基于气候模型的输电线路负载能力预测系统

2016-09-06 07:14刘亚东盛戈皞江秀臣
电气技术 2016年7期
关键词:日照风速神经网络

江 淼 刘亚东 盛戈皞 江秀臣

(上海交通大学,上海 200240)

基于气候模型的输电线路负载能力预测系统

江淼刘亚东盛戈皞江秀臣

(上海交通大学,上海 200240)

随着电力系统规模的增加,我国负荷、能源分布不均的矛盾以及现有输电线路输送能力不足的问题日益突出,对输电线路负载能力进行动态的监测和预测不仅可以解决以上问题,还能够为线路负荷的调度、检修计划的安排提供重要参考。本文基于气候模型并利用神经网络在线学习,以气象数据的预测为依础,研制了输电线路的负载能力预测系统。文中详细讲述了系统原理、硬件设计和功能,同时以现场测试的结果对该系统进行了验证,表明本系统在对输电线路稳态和暂态负载能力预测方面取得良好效果,动态预测稳态和暂态负载能力充分挖掘了输电线路的输送潜力。

输电线路动态负载能力;气候模型;预测系统

随着电力负荷规模不断增加,输电线路的载流量往往成为电力系统发展的瓶颈之一。与其他方式相比,在不突破线路建设规程和不新建线路的前提下,根据气象条件和线路运行参数,实现对输电线路负载能力的动态监测成为最具经济性和可行性的方案之一。

确定输电线路动态负载能力大多基于气候模型和导线温度模型,但对于已运行的输电线路而言,安装张力传感器十分不便,采用了气候模型来进行线路动态负载能力的计算更加合适。同时,针对输电线路稳态和暂态负载能力进行短期预测,不仅可以进一步挖掘输电线路的输送潜力,还可以为科学进行电网调度和安排检修计划提供重要依据。目前国内外针对输电线路监测已有较多的设计和研究,但在输电线路负载能力预测系统方面还没有较为成熟的案例。

本文针对以上问题,提出了一种基于气候模型并利用神经网络进行在线学习的输电线路负载能力预测系统,通过对现场的气温、风速风向和日照辐射强度进行监测,并将数据导入监控预测系统由神经网络进行实时训练和预测,最后根据气候模型计算出1h之后的输电线路负载能力预测值。经过与负荷的对比和误差分析,凸显出输电线路的负载潜力和系统预测的可靠性和重要意义。

1 动态预测输电线路负载能力的原理

输电线路的极限负载能力由线路的热容量决定,遵循热平衡关系。在气候模型中,热平衡关系主要涉及了环境温度、风速风向、日照辐射强度、导线温度、导线材料以及线路运行状态等多方面因素。同时,考虑到导线材料的自身热容,在突变电流的作用下,导线温度需要经历一定的时间才会到达极限温度70℃,热平衡方程分为稳态和暂态两类[1],即

式中,Ws、Wc和Wr代表日照吸热功率、对流散热功率和辐射散热功率;M是导线单位长度的质量,kg/m;Cp是导体材料的比热容,J/(kg·℃)。

2 输电线路负载能力动态预测系统的总体设计方案

结合文献[2-3],输电线路负载能力的动态预测系统主要由安装在线路杆塔上的数据采集终端和电源管理系统、位于远程的监控预测系统构成,该方案的总体的结构如图1所示。

图1 输电线路负载能力动态预测系统总体结构图

其中,采集终端包含了气温传感器、风速传感器和日照强度传感器等主要器件,终端与监控预测系统之间依靠GSM/GPRS网络进行信息的联络和传递,监控预测系统具备一定的数据存储和运算功能,主要进行神经网络的在线学习和预测。

2.1系统的硬件设计

对气象情况的实时、精确监测,是动态预测输电线路负载能力的基础。数据采集的终端硬件如图2所示,主要由终端传感器及其调理电路、主单片机系统、数据传输系统和电源管理系统构成。

图2 数据采集终端的硬件图

气温、日照辐射和风速的采集数据通过模拟开关、保护隔离电路和A/D采样进入主单片机系统被处理,单片机系统与存储器和实时钟系统分别通过SPI接口和I2C通信联系,I2C通信的方式同样被应用于电源管理系统与主单片机系统的联系。数据信息最终通过UART通信进入数据传输系统,以GPRS/GSM网络传送给监控预测系统。

