基于物联网的传感器网络在分布式光伏电站的应用

韩贝

(榆林学院信息工程学院，陕西 榆林 719000)

0 引 言

目前电力企业大力开发光伏发电站，各种高新技术的应用促进了电力事业的发展，但物联网技术在光伏电站的应用较为困难。现有的相关技术研究如下：文献[1]采用Cortex-M4内核芯片处理电站融合数据，利用双CPU结构设计出分布式并网装置，有益于系统稳定进行，但这种方法对设备状态捕捉能力不足，无法明确分辨数据重要程度；文献[2]利用信赖域算法整合光伏电站数据信息，进而设计有源配电网络，建立站台负责读取电能表信息，使电站输电过程简易化运行，增加了有用功应用能力，但这种方法光伏设备接入困难，人工读取数据误差较大。

针对光伏电站应用研究存在的问题，本文将传感器网络塔建在分布式光伏电站中，通过设计光伏电站的拓扑图提高信息获取的精度。在光伏供电系统的基础上建立物联网(internet of things, IoT)分布式结构，使电力调度更加快捷。并根据电力调度数据建立局部保持典型相关分析(robust locality preserving canonical correlation analysis, RLPCCA)算法模型，对电站供电方案进行模型化操作，增加供电效率[3-4]。

1 分布式光伏电站传感器网络设计

本文的主要创新点如下。

(1) 对光伏电站输电系统进行拓扑优化，对光伏电站的传感器网络节点进行优化，使传感器覆盖范围更广，保证供电范围的无死角监控。

(2) 设计IoT分布式结构，将传感器网络获取的监控信息及时调度，使传感器分配更为合理，从而达到最佳感应状态。

(3) 建立RLPCCA算法模型推测传感网络对光伏电站的影响，对其信息捕捉能力和运行效率给出数据评估，给出本文研究的数据支撑[5]。

本文在光伏电站系统铺设的传感网络如图1所示。

图1 光伏电站传感网络

光伏电站装配的结构为顺序模式，根据功能划分多个模块，形成循环式模型。由光伏电站、变电系统和输电系统组成的拓扑优化结构，拓扑结构连接循环模型的首尾，负责联通整个电站功能的交互。网联融合结构主要进行网络互通，通过连接广电网、互联网和电信网，组成网联融合模式，对电站传感信息的传接具有重要作用；算法模型主要采用RLPCCA算法，利用算法整合数据的能力对电子传感、光电信息、压电传感、热感应以及磁感应等数据进行整理，并推测电站具备的供电能力；总线模式主要由IoT结构、WSN总线和RFID总线组成，分别对应拓扑结构的不同系统，IoT结构负责光伏电站拓扑的构建，WSN总线负责变电系统的规划，RFID总线负责输电系统的电路走向[6]。由此完成整个传感网络的循环运行，实现电站系统设备实时监控和数据分析。

2 光伏电站的拓扑优化

对于光伏电站的信息获取往往通过传感网络完成，因此选定的传感节点是建立传感网络的重要组成部分，本文通过设计光伏电站的拓扑结构[7]，使传感节点的设定更有依据，使传感网络的信息获取能力得到加强。光伏电站拓扑优化结构如图2所示。

图2 光伏电站拓扑优化结构

光伏电站的拓扑结构由发电站供给电能，经过配电网的继电保护功能输送到变电所，变电所根据用户需求将电能输送到不同终端。一般通过升压的方式进行输送，在用户端进行降压，输送阶段采用直流的方式，因此电站和用户端往往配有电流调节装置。变电所输送的电压在供电中途由不同需求单位截留，通过电路互感器截留需要的电压，经过变电站进行调节，由PCC端口测试两端的频率，由此决定分布式电源并网频率。并网之后由电压互感器负责进一步调节，可以将并网后的电压转变为可供使用的家用电压，然后由逆变器负责接收，完成一个供电循环，整个输电系统由多个此类变电装置组成，构成完整的分布式光伏电站[8]。

光伏电站拓扑结构的建立实现了光伏电站并网的稳定，对整个供电系统具有重要作用。根据拓扑结构分析电站与用户两端的数据对比，将其运行数据通过算法模型进行推算和分析，便于形成光伏电站传感网络。

3 RLPCCA算法模型

RLPCCA算法模型的建立基于传感网络数据采集装置的输入，本文数据通信方式由WSN和RFID总线联合完成。通过输入数据变量[9]，研究各信号区域故障信号分布规律，得到节点模型函数。

(1)

通过计算传感数据异常信号最大覆盖范围，判定该设备所要采用的修复方案，根据节点模型函数推算光伏电站信号最大覆盖面为：

(2)

根据采集的最大覆盖面内的数据函数[10]，针对此范围内出现异常信号概率推测，得到光伏电站受影响程度判断条件为：

(3)

式中:XMXXXT为正常状态下光伏电站供电能力函数矩阵；YMYYYT为异常状态下的电站供电能力函数矩阵。由式(3)判断条件分析，若光伏电站传感网络识别的正常信息代数矩阵为1，则此网络为最佳分布结构；若异常信号代数矩阵为1，则此网络为受影响分布结构。

通过判断条件汇总可供选择的传感网络，通过乘子法推算RLPCCA特征矩阵为：

(4)

式中：λ为光伏电站供电比例。传感网络的特征矩阵反映了光伏电站供电能力与传感网络识别信息之间的关系，由此推算同等条件下最大供电能力与供电比例之间的关系式为：

(5)

