基于层次分析的输电智能终端运行控制策略

唐冬来,李擎宇,龚奕宇,钟 声,陈泽宇,聂 潇

(1.四川思极科技有限公司,610047, 成都;2.国网四川省电力公司, 610041,成都)

0 引言

随着中国能源互联网建设工作逐步推进,输电线路智能终端类型日益增多,覆盖范围不断扩大[1]。输电智能终端主要有视频监测终端、线路舞动监测终端、线路覆冰监测终端、故障行波定位终端、微气象监测终端等[2-3]。不同的输电智能终端之间的结构差异大,部件的质量和寿命层次不齐,受运行条件影响,其故障率高,影响输电线路运行可靠性。

国内,邓科等[4]对输电智能终端运行可靠性差的问题做了大量研究,输电智能终端运行可靠性提升主要分运行评估和质量评估两类。其中,运行评估为在线分析方法,通过对输电智能终端的在线运行功能、性能和状态进行自诊断,从而发现诊断中存在的缺陷[5-6]。质量评估方法为离线分析方法,通过对输电智能终端的家族缺陷历史、通信掉包率等方面进行综合评估,从而发现终端运行中存在的问题[7-8]。然后,由供电公司运维人员对输电智能终端进行检修。由此可见,提升输电智能终端运维可靠性方法多样。但上述方法只适用于单类输电智能终端的状态评估,不能满足输电线路多种类智能终端的综合评估和智能分析。同时,该方法只实现了输电智能终端的状态评估,缺少对输电智能终端的自动控制功能,且针对输电智能终端软件问题,不能进行自恢复处理。

为解决输电智能终端存在的故障多、运行可靠性差的问题,本文提出了一种基于层次分析的输电智能终端运行控制策略。该方法采用层次分析方法建立输电智能终端评估体系,并构建了一个双层运行控制模型,下层模型按照输电智能终端运行的定时任务进行控制,以满足输电智能终端的基础运行需求;上层模型按照输电智能终端运行状态、微气象等因素进行优化控制,以提高输电智能终端的运行可靠性。

1 输电智能终端运行控制框架

基于层次分析的输电智能终端运行控制策略框架,可分为构建评估体系、终端评估和终端运行控制3个部分,如图1所示。

图1 输电智能终端运行控制框架图

2 输电智能终端运行控制模型

2.1 构建评估体系

通过电网设备部门及运维检修公司的调研,并结合各类输电智能终端的运行特点,本文统计出影响输电智能终端可靠性的主要因素,见表1。

表1 输电智能终端可靠性影响表

层次分析法(Analytic Hierarchy Process, AHP)是一种多目标的结构分解方法,该方法通过将智能终端的目标分解为多层级的结构,并采用矩阵向量法对智能终端进行评估值求解[9]。因输电智能终端种类繁多,运行工况差异大,因此采用AHP方法构建评估指标集可有效地降低评估难度。

采用AHP方法构建的输电智能终端运行控制评估一致性指标Qa为:

(1)

式中,δmax为AHP输电智能终端运行控制评估判断识别矩阵的最大特征根,la为AHP中输电智能终端运行控制评估一致性矩阵的唯一的非零特征根。

为量化一致性指标,采用随机一致性指标Qr度量:

(2)

式中,Qai为不同的AHP输电智能终端运行控制评估判断识别矩阵的一致性指标,na为判断识别矩阵的指标个数。

通过AHP分析,获得输电智能终端的评估指标集,见表2。

表2 输电智能终端评估指标集

2.2 终端评估

平原、高山、丘陵等地形的输电线路智能终端运行的条件迥异,因此,在输电智能终端评估时不能采用相同的指标权重系数。为提高输电智能终端评估的准确性,在输电智能终端评估前,按照不同的区域进行输电智能终端的权重调整。

熵权法是一种指标权重评估调整方法,该方法通过输电智能终端评估指标信息熵的离散层度来判断指标权重,若熵值小,则说明该指标对输电智能终端评估影响越大[10-11]。按照熵权法计算的输电智能终端信息熵Ja为:

(3)

式中,Sai为不同的输电智能终端评估指标的离散层度,na为输电智能终端评估指标的数量。

评估指标权重vl为:

(4)

式中,jak为不同的输电智能终端所占的信息熵权重,nc为输电智能终端评估信息熵数量。采用调整权重后的评估指标集,对输电智能终端进行终端评估。

2.3 输电智能终端运行控制

双层控制策略是针对一个被控制量采用2种可操作的变量进行控制的策略。在该类控制策略中,其中下层控制变量用于满足终端基础控制的有效和及时性。上层控制变量用于满足终端的运行经济性和终端的运行合理性。在双层控制下,可实现多终端的协同优化控制。因此,文中采用双层控制策略对输电智能终端进行控制。

文中在构建输电智能终端运行控制中,下层控制变量考虑输电智能终端定时任务等的基础运行控制;上层控制中,考虑了结合天气、工作时长等影响因素和约束条件,实现输电智能终端可靠性最优为目标进行控制,输电智能终端运行双层控制架构如图2所示。

图2 输电智能终端运行双层控制架构图

由图2可见,输电智能终端控制模型由双层构成,其中,下层控制模型按照输电智能终端的周期性监测任务、告警事件任务等定时任务进行控制,以满足输电智能终端的基础运行要求。

下层控制目标ts为:

(5)

式中,ne为控制的输电智能终端数量,zi为不同终端的巡检定时任务,gi为不同终端与控制策略的通信心跳连接,oi为不同终端的待机需求。

在上层控制模型中,输电智能终端的状态分为全速运行、半速运行和待机状态,控制模型并记录输电智能终端的开机时间和关(待)机时间。在输电智能终端的影响因素主要为工作时长和天气。

