基于末端数据融合的电力调度运行安全风险预警系统

张明

（海南电网公司，海南 海口 570203）

电力调度运行的安全性直接关系到供电的质量和电力系统所覆盖区域内用户的用电需求能否得到满足。从相对宏观的角度分析[1]，保障电力调度运行安全与人们生产生活密切相关。但是，由于电力负荷曲线的波动性[2]，导致对电力调度运行安全风险的识别、检测存在一定误差，对应的风险预警和可靠性也有待提升[3]。针对这些问题，文献[4]以含风光电力系统为研究对象，在对蒙特卡洛混合抽样方法进行改进后，应用到对风险的评估之中，并根据电力系统的实际运行情况对风险评估结果作出判断，实施相应的预警反馈。该方法在一定程度上提高了风险分析的可靠性，但是由于对风险因素的分析不够全面，因此适用性相对较低。文献[5]以电力系统安全风险影响因素为研究目标，将“认知–约束”理论应用到各因素关联的分析中，提高了对风险影响因素研究的全面性，为风险评估及预警提供了重要保障。文献[6]以新能源电力系统为研究对象，借助高维模型表达方法对小干扰状态下电力系统的失稳风险进行研究，能够实现对风险的准确感知和预警，但是其针对性较强，在应用上存在局限性。

结合上述研究内容，本文提出了基于末端数据融合的电力调度运行安全风险预警系统，通过实际应用测试对系统的预警效果进行验证，确保其能够对电力调度运行安全风险作出及时有效的预警。

1 硬件设计

本文设计的预警系统是通过对末端数据进行融合处理实现的。为保障预警结果的可靠性，对风险分析结果进行验证十分必要。逻辑子板在ARM处理器的协同作用下可以实现对ASIC IP的自定义处理，以此建立电力调度阶段各电力构成部分的原型，这对风险计算结果的验证具有极为重要的价值，同时其也是软宏模型（SMM）的基础硬件结构[7]。为此，本文以单 Virtex－7 FPGA 的ARM Versatile Express逻辑子板作为本文设计系统的硬件装置，其属于插件型子板，具体的型号信息为 Express 20MG，作为 Express（V2M－P1）系列主要产品，在ARM开发板的控制下，ARM Versatile Express20MG可执行的逻辑也都与Xilinx FPGA兼容。因此，在对本文设计的风险预警系统进行研究时，可以通过自主定义IP原型的方式对FPGA资源量和向上IO扩展量进行适应性设置。表1为ARM Versatile Express20MG逻辑子板参数的具体设置表。

表1 ARM Versatile Express20MG逻辑子板参数设置表

从表1可以看出，ARM Versatile Express20MG逻辑子板具有快速编程和重新配置机制的FPGA开发子系统，并且支持堆叠。因此，可以通过增量方式扩展FPGA的容量，借助Samtec牛角连接器，在堆栈顶部实现IO连接，大大降低了冗余。逻辑子板自带的集成式逻辑分析器从空间角度为用户ZBT RAM运行提供了保障，使得片上RAM块能够在大型缓冲区实现对海量数据的并行处理，提高了对电力调度运行安全风险计算的效率，并保障了预警的及时性。

2 软件设计

2．1 基于末端数据融合的安全风险计算

对电力调度运行安全风险的计算，其本质是对系统各个电力调度状态数据异常情况进行综合分析。但实际上，由于电力系统自身的协调性关系，导致这种异常具有相对属性。为此，本文借助安全风险指标对电力调度随时间变化的情况进行了分析。考虑到电力系统供给侧的输出和用户侧的负荷是以线性关系存在的，本文对电力调度安全风险指标的计算过程中融合了电力系统两侧终端的数据信息，具体的计算方式可以表示为：

其中，risk（t）表示在t时刻电力调度运行安全风险值，png（t）表示在t时刻电力系统供给侧输出的有功功率，pmy（t）表示t时刻电力系统用户侧的用电负荷，n表示电力系统供给侧参与调度的供电装置总量，m表示电力系统用户侧参与调度的用电目标总量。但是，需要注意的是，电力系统供给侧输出的有功功率受电压和设备缺陷的影响较为明显，因此，本文对该参数的计算方式为：