2.2传感器设计与选型

传感器作为数据采集终端中十分重要的元器件,需要根据具体应用所要求的精度来设计和选择。根据文献[2]可知,只需将气温传感器的误差控制在±0.5°以内,就可以相应地将计算输电线路负载能力的误差控制在3%以内;由于风速的误差对输电线路负载能力误差的影响不大,在一定的风速范围内,精度只需在8%以上即可满足要求。

1)传电路

(1)气温传感器

气温的测量偏差只要保持在0.5℃以内就可以满足本系统的要求,考虑实际需要和经济性,选取Tmp36作为气温传感器。它的工作电压处于2.7~5.5V,可以对范围在-40℃~125℃的温度进行测量,正负偏差0.5℃,并且不需要其他的外接电路,直接送至A/D转换器即可,但是在传送过程中模拟信号需要经过隔离后才能采样。

(2)风速风向传感器

由于气候模型中的风速信号是比较重要的参数,需要保证一定的精确度,系统采用气象仪器WJ-3B型风速风向传感器。该传感器属于三杯式传感器,由风力带动风杯转动,经过信号变换电路产生与风速大小呈正比的频率信号。实际应用中,该传感器可以测量的最大风速达到了60m/s,精度控制在±0.4+(0.05×实际风速)m/s;同时,风向可以实现360°无死角测量,精度保持在±5°。即使风速低于0.5m/s,该传感器也依然可以工作。

在实际运用中,风速传感器输出的是频率信号,需要对该信号进行隔离和电平转换,再接入单片机,计数器中用方波信号的上升或下降沿作为触发,统计每单位时间内的脉冲个数。在计算风速时利用频率-风速对应关系的曲线得出最终结果。风速传感器调理电路如图3所示。

图3 风速信号调理电路

考虑到风速传感器信号的上限输出频率是1442Hz,数字光耦即可,型号选取TLP181,可以隔离3750V电压,前向电流的上限值是20mA。实际电路中,将起到限流作用的电阻是R412,对光耦的前向电流进行控制,R418作为上拉电阻。

(3)日照辐射传感器

由文献[4]可知,对日照辐射强度的监测中,气象台提供的数据往往是地区的宏观情况,为精确实现输电线路负载能力的监测和预测,需要利用传感器对线路附近的日照辐射进行测量。系统中设计采用的日照辐射传感器的设计采用了模拟导线法,利用一段与运行导线具有同样条件参数(比热容、热吸收率、发散率等)的空置导线才进行测量。将传感器放置在密封的金属管内,并贴合固定在模拟导线的表面,温度检测器和采集终端之间以输出信息号线连接。在实际安装时,模拟导线需要置于与运行导线相同的环境中用来等效无负荷时的导线日照辐射温度,也就是导线在吸热、散热条件作用下的净辐射温度,进而体现太阳辐射对运行导线的温度影响。该日照辐射温度可以通过换算成为日照辐射强度。日照辐射温度测量传感器的结构如图4所示。

2)隔离电路设计

本系统所处输电线路杆塔附近的环境中的电磁干扰现象十分严重,对系统的正常运行产生极大的影响,这就需要在传感器与控制芯片间加装隔离电路。鉴于模拟光耦的线性度和隔离电压等性能有了较大的改善,综合考虑经济性和可靠性,本系统采用以模拟光耦切断感应干扰信号的方案。在众多的光耦器件中,HCNR201凭借0.01%的极低线性误差、高达8000V的隔离电压等优势性能被本系统采用。HCNR201是电流型驱动光耦,LED工作电流的范围是1~20mA,对运放的要求是驱动电流需要超过20mA。HCNR201的具体应用电路如图5所示。

图4 日照辐射温度测量传感器结构图

图5 HCNR201应用电路

作为单电源供电运放,LM358拥有高达50mA的驱动电流,能够满足电流驱动型光耦HCNR201的使用需求。虽然LM358的失调电压达到7mV,但由于应用电路的不具有放大功能,所以失调电压可以在系统校准的时候作为系统的直流漂移消除。

3)电源管理系统

本系统中较多的关键设备均处于户外环境运行,能否获得优质的电能质量关系到这些设备能否正常高效地工作。本系统的电源管理分为充电和供电两个管理模块,其中,充电模块可以在对电池充电时实现太阳能利用的最优化并控制好电池组之间的充供电过程。供电模块则对数据采集通道的设备供电,以节约电能为目标。

