基于經(jīng)驗?zāi)B(tài)分解的電力設(shè)備運行狀態(tài)在線監(jiān)測方法

【關(guān)鍵詞】經(jīng)驗?zāi)B(tài)分解；電力設(shè)備；運行狀態(tài)；在線監(jiān)測方法

引言

電力設(shè)備包括發(fā)電設(shè)備與供電設(shè)備兩大類別，其在電力系統(tǒng)中發(fā)揮了重要作用。電力設(shè)備一旦出現(xiàn)故障，將會對電力系統(tǒng)造成嚴重的影響，需進行定期維護與監(jiān)測。針對電力設(shè)備運行狀態(tài)問題，研究人員設(shè)計多種在線監(jiān)測方法。其中，基于多參量數(shù)據(jù)回歸分析的電力設(shè)備運行狀態(tài)在線監(jiān)測方法與基于數(shù)字孿生技術(shù)的電力設(shè)備運行狀態(tài)在線監(jiān)測方法的應(yīng)用較為廣泛。

基于多參量數(shù)據(jù)回歸分析的電力設(shè)備運行狀態(tài)在線監(jiān)測方法，利用電力設(shè)備的多元狀態(tài)監(jiān)測信息，實現(xiàn)對設(shè)備運行狀態(tài)的精確感知[1]。通過主成分分析方法，直觀地展示狀態(tài)監(jiān)測數(shù)據(jù)，確保設(shè)備運行狀態(tài)監(jiān)測效果?；跀?shù)字孿生技術(shù)的電力設(shè)備運行狀態(tài)在線監(jiān)測方法，利用無線傳感器，采集電力設(shè)備運行狀態(tài)信號，并利用數(shù)字孿生技術(shù)實現(xiàn)監(jiān)測信號的虛實映射[2]。通過電力設(shè)備在線監(jiān)測模型，反映設(shè)備運行狀態(tài)，提高了狀態(tài)監(jiān)測的效率。以上兩種方法均能夠完成電力設(shè)備運行狀態(tài)監(jiān)測任務(wù)，但是受電力設(shè)備的監(jiān)測信號影響，狀態(tài)監(jiān)測始終存在隱患[3]。因此，本文結(jié)合經(jīng)驗?zāi)B(tài)分解的優(yōu)勢，設(shè)計了電力設(shè)備運行狀態(tài)在線監(jiān)測方法。

一、電力設(shè)備運行狀態(tài)在線監(jiān)測的經(jīng)驗?zāi)B(tài)分解方法設(shè)計

（一）基于經(jīng)驗?zāi)B(tài)分解提取電力設(shè)備運行狀態(tài)特征

經(jīng)驗?zāi)B(tài)分解是一種非線性、非平穩(wěn)信號的分解方法，能夠通過EMD與HAS，對電力設(shè)備運行狀態(tài)信號進行線性與平穩(wěn)化處理，得到IMF分量[4]。本文結(jié)合經(jīng)驗?zāi)B(tài)分解的優(yōu)勢，利用EMD從電力運行原信號中提取出IMF，突出原信號的運行狀態(tài)特征信息，從而確保狀態(tài)監(jiān)測的準確性。在電力設(shè)備運行狀態(tài)信號上的任意一點上，局部特征由包絡(luò)線呈現(xiàn)，上包絡(luò)線與下包絡(luò)線分別表示局部極大值特征與局部極小值特征。上包絡(luò)線與下包絡(luò)線的均值=0[5]。由此提取出電流波動包絡(luò)特征，如圖1。

如圖1，電流波動包絡(luò)特征能夠提取波峰的極值，將其簡化之后，形成下降—上升—下降的波形。將上述特征作為電力設(shè)備運行狀態(tài)IMF的限制條件，由此設(shè)定經(jīng)驗?zāi)B(tài)分解的三種條件。其一，電力設(shè)備運行狀態(tài)信號至少有一個極大值點和一個極小值點。其二，電力設(shè)備運行狀態(tài)特征的時間尺度設(shè)置為極值點的時間間隔[6]。其三，電力設(shè)備運行狀態(tài)信號沒有極值點，但存在拐點的情況下，將原始設(shè)備監(jiān)測信號進行一次微分，獲取極值點，由此得到相應(yīng)的IMF分量。在經(jīng)驗?zāi)B(tài)分解電力設(shè)備運行狀態(tài)信號特征的過程中，獲取多個原信號電流波動極大值點與極小值點，并將極大值點連接成上包絡(luò)線，將極小值點連接成下包絡(luò)線。根據(jù)原始信號的極大值與極小值情況，求取上包絡(luò)與下包絡(luò)的平均值，公式如下：

