唐冬来,倪平波,张 捷,刘友波,李 玉,张 强
(1. 四川中电启明星信息技术有限公司,四川省成都市610041;2. 四川大学电气工程学院, 四川省成都市610065)
随着用电客户对供电服务质量的要求日趋提高,迫切需要供电企业转变被动服务方式,提供更精确的故障定位和更快速的供电服务[1-2]。长期以来,中国配电台区的智能化建设不足,现有监测手段仅限于配电变压器状态和用户电表的电量数据,依赖人工清查的户变关系识别准确率不高,严重制约了低压故障精准定位与主动服务水平提升[3-5]。
为解决户变关系识别准确率不高的问题,国家电网有限公司于2018 年启动了以电表高速电力线载波(high-speed power line communication,HPLC)技术为基础的户变关系自动识别工作[6]。该项技术中,集中器在配电台区低压线路上广播识别特征信号,用户电表接收到特征信号后,记录所属台区特征码,并向集中器发送带有电表档案号和台区特征码的注册信号,以实现户变关系识别[7]。但HPLC 户变关系识别技术存在识别信号抗干扰能力差、共用零线台区识别信号串扰等问题,导致户变关系自动识别准确率低[8-9]。
国内外大量学者对配电台区户变关系识别进行了研究,主要分为电气数据挖掘与电压曲线校验2 类。在数据挖掘方面,文献[10]整合了多个低压配电网信息系统的数据,构建知识配电台区图谱体系,挖掘出户变关系;文献[11]利用地理信息系统中的户变经纬度信息和配电台区辐射范围限制,构建多时空特性的户变关系。文献[12]通过用电信息采集系统中的相位识别和瞬时冻结技术,实现户变关系识别。在电压曲线校验方面,文献[13]通过皮尔逊相关系数和K 最近邻(K-nearest neighbor,KNN)算法判断户表之间的电压序列曲线相似性,以校验户变关系。文献[14]根据高级量测体系提供的配电台区各耦合节点电压和电流,进行户变关系分析。文献[15]通过K 均值聚类的方法对所提取的电表电压序列数据进行聚类,分析户变关系。由此可见,配电台区的户变关系识别方法多样,而且取得了一定的成果,但上述研究均局限于配电台区量测数据理想状态下的户变关系识别,缺少对电表时钟误差超过阈值(时钟超差)造成的量测数据错误、共用零线台区信号串扰等问题的分析。若要实现更准确的户变关系识别,则需要对现有的量测信息和校验算法做进一步改进。
针对当前户变关系识别研究中缺少对电表时钟漂移与共用零线台区识别信号串扰分析的问题,本文综合考虑配电台区不同的接线方式、电表时钟漂移等影响户变关系识别的失效因素,提出了一种基于离散弗雷歇距离的户变关系识别方法。该方法采用改进调频特征信号识别与电表电压分布曲线离散弗雷歇距离校验的方式,获得准确的户变关系,为配电台区规划、故障抢修等多种业务提供基础数据支撑。最后,通过算例的实际应用结果验证了本文方法的实用性和有效性。
本文提出了一种基于离散弗雷歇距离的户变关系识别方法,对配电台区户变关系识别的整体架构如图1 所示。该架构主要包括5 个环节:电表时钟校准、基于改进多载波调频信号的户变关系识别、数据清洗模型、户变关系校验和构建户变关系分布矩阵。
图1 户变关系识别架构图Fig.1 Framework diagram of identification for relationship between household transformers
在电表时钟校准环节,通过智能融合终端(具有用电信息采集集中器和智能配电变压器终端2 种功能的设备)向电表连续进行多次时钟对时,实现智能融合终端与电表时钟一致,确保改进调频特征识别信号能正确发送。针对时钟超差的电表,首先将时钟超差的户表电压曲线做时间轴的拉伸或压缩,使得户表与总表电压曲线在时间轴上趋于一致,以减少时钟不同步对户变关系识别造成的影响,然后采用电压曲线离散弗雷歇距离进行校验;在户变关系识别环节,智能融合终端在电压过零点时刻,向低压线路叠加含已知相位信息的改进调频特征识别信号,电表HPLC 模块在检测到同一个过零点的识别信号后,对改进调频信号进行解调并获得识别信号中的相位信息后,再将相位信息发送给智能融合终端。在缺失数据清洗环节,主要是对电表的时钟误差造成的电压曲线偏移进行校准,以消除电压曲线时间轴偏移对户变关系识别的影响。在户变关系校验环节,计及配电台区不同的接线方式、城农网供电环境等影响户变关系识别的失效因素,采用离散弗雷歇距离比较智能融合终端与电表之间电压曲线的相似度,以校验户变关系的准确性。在构建户变关系分布矩阵环节,首先将智能融合终端与电表电压曲线的相似度从高到低依次排列,然后对电表之间电压曲线的相似度进行比较,以形成配电台区由近及远的户变关系分布矩阵。
