民航10 kV供配电线路的配置方法及线损分析方法研究

梁毅

(甘肃省民航建设(集团)有限公司, 甘肃, 兰州 730020)

0 引言

电力系统在应用过程中,由于较远负荷与配电中心分离,电力传输距离太远,存在容量与负荷不匹配的问题,配电网线路的布局不合理导致了配电线路的损耗增加[1-2]。在配电线路分析和优化研究中,文献[3]方法中应用智能化的断路器和故障指示器在配电线路中,并对用电信息采集系统进行了完善,使系统反映电网线损真实情况。但系统的故障隔离只能用于局部线路故障的处理,线路中部分自动化开关的保护能力较弱。文献[4]方法中结合了电网地理信息系统进行配电线损管理和分析,可以实时的获取线损数据,并且计算出的线损数值根据准确。但由于负载类型比较复杂、损耗的原因较多,系统进行线损优化的能力有限。文献[5]系统中应用了人工神经网络,利用馈线数据建立网络模型和统计模型进行线损率计算,提高了线损计算结果的收敛性和精度。但系统对电网各个区域的划分程度不合理,导致对不同电压等级的负荷的线损的计算结果存在差异。

针对上述技术问题,本文对民航10 kV供配电线路进行优化配置,对配电线路信息采集模块进行了优化设计,加入了故障限流的功能,通过分压电容、充电电容和钳压电容等元件对故障电流电压进行抑制,将故障电流转移到限流支路进行吸收,提高了信息采集的精度。

1 民航10 kV供配电线路的自动化主站系统

在配电线路线损计算模型中融入深度学习神经网络,经过多层非线性变换得到配电线路线损率,并划分阈值进行分类并划分阈值进行分类管理[6]。使用“电压-时间型”馈线模式,以馈线电压和馈线时间变量作为馈线判断量的依据[7],在配电线路视频监控系统中加入了异物识别模块,通过对前端摄像头抓拍到目标区域的图像进行处理[8],识别出配电线路上的异物信息并及时进行运维处理,有助于降低配电线路线损率。配电自动化主站系统架构如图1所示。

图1 配电自动化主站系统架构

系统采用双层架构,主站内部通信网络采用的是局部光纤,通过光纤将整个配电网获取的实时数据进行双向传送,配电主站在获取相关数据之后就对供配电线路进行优化配置,构建配电线路线损计算模型。同时对线路中的变压器的使用状况进行分析,通过分析获取线路中设备使用信息。系统中使用了APACHE SPARK通用分布式计算引擎处理大量的电力负荷数据、用户用电信息、变压器损耗数据和变压器功率数据等[9],通过内存缓存和计算优化的执行能力加快了数据分析处理效率,基于弹性分布式数据集进行编译和执行两种操作类型,计算集群内部通过多个优化执行器进行任务计划的构建和优化。系统的电力数据统计任务和线损分析任务内包含了SPARK处理任务的数据项集合[10]和数据处理有向无环图中的每一步转换,为数据任务提供了访问接口,实现了灵活的自定义数据任务的处理。系统对每一条线路输入端的电压、电流、频率、有功功率以进行实时的监控,并对线路上的功率损耗进行实时的计算,如果线路超过系统设定的阈值上限,系统发生报警信号,并在数据监控界面上对主要线路标记为异常状态。

2 关键技术分析

2.1 具有故障限流功能的配电线路信息采集模块

该模块在具体应用中,能够提高配电线路信息采集效率和故障诊断能力,区别于常规技术,配电线路信息采集模块不仅能够实现信息采集的功能,还能够实现故障数据信息诊断,大大提高了配电网线路信息分析和获取能力。本文的信息采集模块基于ARM设计底层数据信息采集和处理,使用基于Cortex-A9架构的Exynos4414芯片作为模块的主控单元。模块完成电气数据采集工作后,结合RS485有线通信技术和SPI通信接口等方式将采集的数据发送给配电自动化主站[11]。采集模块使用ATT7022E计量芯片完成配电线路电气量采集并完成初步的数据处理,然后通过SPI通信将数据传输给主控芯片处理。信息采集模块结构如图2所示。

图2 信息采集模块结构

其中主控单元在接收到计量芯片采集的配电线路数据后,进一步分析处理判断当前电能质量情况和电力设备的工作状态,接收到开关量信号后经过判断输出开关量控制信号[12]。由于接入计量芯片的电压值范围较小,在计量模块中加入了信号调理电路,将配电线路的大电压和大电流信号转换为范围较小的电压、电流信号。

该研究在采集模块中设计有故障限流模块,使用充电电容、耗能电容和耗能电阻吸收故障线路中的故障电流,通过模块中能量耗散支路耗散故障线路中的能量,接入耗能电容和耗能电阻完成故障的清除。故障限流模块电路如图3所示。

图3 故障限流模块电路

图3中包括了负载转换开关、快速机械开关UFD、钳压电容Ct、二极管DC、充电电阻Rc、分压电容Cc、耗能电容Cd等电气元件组成。当模块检测到线路发生故障时,发生关闭通流支路的信号,并将通流支路中的电流进行转移,当支路中电流下降为零时关断机械开关UFD。

