基于層次分析的輸電智能終端運行控制策略

唐冬來,李擎宇,龔奕宇,鐘 聲,陳澤宇,聶 瀟

(1.四川思極科技有限公司,610047, 成都;2.國網四川省電力公司, 610041,成都)

0 引言

隨著中國能源互聯網建設工作逐步推進,輸電線路智能終端類型日益增多,覆蓋范圍不斷擴大[1]。輸電智能終端主要有視頻監測終端、線路舞動監測終端、線路覆冰監測終端、故障行波定位終端、微氣象監測終端等[2-3]。不同的輸電智能終端之間的結構差異大,部件的質量和壽命層次不齊,受運行條件影響,其故障率高,影響輸電線路運行可靠性。

國內,鄧科等[4]對輸電智能終端運行可靠性差的問題做了大量研究,輸電智能終端運行可靠性提升主要分運行評估和質量評估兩類。其中,運行評估為在線分析方法,通過對輸電智能終端的在線運行功能、性能和狀態進行自診斷,從而發現診斷中存在的缺陷[5-6]。質量評估方法為離線分析方法,通過對輸電智能終端的家族缺陷歷史、通信掉包率等方面進行綜合評估,從而發現終端運行中存在的問題[7-8]。然后,由供電公司運維人員對輸電智能終端進行檢修。由此可見,提升輸電智能終端運維可靠性方法多樣。但上述方法只適用于單類輸電智能終端的狀態評估,不能滿足輸電線路多種類智能終端的綜合評估和智能分析。同時,該方法只實現了輸電智能終端的狀態評估,缺少對輸電智能終端的自動控制功能,且針對輸電智能終端軟件問題,不能進行自恢復處理。

為解決輸電智能終端存在的故障多、運行可靠性差的問題,本文提出了一種基于層次分析的輸電智能終端運行控制策略。該方法采用層次分析方法建立輸電智能終端評估體系,并構建了一個雙層運行控制模型,下層模型按照輸電智能終端運行的定時任務進行控制,以滿足輸電智能終端的基礎運行需求;上層模型按照輸電智能終端運行狀態、微氣象等因素進行優化控制,以提高輸電智能終端的運行可靠性。

1 輸電智能終端運行控制框架

基于層次分析的輸電智能終端運行控制策略框架,可分為構建評估體系、終端評估和終端運行控制3個部分,如圖1所示。

圖1 輸電智能終端運行控制框架圖

2 輸電智能終端運行控制模型

2.1 構建評估體系

通過電網設備部門及運維檢修公司的調研,并結合各類輸電智能終端的運行特點,本文統計出影響輸電智能終端可靠性的主要因素,見表1。

表1 輸電智能終端可靠性影響表

層次分析法(Analytic Hierarchy Process, AHP)是一種多目標的結構分解方法,該方法通過將智能終端的目標分解為多層級的結構,并采用矩陣向量法對智能終端進行評估值求解[9]。因輸電智能終端種類繁多,運行工況差異大,因此采用AHP方法構建評估指標集可有效地降低評估難度。

采用AHP方法構建的輸電智能終端運行控制評估一致性指標Qa為:

(1)

式中,δmax為AHP輸電智能終端運行控制評估判斷識別矩陣的最大特征根,la為AHP中輸電智能終端運行控制評估一致性矩陣的唯一的非零特征根。

為量化一致性指標,采用隨機一致性指標Qr度量:

(2)

式中,Qai為不同的AHP輸電智能終端運行控制評估判斷識別矩陣的一致性指標,na為判斷識別矩陣的指標個數。

通過AHP分析,獲得輸電智能終端的評估指標集,見表2。

表2 輸電智能終端評估指標集

2.2 終端評估

平原、高山、丘陵等地形的輸電線路智能終端運行的條件迥異,因此,在輸電智能終端評估時不能采用相同的指標權重系數。為提高輸電智能終端評估的準確性,在輸電智能終端評估前,按照不同的區域進行輸電智能終端的權重調整。

