基于小波分析的输变电设备运行状态在线监测方法

马金付

（江苏斯尔邦石化有限公司，江苏 连云港 222000）

0 引 言

输变电设备的日常应用存在较高的不稳定性，同时与关联装置的运行联系紧密，致使日常电力调度工作变得烦琐、复杂[1]。为避免出现关联性的电力事故，提升整体的工作效率，一般会在运行的过程中实现定向在线监测，针对变电设备自身状态、运行频率、单向调度状态进行监测，获取对应的基础性数据信息，以此来进一步分析监测的结果。文献[2]和文献[3]设定传统SVM-Clara模型输变电设备在线监测方法、传统智能感知输变电设备在线监测方法，上述类型的监测形式多为单向的，在实际执行的过程中可以同时覆盖较大区域的输变电设备，针对实际的运行情况，采集异常数据，同时分析设备具有的应用情况[4]。

但是这种监测方法的灵活性并不高，计算得出的监测结果也并不精准，为此对基于小波分析的输变电设备运行状态在线监测方法进行分析和设计。小波分析与监测模式的融合，实际上是扩大了对输变电设备检测与定向识别，多方面提升整体的监测针对性，促使相关装置在运行的过程处于更加稳定的状态，通过波段的变动来判断设备的应用实况，形成循环式的监测形式，为日常的电力调度及分配工作提供真实的参考依据[2]。

1 构建输变电设备小波分析在线监测方法

1.1 随机分布监测节点布设

传统的输变电设备装置在线监测的结构通常是单向的，虽然可以完成日常的监测工作，但是整体监测的体系并不灵活，在复杂的电力环境下存在一定的不稳定性，因此为避免监测事故的发生，需要采用随机分布的方式进行监测节点布设[4]。

综合小波技术，先在输变电设备的周期进行可识别处理，安装动态化的感应装置，营造一个稳定的监测空间，并在输变电设备内部进行布设[5]。运行终端设置传感器，获取运行过程中的监测信号，并对出现异常的发生时刻以及节点进行标记，并测算出节点的监测跳变比为

式中：U表示节点的监测跳变比；S表示解析监测范围；α表示监测次数；π表示预设单向监测距离；w表示瞬时监测偏差；q表示监测次数。综合上述测定，最终能够实现节点的监测跳变比。将其设定为实际的监测转换标准，与小波变动波段的标准保持一致，按照自适应分布模式，进行节点位置的细微调整，为后续的监测工作奠定基础[6]。

1.2 周期监测信号捕捉及解析

根据上述设定的在线监测节点，依据监测需求及标准的调整，设定具体的监测周期，并捕捉监测信号，进行多方向层级解析[7]。结合小波分析技术，先对输变电设备的运行状况进行分析，并调整相关的监测控制指标参数，如表1所示。

表1 输变电设备运行指标参数设定表

结合表1，完成对输变电设备运行指标参数的设定。在此基础之上，结合小波信号的变动进行节点目标式的标记和数据信息的采集，与初始的标准对比校正，将所捕捉的信号归类整合，随后分化解析。设定在线监测的转换解析信号，确定初始的监测相位之后，引进加窗函数，在合理的监测偏差范围之内，依据输变电设备的运行现状，分析出其内部的运行实况，完成对应的解析处理，营造更加稳定、安全的在线监测环境。

1.3 小波变换在线监测模型设计

利用上述对在线监测信号的解析，获取相关的监测数据及信息，通过小波变换技术，构建在线监测模型。首先，依据监测的位置和需求，调整监测节点的布设位置，构建循环式的监测结构，具体如图1所示。

针对图1，实现对小波变换在线监测模型结构的设计。遵循上述流程，利用小波转换结构，设计3个监测段，识别具体的监测情况完成对小波变换在线波段监测情况的分析和研究。利用模型测定出小波监测转换误检率为

图1 小波变换在线监测模型结构

式中：T表示小波监测转换误检率；ϑ表示转换监测区域；ι表示电压变动比；ω表示小波相关系数；z1和z2分别表示运行监测距离和停滞监测距离。综合上述测试数据，获取最终的在线监测结果，优化该模型的整体应用能力。

1.4 流形波段标定实现监测处理

流形波段实际上是在线监测的一种异常情况，可以先在输变电设备内部设定感应器，针对划定的运行波段，在标定的监测空间内部通过设备运行的规律及特征对各个位置段作出标记，形成流形波段分析结构，如图2所示。

根据图2，完成对流形波段的分析和监测结果的同步，针对实际监测需求的变动，不断调整监测节点的布设位置，形成多个动态化的监测区域，融合小波监测模型，实现动态化在线监测处理。

图2 流形波段分析图示

2 方法测试

本次主要是对基于小波分析的输变电设备运行状态在线监测方法的实际应用效果进行分析和验证。针对实际的检测需求及标准，选定A电力站内部的输变电设备作为测试目标，将测试的区域划分为4部分，设定传统SVM-Clara模型输变电设备在线监测组、传统智能感知输变电设备在线监测组以及本文所设计的小波分析输变电设备在线监测组，测试得出的结果以对比的形式展开分析，最终进行具体验证。接下来，进行相关测试环境的搭建。

2.1 测试准备

首先，对A电力站的输变电装置及设备进行识别扫描，获取基础性的应用监测数据、信息。设定CPU Core 2 Duo 4.4 GHz作为测试的环境，在控制系统之中设定1个感应装置，主要是针对电压及电流的变动作出实时感应。在此基础之上，还需要明确实际的具体的监测范围，并在该区域之内布设一定数量的监测节点，节点之间均是独立运行的，且在启动之前必须关联，构建1个稳定的多维、多层级监测空间。在选定的4个监测区域中设定电网设备，并将小波识别装置安装在控制程序之中。设定3个监测周期，每1个周期的运行监测时间为4 h。依据实际的检测需求，再加上获取的基础数据，测算出基础的小波分辨率为

式中：A表示初始小波分辨率；g表示可识别控制范围；ℜ表示定向监测距离；φ表示加窗函数；c表示监测频率。综合上述测试得出的促使小波分辨率作为在线监测模型的初始监测标准，将其设定在监测节点的总控程序内部，营造一个智能化的监测空间，实现测试环境的搭建。

2.2 测试过程及结果分析

在上述搭建的测试环境之中，结合小波分析技术，对A电力站输变电设备在线监测效果进行研究。利用布设的监测节点获取基础性的数据信息，整合汇总之后，利用小波感应装置进行对输变电设备的应用情况进行识别，测定出各个周期的监测耗时。

与此同时，通过感应装置获取的小波振幅进行分析，分别对单振幅和双振幅进行分析，测算出最终的监测相角差为

结合表3，完成对测试结果的验证。相较于传统SVM-Clara模型输变电设备在线监测组、传统智能感知输变电设备在线监测组，本文所设计的小波分析输变电设备在线监测组最终得出的监测耗时较好的控制在了1.3 s以下，说明在对应的监测过程中小波分析细化对应的监测环节，通过双向测算的方式获取监测结果更加真实、可靠，监测速度快、误差小，具有实际的应用意义。

3 结 论

与传统的监测形式相比，本文通过小波分析技术将监测的实际区域作出逆向划分，通过小波进行动态化扫描，同时构建更加灵活、多变的监测结构。在复杂的电力调度环境下，依据运行的需求及变动标准，获取各个区域的监测数据和信息，逐步营造更加稳定、安全的监测环境，给输变电设备日常的运行保驾护航。

表3 测试结果对比分析表 单位：s