对最大功率点进行跟踪是控制充电模块的主要思路,该部分系统框架如图6所示。出于延长锂电池寿命的考虑,该模块采用以太阳能优先供电,电池供电作为补充的电源供应方式。太阳能在充足时优先给系统供电,富余能量充入电池。最大功率点跟踪就是指,以PWM调节电池充电电流,使太阳能电池板维持在最大功率输出点附近工作。实际应用中,太阳能电池板的最大功率输出点是输出电压为18V时的状态,为了实现最大功率点的跟踪,采用BUCK型DC/DC变换器将18V电压转为4.8V接入系统供电。

图6 充电模块框架图

供电系统处于户外环境中工作,如何把能耗损失降到最低是设计系统时必须考虑的问题,因此在供电模块中,仅在外接设备需要工作时提供电源,其他时候电源处于断开状态,实现供电的可控智能化,提高电能的利用率,同时也延长外接设备寿命。供电模块的框架如图7所示,系统提供的电压是3.7V,通过稳压电路给主控单片机供电,后续的GPRS模块、各类传感器等设备的供电均由主控单片机控制。

图7 供电模块框架图

4)通信模块

本系统中,采集终端设备与监控预测部分设备距离较远,两者的工作环境差别也较大,采用无线数据传输的方式进行通信。

综合考虑输送文本的信息量、经济性和可靠性等因素,本系统将GPRS和GSM两种方式相结合,自动监测信号强度并在这两种方式之间自动切换,实现通信方式的最优化。由于需要在户外较为恶劣的环境中工作,通信模块选取Motorola G24,详细连接电路如图8所示。系统在需要数据传输的时候开启G24,其他时候G24则待机休眠,只是这期间仍然联网接收服务器数据。这样的工作模式可以实现模块的低功耗。

图8 G24模块硬件电路示意图

GPRS供电是通信模块的重要部分。在传输数据过程中,GPRS模块可以出现2A的突变电流,平均电流达到500mA。在传递数据时,为了避免电源电压降低,GPRS模块需要有瞬间大电流供应,以两个TPS7301元件并联外加电容的方法实现。详细的原理如图9所示。

图9 GPRS模块供电电路

5)主控单元

考虑到监测和预测时,需要一定规模的历史数据,能够存储以1h为采集间隔,总共7天的气温、风速、日照辐射温度等数据是主控单元的最低要求,同时需要在每条记录中备有采集时间的信息。选取F040CPU作为主控单元,该单元与外设通信总线的连接如图10所示。

图10 CPU与外设通信总线示意图

3 系统的软件实现

气候模型中,动态负载能力的预测离不开针对气象数据的预测。结合文献[5-6],鉴于气温、风速、日照辐射强度等气象数据具有一定的规律性,本文采用Elman神经网络来对其进行预测。该神经网络结构如图11所示。

图11 Elman神经网络结构图

Elman神经网络属于局部回归网络,由输入层、隐藏层、状态层和输出层组成,其中,以线性函数作为传递函数的状态层含有延迟单元。它的存在使该网络结构完成了局部的反馈,帮助Elman神经网络具备一定的记忆功能。

基于神经网络预测的原理如图12所示,主要包含数据采集、气象预测和负载能力的计算3个部分。

图12 基于气候模型的输电线路负载能力预测原理图

数据终端每0.5h上传一次数据,把历史数据划分为训练集和测试集,利用训练集数据对神经网络进行在线学习之后,在测试集内运用神经网络对气温、风速、日照辐射强度等气象参数进行预测,再将测试集数据的真实值和预测值分别代入稳态和暂态热平衡方程中求解输电线路负载能力的真实值和预测值,最后分析对比负载能力真实值和预测值的误差。详细的软件总体设计流程如图13所示。

图13 软件总体设计流程图

4 系统测试与分析

选取某条220kV输电线路某时段1~7天的气象数据,其中,第1~5天作为训练集,实现神经网络的在线学习,第6~7天作为测试集,进行1h之后输电线路稳态和暂态负载能力的预测,其中,由于风向具有较强的随机性,为保证预测精度,将风向保守固定为20°,暂态负载能力的预测时选取安全时间为30min。

