电力网络过负荷检测报警系统的设计与实现

刘德旺

（ 1. 福建水利电力职业技术学院 信息工程系， 福建 三明 366000；2. 武汉大学 电气工程系， 湖北 430062）

电力网络系统简称电网，是由各种电压设备和输电设备构成的电力配电网络系统，通过电网系统的运行和电力传输，实现智能发电、供电和电能传送，在电网运行中，容易受到过压和过载因素的影响，导致电力网络过负荷运行，需要电力网络的过载保护检测系统设计，保障电力网络的稳定可靠运行。 随着集成电路和数字电子技术的发展，大规模集成芯片广泛应用在电力网络的过载保护电路设计中，对电路系统的精度要求逐渐提高。 电力网络过负荷检测与识别是借助于电路装置来实现的，而其设计与研制必然取决于电路网络负荷信号的特性，通过电力网络过负荷检测报警系统设计，实现对点网络系统的各个分离单元的故障和状态特征监测，研究该套系统设计方案具有重要意义[1]。

传统的电力网络过负荷检测报警系统设计方法中，主要有基于PLC可编程逻辑的电网控制系统、模糊神经网络控制系统、专家控制系统等[2]。 其中，文献[3]进行了电力网络过负荷检测电路设计上的改进， 把被测量的数据信号通过探头输送到比较器，设计单相三电平整流电路与单相两重两电平整流电路，实现对输出信号的放大，提高测试性能，但设计的电力网络过负荷检测系统对逻辑分析仪来讲使用的是外部时钟，无法实现对电力网络过负荷检测的信号同步采样；文献[4]提出一种基于多级放大电路总电压增益控制的电力网络过负荷检测报警系统，通过触发字识别电路，研究了瞬态电流与预测电流控制2种不同控制方法，提高测试效果，但该系统输出级的总电压增益较低，且出现逻辑死锁控制。 可见，传统的电力网络过负荷检测装置采用本机振荡幅度调制的过载保护器设计，系统在受到不稳定增压负荷时容易产生失稳和失真，过负荷检测性能不高。 针对传统方法出现的弊端[5-9]，本文提出一种功率基阵激励放大的电力网络过负荷检测报警系统设计方法。 系统设计包括了硬件电路设计和软件算法设计两大部分。 最后通过仿真实验进行了性能验证，展示了本文设计的系统的实现电力网络过负荷检测和报警中的优越性能，展示了较好的应用价值。

1 系统设计总体描述及硬件电路结构模型

1.1 系统总体模型设计

首先分析电力网络过负荷检测报警系统的总体模型构建，系统采用嵌入式设计方式，分析硬件电路设计和软件部分，基于嵌入式系统，电力网络过负荷检测报警系统主要包括如下几个部分：DSP信号处理器、PCI总线及桥接电路、动态控制增益控制设备、外部I/O设备、过负荷报警模块，总体设计框图如图1所示。

图1 电力网络过负荷检测报警系统总体设计框图Fig. 1 Overall design block diagram of the power network overloads detection and alarm system

电力网络过负荷检测报警系设计主要分为如下几个模块：

1） 预处理机放大器。电力网络过负荷检测报警系设计中，过负荷检测的模拟信号预处理机有较大的线性动态范围，设计时采用三级放大器进行逐级放大，经过这种设计，模拟信号预处理机有了80 dB的动态范围，输出信号的范围在±10 V之间，同时波形良好。

2） 运算放大器。为了准确地采集电力网络过负荷过程控制信息数据，运算放大器的输出控制在模拟数据转换器的输出门限范围内，运算放大器的输出应该在其驱动模数转换器（ ADC）的终值的1 LSB范围内达到稳定。 稳定在满度的1 LSB 范围内意味着ADC的准确度稳定在±1/2 LSB。 系统采用14位ADC，得到了要求更高的精度，建立时间绝大多数都规定达到0.1%和0.01%。

3） 模拟预处理机。考虑到电力网络过负荷控制输入信号幅值较低，频率处于低频、带宽范围较灵活， 因此选择了MAXIM公司的5阶开关电容低通滤波器MAX7425，工作电压±1.5 V，工作电流3 mA，fstop（ 截至频率）范围为1～45 kHz。

综上分析， 系统设计主要包括如下几个部分：DSP信号处理器、PCI总线及桥接电路、 逻辑控制设备、外部I/O设备、外部存储器以及复位电路。本文构建的电力网络过负荷检测报警系统模型的重要优点在于采用了加速度传感器与RFID结合， 不论是对有效信号还是噪声干扰， 都要经过选频滤波处理，提高抗干扰性能。

1.2 系统的硬件部分设计

在上述总体模型设计的基础上，对电力网络过负荷检测报警系统进行硬件模块设计，以FPGA为可编程逻辑芯片为核心，报警系统设计可以实现对电力网络过负荷信息的快速感知和采集，它具有快速部署、自组织和容错特性较好的特点，使其可以在数据采集控制、电网数据通信、计算、电力网络的智能监测方面起到不可替代的作用。本文采用FPGA技术进行电力网络过负荷信息特征提取及分析，在电网负荷数据采集中，在电网沿线隔几十米架设固定的路由节点，在每一个电网负荷数据采集区处架设协调器，形成一个无线传感器子网，各子网通过协调器采用RS485线与电力网络的网关设备相连或直接与地面上控制服务器相连。 电力网络过负荷检测报警系统的数据采集流程如图2所示。