控制目标ta为:

(6)

式中,nd为控制的输电智能终端数量,di为不同的输电智能终端的运行状态,xi为不同的输电智能终端的通信速率,yi为不同的输电智能终端的自诊断分析控制,hi为不同的天气状态(日照辐射度)。

约束条件ka为:

(7)

式中,ka、kb、kc分别为输电智能终端的待机时长、传输通道带宽、使用寿命的约束条件,gc为输电智能终端的待机时长,rc为输电智能终端的传输通道带宽,zc为输电智能终端的使用寿命。

3 仿真验证

为验证文中所提输电智能终端运行控制策略的控制效果,在MATLAB平台中搭建了包含输电故障行波监测终端、线路舞动监测终端、输电视频监测终端、输电覆冰监测终端、输电铁塔位移监测终端5类终端的输电终端运行仿真系统。终端的控制通信采用仿真平台中的S-Funcion搭建。输电线路的额度电压设置为220 kV,额定频率设置为50 Hz。上述5类终端的数量分别设置为10个,终端控制的运行速率按待机、25%、50%、75%、全速5个档次计算。

本算例用于验证在文中所提输电智能终端控制策略下,输电智能终端能够实现2.3节的控制。分别在模型中输入每日的日照辐射度为0、0.5、1、1.5、2、2.5、3、3.5 kW·h/m2,文中模型对各类输电终端的运行控制见表3。

表3 输电智能终端评估指标集

由表3可见,输电故障行波监测终端、线路舞动监测终端等五类输电智能终端均采用太阳能供电,当日照辐射度强时,输电智能终端存储的电能多可满足终端的运行与通信要求;当日照辐射度弱时,输电智能终端存储的电能少,所存储的电能不足以支持终端的运行和通信。在晴、雨、雾等不同的天气类型中,日照辐射度不同,因此,本文模型根据不同的日照辐射度控制输电智能终端的运行和通信状态,当日照强度大于日照辐射度阈值时,输电智能终端全速运行并允许通信;当日照强度小于日照辐射度阈值时,输电智能终端降速运行,直至进入待机状态并关闭通信功能。

4 算例分析

4.1 场景与参数设定

采用文中所提基于层次分析的输电智能终端运行控制策略在某地区输电线路进行现场应用。该地区有110 kV输电线路58条,220 kV输电线路13条,共部署输电线路终端1 058个,其中,视频监测终端469个、线路舞动监测终端76个、线路覆冰监测终端36个、故障行波定位终端194个、微气象监测终端283个。

文中所提基于层次分析的输电智能终端运行控制策略使用的服务器为英特尔 至强W2223,4核,8线程。运行内存为64 GB,服务器采用的操作系统为windows server 2016。文中用于比对的方法为文献[12]中的云模型方法,该方法在输电智能终端评估中广泛使用。

4.2 算例运行分析

4.2.1 状态评估准确率分析 选择配电终端数量为100、200、400、600、800、1 000个,采用文中所提基于层次分析的输电智能终端运行控制策略与云模型比较状态评估准确率,状态评估准确率分析如图3所示。

图3 状态评估准确率分析图

由图3可见,文中所提基于层次分析的输电智能终端运行控制策略通过AHP构建了精准的终端评估指标,并结合平原、高山、丘陵等地形调整了评估指标的权重,可更好地适应于不同地形的终端运行状态评估,本文方法的平均评估准确率为98.6%。云模型依据人工设置输电智能终端的评估指标,对不同地形结构的输电智能终端均设置为统一的评估权重,不能满足不同地形的终端运行评估需求,云模型方法的平均评估准确率为91.9%,低于本文方法。因此,本文策略状态评估准确性较云模型策略更高。

4.2.2 控制策略计算时长分析 选择配电终端的数量为100、200、400、600、800、1 000个,采用文中所提基于层次分析的输电智能终端运行控制策略与云模型比较控制策略计算时长,控制策略计算时长统计表见表4。

表4 控制策略计算时长统计表

由表4可见,文中所提基于层次分析的输电智能终端运行控制策略在不同样本数量下,模型运行时长均短于云模型方法。文中所提模型平均单个样本的运行时长为0.057 1 s,运行速度为云模型的3.8倍。

4.2.3 终端运行故障率 选择输电智能终端的数量为100、200、300、400、500、800、1 000个,采用文中所提方法与云模型比较终端运行故障率,终端运行故障率统计见表5。

表5 终端运行故障率统计表

由表5可见,文中所提基于层次分析的输电智能终端运行控制策略根据不同天气类型对终端进行运行速度、通信状态调整。当出现阴、雨等日照辐射度小的天气时,本文策略降低终端的运行频率,直至待机并关闭通信功能,从而避免终端因缺少内部电能而导致的宕机、数据丢失等故障。而云模型方法未结合日照辐射度对输电智能终端进行控制,只采用全速功能模式运行,当出现阴、雨等日照辐射度小的天气时,云模型控制策略会造成终端缺少电能,从而导致宕机、数据丢失等故障。本文方法的终端故障率为3.1%比云模型方法的终端故障率5.6%降低44.3%。因此,本文方法的终端故障率更低。

5 结论

为解决输电智能终端运行可靠性差的问题,提出了一种基于层次分析的输电智能终端运行控制策略。采用了层次分析方法进行了输电智能终端运行评估。采用了双层控制模型,实现了下层基础定时任务进行控制,上层优化控制的功能,具有控制准确、可靠性高的特点。算例分析结果表明,该方法考虑了不同输电智能终端的运行特点,实现了多类输电智能终端的有效控制和可靠性提升,提高了输电线路智能终端管理水平。