其中，v（t）和I（t）分别表示t时刻电力系统供给侧终端输出的电压和电流，ε表示设备缺陷的作用系数。

通过这种方式，计算得到电力调度运行安全风险值，以便为后续的安全风险预警提供数据基础。

2．2 安全风险预警

在得到安全风险参数后，为了确保预警结果的可靠性，本文以电力系统对风险抵御能力为基础设置预警临界标准。需要注意的是，电网负荷异常是电力调度运行安全风险最主要的表现形式之一，而电力系统对于这种异常的管控是通过离散化负荷实现的。结合这一特点，本文在ARM Versatile Express20MG逻辑子板上对风险进行了验证，首先设计的预警标准主要从风险参数的分布角度进行，对应的预警结果可以表示为：

其中，pr表示电力调度阶段风险参数的潮流，e（pr）表示电力调度运行节点的有功潮流期望参数，sp（t）表示风险参数的分布情况，v（p）表示有功功率下电力系统执行的调度电压，s0表示电力系统期望风险参数。利用式（3）的计算结果即可实现对电力调度运行安全风险的预警。当其满足正态分布时，表明此时的风险在系统抵御能力范围内，可以通过自主调节的方式得到有效控制，无需预警。当其不满足正态分布时，表明此时的风险已经超出了系统抵御能力范围，无法通过自主调节的方式得到有效控制，需要进行预警。

3 系统应用测试

3．1 测试准备

在测试阶段，本文以某220kV的风电变电站的运行数据为测试对象。其中，母线电压受统调管辖的 227个机组共同作用影响，具体的有功功率调度方案以覆盖区域的实际用电负荷为基础进行设置。在此基础上，本文以某电力调度运行安全风险状态下的数据为基准，分别采用改进蒙特卡洛混合抽样风险预警方法和高维模型表达风险预警方法作为测试的对照组，同时进行预警测试，测试的数据波形图如图1所示。

图1 测试的电力数据波形图

从图1中可以看出，供给侧与用户侧的有功功率参数在部分时段存在较为明显的差异，以此为基础，分别测试不同预警结果的准确性。

3．2 测试结果与分析

在上述基础上，本文以实际电力系统的运行情况为基准，对预警结果准确性进行分析，得到的数据结果对比表如表2所示。

表2 不同方法预警结果对比表

对表2中的测试结果进行分析可以看出，在三种预警方法中，改进蒙特卡洛混合抽样风险预警方法的预警次数大于实际警情次数，其中，对 12：00－14：00时段的预警结果误差最为明显，实际警情次数仅为2次，但是其预警次数达到了5次，对该时段的测试数据进行分析可以发现，供给侧与用户侧的有功功率参数虽然存在一定差异，但是幅度较小，故认为出现这种误差的原因是改进蒙特卡洛混合抽样风险预警方法对于电力系统自身的风险抵御能力分析存在不足。高维模型表达风险预警方法的测试结果有一定的提升，对于08：00－10：00时段的预警结果与实际警情次数完全一致，但是其余时段仍然存在误警的情况。相比之下，本文设计系统的预警结果与实际的警情次数完全一致，这是因为本文实现了对电力调度执行阶段两个终端数据的融合分析，并通过在逻辑子板上对风险进行验证，提高了对风险分析的可靠性，对应的预警结果也更加准确。

4 结论

要实现对电力调度运行安全风险的有效预警，对电网的实际数据进行全面分析是十分必要的。本文设计了一种基于末端数据融合的电力调度运行安全风险预警系统，以供给侧和用户侧的实际运行数据为基础，实现了对调度风险的准确识别，并根据电力系统对风险的抵御能力作出相应的安全风险预警，以期为电力系统安全运行和风险防范提供参考，并最大限度地降低意外事故发生的概率。