式中， 為上包絡(luò)與下包絡(luò)的平均值； 為上包絡(luò)特征； 為下包絡(luò)特征。求取原始信號與 的差，公式如下：

式中，h為原始信號與m的差；s（t）為電力設(shè)備運行狀態(tài)監(jiān)測信號。在理想狀態(tài)下，h滿足IMF的定義，h的構(gòu)造滿足對稱性，有更大的概率會成為局部極大值。將h作為新的局部極值點，初始步驟中遺失的符合要求的正確模態(tài)，經(jīng)過反復(fù)分解與抽取，恢復(fù)原來的監(jiān)測信號[7]。監(jiān)測信號抽取過程中，重復(fù)抽取，最終的信號減去抽取信號后成為一個IMF。在特征提取的過程中，h被認為是IMF的原型，由此得到：

（二）監(jiān)測電力設(shè)備運行狀態(tài)暫態(tài)負荷

在電力設(shè)備運行狀態(tài)信號處理的過程中，IMF保留了信號本身的特性[8]。為進一步提高電力設(shè)備狀態(tài)監(jiān)測的準確性，本文對暫態(tài)符合進行監(jiān)測。從暫態(tài)電流采樣序列中，確定電力負荷啟動、運行、停止等狀態(tài)，避免電力設(shè)備運行狀態(tài)監(jiān)測失誤的問題。假設(shè)用x（n）表示監(jiān)測過程，負荷電流的監(jiān)測信號為S，那么：

式中， 為t時刻的暫態(tài)負荷； 為暫態(tài)電流； 為暫態(tài)電流的自由分量； 為容性負載。通過 確定電力設(shè)備的實時負荷，根據(jù)峰值電流、平均電流、估值電流，得到峰值負荷、平均負荷、估值負荷等參數(shù)，從中確定電力設(shè)備運行狀態(tài)下的負荷變化趨勢與規(guī)律，進一步提高電力設(shè)備運行狀態(tài)監(jiān)測的準確性。

二、實驗

本文對上述方法進行實驗分析。最終的實驗結(jié)果則以文獻[1]基于多參量數(shù)據(jù)回歸分析的電力設(shè)備運行狀態(tài)在線監(jiān)測方法、文獻[2]基于數(shù)字孿生技術(shù)的電力設(shè)備運行狀態(tài)在線監(jiān)測方法，以及本文設(shè)計的基于經(jīng)驗?zāi)B(tài)分解的電力設(shè)備運行狀態(tài)在線監(jiān)測方法進行對比的形式呈現(xiàn)。實驗準備過程以及最終的實驗結(jié)果如下所示。

（一）實驗過程

本次實驗根據(jù)電力設(shè)備的特性與監(jiān)測需求，選擇了合適的傳感器。使用溫度傳感器獲取電力設(shè)備的熱電阻、熱電偶等數(shù)據(jù)；使用壓力傳感器采集設(shè)備油壓、氣壓等數(shù)據(jù)；使用振動傳感器采集設(shè)備的振動信號；使用聲音傳感器采集設(shè)備的噪音信號；使用電氣傳感器采集電力設(shè)備的電流、電壓等電氣特性。通過各類傳感器采集到的電力設(shè)備運行狀態(tài)數(shù)據(jù)，并將電流波動以經(jīng)驗?zāi)B(tài)分解。電流分解波形如圖2。

如圖2，本文利用經(jīng)驗?zāi)B(tài)分解的方式，將電力設(shè)備運行狀態(tài)在線監(jiān)測信號進行分解。其中，singal為電力設(shè)備在線監(jiān)測的原始信號，C1、C2、C3為固有模態(tài)分量信號。C1經(jīng)過固有模態(tài)分量對噪聲的分解，找出在0.23ms、0.25ms、0.30ms、0.33ms、0.36ms、0.40ms、0.44ms等位置上存在噪聲。對噪聲信號進行EMD閾值去噪處理，形成振動頻率穩(wěn)態(tài)的固有模態(tài)分量。由圖中可知，singal的振動頻率波動較為明顯，C1存在明顯噪聲，C3振動波動處于穩(wěn)態(tài)波動情況。其中，振動頻率穩(wěn)定的模態(tài)分量為C2，選取該層信號作為主模態(tài)，確保電力設(shè)備運行狀態(tài)的監(jiān)測準確性。