基于离散弗雷歇距离的户变关系识别方法是一种综合考虑了电表时钟漂移与共用零线台区识别信号串扰问题的优化识别方法,可用于不同接线方式下的配电台区户变关系识别。改进多载波调频特征识别信号可有效提高HPLC 信号抗干扰能力;基于离散弗雷歇距离的户变关系校验可有效降低电表时钟漂移和共用零线台区识别信号串扰的问题,并建立配电台区由近及远的户变关系分布矩阵。
1)电表时钟校准
智能融合终端与电表的时钟同步,是配电台区户变关系识别的基础[16]。若电表与智能融合终端的时钟存在偏差,则智能融合终端通过HPLC 信道向电表下发户变关系识别特征码时,电表的过零点时刻与特征码中的已知相位过零点时刻不一致,将造成户变关系识别不准确[17-18]。在配电台区中,电表HPLC 使用洪泛法进行动态组网及路由选择[19],组网路径和中继链路依赖当前的通信环境动态变化,无法准确预估路由延迟时间[20],故HPLC 技术不能实现智能终端与电表的精确对时。
本文方法将基于电表HPLC 双模模块的远距离无线电(long range radio,LORA)通信功能进行时钟对时。LORA 通信传输距离远、穿透力和抗干扰能力强,当发射功率为20 dbm(100 mW)时,有效传输距离为3 km,可覆盖配电台区电表的安装范围。当LORA 信道扩频因子为7、带宽为500 kbit/s 时,对时指令传输的时间为0.2 ms,可减少指令传输时间对电表对时的影响。首先,智能融合终端接收主站侧的北斗对时指令,统一各配电台区的量测时间;其次,智能融合终端采用在470~510 MHz 的计量频段下[21],与电表进行6 级蜂窝状调频通信。设配电台区内电表数量为n、调频蜂窝数为Sz、单个信道第l 条通信路径的通信时间为tsl,信道s 第l 条通信路径的干扰度为∂l(s),则智能融合终端向电表的对时延迟时间Ta为:
智能融合终端根据调频通信的延迟时间,生成每块电表的对时修正时间,并通过对时指令下发给改进后的电表HPLC 模块;电表的HPLC 模块接收到对时指令后,将偏移量叠加在对时指令的时间上,然后HPLC 模块将增加了偏移量的时间传递给电表,以获得准确的时间。同时智能终端与电表再次比对时间,将时钟超差的电表列入异常清单,并在后续通过离散弗雷歇距离算法验证户变关系。
2)基于改进调频信号的户变关系识别
因LORA 通信不能识别配电台区物理上的户变拓扑关系,HPLC 模块使用的正交频分复用特征码信号频段高达2~12 MHz,在电力线中传播损耗大、传输距离近、抗干扰能力差[22]。本文基于HPLC模块,采用0.8~2.9 MHz 频段的改进多载波调频特征识别信号的方式进行户变关系识别,通过降低信号频率和并发多组调频信号的方式来减少户变关系识别信号在电力线中的传输损耗,提高抗干扰能力,以解决现有HPLC 模块户变关系识别信号存在的传输距离近、抗干扰能力弱问题。本文方法采用多载波滤波器组的调频技术进行数据传输,特征识别信号由已知相位信息、过零点时间戳、纠错位等少量信息组成,滤波器将特征识别信号转换为多组不同频段的子载波信号,电表仅需正确接收3 组信号,即可完成户变关系识别,此方法抗干扰能力较正交频分复用通信大幅增强。
设智能融合终端输入的信号调制前序列为κ(t),调制前的信号频率为ω。输入信号按照改进调频方式进行调制,调制叠加信号为ψe,则调制后的信号频率范围χ(ω)为:
设信号经过滤波器后,分解为子载波信号ϕi(ω),i=1,2,…,ng,其中ng为调制多频度的组数,则智能融合终端向低压线路输出的信号χc(t)为:
转为多载波调频信号矩阵为:
设输入的信号时长为ti,i=1,2,…,ng,则智能融合终端输出功率P(t)为:
