ΔP和无功功率损耗ΔQ两种类型，可以表示为：

公式（4）可以体现出综合功率损耗与有功损耗和无功损耗中的空载损耗、负载损耗之间的关系，更好地确定变压器智能降耗的策略。

1.2 优选变压器经济运行方式

变电站智能降耗的前提是能够满足用户的供电需要，并确保变压器能够安全、稳定地运行[11-13]。变电站通常配备有两台或两台以上的变压器，并列运行，在负载条件相同的情况下，需要优选功率损耗最小的运行方式[14-16]。为了实现变电站的智能降耗，需要通过潮流计算、负荷预测以及网损计算来整体规划，根据这些信息进行综合评估，并通过智能降耗算法规划出最经济合理的运行状态。变电站的智能降耗并不是单纯地指其耗能，而是指能效，即损耗的电能与输入电能之比，也称为损耗率。变压器的损耗率与负载量之间的关系特性曲线如图1所示：图1中横坐标单位为：kWh，纵坐标为损耗率，用%表示。从图1可以看出，只有当负载量达到一定值时，损耗率才能达到最低值。

从图1可以看出，只有当负载量达到一定值时，损耗率才能达到最低值。基于上述说明，假设某变电站有A、B、C三台变压器，这三台变压器的并列运行方式主要有：A、B并列运行，A、C并列运行，B、C并列运行，A、B、C并列运行。为了实现损耗最低的运行方式，需要优化降耗算法，使变电站的运行状态能够满足正常的供电需要，又能够最大程度地降低损耗。本文追求的理想状态为：空载时，并列运行的各个变压器的二次侧之间不存在循环电流;存在一定负载时，各个变压器之间的负载电流与各自的额定容量成正比，且负载侧电流具有相同的相位[17]。在这种理想状态下，并列运行的变压器损耗最小。要想达到这种理想状态，并列运行的变压器必须具有相同的绕线组、变比，且具有相近短路阻抗和变压器容量。对于变压器运行方式的优化，可以使用单向树搜索法，通过对各种情况下变压器运行状态的判定，可以将不同情况下的运行方式看作一个静态的断面，对运行状态的分段判定可以看作连续判定。本文根据变压器并列经济运行的特点，在某变电站的所有变压器找出性能最好的变压器，并向前递进搜索与其有联系的并列运行组合方式，最后能够得到一条单向优化路径[18]。使用这种方法对A、B、C三台变压器之间的组合方式进行搜索，只需要比较6次就能够得到一条优化路径。使用单向树得到的搜索优化结果在理论计算方面比全面比较的效果稍差，但是更适用于实际应用当中。变电站投运中的变压器组合运行方式不能够轻易切换，单向树搜索法能在有限的切换次数内达到最大程度的节电效果。至此完成變电站智能降耗设计[19]。

2 基于信息融合技术的变电站损耗监测方法

为了实现变电站多源信息融合下的损耗监测，需要配备数据采集装置、无线传输模块和上机位的显示分析软件。多源信息的来源需要依靠多个传感器，这是多源信息的硬件基础，传感器采集的多源数据是待加工的对象，信息融合技术实际上就是对信息进行综合处理和协调优化。在信息融合过程中，利用多源信息融合技术，参考不同变压器的运行参数和一线工作人员的经验，选取适合的监测量，来反映变压器运行过程中的真实情况。通过传感器按照时序得到不同空间和方向的数据，利用计算机分析处理技术对协调数据进行一致性描述，并做出相应的决策。在本文中，主要通过多源信息融合得到变电站损耗状态，并依据损耗量了解变压器的运行状态，并作出智能降耗的决策。监测的整体平台结构如图2所示：

在监测方法中，最重要的设备就是数据采集器，本文使用的数据采集器的核心为64bit ARM单片机，型号为STM4655F102Z，主要由互感器阵列、信号调理电路、A/D转换电路、无线发送模块等组成，数据采集装置主要是依靠电压、电流互感器采集得到电压、电流信号数据，经过A/D电路转换为低电平模拟信号，经过低通滤波器去除其中有干扰的信号，通过模数转换模块进行数字化采集，最后通过串口实现与上位机的无线通信。在线监测的整体流程如图3所示：

根据得到的变压器损耗监测数据，能够评估出变压器的运行状态，从而选择变压器的经济运行状态，为变压器实现智能降耗提供数据基础。至此完成基于信息融合技术试验变电站智能降耗与监测的方法研究。

3 实验结果与分析

为了验证本文设计的监测方法具有一定的可行性，需要进行方法测试。与常规的离线监测方法共同进行实验，并对比实验结果。

3.1 搭建测试环境

变电站智能降耗与监测方法测试设计在实验室中进行，搭建的变压器运行在线监测如4图所示：

由图4可知，实验中变压器的型号为S11-M，额定容量为20 kVA，高压额定电压为10 kV，低压额定电压为400 V，为三相绕组，阻抗电压为3.7%。实验中的变压器有功率可调三相负载，在此状态下总有功功率和总无功功率分别为19.7 kW、11.4 kVar，在上述值域内可以任意调节负载功率，经过数据采集器得到一次侧电压与二次侧电流的值，变压器的电压、电流参数是通过数据采集器的7通道采集，并利用无线传输以16进制的格式上传到主机，主机利用LabVIEW对数据进行处理和分析，在分析软件中，设计配置串口参数和变压器参数，完成配置后，软件会通过传输得到的采集数据计算得到空载损耗以及短路损耗。

