基于N线的拓扑感知技术研究

欧 新，韩 鹏，卢玉凤，宁 骞，蓝世祥，高春梅，任 旭

(1.贵州电网有限责任公司 贵阳供电局，贵阳 550002；2.华立科技股份有限公司，杭州 310023)

0 引言

随着科技强国战略的实施，智能制造、智能家居、智能电网[1]等新理念、新技术大力推进。国家电网公司提出了“三型两网、世界一流”的战略目标，“两网”指的是坚强智能电网和泛在电力物联网。泛在电力物联网围绕电力系统各环节，充分应用移动互联、人工智能等现代信息技术、先进通信技术，实现电力系统各环节万物互联、人机交互，具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。

在全面感知挂网设备分布的过程中提出了很多新技术。例如，文献[2]定义了树节点类来动态地反映节点间的链接关系，采用深度优先算法，快速识别网络拓扑结构的变化。文献[3] 结合变电站运检及管控工作的实际需求，提出了基于机器感知和态势感知技术的变电站设备状态智能监测评估一体化平台的顶层设计理念，通过人工神经网络[4]、感知哈希算法[5]等技术，可实现设备状态及变电站环境自主感知、预测设备缺陷及风险、代替人工进行巡视决策，从而大大提高运检效率与可靠性。文献[6]基于数据关联分析的低压配电网拓扑识别方法，利用Tanimoto相似度系数计算各分组内配电变压器、分支箱、表箱、用户智能电能表之间相关性和非相关性,从而实现低压配电网拓扑识别。文献[7]基于离散 Fréchet 距离和剪辑K 近邻的配电网拓扑结构校验方法。文献[8]基于 LoRa 技术和 GPU 加速的台区拓扑辨识方法，旨在利用 LoRa 通讯技术、高性能计算技术以及大数据方法，对于大规模安装的智能电能表的数据进行获取和分析，有效辨识台户之间的对应关系。文献[9]基于用电信息集抄系统的深化应用，如台区区分，相位识别和瞬时冻结等关键技术，配合电力线测距等第三方设备，提出一套新型的低压台区网络拓扑结构重建方案。文献[10]基于T型灰色关联度和K-最近邻(KNN,k-nearest neighbor)算法实现低压配电网拓扑自动识别方法,该方法能自动识别用户所属台区和馈线,准确率高,实用性好。

以上方法实现起来难度很大，且由于电网工况的复杂性，实际效果不太理想。文章提出一种基于N线的拓扑感知技术，能够实现分级接收主站命令，并能主动产生特征电流信号，通过简单的OOK(二进制振幅调制)调制技术[11]实现台区侧挂网设备的精准拓扑网络，得出树状分布图。

1 基于N线的分布式拓扑识别模型

1.1 基于N线的定义

目前，电网上实现拓扑识别的方式大致分为三类：第一类是根据电流潮流量的大小由主到次逐次减小的特征，通过对特定节点电流量的有效监测并聚类分析，形成台区下分支模型，这种方式容错率太差，在电网大环境复杂的背景下，很难实现全覆盖、精准性的拓扑模型；第二类是通过电力线载波通信的方式读取设备唯一ID号以明晰设备分布情况，这种方式只能实现台区下所挂设备的数量及设备号，再加上现阶段HPLC载波模块具有高频传输特性，很容易将信号串到A、B、C线电压上，从而扰乱信号的正常回路信息，大大降低了分支识别的准确性；第三类是通过智能终端[12]下发拓扑识别命令，挂网设备接收到拓扑识别命令，产生特征电流信号并逐级被父节点接收到，接收到特征电流信号的设备按照统一的编码方式向终端发送拓扑识别结果信息，终端通过处理分析，完成拓扑网络的生成，形成台区下挂网设备的分支拓扑图。

文中所采用的方式是第三种方式的延伸，第三种方式利用电阻、电容、电感元器件的物理特性，通过编程实现特定时间间隔内元器件的导通与关断，并将这种特征信号注入到电力线N线上，完成特征信号的注入。

1.2 基于N线的分布式拓扑识别模型

基于N线的拓扑感知技术，主要是利用N线来传递特征电流信号，台区侧N线的分布式拓扑模型如图1所示。

图1 N线分布式拓扑分模型图

图1可以看出，配电变压器出线侧分为三级，依次是配电柜/JP柜、分支箱、表箱[13-14]，每一级出线侧都可以延伸出多个分支，N线通过配电变压器的中性线接地后引出，并逐级延伸到每只表箱。