改进的调频信号叠加在电压过零点处,形成一个微小的畸变,如附录A 图A1 所示。可见,改进调频特征识别信号的周期为可变频率的Δt,在用户电表收到信号后,采用傅里叶变化即可对此调制信号进行解调。
设配电台区传输线路上耦合的白噪声为ϑ,白噪声的频谱密度为ℓ,则白噪声功率ϑ(ω)为:
电表HPLC 模块采用高通滤波器,提取改进多载波调频特征识别信号。多载波调频信号为ng组,仅需正确接收3 组信号,即可进行户变关系识别。信号通过高通滤波器后主要由有效的改进调频特征识别信号和白噪声信号组成。设白噪声序列为ϑ(t),电表接收到的特征识别信号γ(t)为:
电表采用傅里叶变化运算将特征识别信号进行解调制,得到调频解调序列F(ω)为:
设配电台区a、b、c 相的单相电表和三相电表数量分别为nla、nlb、nlc和nlz,未识别的电表数量为nlx,智能融合终端将构建户变关系识别成功和未识别的电表矩阵。设a 相的单相电表序列为a1,a2,…,anla,b 相的单相电表序列为b1,b2,…,bnlb,c 相的单相电表 序 列 为c1,c2,…,cnlc,三 相 电 表 序 列 为d1,d2,…,dnlz,未识别电表序列为z1,z2,…,znlx,则电表矩阵F(n)为:
在HPLC 基础上,通过基于改进调频信号的户变关系识别,可解决HPLC 模块信号抗干扰能力差的问题,提高户变关系识别能力。
1)数据清洗模型
针对时钟漂移造成的各电表之间电压冻结数据时间轴不一致的问题[23],本文以总表的96 点电压曲线台区时间轴为基准,将用户电表96 点的电压值按总表时间轴进行线性插值计算,得出用户电表在基准时间轴的96 点电压估算值,从而实现电表电压曲线时间轴校准,以减少电表时钟漂移对户变关系造成的影响。
设电表的电压曲线在区间[c,d]上有nr个互异点,插值点为{ x1,x2,…,xnr},被插值函数为f (x),电压曲线V 为:
设插值函数为φ(x),则插值误差ρ(x)为:
插值误差越小则得到的电表电压数据清洗结果越精确。设电压曲线在x1、x2的值为v1、v2,则电压曲线为:
φ(x)满足下列条件:
《普通高中英语课程标准:2017年版》指出英语课程承担着发展学生思维能力的任务。思维品质体现英语学科核心素养的心智特征,是学生发展的重要内容。提问作为英语教学的重要教学技能,是培养学生思维品质的重要手段。然而,为了满足应试需求,英语教师普遍关注语用能力的培养,提问侧重于阅读文本的词句、段落大意的理解,较少涉及学生对文本内涵的理解和评判,在促进学生思维发展方面存在不足。在英语学科核心素养的背景下,阅读教学中学生思维品质的培养已成为重要教学目标。
求解可得:
设x0为x1与x2距离的中心点,则所插入的序列φ(x)为:
采用线性插值方法,可减少电表96 点电压数据时间轴偏移对户变关系识别的影响。
2)户变关系校验模型
本文采用离散弗雷歇距离比较电表之间的电压曲线相似度,以解决共用零线台区户变关系识别信号串扰造成的校验失败问题。在配电台区中,因电力客户用电的不确定性,造成电压频繁波动。通常在相同的低压回路中,同相位下电气距离越近的电表电压曲线相似度越高,而电气距离越远则相似度越低;不同回路、相位下的电表,其电压曲线波动几乎不一致[24-25]。在户变关系识别中,因共用零线台区户变关系识别信号串扰,将造成户变关系跨台区识别错误。基于同一配电台区内电表之间的电压曲线相似度高的原理,本文综合考虑配电台区不同的接线方式、城农网供电环境等影响户变关系识别的失效因素,采用离散弗雷歇距离进行电表之间的电压曲线相似度比较,以校验户变关系的准确性。
首先,智能融合终端将96 点三相电压曲线分别与配电台区的单相电表的电压曲线进行比较,电压曲线相似度最高的电表则为离配电变压器最近的电表,再依次将此电表与其他电表的电压曲线进行比较,根据配电台区低压回路的情况,直至形成树状回路的电表相位关系序列。
设自变量为智能融合终端或比较电表的电压曲线x,曲线的长度为ne,因变量为被比较电表的电压曲线y,曲线的长度为me,电压曲线比较的时间周期序列为t,智能融合终端或比较电表的变化函数为α(t),被比较的电表变化函数为β(t),96 点的t 时刻比较电表和被比较电表的电压值为x(α(t))和y(β(t)),2 个 电 表 电 压 值 之 差 为d(x(α(t)),y(β(t))),则2 个 电 表 之 间 的 弗 雷 歇 距 离δf可 表示为:
电压约束条件为取值范围在[0,400]V,则比较和被比较电表的约束为:
将上述公式的自变量x 和因变量y 轨迹离散化。设曲线x、y 分别由96 个轨迹点zk组成,则曲线轨迹可表示为:
x、y 轨迹之间的长度L 为各序列中弗雷歇距离的最大值,表示如下:
离散弗雷歇距离δf(x,y)为:
配电台区户变关系校验中,根据典型特征设置同回路下电表电压曲线相似度阈值Δh,以及不同回路且属于本台区的电表电压曲线相似度阈值Δδ。若电表之间相似度大于阈值Δh,则说明电表在本台区的同一回路下;若电表之间相似度大于阈值Δδ,且小于阈值Δh,则说明电表在本台区的不同回路下。2 个电表之间电压曲线的离散弗雷歇距离如附录A 图A2 所示。
3)户变关系分布矩阵
通过户变关系校验,形成配电台区每个相位下电表由近及远的相关度序列后,按此顺序建立户变关系分布矩阵。设配电台区a、b、c 相位下的电表和三相电表数量分别为nka、nkb、nkc和nkz,设a 相的单相电表序列为aa1,aa2,…,aanka;b 相的单相电表序列为ba1,ba2,…,bankb,c 相 的 单 相 电 表 序 列 为 ca1,ca2,…,cankc,三相电表序列为da1,da2,…,dankz,则电表矩阵Fd(n)为:
式(22)中,离配电变压器最近的电表为序列aa1、ba1、ca1、da1。nka、nkb、nkc、nkz的数值越大,表示距离配电变压器越远。采用电表电压时间序列的离散弗雷歇距离校验,可解决电表时钟漂移和共用零线台区户变关系识别信号串扰的问题,从而获得准确的户变关系。
综上所述,基于离散弗雷歇距离的户变关系识别方法可概括如下,流程如图2 所示。
图2 基于离散弗雷歇距离的户变关系识别流程图Fig.2 Flow chart of identification for relationship between household transformers based on discrete Frechet distance
步骤1:智能融合终端采用6 级蜂窝状调频通信向电表广播对时,以获得固定的通信延迟时间,并增加延迟偏移量。
步骤2:检测用户电表的时钟是否与智能融合终端的时钟一致,以判断电表的时钟是否正常工作。
步骤3:智能融合终端采用多载波滤波器组的调频技术在电压过零点时刻分别发送三相的相位识别信号,包括已知相位、过零点时间戳等信息。
步骤4:电表解调带时间戳和相位信息的识别信号后,与电表时钟比对,以获得电表所属相位,并将相位信息向智能融合终端注册。
步骤5:建立配电台区电表识别矩阵,针对未识别部分,采用步骤8 验证相位关系。
步骤6:采集用户电表的每天96 点冻结电压数据,并生成用户电表的电压曲线。
步骤7:以总表的96 点电压曲线为基准,采用线性插值方法进行用户电表时钟校准。
步骤8:分别将智能融合终端三相的96 点电压曲线与用户电表的电压曲线进行离散弗雷歇距离比较,获得本相位下相似度大于Δδ 的所有电表,相似度最高的电表即为离配电变压器最近的电表。
步骤9:在本相位相似度大于Δδ 的电表中,从离配电变压器最近的电表开始,依次与其他电表进行离散弗雷歇距离比较,再依次将此电表与其他电表的电压曲线进行比较,根据配电台区低压回路的情况,直至形成树状回路的电表相位关系序列。
采用本文提出的方法,对中国四川某物联网示范区的10 个配电台区进行基于离散弗雷歇距离的户变关系识别分析,其中,城市和农村各选择5 个配电台区,城市台区1~3 为TNS 接线方式,城市台区4、5 为TNCS 接线方式,农村台区为TT 接线方式。
1)多载波调频与正交频分复用传输正确率分析。本文所述的配电台区信号传输正确率分析,分别采用智能融合终端和用电信息采集集中器向配电台区所有电表召测100 次电压数据,以验证数据传输的正确率,两者测试的结果如附录A 图A3 和表1所示。
