基于云架构下的电网动态矢量切片技术研究

李志坚， 夏伟， 雷伟刚， 蔡文婷， 吉堂书

(南方电网数字电网研究院有限公司， 广东 广州， 510000)

0 引言

随着电网规模的不断扩大，电网的可靠性和稳定性受到相关领域的更多关注。因此，需要结合对电网的动态矢量特征分析和输出参数可靠性检测方法构建电网的可靠性特征分析模型，以此来提高电网的在线监控和数据监测分析能力[1-2]。在电网监管过程中，动态矢量切片管理是一个重要的环节，可实现对电力资源的纵向深层管控[3]。基于此对电网动态矢量切片设计是实现电力建设的智慧化管理和智能诊断的关键。因此，电网的动态矢量切片技术在电网的在线状态监控和故障诊断分析中具有重要意义。

传统研究中，对电网动态矢量切片展开管控的技术主要有广域特征参数辨识方法、空间调度和自适应融合方法等。此外，文献[4]中设计了基于改进NSGA-Ⅱ算法的含分布式电源配电网切片优化技术，首先对配网最大供电能力问题进行多级分层，然后将子问题按照切片资源越限情况分为若干层，层级越高，子问题越限故障越严重；其次，在最高层级中选取一批有代表性的子问题形成反馈集，并将反馈集中子问题在利用改进NSGA-Ⅱ算法分割约束进行变速处理后反馈给主问题，从而实现对切片资源的管理。但该技术下电网数据转换的自适应性不好，导致其对动态矢量切片资源分配的均衡性较差。文献[5]中设计了基于电力光纤的网络切片资源管理技术，利用光线网络对信息数据的快速传输能力，结合于网络切片感知技术实现多业务融合动态资源分配。但应用该技术后，电网输出电压稳定性较差。

针对传统技术存在的不足，本研究基于云架构提出了新的电网动态矢量切片技术，并通过实验验证了该技术在提高电网动态矢量切片和自适应控制能力方面的优越性能。

1 电网动态矢量特征分析和云构架融合

1.1 电网动态矢量特征分析

为实现对电网动态输出的控制和在线监测，首先在云架构环境下对电网动态矢量切片展开解析，结合半结构化数据动态估计方法，建立电网动态矢量切片的知识图谱分析模型，然后结合多维空间参数融合过程，在电网拓扑控制模型的基础上采用关系型数据库转换的方法，实现对电网的电压、功率、频率等动态矢量特征的分析。基于此，利用基于知识图谱的设备实体层对电网的动态矢量信息展开放大处理，并建立电网的动态输出信号增益模型。

在云构架中采用频率切片小波变换(FSWT)实现对电网动态矢量切片大数据的有效采集，再结合机器学习的知识抽取方法，得到电网的动态输出放大倍数。动态输出放大倍数与电网节点数量、电网动态矢量特征相关，逆变换形式[6]如下所示：

(1)

式中，σ表示尺度因子，λ为能量系数，ω表示观测频率，t表示观测时间，τ表示控制高斯窗口在时间轴t的位置参数，i表示信号的采样点数，W(τ,ω,λ,σ)表示信号f(t)的频率切片小波变换。

然后，根据电网动态矢量分布的振荡特征量，定义电网动态特征动态矢量切片分布的失真度为-120 dB，然后根据各个设备实体之间的关系，得到频率切片函数[7]为

(2)

根据电网动态输出放大倍数处理输出功率增益，并基于特征信息的匹配度实现信息传递，为知识融合过程奠定基础，从根本上提高电网动态矢量切片的输出稳定性。

1.2 电网动态矢量云构架融合

在上述电网动态矢量特征分析的基础上，采用电流或电压注入的方式，根据电网设备的新增或潮流限值以及电网动态特征分布情况，完成电网动态矢量云构架融合。

首先在云构架体系下计算电网潮流。在电网潮流中，电网节点的功率方程[8]为

Pdci=Yij-Udcj

(3)

式中，Yij表示电网中所有节点的有功功率之和，Udcj表示电网内内、所有负荷消耗。基于此，根据融合过程中的实体冲突得到电网设备的潮流限值满足下式[8]：

(4)

式中，Xn+η表示电网动态矢量切片控制的约束。

根据电网电路初始差异性，得到电网的设备融合过程中的实体增益幅值满足下式[9]：

(5)

在此基础上，借助知识图谱和自然语言处理技术，得到电网动态矢量云构架融合模型[9]为

(6)

式中，U(i)表示电路阻抗。在之后的研究中，可结合云构架融合模型建立电网动态特征提取和动态矢量控制对象模型，从而提高对动态矢量切片分配的均衡性。

2 电网动态矢量切片控制管理

2.1 电网动态矢量状态参数估计

在上述电网动态矢量特征分析和云构架融合的基础上，实现对电网动态矢量切片资源的控制管理。

结合电压调控和输出状态参数协同控制实现对电网动态矢量切片的状态参数估计，采用有功功率增益控制和协同滤波检测的方法，建立电网动态矢量切片稳态特征检测模型，得到电网输出的频域特性[10]为

(7)

式中，ηE为电网动态矢量云构架融合量，PL为电网的动态负载功率，b2-y2表示电网的输出功率增益。

根据故障告警信息知识进行解析控制，得到电网动态矢量切片的最短约束距离[10]为

(8)

