基于数字孪生技术的10kV 配网电力设备运行状态监测方法

张盈新，冯曜明，蓝 逸

（深圳龙华供电局，广东 深圳 518000）

引言

国内10kV 配电网目前已经被广泛应用，但是目前国内高压直流配电技术还不够成熟，影响配电网运行稳定性与安全性的因素较多，需要对10kV 配网电力设备运行状态进行实时监测，为设备维修提供参考依据[1]。由于10kV 配电网内部结构比较复杂，电力设备数量和种类较多，因此监测具有较高难度。现有监测方法在实际应用中漏检率较高，并且监测响应时间较长，无法满足实际需求，为此提出基于数字孪生技术的10kV 配网电力设备运行状态监测方法，为电力设备运行状态监测提供参考依据。

1 构建配网电力设备运行状态监测架构

为了简化监测流程和难度，利用数字孪生技术构建10kV 配电网电力设备虚拟模型，实现电力设备运行状态可视化实时监燮。此次基于数字孪生模型构建的监测架构主要由物理层、数据层、孪生层以及服务层四部分组成。物理层位于整体架构的最顶层，与配电网电力设备连接，由智能网关、无线网络以及传感器组成，为设备运行状态监测提供物理支撑[2]。利用数据层连接孪生层与物理层，数据层功能是数据采集、数据清洗和数据传输和处理，为设备状态虚实转换提供数据支持[3]。孪生层是电力设备运行状态监测的核心层，主要是利用数字孪生技术对电力设备运行状态虚拟化，由数字孪生、设备孪生和逻辑孪生组成，用于电力设备运行场景搭建[4]。服务层功能是为用户提供电力设备运行状态监测服务，作出电力设备运行状态监测决策[5]。基于以上建立的监测架构，将监测流程划分为三个步骤，电力设备运行状态信号获取及并行处理、基于数字孪生技术的状态量虚实映射、电力设备运行状态特征提取及监测。

2 电力设备运行状态信号获取及并行处理

基于上文构建的监测架构，首先利用无线传感技术获取到电力设备运行状态信号，设备的运行状态量主要包括温度、电流、电压。采用ASKF/A7R7 温度传感器、IHFA-A5F5 电流传感器以及IOUF-A5F5 电压传感器采集到设备温度、电流和电压信号。将温度传感器安装在电力设备靠近电源处，将电流传感器与电压传感器接入到电力设备主线上，根据实际情况对传感器的扫描频率、扫描周期以及扫描范围等技术参数进行设定，通过网络接口将无线传感器接入网络，利用AIOU-TGS4 读卡器自动读取到传感器采集到的状态信号。考虑到无线传感器采集设备状态信号过程中容易受到外界因素干扰，采集到的状态量信号中存在较大噪声，需要并行去除。通过集合经验模态分解原始信号，获取几阶基本模态分量，利用阈值区分信号模态分量中的有用部分和噪声部分，实现噪声信号滤波处理，其用公式表示为：

式中，y 表示去噪后的设备状态量信号；i 表示基本模式分量数量；ei表示经过阈值处理后的基本模式分量；n 表示基本模式分量长度。通过信号重构，获取到无噪声的电力设备运行状态量信号。

3 基于数字孪生技术的状态量虚实映射

利用数字孪生技术对获取到的状态量信号虚实映射，建立电力设备运行状态孪生模型。首先根据电力设备规格、长度、宽度等数据建立电力设备几何模型，将设备对应的属性值添加到几何模型上，并建立数据接口，构建状态量数据信号与孪生模型的联系。将电力设备运行行为、逻辑在模型中体现和集成，使实际电力设备与虚拟电力设备初步融合，然后采用“条件- 状态- 事件”构建电力设备运行状态数字孪生模型，表示为：

式中，FU 表示数字孪生电力设备；TU 表示实际电力设备；⇌ 表示实际电力设备与数字孪生电力设备对应映射关系；IP 表示数字孪生电力设备几何模型集合；YH 表示数字孪生电力设备物理属性集合；RT 表示数字孪生电力设备运行逻辑模型集合；MK 表示数字孪生电力设备运行动作行为集合；← 表示电力设备运行逻辑、运行行为在几何模型中关联集成；▷ ◁表示自然连接。WE 表示需满足的数字孪生电力设备运行状态的实时属性集；PO 表示匹配的状态模式；BN表示状态模式与电力设备运行状态实时属性集匹配时电力设备运行行为。将获取的状态量信号导入到上述模型中，即可实现对状态量虚实映射。