表1 传输正确率对比Table 1 Comparison of transmission accuracy rate
由表1 可见,应用本文方法得到的电表电压量测数据传输正确率高于正交频分复用方法,所提方法提高了电表量测数据传输的正确率。
2)户变关系识别准确率分析。本文所述的配电台区户变关系准确率,分别采用基于离散弗雷歇距离的户变关系识别方法和用电信息采集集中器HPLC 方法进行测试,然后通过人工核查的方式,验证户变关系识别的准确率。在测试中,因基于离散弗雷歇距离的户变关系识别方法中数据清洗环节的电表时间轴校准与真实值存在差异,所以本文方法识别成功率低于多载波调频通信的正确率;因采用集中器HPLC 模块进行户变关系识别时,存在电表时钟漂移与共用零线台区识别信号串扰问题,所以集中器HPLC 方法识别成功率低于正交频分复用通信正确率。测试结果见附录A 图A4 和表2。
表2 户变关系识别准确率对比Table 2 Accuracy rate comparison of identification for relationship between household transformers
由表2 可见,在应用基于离散弗雷歇距离的户变关系识别方法后,户变关系识别准确率较用电信息采集集中器HPLC 高。
3)降低电表时钟偏移、共用零线台区识别信号串扰分析。本文所述的降低电表时钟偏移、共用零线台区识别信号串扰带来的户变关系识别错误问题,根据表2 所示的识别准确率数据,在试点的10 个台区中,进行原集中器HPLC 识别准确率、消除时钟漂移影响和消除共用零线台区串扰影响统计。测试中,采用线性插值计算比较其消除时钟漂移影响;采用离散弗雷歇距离比较其消除共用零线台区串扰影响。测试结果如表3 所示。
表3 户变关系识别准确率提升Table 3 Accuracy rate improvement of identification for relationship between household transformers
由表2 和表3 可见,应用本文方法后可以降低电表时钟偏移、共用零线台区识别信号串扰带来的户变关系识别错误问题。
4)户变关系识别分析。本文所述的户变关系识别分析,由于用电信息采集集中器不具备此功能,所以采用基于离散弗雷歇距离模型进行户变关系识别,城市台区5 识别准确率为99.73%,该台区低压只有一回线路,无分支,户变关系识别分析结果如图3 所示。
图3 户变关系分布Fig.3 Distribution of relationship between household transformers
由图3 可见,基于离散弗雷歇距离的户变关系识别分析应用后,生成配电台区由近及远的户变关系分布矩阵,其中,电表1 距离配电变压器最近,电表n 的数值越大表示距离配电变压器越远,c 相电表17 为识别错误的电表,识别错误的原因为c 相电表17 与其他电表之间的低压线路较长,电表之间进行电压曲线离散弗雷歇距离相似度比较时,低于阈值Δδ,被识别为城市台区5 之外的电表。
综上所述,四川某物联网示范区户变关系识别的实际应用表明,基于离散弗雷歇距离的识别方法可有效提高户变关系识别的准确性,同时可以生成户变关系,方便台区经理快速开展故障抢修、业扩报装等工作。
为解决HPLC 户变关系识别中的电表时钟漂移与共用零线台区识别信号串扰问题,本文提出了一种基于离散弗雷歇距离的户变关系识别方法,设计了一种户变关系识别模型,综合考虑配电台区不同的接线方式、城农网供电环境等影响户变关系识别的失效因素,采用求解户变关系准确率最优的方式,实现了配电台区由近及远的户变关系分布识别。四川某物联网示范区的10 个城农网配电台区的算例应用结果表明,所提算法能有效降低电表时钟漂移、共用零线台区识别信号串扰问题所带来的影响,实现户变关系识别准确率最优的目标。
本文所述的基于离散弗雷歇距离的户变关系识别方法,在2 只电表相邻线路较长的情况下,户变关系识别存在一定的误差,后续要结合相邻电表的电压变化特征做进一步研究。
附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx),扫英文摘要后二维码可以阅读网络全文。