图2 电力网络过负荷检测报警系统的数据采集流程Fig. 2 Data acquisition processes of the power network overload detection and alarm system

电力网络过负荷检测的D/A转换器输出的电压信号在（ 0～4.095 V）之间，换能器电导，导纳B=jωC，BL=－，只改变功率因素cos φ，负载功率PL不变，采用串并联结合的方法构建电力网络过负荷检测报警系统的并联复合匹配等效电路， 如图3所示。

图3 电力网络过负荷检测报警系统的并联复合匹配等效电路Fig. 3 Parallel composite matching circuit for the power network overload detection and alarm system

图3中， 由于电力网络过负荷检测系统的电压输入ZL的具有调谐特征，在φX<φ0时，负载功率PL增加了倍，由此可等效为一个升压变压器，根据实测的阻抗值G、B和电力网络过负荷检测发射响应级SvL，计算BL2值，得到检测系统两端激励电压为：

根据调制解调的类别可分为电路单片数据采集系统和调幅数据采集系统等。 由于网络传输信号中频数据采集系统在通信系统中多应用在复杂网络环境和高精度电子通信系统中，应用环境存在不同强弱信号的和不同调制形式的信号干扰，得到电力网络过载报警模拟回波数据，输出电压动态范围很大，为了减少检测信号强度的损失，要求增益调整应在很短的时间内完成。 即10位ADC要求运算放大器稳定到1/1 024的一半，即约0.05%；12位ADC要求稳定到1/4 096的一半，即约0.01%。 由此得到电力网络过负荷检测报警系统的硬件核心电路如图4所示。

图4 电力网络过负荷检测报警系统的硬件核心电路Fig. 4 Hardware core circuits of the power network overload detection and alarm system

2 系统的软件改进设计

在进行系统总体设计和硬件核心电路设计的基础上，针对传统的电力网络过负荷检测装置采用本机振荡幅度调制的过载保护器设计，系统在受到不稳定增压负荷时容易产生失稳和失真，过负荷检测性能不高的问题。 本文进行改进设计，提出一种基于功率基阵激励放大的电力网络过负荷检测报警系统设计方法。 软件设计部分的关键技术描述如下。 电力网络过负荷检测报警系统输入端周期性地发送超过信道脉冲响应长度的数据训练序列，进行BPSK调频信号调制，跟踪信道变化，把过载保护信道中短时间内的畸变令为0，得：

式中：yo（ t）为理想的检测目标值；y（ t）为实际检测目标值，在电力网络过负荷检测报警驱动电路宽频带大功率基阵激励下，检测系统的放大器中多径条件下时延扩展输出比特流在ζ（ 0）=1约束下间接获得的漏感和励磁电感为：

采用LT6600-20芯片实现基带信号的滤波和中频放大功能， 实现1.15～5.5 V 电平的自由转换。ADG3301在3.3～5 V的电平转换传输时延为6 ns，所以得到功率放大信号分解矢量CT′（f）为：

基于驱动电路宽频带大功率基阵激励算法，得到电力网络过负荷检测报警系统电压保护有效阻抗为：

进行电力系统矢量扰动阻抗计算， 检测系统定子匝间具有支路环流特性， 在相电流过零点附近出现扰动死区， 需要对电流极性进行对数复频分析和死区扰动补偿。 根据PLmax、PDmax选择合适的功放管及供电电压±10Vs，变压比n由如下方程确定：电源输出功率PE及负载功率PL分别为：

式中：VCE为电力网络过负荷系统的运放管压降，它与运放输出电流大小有关，假设VCE=0.2VS，则：

基于功率基阵激励放大设计， 功率基阵激励放大器与A/D转换器、D/A转换器、DSP和PC机构成一个闭环负反馈， 由D/A转换器转换成控制电压送到VCA810，这里采用了一种功率基阵激励数字增益控制方法，可在几个周期内完成增益调整，提高了电力网络过负荷检测报警系统的响应能力和检测性能，通过上述硬件模型和软件设计实现对整个检测报警系统的改进设计。

3 系统仿真实验与结果分析

为了测试本文设计的系统在实现电力网络过负荷检测报警中的性能，进行仿真实验。首先构建电力网络的过负荷数据采集系统，用FPGA技术进行电力网络过负荷信息特征提取及分析， 在电网负荷数据采集中，在电网沿线隔几十米架设固定的路由节点，在每一个电网负荷数据采集区处架设协调器， 仿真实验以MATLAB 的SIMULINK 为平台建立系统仿真平台。 逆变器输出功率为2.3 kW，直流侧电压为400 V，电网电压有效值110 V，引导ROM配置进行电网的电压保护和过压检测报警，引导ROM配置进行电网的过流检测报警。 采用本文方法得到了设计的检测报警系统的输出相电流波形如图5（ a）所示，输出相电流的THD如图5（ b）所示，分析图中结构可见，采用本文方法，能能够抑制死区效应对输出电流的影响，提高对过负荷电压的检测性能。