采集装置中的电压互感器的实际采集为380 Vrms时对应的互感器输出为3.47 Vrms，在模拟处理装置中的增益为0.4274，因此对应的ADC输出电压为380 Vrms，能够求出被测电压、被测电流与采样值之间的换算关系。

3.3 实验结果

设计的方法主要依靠在线监测，得到的电流与电压的波形显示如图5所示：

根据上述波形图得到的电流、电压实时数据如图6所示：

为了使实验结果更精准，在实验中改变负载电路的数量和功率，进行多组实验，得到本文方法的实验结果如表1所示：

由表1的结果可以根据计算公式求出变压器的短路损耗与空载损耗，并与传统的在线测量方法进行对比，实验结果如表2所示：

根据表2可知，本文在线测量方法的5组数据是5种不同负载状态下的损耗测量值，从表2中的测量结果可以看出，随着负载的增大，空载损耗的变化很小，基本上趋于稳定状态，短路损耗会随着负载的增大而有明显的变化，本文在线测量方法得到的损耗以常规在线测量方法相比，误差能控制在10%以内，说明具有一定的可靠性。但是相对比本文设计的方法，常规的离线测量方法体现不出变压器运行状态下的实时损耗，因此对于变压器的智能降耗无法给出参考数据。

4 结 论

变压器是电力系统中耗能较多的设备，为了响应可持续发展的战略需求，节约能源、缓解电力短缺具有重要意义。针对传统变压器离线监测方法的弊端，设计了一种基于信息融合技术的智能降耗与在线监测方法，所研究变电站智能降耗与监测的方法创新点是能够在变压器的运行过程中进行能耗的实时监测，对于变压器的智能降耗给出参考依据。通过实验结果表明，本设计的在线监测方法与常规方法的监测结果误差能控制在10%以内，具有一定的可靠性，且能够给出实时数据，对于变压器的智能降耗提供数据支撑。

参考文献

[1]张焱，周永章.基于多重分形的信息融合技术在琼东南盆地深水区油气勘探中的应用[J].地质学刊，2019，43（03）：359-366.

[2]锁军，郭琳云，王建辉，等.基于信息融合的智能配网监测平台设计与应用[J].计算机与数字工程，2018，46（12）：2435-2441.

[3]冯南战，李志忠，李亨特，等.高压变电站接地网的腐蚀防护与监测技术研究进展[J].腐蚀科学与防护技术，2018，30（3）：331-338.

[4]吴丽莎，冯驰，邵云蛟，等.智能变电站网络通信流量实时监测系统设计[J].自动化与仪器仪表，2019（3）：116-119.

[5]杨鹏.变电站继电保护二次回路的在线监测及故障分析[J].电子测试，2019（6）：87-88.

[6]谢连科，张永，马新刚，等.基于无线传感器网络的智能变电站环境远程监测[J].计算机与数字工程，2019，47（9）：2375-2380.

[7]李远，李虹，罗建平，等.智能变电站二次回路在线监测与故障定位方法的研究与实现[J].电气技术，2019，20（9）：78-82.

[8]苏浩.电能计量装置远程校验监测系统在500 kV变电站中的应用[J].内蒙古电力技术，2019，37（2）：61-64.

[9]郭采珊，蔡泽祥，潘天亮，等.基于信息可达性的智能变电站继电保护系统风险评估方法[J].电网技术，2018，42（9）：3041-3048.

[10]胡朋啟，李蔚清.异类传感器数据融合的最近邻-点拓扑关联法[J].计算机与数字工程，2019，47（6）：1347-1350.

[11]刘介玮，周向斌，许宜昉，等.面向变电站设备运行状态监测的智能巡检机器人系统设计[J].自动化与仪器仪表，2019， 2（6）：62-64.

[12]任立新.大型钢铁企业基于网络交换机的分布式110 kV智能变电站的优化设计[J].电气传动自动化，2018，40（4）：30-31.

[13]杨三根，刘凯，邹小金，等.基于多系统融合的变电站设备智能管理系统研究[J].供用电，2018，35（7）：73-77.

[14]陆省明，胡春潮，张延旭.基于数据融合的电力设备运维策略优化研究[J].云南电力技术，2019，47（3）：37-40.

[15]姬生云，贾文科，王健，等.基于多体制探测数据融合的MUF预报方法[J].电波科学学报，2019，34（3）：309-314.

[16]章坚民，张嘉誉，倪明，等.智能变电站通信网络的广义信源和流量计算模型[J].电力系统自动化，2019，43（13）：147-159.

[17]周京华，张荣，陈亚爱，等.张北数据港柔性变电站DC/AC变流器关键控制策略[J].电力系统自动化，2019，43（11）：128-134.

[18]HIKITA M，UETAG，H， HIR O Y， et al.New aspects of UHF PD diagnostics on gas-insulated systems[J].IEEE Transactions On Dielectrics &Electrical Insulation，2014，21（5）：5-48.

[19]BAO Ping， CAI Yong-hong， LIU Qian-fan， et al. Multi-source information fusion based fault diagnosis of ground-source heat pump using Bayesian network[J].Applied Energy，2014，114（2）：3-57.