从图1中可以看出，一根N线贯穿了台区下所有分支，形成电流回流图谱。图1中圆圈内标示的序号代表不同层级的分支节点序号，如果在每个节点处放置一款具有拓扑感知功能的设备，便可以准确地实现台区下设备的拓扑图[15]，避免了向A、B、C三相线电压上分别注入特征信号而引起的混乱现象，同时降低了向A、B、C三相线电压上注入特征电流信号而引起的挂网设备计量偏差和故障率。

2 基于N线的特征信号注入研究

2.1 基于N线的拓扑感知设备功能描述

为了实现台区侧挂网设备的网络拓扑结构图，方便故障排查,第一时间锁定故障点，切断故障点电能供给，及时维修故障，确保电力正常、高效的供应。文中所论述的设备安装在台区下的每个N线的分支节点前端，本设备的整体框图如图2所示。

图2 整体框图

如图2所示，本装置由7部分组成，包括电源模块、过零检测电路、HPLC电路、特征电流信号发送电路、特征电流信号接收电路、485电路、MCU主控电路等部分组成[16]。电源模块用来给各个功能模块提供电能；过零检测电路判断市电过零点时刻，该模块电路与HPLC模块配合完成通信功能，实现拓扑识别命令逐级下发给对象设备。HLPC模块称为宽带载波模块，通过HPLC模块可以完成主站下发命令的的接收与发送。特征信号发送电路用来发送拓扑识别特征电流信号；特征信号接收电路用来接收特征电流信号；485电路用来与同一分支箱内的电能表进行通信，抄读表号信息及对应的电量等参数。

为了简化器件，图中所标的拓扑识别装置的取电方式是从A线和N线之间取电，也可以分别从B线和N线、C线和N线上取电，但特征电流注入的对象一致，都是从N线上注入的。

实际工作过程简单描述为：当主站下发拓扑识别命令给集中器后，集中器分时段向电力线发送拓扑识别命令给对应的分支箱(每个分支箱都有对应的唯一ID识别号)，HPLC[17]模块接收到电力线发来的信息，通过解调传送给MCU进行进一步解析，当MCU响应该指令并解析得到该指令为拓扑识别指令时，MCU先进行485供电电路电源的切换，当切换完成后，跳转到中断服务子程序中，监测电力线过零点信号，当MCU监测到过零点信号后，触发特征电流信号发送模块工作，完成特征电流信号注入，该线路的上级分支箱N线均有特征电流流过，上级电路的特征电流接收模块均可接收到该信号，如此分级完成各级信号的发送与其上级信号的接收，如此整合确定不同分支箱之间的网络拓扑图，知道了分支箱的网络拓扑图，即可得出同一台区每块电能表的拓扑图。

2.2 特征信号注入机理研究

特征信号注入模块的原理图如图3所示。

图3 特征信号注入电路

如图3所示，特征信号注入电路由四部分组成：电源隔离模块、逻辑判断模块、光耦控制模块、继电器控制模块[18]。

电源隔离模块用来为后级传输能量，同时实现前级和后级强弱电隔离；逻辑判断模块上拉电阻R1、R2和U2组成，R1、R2确保常态下线路的电平维持在高电平，避免线路波动引起误动作。

光耦控制模块是为了将强、弱电隔离，同时将弱电端的控制信号作用到强电端控制强电电路动作。光耦控制模块由R3、R4、R5、R6、Rs1、Rs2、C5、C6、C7、Q1、N1、U3、D1、D2、D3、D4组成。其中，R3、R4、R6为限流电阻，R5为下拉电阻，确保常态下，Q1的集电极为低电平，N1为大功率MOS管，在本电路中用作开关，当Q1的集电极为低电平时，N1处于为导通状态，此时无电流经Rs1、Rs2流入N线；当U3的3脚为低电平时，U3的1和3脚导通，5脚输出低电平，Q1导通，N1的1脚变为高电平，N1导通，这时有电流经过Rs1、Rs2流入N线，从而实现特性信号的注入。D1、D2、D3、D4为单相导通二极管，可以控制电压的单相导通特性，阻止220 V市电流入24 V电压侧。R6、C7形成RC串联滤波电路，由于吸收开关尖峰，降低尖峰电压对MOS管的冲击，Rs1、Rs2选用大功率水泥电阻，增大通流能力。

继电器控制电路控制强电侧的共用地，当MCU检测到终端发来的拓扑识别命令后，通过发出控制命令作用于继电器电路，即R7的左侧，电气连接标号为RLYON。当RLYON为高电平时，QP1导通，此时继电器RY1动作，使得大地端Ground作为强电侧共用的地。此外，需要注意的是24V电压也是通过隔离变压器过来的，具有大的输出功率，它的地通过继电器RY1来控制，与强电侧地同步切换。通过对N1开关频率的控制，有效的将特征电流信号注入到电网的N线中，每级节点前端安装具有该功能的设备或装置，配合特征信号接收电路完成信号的接收与有效处理，既安全又能够有效地实现拓扑识别功能，为泛在电力物联网建设提供创造性引领技术。

