配电设备健康指数的模型建立和求解过程计算

来源:用户上传      作者:陈建文

　　摘要：文章提出基于负载均衡调度和最大似然估计的配电设备健康指数的模型。建立配电设备健康指数的约束参量模型，以配电网的电压波动与闪变、电压暂降、电压不平衡系数等为约束参量，进行配电设备健康指数方程构造，结合配电设备的质量评估和指标限值阈值分析的方法，进行配电设备健康指数的模型设计，采用负载均衡调度方法，进行配电设备健康指数分析和评估，建立配电设备健康指数的最大似然估计模型，结合分段线性拟合估计的方法，实现对配电设备健康指数的优化求解。仿真结果表明，采用该方法进行配电设备健康指求解的精度较高，对配电网的健康质量评估精度较好。
　　关键词：配电设备;健康指数;负载均衡调度
　　中图分类号：TM73
　　文献标识码：A
　　文章编号：1001-5922（2020）12-0153-05
　　0 引言
　　随着电力输电运行规模的不断增大，需要进行配电网和配电设备的优化管理，结合运维管理和配电质量量化评价技术，进行配电网设备的优化质量评估，分析配电设备健康指数，结合对配电设备的健康质量监测和电网运维指数的优化评估方法，进行配电设备健康指数评估模型设计，提高配电设备健康管理能力，相关的配电设备健康指数检测和评估模型研究受到人们的极大关注。研究配电设备健康指数的模型，对促进配电设备的优化管理，提高配电设备的量化评估能力方面具有重要意义[ 1-2]。
　　1 配电设备健康指数评估的约束参量和参数分析
　　1.1 配电设备健康指数评估的约束参量
　　为了实现配电设备健康指数的模型建立，首先需要构建配电设备健康指数的约束参量模型，采用模糊参数寻优控制方法，进行配电设备健康指数监测，构建配电设备健康指数的模糊调度模型，采用统计时间序列分析的方法，进行配电设备健康指数的信息流预测，进行配电设备健康指数的存储结构分析[8]，依据直流配电设备的稳态特征，建立配电设备健康指数评估模型，通过五元组表示，即源初始端、源代码、传输层规律协议组、源lP代码以及终端口。得到配电设备健康指数监测的多传感器调度模型如图1所示。
　　根据图1的监测节点分布模型，预测时间序列下配电设备的健康指数模型情况，采用统计信息分析的方法，进行直流输电配电设备的健康参数信息采样，得到采样样本集A V.B V且A ∩B=φ，对直流电能质量扰动进行抑制处理，利用时间窗口函数TW增加配电设备健康指数预测的时间间隔采样率，从而降低监测的抗干扰性，假设直流微电网电能质量的模糊评价集为（F，Q），采用多波束约束控制的方法，进行电压不平衡特征分析，得到配电设备的能量消耗：
　　1.2 配电设备健康指数的评价参数分析
　　建立配电设备健康指数的约束参量模型，以配電网的电压波动与闪变、电压暂降、电压不平衡系数等为约束参量，构造配电设备健康指数的约束参数模型，得到配电设备健康指的关联维特征值函数为：
　　通过上述约束条件，对直流配电网D，计算区域D内的配电设备健康指数分布空间，对比交流电能质量指标体系，构建配电设备健康指数和下行配电设备健康指数分布模型，得到配电设备健康指数序列分布的确定性函数为：
　　其中，k为配电设备健康指数的信息分布区域函数，假设输入配电设备健康指数时间序列为u（n），根据应用场景或电压等级[7]，得到配电设备健康指数的输入与输出关系为：
　　依据不同指标间的关联，提取反映配电设备健康指数的内部特征，根据配电设备的输入电流和电压波动，进行稳定性调节，得到配电设备健康指数分布的模糊度函数为：
　　式（7）中，配电设备健康指数分布序列的关联参
　　其中，θ（t）为包括谐波等在内的相位幅度值，a（t）为配电电压的指向性包络特征向量，采用模糊预测的方法，实现对配电设备健康指数时间序列信息流的有效性预测。
　　2 配电设备健康指数求解优化
　　2.1 配电设备健康指数估计
　　在上述建立配电设备健康指数的约束参量模型，并进行配电设备健康指数方程构造的基础上，进行配电设备健康指数求解优化设计，本文提出基于负载均衡调度和最大似然估计的配电设备健康指数的模型。采用负载均衡调度方法，进行配电设备健康指数分析和评估，在电压波形发生畸变的情况下，得到配电设备健康指数的关联维分布为：
　　2.2 配电设备健康指数求解输出
　　建立配电设备健康指数的最大似然估计模型，结合分段线性拟合估计的方法，构建配电设备健康指数分布的最小二乘拟合函数为：
　　其中，a（t）为配电设备健康指数预测数据点xi和xj之间的相异度，θ（t）为双极型直流配电的互信息量，根据直流电能质量指标间的关联性，得到配电设备健康指数预测的输出交流分量为：
　　根据特征谐波、开关次谐波的分布，得到直流供电系统的等效模型中的配电设备健康指数有效预测模型描述为：
　　3 仿真实验与结果分析
　　3.1 实验数据参数与指标分析
　　为了检测本文所提方法预测配电设备健康指数模型的可行性、适用性以及求解优化后的应用性能分析，设置仿真实验对其验证。实验采用Matlab设计。实验数据来源于TalkingData（数据库网址为http：//www.talkingData.com）。在采样周期进行配电设备的健康指数的相关参数采集，对电压偏差的信息采样时间间隔为0.25，配电设备的输出电流不平衡度为0.18，电流流经传输网的功率为200kW，输出参考电压1200kV，直流额定电压UdN=220V，