熵權法是一種指標權重評估調整方法,該方法通過輸電智能終端評估指標信息熵的離散層度來判斷指標權重,若熵值小,則說明該指標對輸電智能終端評估影響越大[10-11]。按照熵權法計算的輸電智能終端信息熵Ja為:

(3)

式中,Sai為不同的輸電智能終端評估指標的離散層度,na為輸電智能終端評估指標的數量。

評估指標權重vl為:

(4)

式中,jak為不同的輸電智能終端所占的信息熵權重,nc為輸電智能終端評估信息熵數量。采用調整權重后的評估指標集,對輸電智能終端進行終端評估。

2.3 輸電智能終端運行控制

雙層控制策略是針對一個被控制量采用2種可操作的變量進行控制的策略。在該類控制策略中,其中下層控制變量用于滿足終端基礎控制的有效和及時性。上層控制變量用于滿足終端的運行經濟性和終端的運行合理性。在雙層控制下,可實現多終端的協同優化控制。因此,文中采用雙層控制策略對輸電智能終端進行控制。

文中在構建輸電智能終端運行控制中,下層控制變量考慮輸電智能終端定時任務等的基礎運行控制;上層控制中,考慮了結合天氣、工作時長等影響因素和約束條件,實現輸電智能終端可靠性最優為目標進行控制,輸電智能終端運行雙層控制架構如圖2所示。

圖2 輸電智能終端運行雙層控制架構圖

由圖2可見,輸電智能終端控制模型由雙層構成,其中,下層控制模型按照輸電智能終端的周期性監測任務、告警事件任務等定時任務進行控制,以滿足輸電智能終端的基礎運行要求。

下層控制目標ts為:

(5)

式中,ne為控制的輸電智能終端數量,zi為不同終端的巡檢定時任務,gi為不同終端與控制策略的通信心跳連接,oi為不同終端的待機需求。

在上層控制模型中,輸電智能終端的狀態分為全速運行、半速運行和待機狀態,控制模型并記錄輸電智能終端的開機時間和關(待)機時間。在輸電智能終端的影響因素主要為工作時長和天氣。

控制目標ta為:

(6)

式中,nd為控制的輸電智能終端數量,di為不同的輸電智能終端的運行狀態,xi為不同的輸電智能終端的通信速率,yi為不同的輸電智能終端的自診斷分析控制,hi為不同的天氣狀態(日照輻射度)。

約束條件ka為:

(7)

式中,ka、kb、kc分別為輸電智能終端的待機時長、傳輸通道帶寬、使用壽命的約束條件,gc為輸電智能終端的待機時長,rc為輸電智能終端的傳輸通道帶寬,zc為輸電智能終端的使用壽命。

3 仿真驗證

為驗證文中所提輸電智能終端運行控制策略的控制效果,在MATLAB平臺中搭建了包含輸電故障行波監測終端、線路舞動監測終端、輸電視頻監測終端、輸電覆冰監測終端、輸電鐵塔位移監測終端5類終端的輸電終端運行仿真系統。終端的控制通信采用仿真平臺中的S-Funcion搭建。輸電線路的額度電壓設置為220 kV,額定頻率設置為50 Hz。上述5類終端的數量分別設置為10個,終端控制的運行速率按待機、25%、50%、75%、全速5個檔次計算。

本算例用于驗證在文中所提輸電智能終端控制策略下,輸電智能終端能夠實現2.3節的控制。分別在模型中輸入每日的日照輻射度為0、0.5、1、1.5、2、2.5、3、3.5 kW·h/m2,文中模型對各類輸電終端的運行控制見表3。

表3 輸電智能終端評估指標集

由表3可見,輸電故障行波監測終端、線路舞動監測終端等五類輸電智能終端均采用太陽能供電,當日照輻射度強時,輸電智能終端存儲的電能多可滿足終端的運行與通信要求;當日照輻射度弱時,輸電智能終端存儲的電能少,所存儲的電能不足以支持終端的運行和通信。在晴、雨、霧等不同的天氣類型中,日照輻射度不同,因此,本文模型根據不同的日照輻射度控制輸電智能終端的運行和通信狀態,當日照強度大于日照輻射度閾值時,輸電智能終端全速運行并允許通信;當日照強度小于日照輻射度閾值時,輸電智能終端降速運行,直至進入待機狀態并關閉通信功能。