式中，xi、yi分别表示电网动态特征分布的演化边境坐标。基于此分析电网运行过程中差异性，结合功率增益调节的方法，得到电网动态特征的动态矢量切片的稳定性控制函数[11]为

(9)

式中，U0、ωi分别表示电网电路初始电压和负荷。当装置异常或通信中断时，为了是电网输出达到稳态，设置动态矢量切片参数[11]为

(10)

式中，Rs表示控制输出电阻，R0表示稳态输出电阻。在此基础上，采用动作逻辑判断与故障信息修正方法得到电网动态特征的动态矢量切片输出优化值[11]为

(11)

式中，Um表示动态矢量切片输出电压。

综上分析，结合电压调控和输出状态参数协同控制实现对电网动态矢量切片的状态控制。

2.2 电网动态矢量切片的协调管控

为有效实现对电网动态矢量切片的协调管理与控制，首先结合状态参数寻优和矢量特征分解进行稳态调节优化。根据电网的电压输出波动性和负荷，构建云架构下电网动态矢量切片融合模型，可以得到云架构下电网动态矢量切片的可靠性输出稳态特征量H。然后根据输出静态特征参数，得到云架构下电网动态矢量切片控制的稳态功率[12]为

(12)

稳态功率是当电网处于正弦稳态工作状态时端口处的功率，通过可靠性输出稳态特征量可以调整稳态功率。式(12)中，VS为稳态输出电压值，Ip为知识图谱的图数据，Is为云架构下电网动态矢量切片演化有效值，Ir为云架构下电网动态矢量切片的稳态电压的有效值。

在此基础上，根据电网运行和保护控制的先验知识，结合大数据融合得到电气设备与断路器的可靠性控制输出结果[12]为

(13)

基于分布式表示的知识推理方法，假设电网的动态矢量切片输出稳态电流为ide，电网动态供电效率ηE，分析信号解析后的关键信息流，可得到电网动态矢量切片稳态调节的优化函数[12]为

(14)

式中，R0为稳态输出电阻，R′为云架构下电网动态电阻有效值。

根据语义信息与关联关系确定电网电压Ued与电流源id，结合状态参数寻优和矢量特征分解，在稳态调节优化的基础上，得到电网动态矢量切片的协调优化控制模型[12]为

(15)

综上所述，实现了对电网动态矢量切片转换和云构架的融合，得到电网动态矢量切片控制的优化设计，从而有效提高电网的可靠性监测能力。

3 仿真测试分析

为验证上述基于云架构下电网动态矢量切片技术的实际应用性能，设计如下仿真实验。实验在PSCAD/EMTDC仿真平台上搭建电网动态矢量切片适应度控制模型，电网的虚拟电阻的设定为 48.8 Ω，电网的问题工作点为(300 W, 460 rpm)，直流电源200 kV，根据上述参数设定，得到电网的输入母线电压和电流如图1所示。

图1 电网的输入母线电压和电流

以图1所示的输入参数为测试对象集，引入直流侧谐振频率因素进行电网动态矢量切片控制。为避免实验结果的单一性，将本文技术设置为实验组，将传统的基于改进NSGA-Ⅱ算法的含分布式电源配电网切片优化技术、基于电力光纤到户的网络切片资源管理技术设置为对照组，通过对比的方式，验证不同技术的有效性。

首先对比加入矢量切片控制后，不同技术下电网输出稳定性，对比结果如图2所示。

图2 加入矢量切片控制后的电网输出稳定性对比

分析图2所示结果可知，随着实验次数的不断增加，应用不同切片技术后，电网的输出电压也随之变化。但相比之下，应用本文技术后，电网输出电压保持在18 kV～25 kV之间，证明利用本文技术可以实现对电网输出电压的稳定控制。

进一步验证本文技术的应用效果，测试3种技术的收敛性曲线，得到收敛性曲线对比结果如图3所示。

图3 电网的收敛性曲线对比图

分析图3所示结果可知，本文技术在多次实验中收敛性较为稳定，证明其能够实现电网的动态矢量切片稳定控制。

在此基础上，以动态矢量切片资源分配均衡度为指标，验证不同技术对电网动态矢量切片的管理能力，得到对比结果如表1所示。

表1 切片资源分配均衡度对比结果

分析表1所示结果可知，本文技术对切片资源分配的均衡度保持在0.93以上，而基于改进NSGA-Ⅱ算法的技术和基于电力光纤的技术对切片资源分配的均衡度均低于本文技术。

综上所述，利用本文设计的基于云架构下电网动态矢量切片技术可实现对电网动态矢量切片资源的均衡分配，从而使得电网输出结果更为稳定。

4 结语

本文提出了一种基于云架构下电网动态矢量切片技术。通过对电网动态矢量特征进行分析，根据电网设备的新增或潮流限值以及电网动态特征分布情况，完成电网动态矢量云构架融合，实现对电网动态矢量切片的协调管理与控制。通过实验验证了本文技术相比于传统技术来说，收敛性更好，切片资源分配均衡度更高，电网输出更稳定，整体性能更优越。在以后的研究中，将对本文方法与更多的技术进行对比实验，不断优化本文方法，将电压波动控制在3 kV以内，从而进一步提高该技术的输出稳定性。