　　实验指标分析：
　　1）电网电压幅值：幅值的的实际变化范围与健康指数求解结果具有紧密联系，幅值范围的设计值越大，USP转换到电池逆变工作的次数就越少，电池就有足够的时间处在容量充足的状态，为健康指数求解奠定基础。 　　2）电压谐波畸变率：谐波源在实际应用中容易导致电压波形偏离正确的轨道，产生电压谐波畸变现象，谐波电流能增加变压器的铜损和漏磁损耗，可实现对配电设备的健康指数预测。具体计算方法如下：
　　按照上述实验指标，分析配电设备健康状况相关参数采集结果，配电设备健康指数预测结果以及配电设备健康指数预测的效率，具体过程如下所示：
　　3.2 配电设备健康状态相关参数采集结果
　　根据上述仿真参数设定，进行建立配电设备的健康指数预测和求解，得到原始的配电设备的健康指数相关参数采集结果如图3所示。
　　由图3可以看出，随着参数采集时间的变化，所提方法的电压幅值处于较大波动范围，处于-3V到3V之间，使得电池就有足够的时间处在容量充足的状态，为健康指数求解奠定基础。而考虑多元因素态势演变方法、基于设备实时健康指数的配电网风险量化评估的方法、以及基于微电网的高铁AT所配电设备新型供电的方法，3种方法的电压幅值范围较小，分别是l到2V、一1到-2V、一1到IV，电池处在容量充足的状态的时间收到限制。
　　3.3 配电设备健康指数预测结果
　　以图3的统计数据为配电设备健康状态测试指标参数集，提取反映配电设备健康指数的特征量，计算电压谐波畸变率，实现对配电设备的健康指数预测，得到预测结果如图4所示。
　　分析图4得知，采用本文方法进行配电设备健康指数预测的输出均衡性较好，分段线性拟合的精度较高，避免了电力变压器发热，导致低压配电设备工作异常状况的发生。考虑多元因素态势演变方法、基于设备实时健康指数的配电网风险量化评估的方法、基于微电网的高铁AT所配电设备新型供电的方法电压谐波畸变率较高，预测的输出均衡性较差。
　　3.4 配电设备健康指数预测的效率
　　在电网减压幅值处于的合理范围内，利用不同方法检测配电设备的健康指数效率状况，随着电网幅值的变化，本文方法配电设备健康指数预测的效率始终处于60%以上，且呈现出的波动较小，考虑多元因素态势演变方法、基于设备实时健康指数的配电网风险量化评估的方法、基于微电网的高铁AT所配电设备新型供电的方法的健康指数预测的效率波动较大，且基于设备实时健康指数的方法最高预测效率为60%，考虑多元因素态势演变方法、基于设备实时健康指数的配电網风险量化评估的方法两种方法的效率波动高达60%左右，无法保证效率的精准性。
　　4 结语
　　结合对配电设备的健康质量监测和电网运维指数的优化评估方法，进行配电设备健康指数评估模型设计，提高配电设备健康管理能力。本文提出基于负载均衡调度和最大似然估计的配电设备健康指数的模型。构造配电设备健康指数的约束参数模型，根据应用场景或电压等级，得到配电设备健康指数的输入与输出关系，采用负载均衡调度方法，进行配电设备健康指数分析和评估，建立配电设备健康指数的最大似然估计模型，结合分段线性拟合估计的方法，求解优化实现配电网健康指数的模拟。通过仿真实验检验可知，本文所设计方法能有效实现对配电设备健康指数求解，提高配电设备健康指数的估计精度和响应能力。
　　参考文献
　　[1]宋杰，周健，鲍伟，等，面向交一直流智能变电站运维专家系统的可扩展建模及其规则和隔离策略[J].上海交通大学学报，2018，52（09）：1072-1080.
　　[2]郭春义，赵剑，刘炜，等，一种适用于混合多馈入直流输电系统的附加虚拟电阻阻尼控制方法[J].中国电机工程学报，2019，39（12）：3400-3408.
　　[3]贾志博，田铭兴，张子麒，等.基于微电网的高铁AT所配电设备新型供电方法[J].铁道标准设计，2018（5）：129-134.
　　[4]刘杉，余军，贺之渊，等，基于VSC与LCC混合的多点传输直流输电系统拓扑结构研究与特性分析[J].中国电机工程学报，2018，38（10）：2980-2988+3148.
　　[5]晓侃，王琼.一种基于RBF自适应神经模糊推理的短期电力负荷预测方法[J].中南民族大学学报（自然科学版）， 2018， 37（03）： 112-115.
　　[6]郑笑雪，杜启振，孟宪军，等，横向约束分步叠前弹性参数反演[J].石油地球物理勘探，2017，52（4）：760-769.
　　[7] Elenkova A，Atanasova I，Kirilov G，et al.Autoim-mune hypothyroidism is three times more frequent in fe-male prolactinoma patients compared to healthy women：data from a cross-sectional case-control study[J]. Endo-crine， 2017. 57（3）.486-493.
转载注明来源:https://www.xzbu.com/1/view-15381421.htm