图14为输电线路稳态负载能力1h之后的预测曲线,最大预测误差为16.15%预测值,平均相对误差为4.79%,在实际应用中可以接受这样的误差。

图14 输电线路稳态负载能力预测曲线

图15为以30min作为安全时间时,输电线路暂态负载能力1h之后的预测曲线,最大相对预测误差为12.91%,平均相对误差为3.97%,与稳态负载能力误差处于同一数量级,实际应用中可以接受这样的误差。

图15 输电线路暂态负载能力预测曲线

将输电线路负荷和两种负载能力对比如图16所示,可见,预测输电线路稳态负载能力可以很好地挖掘线路载流的潜力,根据实时情况提高线路效率,为线路负荷的调度提供重要参考。此外,暂态负载能力相比于稳态负载能力又具有更高的限额,对安全时间内的线路检修等工作具有一定的指导意义。

图16 输电线路负荷与预测负载能力曲线

5 结论

本文提出了一种输电线路负载能力动态预测的系统,在山东电网某段线路上进行安装和测试。本系统基于气候模型,对气象参数进行监测,再通过神经网络实时在线学习,对线路未来1h的负载能力进行动态预测,误差均可以保证在工程应用可以接受的范围内,为安排电网调度运行和线路检修策略提供支撑。

[1] 毛先胤, 盛戈嗥, 刘亚东, 等. 架空输电线路暂态载流能力的计算和评估[J]. 高压电器, 2011, 47(1):70-74.

[2] 刘亚东. 动态提高输电线路容量系统硬件平台的设计与实现[D]. 上海: 上海交通大学, 2007.

[3] 黄新波, 孙钦东, 张冠军, 等. 输电线路实时增容技术的理论计算与应用研究[J]. 高电压技术, 2008,34(6): 1138-1144.

[4] 任丽佳. 基于导线张力的动态提高输电线路输送容量技术[D]. 上海: 上海交通大学, 2008.

[5] 王孔森, 盛戈皞, 孙旭日, 等. 基于径向基神经网络的输电线路动态容量在线预测[J]. 电网技术, 2013,37(6): 1719-1725.

[6] 王晓霞, 马良玉, 王兵树, 等. 进化Elman神经网络在实时数据预测中的应用[J]. 电力自动化设备,2011, 31(12): 77-81.

一种区域主动配电网能量管理系统及方法

近日,国家知识产权局公布专利“一种区域主动配电网能量管理系统及方法”,申请人为中国农业大学。

本发明公开了一种区域主动配电网能量管理系统及方法。该系统包括:配网控制层、微电网控制层和过程层;过程层包括一次设备的测控终端;微电网控制层包括微网协调控制器;配网控制层包括:主动配电网运行调度模块和微电网调度与评估模块;微电网调度与评估模块用于根据离网微电网内测控终端的运行数据制定离网微电网的调度计划指令;主动配电网运行调度模块用于根据配电网DG测控终端、配电测控终端以及并网微电网内测控终端的运行数据制定主动配电网的调度计划指令。

本发明通过测控终端的运行数据制定调度计划指令,对一次设备进行能量的协调控制,以保证区域主动配电网的安全可靠性和运行经济性。

Prediction System for Dynamic Line Load Capacity based on Climate Model

Jiang Miao Liu Yadong Sheng Gehao Jiang Xiuchen
(Shanghai Jiao Tong University, Shanghai 200240)

With the increase of the power scale systems, the contradiction of uneven distribution between load and energy is increasingly prominent, along with insufficient transmission capacity of existing transmission lines. Monitoring and preditcting dynamic line load capacity can solve the above problems and provide an important reference for line load scheduling and maintenance program. Using meteorological data. A prediction system for dynamic line load capacity base on Climate Model is achieved. The article elaborates details about the system principle, hardware design and function, the system is verified by the result of field test. Predicting steady-state and transient dynamic line load capacity can fully unearth the potential capacity of the transmission line.

dynamic line load capacity; climate model; prediction system

国家高技术研究发展计划(863计划) (2015AA050204)

国家自然科学基金(51477100)

江 淼(1990-),男,安徽人,硕士研究生,主要从事输电线路在线监测和动态增容工作。

猜你喜欢
日照风速神经网络
心之向往,便是日照
沧海桑田话日照
有一种生活叫日照
基于最优TS评分和频率匹配的江苏近海风速订正
基于时间相关性的风速威布尔分布优化方法
神经网络抑制无线通信干扰探究
基于神经网络的中小学生情感分析
在日照(节选)
基于GARCH的短时风速预测方法
快速评估风电场50年一遇最大风速的算法