式中:H为最佳分布式光伏电站供电上限；HT为同等时间内异常信号在分布式光伏电站的供电上限；u为设备信息变量；v为异常信号出现速率。

对两种状态下的光伏电站覆盖面矩阵推算，侧面反映出电站运行稳定性。

(6)

式中：wxi为传感网络覆盖范围内电站供应量矩阵；wyi为未覆盖状态下的电站供应量矩阵；XMXXXT为正常状态下光伏电站供电能力函数矩阵；YMYYYT为异常状态下的电站供电能力函数矩阵；ui为设备信息变量；vi为异常信号出现速率。

通过RLPCCA算法模型得到传感网络覆盖范围下的光伏电站设备数据，将算法数据输入到IoT系统中，由此建立IoT分布式结构，对加强光伏电站供电能力具有重要作用。

4 IoT分布式结构

IoT分布式结构如图3所示。

图3 IoT分布式结构

IoT分布式结构由算法模型推测数据输入到综合自动化系统中，在此系统中进行分析调度，并组织指令调度，对整个分布式结构进行划分管理，将指令传达至WSN总线，在总线上进行传输。无功控制系统负责检测光伏电站设备的运行状态，使电站运行中尽可能少做无用功，对各类设备严格性审查。调度系统与远东通信装置形成联动系统，由调度系统控制通信，完成系统化数据的通信要求。WSN总线上的指令由规约接入装置和通信管理机接收并执行，规约装置连接数据网中心，将数据上传至云中心，便于后续检索。通信管理机通过RFID总线连接多个光伏发电站，对电站形成层级调控，保证光伏电站的供电能力，IoT分布式结构功能如图4所示。

图4 IoT分布式结构功能图

IoT分布式结构功能是将光伏电站的激励方波转换为可供输出的直流信号。根据待测输入量在电网中运行规律，通过二极管单向导通能力决定电流方向变化，由带通调制器调节电流，动态差分放大器负责电流的大小调节，保证电流正常传输，移相器负责三相电流的调整，根据不同需求调整相电流，使之满足相角条件。经过IoT结构调节之后的电流为激励方波，根据电力器件的双设备作用，最终显示为可调式直流信号，由此增强电站的电能供应量。

5 试验结果与分析

实验室配置采用i9系列计算机，内存64+256 GB，试验在实际光伏电站中进行。现场试验环境设置采用多组传感器网络，参数信息采集精度为98%，传感器获取数据精度为94%，算法模型误差为0.8%，采用WSN/RFID总线通信方式完成数据传输。参数配置如表1所示。

表1 环境参数与配置软件

通过5 h的试验，测试出电力系统供应量，数据如表2所示。

表2 电力系统供应量测试表

通过表2分析可知：本文设计的传感器网络在光伏电站运行中产生的总电量为152.2 kWh，传感网络覆盖范围达到98.8%，对电力用户供应电量上限为106.14 kW；文献[1]方法采用的双CPU结构总电量为105.6 kWh，传感网络覆盖范围达到86.1%，对电力用户供应电量上限为93.85 kW；文献[2]方法提出的信赖域算法结构总电量为113.5 kWh，传感网络覆盖范围达到88.6%，对电力用户供应电量上限为98.67 kW。数据表明本文研究可行性较高。

通过对比三种不同传感网络对光伏电站的覆盖范围，将各系统传感网络覆盖范围用仿真曲线的形式描述，得到传感网络覆盖面分析如图5所示。

图5 传感网络覆盖面分析

由图5可知：本文研究传感网络随电站总电量的变化有所波动，在电量为100～180 kWh时覆盖范围为96%～98.8%，在总电量为175 kWh时最大覆盖面为98.8%；文献[1]方法设计的双CPU传感网络随电站总电量的变化波动范围较大，在电量为100～180 kWh时覆盖范围为82%～86%，在总电量为180 kWh时最大覆盖面为86.1%；文献[2]方法设计的信赖域算法结构传感网络随电站总电量的变化波动较小，在电量为100～180 kWh时覆盖范围为86%～90%，在总电量为150 kWh时最大覆盖面为88.6%。可见本文研究传感网络覆盖范围更广。

图6 系统电力供应量对比

通过传感网络对电站供电能力的影响模型进一步完成对比试验。根据计算机处理进行仿真对比，如图6所示。

通过对比发现：本文研究根据电站总电量的不同，电力供应量变化较大。在总电量为100 kWh时为最低，此时供应电量为104 kW，供应电量低谷分别为104.6 kW、105 kW，峰值分别为107 kW、108 kW、106 kW；在总电量为140 kWh时电力供应量达到最大，此时供应电量为108 kW。文献[1]方法采用双CPU结构供应电量整体递增，电力供应量最高值为98.8 kW，在总电量110 kWh时电力供应量最低，只有93.8 kW，相对本文研究供应电量明显偏低。文献[2]方法设计的信赖域算法结构整体变化趋势与本文研究相似，但在波谷对比上，最低供应电量只有90 kW，波峰对比上最高供应量为94 kW，与本文研究两种情况差距较大。

6 结束语

本文对传感网络在光伏电站中的应用进行研究，对光伏电站设备进行拓扑优化，保证各类设备能够稳定运行，使设备安装更为合理，避免资源的浪费。利用计算机编写RLPCCA算法程序，对传感网络覆盖范围的数据进行整合，建立IoT分布式结构，使传感器分布合理化，根据算法输入的数据进行设计，最大限度提高电站供电量。但是本文在试验过程中仍存在问题，包括光伏电站的分布式结构造成的传感设备耗费较大、对监测到的异常信号存在延时修复等问题仍待解决。