（二）實驗結(jié)果

在上述條件下，本文隨機選取出12組電力設(shè)備類別，并對信噪比、能量熵、暫態(tài)電流監(jiān)測值、暫態(tài)電流實際值、運行狀態(tài)判斷結(jié)果進行分析。將文獻[1]基于多參量數(shù)據(jù)回歸分析的電力設(shè)備運行狀態(tài)在線監(jiān)測方法的監(jiān)測指標、文獻[2]基于數(shù)字孿生技術(shù)的電力設(shè)備運行狀態(tài)在線監(jiān)測方法的監(jiān)測指標，以及本文設(shè)計的基于經(jīng)驗?zāi)B(tài)分解的電力設(shè)備運行狀態(tài)在線監(jiān)測方法的監(jiān)測指標進行對比。實驗結(jié)果如下表1所示。

如表1所示，MK_1為發(fā)電機；MK_2為變壓器；MK_3為電力線路；MK_4為開關(guān)柜；MK_5為配電盤；MK_6為斷路器；MK_7為繼電器；MK_8為避雷器；MK_9為保護裝置；MK_10為電容器；MK_11為電抗器；MK_12為電力電子設(shè)備。能量熵能夠判斷電力設(shè)備運行信號的復(fù)雜度與不規(guī)則性信息，能量熵越高，信號的復(fù)雜度越高。本次實驗將能量熵的取值范圍設(shè)定為[0，1]，當(dāng)能量熵?zé)o限趨近于1時，電力設(shè)備運行狀態(tài)為異?；蚬收?；當(dāng)能量熵?zé)o限趨近于0時，電力設(shè)備運行狀態(tài)為正常。能量熵以0.5為節(jié)點，低于0.5為正常運行狀態(tài)；高于0.5為故障運行狀態(tài)。

在其他條件均一致的情況下，使用文獻[1]基于多參量數(shù)據(jù)回歸分析的電力設(shè)備運行狀態(tài)在線監(jiān)測方法之后，信噪比適中，能量熵與運行狀態(tài)判斷結(jié)果存在差異。同時，暫態(tài)電流監(jiān)測值與實際值之間存在55A以內(nèi)的誤差，監(jiān)測誤差較大，影響電力設(shè)備的運行安全性。使用文獻[2]基于數(shù)字孿生技術(shù)的電力設(shè)備運行狀態(tài)在線監(jiān)測方法之后，能量熵與運行狀態(tài)判斷結(jié)果仍存在差異，但是，暫態(tài)電流監(jiān)測值與實際值之間存在5A以內(nèi)的誤差，監(jiān)測誤差相對較小，監(jiān)測性能優(yōu)于文獻[1]方法。而使用本文設(shè)計的基于經(jīng)驗?zāi)B(tài)分解的電力設(shè)備運行狀態(tài)在線監(jiān)測方法之后，信噪比與上述兩種方法相近，能量熵與運行狀態(tài)判斷結(jié)果之間無差異，暫態(tài)電流監(jiān)測值與實際值之間存在0.01A左右的誤差。由此可見，使用本文設(shè)計的方法，能夠更加準確地監(jiān)測出電力設(shè)備的運行狀態(tài)，滿足本次實驗需求。

結(jié)束語

近些年來，電力設(shè)備的多樣性不斷增加，運行環(huán)境更加復(fù)雜，很容易出現(xiàn)故障，影響電力設(shè)備的正常運行。為了滿足電力設(shè)備的運行需求，本文利用經(jīng)驗?zāi)B(tài)分解，設(shè)計了電力設(shè)備運行狀態(tài)在線監(jiān)測方法。從特征提取、負荷監(jiān)測兩個方面，快速分辨出電力設(shè)備的運行狀態(tài)。通過在線監(jiān)測方法，及時發(fā)現(xiàn)了電流異常、負荷異常等情況，并發(fā)現(xiàn)電力設(shè)備存在的問題，有效地避免了設(shè)備出現(xiàn)的突發(fā)性損壞問題。在線監(jiān)測也實現(xiàn)了實時監(jiān)測，節(jié)省了人工監(jiān)測的時間成本，將故障預(yù)警的時間提前，真正意義上滿足了電力系統(tǒng)的穩(wěn)定運行需求。