2.2 基于优化深度学习神经网络的配电线路线损分析方法

本文基于深度学习神经网络构建供配电线路的线损计算模型,并结合配电网络实际结构和配电线路实际情况,根据其历史统计线损率样本进行基于时间序列的数据分析。现有算法在实现深度学习神经网络的配电线路线损分析时,精度低,分析效率低下,无法提高配电线路线损分析能力。深度学习神经网络线损计算模型结构如图4所示。

图4 深度学习神经网络线损计算模型结构

线损计算模型中的配电线路线损统计数据主要由供电量、售电量、损失电量、变比偏差率等数据组成,模型的计算统计线损率公式可表示为

(1)

式(1)中,Ploss表示供配电线路的损失电量,Psup表示供配电线路的供电量,Psale表示供配电线路的售电量,Rloss表示线路的统计线损率。式(1)表示了线损计算模型计算配电线路线损需要的数据。本文的线损计算模型中基于深度学习神经网络算法进行统计线损率预测填充。进行的归一化处理可表示为

(2)

式(2)中,max(e)、min(e)表示模型中输入的配电线路数据最大值、最小值。通过式(2)表示了模型对输入的配电线路信息进行预处理。模型在衡量统计线损率与其它线损变量各因素之间的线性相关关系,并对现有样本进行相关系数估计,相关性系数可表示为

(3)

(4)

(5)

(6)

式(6)中,K表示线损率考核阈值系数,Lt,min表示理论线损率下限值,Lt,max表示理论线损率上限值。通过式(6)将供配电线路分为多个类别进行管理,有利于配电网络更好地进行线损管理,缩小了考核阈值范围,更有利于诊断出线损异常的配电线路。

3 应用测试

实验平台由实验计算机、服务器、路由器和交换机等网络设备组成,实验计算机使用Windows 10操作系统,研究涉及到的硬件配置中,试验时采用JavaScript语言,计算机操作系统为Windows 10,64位,计算机的开发工具为Visual Studio 2019,OpenCV 3.0。计算机的硬件环境为CPU:Inter(R)Core(TM)i7;主频为2.59 GHz;内存16 G,所用的软件JavaScript的版本为ECMA Script 6。实验配电线路架构如图5所示。

图5 实验环境架构

实验配电线路中10 kV配电线路有50条,线路总长度为13.6 km,绝缘线占比为44%,配电变压器有45台,其中配电线路参数如表1所示,配电变压器参数如表2所示。

表1 配电线路参数

表2 配电变压器参数

通过表1的试验架构,可以通过设置配电线路参数的形式实现配电变压器配置,采用的配电变压器参数如表2所示。

通过应用表2的配电变压器参数,可以从整体上衡量配电变压器情况,将表2中的参数融入到实验平台中后,还可以使用实验数据为实验配电线路2018年～2021年4年内的配电线路损耗情况,系统建立线损计算模型,全面分析当前10 kV配电网现状,部分配电线路线损情况如表3所示。

表3 配电线路线损情况

进行线路优化配置实验时,实验时间设定为24 h,设定负载电流运行区间为50～70 A,将经过优化配置后的配电线路的损失电量对未经过优化的线路进行对别,计算出各主要线路的电能损失情况如图6所示。

图6 主要线路的电能损失情况

由图6可知,经过系统优化后配电线路的电能损失明显下降,对不符合负载条件的线路进行优化配置的效果较好。其中未优化的配电线路的损失电量较高,整体电能损失在800 kWh以上,三号配电线路的损失电量最高可达到1396 kWh,五号配电线路的损失电量为1365 kWh。

优化后的配电线路的损失电量下降到1000 kWh以下,其中一号线路的损失电量为510 kWh,四号配电线路优化效果最为明显,电能损失量降低到614 kWh,损失电量最多减小了608 kWh,六号配电线路的电能损失降低到600 kWh以下,经过系统线路的优化配置实现损耗的有效降低。经过预处理后将得到的2000个线损率数据集样本中。使用本文线损分析模型进行计算,使用卷积神经网络模型作为对比测试,计算出的配电线路线损率如表4所示,与真实数据进行对比得到计算误差如图7所示。

表4 配电线路线损率

图7 线损计算误差

对比本文线损分析模型和卷积神经网络的线损计算误差可知,本文线损分析模型的得到的配电线路线损率更加准确,模型的计算误差更小。其中卷积神经网络的计算误差最大可达到2.24%,在第一组数据集的线损计算误差最小为0.42%。该研究系统的线损分析模型整体误差在1.0%以下,在第四组数据集中的线损计算误差最小为0%,在第二组数据集中的计算误差最大为0.81%。

4 总结

本文设计出民航10 kV供配电线路的自动化主站系统,对配电线路的供电量、售电量、损耗电量、线损率等各类线损相关数据进行存储。根据所获得的配电线路相关电力数据进行统计分析,对配电线路结构进行优化,使用线损分析模型计算线路线损率,并分析异常线损线路,识别对应的线损异常原因。系统不仅可以提高线损异常分析与配电线路优化配置的工作效率,并实现自动化主站对线路线损的精细化管理。

供电企业更加注重配电网络系统中出现的降损问题,在以后工作中系统还需建立更加完善的线损管理制度,合理运用降损技术,并加快识别异常线损线路的效率。