2.3 基于OOK调制技术的拓扑感知方式研究

幅移键控(ASK)是一种常用的信号调制技术[18]，该方法在众多低频RF数字通信系统中非常普及。当需要发射“1”时，发射源发送较高的载波幅度；发射“0”时，采用最简单的方式发送出较低的载波幅度。通-断键控(OOK)调制是一种更简单的ASK方式，发射“0”时，无任何载波信号输出。

图4 特征电流波形图

为了提高软件的容错性，降低电网噪声对信号的干扰，文章在采用OOK调制技术的同时，优化了控制方式，通过将单次发送时间设置为9.6 s，即每位编码发送时间长度为0.6 s，其中每位由规定个数的OOK码组成，单次发送总体时间偏差为±40 ms，每位编码允许发送时间偏差为±15 ms。通过这样的方式，大大增强了特征信号的抗干扰性，提高了准确率。

3 拓扑感知方式研究

3.1 拓扑感知层级描述

挂网设备由主干线向分支侧不断延伸，形成逐级网状分布式分布模式。针对这种分布式架构，软件在设计时，为更好地感知每一层级所挂设备的分支信息，采用的流程图如图5所示。

图5 拓扑感知流程图

实际工作过程简单描述为：主站下发拓扑识别命令给集中器，集中器分时段向电力线发送拓扑识别命令，对应分支箱(每个分支箱都有对应的唯一ID识别号)设备的HPLC模块接收到电力线发来的命令，解调后的信号传送给MCU进行进一步解析，MCU响应该指令并解析得到该指令为拓扑识别指令并使能继电器RY1动作，同时使能U2的1脚(即输出低电平作用到U2的1脚)，随后跳转到中断服务子程序中，监测电力线过零点信号，当MCU监测到过零点信号后，U2的2脚输入变为低电平，此时U2的4脚输出低电平使得U3的5脚输出低电平，Q1导通，紧接着N1导通，触发特征电流信号发送模块工作，完成特征电流信号注入，该线路上的上级分支箱N线均有特征电流流过，上级电路的特征电流接收模块均可接收到该信号，如此分级完成各级信号的发送与其上级信号的接收，整合确定不同分支箱之间的网络拓扑图，知道了分支箱的网络拓扑图，即可得出同一台区每块电能表的分布网络。

3.2 拓扑感知决策算法研究

3.2.1 拓扑感知决策矩阵研究

配电变压器下挂的集中器作为主站与计量设备之间的桥梁，完成命令的转发、电量信息的采集、对时、监测等功能，在拓扑感知技术研究中，集中器又增加了新的功能，完成拓扑识别特征电流信号的接收与处理。

采用拓扑矩阵Rx来简单描述拓扑层级[19]，针对拓扑网络的每一个层级都有相应的矩阵与之对应，以四层拓扑网络为例，可以表示为:R0=[X1]；

R1=[Y1,Y2,Y3,……Yn]；

1.3.6 选定树脂对红薯叶总黄酮的动态解吸试验 分别考察洗脱液浓度(50%、60%、70%、80%、90 %)、洗脱液流速(1、2、3、4、5 mL/min)、洗脱液用量(2、3、4、5、6 BV)对选定树脂解吸率的影响，并通过L9(34)三因素三水平正交试验确立选定大孔吸附树脂对红薯叶中总黄酮的最佳解吸工艺参数。

R2=[Z1,Z2,Z3,……Zn]；

R3=[H1,H2,H3,……Hn]；

假设四层拓扑网络图如图6所示。

图6 拓扑网络图

则可得出:

R0=[0];

R1=[01,02,03,04];

R2=[011,012,031,032,033,034];

R3=[0111,0112,0121,0122,0123,0124,0125,0126];

每一层级矩阵所包含的元素个数即为该层级的挂网设备数，要将这些看似杂乱无章的数据整合成规律性的集合体，就需要结合特征电流注入技术，即上文阐述的技术，基于电流沿最短路径传输原理，通过特征电流信号的注入实现每一层级的父节点都能够感知到其子孙节点携带的特征信息。由此对图X所列举的四层网络拓扑矩阵做进一步的构建，得到如下矩阵：