4 电力设备运行状态特征提取及监测

利用关联规则在上文建立的数字孪生模型中构建规则库，描述正常状态下电力设备运行逻辑。将电力设备运行状态特征关联规则形式定义如下：

式中，D 表示电力设备运行状态特征关联规则的条件；K 表示关联规则；V 表示关联结果，即电力设备运行状态特征。将关联到的状态特征与规则库中的规则进行比对，计算得到状态特征与参考特征比对，计算出两种特征相似度，其计算公式为：

式中，RYF 表示当前电力设备运行状态特征与参考状态特征相似度；UK 表示电力设备状态特征可信度；BK表示表示电力设备状态特征的支持度；ε 表示10kV配电网中第g 个电力设备的关联结果；δ 表示参考规则；GVN 表示规则库中状态量数量；POK 表示规则库中关联条件的事物数量。在此设定一个监测阈值，如果相似度大于该阈值，则表示电力设备运行状态与规则库中正常运行状态相似度较高，运行状态为正常；反之则为异常状态。根据阈值确定电力设备运行状态，输出监测结果，进而完成10kV 配网电力设备运行状态监测。

5 实验论证

5.1 实验准备及设计

为了检验本次提出方法的可靠性，选择某10kV配电网为实验环境。该配电网供电规模较大，电力设备共计100 台，其中包括SIFH-AF75 发电机5 台、AOFJ/A6F4 变压器8 台、ISYRFA-A4F7 电压互感器与AIATJA-A4F5 电流互感器各5 台、OUFAR-A4F5接触器5 台、PASUI-AF87 电动机5 台、FAUT/A5F5隔 离 开 关27 台，ETWTY-A4F5 断 路 器5 台，IYFA-A5G8 熔断器8 台，母线27 段，每段1 000 m，该配电网电机容量为200 KN。大部分电力设备使用时间已经超过了5 年，长期燮荷运行下经常发生短路故障、断路故障等，符合实验需求。选择传统方法作为对比方法。实验中利用IAFY-A7F4 放电干扰器对该配电网电力设备进行干扰，产生干扰信号，分别为气泡放电、雷击放电、悬浮放电以及油中放电等。此次实验采用IEC600261：2010 标准，实验准备了温度传感器、电流传感器以及电压传感器各10 台，实验时间为30 h，共采集到0.26GB 电力设备运行状态量信号，通过数据并行处理后得到0.23GB 信号。具体监测结果见表1。

从表1 可以看出，监测结果与实际情况基本一致，说明本次设计方法可以完成配电网电力设备运行状态监测任务。

表1 10kV 配网电力设备运行状态监测结果

5.2 实验结果与讨论

以响应时间、漏检率作为监测方法响应性能和准确性能的评价指标。以电力设备数量作为变量，每次监测时间为30 min，在监测周期内对监测结果响应时间进行记录，以获取到电力设备运行状态量信号为起始时间，以监测结果输出时间为结束时间，使用电子表格对实验数据记录，具体数据见表2。

从表2 可以看出，设计方法响应时间比较短，响应速度比较快，虽然响应时间会随着监测对象数量的增加而有所延长，但是增长幅度比较小，最短响应时间为0.09 s，当监测对象数量达到100 个时，设计方法响应时间仅为0.37 s，可以将监测响应时间燮制在1 s 以内，数值较小，基本可以忽略不计，说明设计方法可以实现对配电网电力设备运行状态的实时监测。传统方法响应时间相对比较长，响应速度比较慢，并且响应时间会随着监测对象数量的增加而大幅度延长。因此实验证明了在响应性能方面，设计方法优于两种传统方法。

表2 三种方法监测响应时间对比（s）

其次对精度进行评价，漏检率是评价监测方法的一个重要精度指标，也是漏检次数与监测总次数的比值，可以反映出配电网电力设备运行状态监测中的漏检情况。实验以监测时间为变量，每10 h 统计一次漏检次数。漏检率对比图见图1。

从图1 可以看出，设计方法的漏检率较低，平均漏检率为0.79%，虽然漏检率会随着监测时间的增加而不断增大，但是增长幅度比较小，基本可以将漏检率燮制在1%以内，符合相关规范要求。传统方法在配电网电力设备运行状态监测中漏检率远远高于设计方法。因此本次实验证明了，在精度方面设计方法也优于传统方法，更适用于10kV 配网电力设备运行状态监测。

图1 三种方法漏检率对比图

6 结论

针对传统方法存在的不足和缺陷，将数字孪生技术应用到10kV 配电网电力设备运行状态监测中，提出了一个新的监测思路，并通过实验论证了该思路的可行性与适用性，有效缩短了电力设备运行状态监测响应时间，提高了电力设备运行状态监测精度，实现了对传统方法的优化与创新。