一种适用于配电自动化终端的遥测采样异常数据甄别方法

张 斌，张文波

(1.积成电子股份有限公司，山东 济南 250100；2.南京工业职业技术大学，江苏 南京 210023)

0 引言

配电网自动化的应用对于提高整个电力系统的运行水平，保证电能质量和安全可靠供电具有非常重要的意义[1]。近年来，随着电网公司在配电网自动化领域建设的深入，无论是对配电自动化终端功能还是性能的要求都有了很大的提高，其中最重要的表现就是从传统上的“ 三遥” (遥测、遥信、遥控)逐步要求增加短路故障切除功能。配电自动化终端安装的10 kV 配电网处于供电线路的末端，因此与上级变电站线路保护的良好配合，成为配电自动化终端短路故障切除功能正确发挥作用的关键。变电站的保护定值通常不可以任意改动，因此，如果要满足发生短路故障时不扩大停电范围的需求，只能要求配电自动化终端的短路故障切除动作更快、更准确。

同一线路配电自动化终端间线路距离较小，终端间短路故障切除功能的配合仅依靠线路阻抗已经很难设定动作定值。通常情况下配电自动化终端只设置瞬时速断和过流两种短路故障切除功能，因此对于配电自动化终端瞬时速断的可靠性提出了更高的要求，即不允许误动、也不允许拒动。配电自动化终端长期在较强的电磁环境下工作，遥测采样出现异常数据不可避免。如何避免和滤除异常数据在厂站保护设备的开发中有较为完善的理论和经验，通常会选用成本高、电磁兼容性能最好的元件作为设备的硬件，模拟采样通道、核心单元等都采用双冗余设计，MCU 的计算速度、存储空间都高标准设计以此适应复杂的数字滤波运算和功能运算[2]。配网自动化终端的成本较低，无法完全照搬厂站保护设备的设计理论和设计经验，必须应用合适的硬件设计和计算量较小且可靠的数字滤波算法。

下面基于配电自动化终端设计过程中产品电磁兼容测试的实际录波数据分析，设计出一种具有明确特征量的有效甄别遥测采样异常数据的方法。

1 数据特性分析

配电自动化终端设计过程中要经过充分的电磁兼容测试，实践中发现仅仅单一地依靠硬件机制防护，很难完全避免异常数据的出现。异常数据通常与其前面的数据是不连贯的，表现出跃变的特性。此类数据对于采用有效值判定短路故障切除的终端来说影响极大，误动率极高；此类数据对于频谱分析会造成极大的影响，对于采用工频变化量判定短路故障切除的终端来说影响稍小，但所产生的影响也足以升高误动率。为设计出适合配电自动化终端使用的数字滤波算法，有效地抑制短路故障切除误动的发生，下面分别对含有故障电流的电流波形和含有异常数据的电流波形特性进行分析。

供电线路的等效模型中包含电阻、电感和电容。根据楞次定律，通过电感的电流是不能突变的，即短路前的电流值必须与短路发生后的瞬时电流相等，因此故障电流的录波波形应该是连续的，事实也是连续的。

故障电流的录波波形特性如图1 所示。

图1 故障电流录波波形

配电自动化终端在强电磁环境下，由于受到干扰而造成采样出现异常数据。异常数据通常与前面的数据是不连贯的，因此异常数据电流录波波形表现出了跃变的特性，异常数据电流录波波形特性如图2 所示。

图2 异常数据电流录波波形

2 数据特征量分析方法与实例分析

2.1 相似性分析方法

为了较少占用MCU 系统资源，选用计算量较小的余弦相似性公式对单周波的采样数据进行分析，从中找出明显的数据特征量。所谓余弦相似性就是利用两个n维向量的夹角余弦来衡量两个n维向量的相似程度。夹角余弦的范围为[-1，1]，夹角余弦越大表示两个向量的夹角越小，夹角余弦越小表示两个向量的夹角越大，当两个向量重合时夹角余弦取最大值1，当两个向量完全相反时夹角余弦取最小值-1。其计算公式为：

分析余弦相似性公式可知，如果简单成对调换任何x、y在数据组内的相对位置不会影响相似性的计算值。当应用到此处时，如果将原始数据交替等分为两组计算相似系数判定波形是否连续，可能会出现原本不连续的波形数据与连续波形数据具有一样的相似系数的现象。为尽可能避免因异常数据位置和数值的巧合造成相似性很高而使判据失效的情况，此处将原始采样的单周波128 点数据交替等分为8 组，依次计算相邻组数据的相似性。

2.2 实例分析

基于以上方法，分析数据依次选取图1 中AB之间(即短路电流上升时刻)的录波数据、图2 中AB 之间(即出现异常数据前时刻)的录波数据、图2 中BC 之间(即出现异常数据的时刻)的录波数据进行分析。

假定将单周波128 点数据表示为a0～a127，将其分为8 组后数据表示为aij，其含义为第j组数据的第i个数据。j的取值范围为0 ～7；i的取值范围为0～15。

首先，按照上述原则对图1 中AB 之间原始采样数据进行分组并根据相似性计算公式获得相邻组数据的相似系数。原始采样数据分组及分析结果见表1。

表1 故障时刻采样数据分组及分析结果

其次，按照上述原则对图2 中AB 之间原始采样数据进行分组并根据相似性计算公式获得相邻组数据的相似系数。原始采样数据分组及分析结果见表2。

表2 正常时刻采样数据分组及分析结果

最后，按照上述原则对图2 中BC 之间原始采样数据进行分组并根据相似性计算公式获得相邻组数据的相似系数。原始采样数据分组及分析结果见表3。

表3 异常时刻采样数据分组及分析结果

从上述三种类型数据对比分析可以看出，故障时刻及正常时刻相邻组采样数据具有较高的相似性（所有数据均大于0.998），并且各组相似性系数的收敛性较好；异常时刻相邻组数据的相似性系数将会表现出较大的离散性，出现部分相似性系数较小的情况(例如：0.917 232、0.914 359)。在对大量试验数据进行分析后可以发现数据分析结果与以上呈现的三种类型数据有着相同的表现。

因此，可以按照上述的数据分析方法，将单周波128 点采样数据交替等分为8 组，依次计算相邻组数据的相似性系数，根据设定的相似性系数定值判定相似性数据是否越限，如果含有越限相似性数据，就可以断定该周波内含有异常数据。

3 结束语

以上提出了一种适用于配电自动化终端，利用计算遥测采样同一周波原始数据内部分组间相似性系数，根据其是否越限甄别是否存在异常数据的方法。该方法在当前电网公司对配电自动化终端功能性能要求逐步提高以及终端生产企业控制成本的背景下，具有显著的特点。

1) 特征量选取合理，特性明显。

2) 特征量计算方法选取合理，计算量较小。

3) 特征量计算仅靠单周波采样数据，存储空间需求较小。

对于配电自动化终端的MCU 系统资源紧张、存储空间受限的状况来说较为合适。该方法实际使用中在模拟通道低通滤波器的配合下获得了良好的使用效果，提高了强电磁环境下配电自动化终端的测量精度以及短路故障切除的可靠性。