图5 检测报警系统的输出相电流波形Fig. 5 The output phase current waveform of the alarm system

最后采用本文设计的系统进行电网的过负荷检测报警系统仿真测试， 电力网络过负荷检测报警系统外扩了一个256×1 024×16位的SRAM（ 12 ns）用于采样时存储大量数据， 设计的1.25 V门限检测器用于过负荷报警， 得到系统仿真输出结果如图6所示。从图6可见，采用本文设计的系统进行电力网络过负荷检测，检测误差较低，控制精度较高，收敛性能较好， 能准确实时地实现对电力网络过负荷检测和报警，系统可靠稳定。

图6 系统仿真输出Fig. 6 Simulation result of system

4 结语

通过电力网络过负荷检测报警系统设计，实现对点网络系统的各个分离单元的故障和状态特征监测，实现对电力网络过载或者过压时的提前预警和保护。本文提出一种功率基阵激励放大的电力网络过负荷检测报警系统设计方法。系统设计包括了硬件电路设计和软件算法设计两大部分，通过电路设计和算法改进设计，实现了对整个系统的优化设计，研究结果表明，采用该系统能实现对电网的电压保护和过压及过流检测报警，能抑制死区效应对输出电流的影响， 提高对过负荷电压的检测性能，检测误差较低，控制精度较高，展示了较好的应用价值。

[1] 张少敏， 李晓强， 王保义. 基于Hadoop的智能电网数据安全存储设计[J]. 电力系统保护与控制， 2013， 41（ 14）:136-140.ZHANG Shaomin， LI Xiaoqiang， WANG Baoyi. The smart grid based on Hadoop data security storage design[J]. Power System Protection and Control， 2013， 41（ 14）: 136-140（ in Chinese）.

[2] 曹军威， 万宇鑫， 涂国煜， 等. 智能电网信息系统体系结构研究[J]. 计算机学报， 2013， 36（ 1）: 143-166.CAO Junwei， WAN Yuxin， TU Guoyu， et al. The smart grid information system architecture research[J]. Journal of Computers，2013，36（ 1）: 143-166（ in Chinese）.

[3] 何炎祥， 喻涛， 陈勇， 等. 面向电网系统绿色需求的数据分配方法[J]. 计算机研究与发展， 2015， 52（ 1）: 94-104.HE Yanxiang， YU Tao， CHEN Yong， et al. Adapt to the need of the grid system is green data distribution method[J].Journal of Computer Research and Development， 2015，52（ 1）: 94-104（ in Chinese）.

[4] 张金宏， 王兴伟， 黄敏. 面向绿色互联网的低功耗多播路由算法[J]. 通信学报， 2014（ Z1）: 134-140.ZHANG Jinhong， WANG Xingwei， HUANG Min. Low power consumption for green internet multicast routing algorithm[J]. Journal of Communications， 2014（ Z1）: 134-140（ in Chinese）.

[5] 郭晓利， 曲朝阳， 李晓栋， 等. 基于SOM聚类的电网可视 化 数 据 挖 掘 模 型[J]. 情 报 科 学， 2012， 30（ 2）: 207-209.GUO Xiaoli， QU Chaoyang， LI Xiaodong， et al. The grid visual data mining model based on SOM clustering[J].Journal of Intelligence Science， 2012，30（ 2）:207-209（ in Chinese）.

[6] 沈艳霞， 季凌燕， 纪志成. 基于径向基函数神经网络故障观测器的风能转换系统容错控制器设计[J]. 信息与控制， 2015， 44（ 3）: 359-366.SHEN Yanxia， JI Lingyan， JI Zhicheng. Fault based on radial basis function（ RBF） neural network observer of wind energy conversion system fault-tolerant controller design[J].Journal of Information and Control， 2015， 44（ 3）: 359-366（ in Chinese）.

[7] 许海洋， 庄毅， 顾晶晶. 一种面向嵌入式软件体系结构的形式化建模方法[J]. 电子学报， 2014， 42（ 8）: 1515-1521.XU Haiyang， ZHUANG Yi， GU Jingjing. A formal modeling method for embedded software architecture[J]. Journal of Electronics， 2014， 42（ 8）: 1515-1521（ in Chinese）.

[8] 周涛. 基于改进神经网络的电力系统中长期负荷预测研究[J]. 电气应用， 2013， 32（ 4）: 26-29.ZHOU Tao. Based on the improved neural network medium and long-term load forecasting of power system research[J].Electric Applications， 2013， 32（ 4）: 26-29（ in Chinese）.

[9] 温阳东， 宋阳， 王颖鑫， 等. 基于模糊神经网络的电力变压器故障诊断[J]. 计算机测量与控制， 2013， 21（ 1）:39-41.WEN Yangdong， SONG Yang， WANG Yingxin， et al.Electric power transformer fault diagnosis based on fuzzy neural network[J]. Computer Measurement and Control，2013， 21（ 1）: 39-41（ in Chinese）.