R0=[0]；

观察主次结构矩阵就可以得到四层网络拓扑图。

3.2.2 拓扑感知决策矩阵的封装与解封

N层分支网络拓扑图以N层结构矩阵为基础，每一层级矩阵中的元素，不应作为孤立的元素对待，本层各不相同的元素，有可能组成其父层级矩阵中元素的结构矩阵。

内嵌式的决策矩阵结构特性也可以表述为：由底层向高层逐层打包，层层整合，最终将拓扑图压缩为矩阵R(其中只包含有一个元素，即为拓扑图的最顶端)的方式称为决策矩阵的封装；由上层向下看，R矩阵中的一个元素又可以牵引出许多个子矩阵，层层展开得到网络分支拓扑图的方式称为决策矩阵的解封，决策矩阵的封装与解封互为逆过程。

决策矩阵的封装采用边缘计算理念[20]，将算力下沉，大大节省上层算力，各级下辖的子孙节点注入的特征电流信号都能被其上级父节点接收到，父节点接收到特征信号后，将其代表的不同设备ID层层打包，组成结构矩阵，存储在每一层级的父节点中，当主站或集中器下发拓扑识别命令，依次抄读各个父节点拓扑信息。当父节点接收并识别到主站下发的拓扑抄读命令时，会将拓扑识别结果矩阵回传给主站或集中器。集中器通过各个父节点拓扑识别结果矩阵图，可以清晰的描绘出台区侧网络拓扑图。

4 实验分析

4.1 拓扑信号的发送与检测

拓扑识别信号[21]是通过电力线逐级传输到台区侧的，既要确保拓扑信号能够被很好的识别，又要保证引入的特征电流信号不会对电网构成污染，对特征电流信号的强度及可靠性有严格的规定。

特征信号强度是表征强弱的物理量，当信号太弱时，容易淹没在噪声里，很难被提取、检测；当信号太强时，对检测电路的要求大大题高，无形中增加了检测成本及技术难度，所以设计合理的电路保证特征信号在合理的强度范围内很重要；信噪比[22]是一个比较重要的参数，表征信号与噪声的比值关系，信噪比数值越高，噪音越小，说明信号越容易被捕捉到；识别时间在严格意义上规定了完成拓扑识别所需要花费的实时时间的最大范围，超出这个时间范围即使识别到了也视作无效数据，进一步确保拓扑识别的实时性、可靠性。

经过反复的实验论证，规定了特征信号注入强度、信噪比、识别时间等值的参考范围。规定信号强度范围在0.050到10.000 A；信燥比要大于4 dB；信号识别时间要小于30 s。

在规定的检测要求下，测试拓扑识别信号的强度及抗干扰能力如图7所示。

图7 识别结果图

从图中可以看出清楚的看出特征信号强度和为1.8 A，在规定的范围内；信号噪声比(即信噪比)为270 dB；信号识别时间为2021-08-02 16:45:51，信号识别时间实时范围为2021-08-02 16:45:35-16:46:05，均满足合理范围要求，实际测试结果表明能够成功实现拓扑功能且满足测试准则。

4.2 拓扑识别结果

在实验搭建测试环境，含有两个节点：节点1为最上面的父节点为集中器(地址为000000000008)与断路器(地址为000000002102)之间的节点；节点2为断路器(地址为000000002102)与电能表之间的节点，两个电能表的地址分别为000000000011和000000000012，这些设备都带有拓扑功能，通过集中器依次给下辖的设备发送拓扑识别命令，拓扑识别结果如图8。

图8 拓扑图

实测结果表明，该技术能够准确、可靠地识别出挂网设备的层次结构图，清晰、直观地反映出挂网产品在电力线上所处的分布情况。

每个挂网设备都有唯一的身份识别号，一旦电网中某个环节出现短路、过电压、过载等危险情况，利用挂网设备的拓扑识别功能构建的拓扑图，再结合设备唯一的身份识别号，就可以做到第一时间锁定故障源，及时切断故障源，并通知维护人员精准定位故障源，迅速处理故障原因，解除故障隐患，确保电能高效供应。

5 结束语

户变及分支关系是台区内各个用电客户与台区供电变压器的供电归属关系，其准确性在电力营销业务运行中十分重要，作为台区配电服务的基础，户变关系的明晰是配电方案规划和台区线损计算的依据。

台区作为智能电网发展建设的末端层级，涉及营销、运检等多个专业，是电网管理工作的重点和难点，也是服务“最后一公里”落地实施的关键所在。户变及分支关系不明确，会造成台区及分相线损分析数据误差大，业扩新增负荷安排不合理、影响负载均衡，降低远程费控及远程充值成功率等问题，影响这些基础业务的开展实施，也进一步制约了深化应用业务的开展。

文中所提出的技术很好地解决了挂网产品分布混乱的问题，明晰挂网产品路由信息，提高了电网设备的故障定位效率，优化电网结构，降低电网线损率，提高配用电效率，为泛在电力能源互联网的建设提供技术保证。