4 算例分析

4.1 場景與參數設定

采用文中所提基于層次分析的輸電智能終端運行控制策略在某地區輸電線路進行現場應用。該地區有110 kV輸電線路58條,220 kV輸電線路13條,共部署輸電線路終端1 058個,其中,視頻監測終端469個、線路舞動監測終端76個、線路覆冰監測終端36個、故障行波定位終端194個、微氣象監測終端283個。

文中所提基于層次分析的輸電智能終端運行控制策略使用的服務器為英特爾 至強W2223,4核,8線程。運行內存為64 GB,服務器采用的操作系統為windows server 2016。文中用于比對的方法為文獻[12]中的云模型方法,該方法在輸電智能終端評估中廣泛使用。

4.2 算例運行分析

4.2.1 狀態評估準確率分析 選擇配電終端數量為100、200、400、600、800、1 000個,采用文中所提基于層次分析的輸電智能終端運行控制策略與云模型比較狀態評估準確率,狀態評估準確率分析如圖3所示。

圖3 狀態評估準確率分析圖

由圖3可見,文中所提基于層次分析的輸電智能終端運行控制策略通過AHP構建了精準的終端評估指標,并結合平原、高山、丘陵等地形調整了評估指標的權重,可更好地適應于不同地形的終端運行狀態評估,本文方法的平均評估準確率為98.6%。云模型依據人工設置輸電智能終端的評估指標,對不同地形結構的輸電智能終端均設置為統一的評估權重,不能滿足不同地形的終端運行評估需求,云模型方法的平均評估準確率為91.9%,低于本文方法。因此,本文策略狀態評估準確性較云模型策略更高。

4.2.2 控制策略計算時長分析 選擇配電終端的數量為100、200、400、600、800、1 000個,采用文中所提基于層次分析的輸電智能終端運行控制策略與云模型比較控制策略計算時長,控制策略計算時長統計表見表4。

表4 控制策略計算時長統計表

由表4可見,文中所提基于層次分析的輸電智能終端運行控制策略在不同樣本數量下,模型運行時長均短于云模型方法。文中所提模型平均單個樣本的運行時長為0.057 1 s,運行速度為云模型的3.8倍。

4.2.3 終端運行故障率 選擇輸電智能終端的數量為100、200、300、400、500、800、1 000個,采用文中所提方法與云模型比較終端運行故障率,終端運行故障率統計見表5。

表5 終端運行故障率統計表

由表5可見,文中所提基于層次分析的輸電智能終端運行控制策略根據不同天氣類型對終端進行運行速度、通信狀態調整。當出現陰、雨等日照輻射度小的天氣時,本文策略降低終端的運行頻率,直至待機并關閉通信功能,從而避免終端因缺少內部電能而導致的宕機、數據丟失等故障。而云模型方法未結合日照輻射度對輸電智能終端進行控制,只采用全速功能模式運行,當出現陰、雨等日照輻射度小的天氣時,云模型控制策略會造成終端缺少電能,從而導致宕機、數據丟失等故障。本文方法的終端故障率為3.1%比云模型方法的終端故障率5.6%降低44.3%。因此,本文方法的終端故障率更低。

5 結論

為解決輸電智能終端運行可靠性差的問題,提出了一種基于層次分析的輸電智能終端運行控制策略。采用了層次分析方法進行了輸電智能終端運行評估。采用了雙層控制模型,實現了下層基礎定時任務進行控制,上層優化控制的功能,具有控制準確、可靠性高的特點。算例分析結果表明,該方法考慮了不同輸電智能終端的運行特點,實現了多類輸電智能終端的有效控制和可靠性提升,提高了輸電線路智能終端管理水平。