基于边缘智能的分布式配电故障检测研究.pdf

ElectricalAutomation79IceReMeasurement&DetectingTechnology测量与检测技术电气自动化2 0 2 3年第45卷第4期基于边缘智能的分布式配电故障检测研究白明辉”，苗宏佳，席海阔，郑焕坤”，张新亮，张婉明（1.国网冀北电力有限公司承德供电公司，河北承德0 6 7 0 0 0；2.华北电力大学，河北保定0 7 10 0 0）摘要：为有效降低配网故障检测时延，保证电力通信网络安全稳定的运行，提出了一种基于边缘智能的分布式配电故障检测模型，在传统的基于云的系统中引人了边缘计算，有效降低了故障分析和处理时间。线路参数检测方面引人小波变换，判定故障原因和故障点。算例结果表明，基于边缘计算的分布式配电故障检测模型能够有效提高配网故障检测的准确性，降低运维时延，在保证电网安全稳定运行中发挥着很重要的作用。关键词：配电网；边缘智能；小波变换；指标评估；故障检测D0I:10.3969/j.issn.1000-3886.2023.04.025中图分类号TM77文献标志码A文章编号10 0 0-38 8 6(2 0 2 30 4-0 0 7 9-0 4search on Distributed Distribution Fault Detection Based on Edge IntelligenBai Minghui,Miao Hongjia,Xi Haikuo,Zheng Huankun,Zhang Xinliang,Zhang Wanming(1.Chengde Power Supply Branch,State Grid Jibei Electric Power Co.,Ltd.,Chengde Hebei 067000,China;2.North China Electric Power University,Baoding Hebei 071000,China)Abstract:In order to effectively reduce the delay of distribution network fault detection and ensure the safe and stable operation of the powercommunication network,a distributed power distribution fault detection model based on edge intelligence was proposed.The edgecomputing was introduced into the traditional cloud-based system,which effectively reduced the fault analysis and processing times.In line parameter detection,the wavelet transform was introduced to determine the fault causes and fault points.The calculationexample results show that the distributed distribution fault detection model based on edge computing can effectively improve theaccuracy of distribution network fault detection,reduce the operation and maintenance delay,and play an important role in ensuringthe safe and stable operation of the power grid.Keywords:distribution network;edge intelligence;wavelet transform;index evaluation;fault detection00引言近年来随着电力物联网建设步伐的不断推进，大量电力终端接入网络边缘1，对供电质量提出了更高的应用需求。配电网作为电力系统的重要一环2，一旦出现问题，将直接影响用户的用电水平，严重时甚至造成大面积的停电事故3。为进一步提高配网自动化系统运行效率，文献4基于分布式配电管理方案，对配网业务的需求业务进行分析处理。文献5】构建了面向配电网络故障检测基于云边协同的网络架构，实现配电状态的实时监测。文献6 基于机器学习的方式，并通过对正常情况配电网络运行参数波形实时采集和比对分析，提高了配网运行的稳定性。目前基于配电故障检测的研究，无论是普通型的矩阵检测方式7,还是融合大数据人工智能等新型的数据分析理论8，大部分都将终端感知设备采集到的数据上传到云端处理器完成统一分析，增大云端处理和存储压力，网路延时加大，无法满足现有配电自动化和精准负荷控制类业务对实时性的要求。针对上述问题，本文提出了一种基于边缘智能的分布式配电故障检测模型。在传统的基于云的系统中引入了边缘计算，实现大量终端设备的连接和管理，有效降低了故障分析和处理时间。定稿日期：2 0 2 2-0 3-2 5基金项目：国家自然基金资助项目（6 150 118 5）；国家高技术研究发展计划（8 6 3计划）：光伏微电网核心设备与控制系统研制及示范应用（2 0 15AA050603）在配网线路参数检测方面引入小波变换，判定故障原因和故障点。仿真结果表明，本文所提出的基于边缘计算的分布式配电故障检测模型，能有效提高配网故障检测的准确性，降低运维时延。1基于边缘智能的分布式配网故障检测如图1所示，电压配电系统根据区域划分为不同的区域。每个故障监测模块包含一个边缘计算节点负责本地数据采集和故障分析。边缘计算节点与云服务平台建立同步机制，获取分区内的配电网模型信息，并本地存储模型信息云控制中心故障监测终端设备边缘计算终端设备终端设备终端设备终端设备故障监测边缘计算故障监测边缘计算终端设备终端设备隆端设备端设备终端设备终端设备图1基于边缘智能的分布式配网故障检测模型本文充分利用故障前后信号曲线的差异，对配网故障进行检测，发生故障后因网路曲线不再平滑，会存在一些断点或者波动。基于发生故障前后信号本身的波动变化，通过信号的奇异变换对80ElectricalAutomationMeasurement&Detecting Technology测量与检测技术电气自动化2 0 2 3年第45卷第4期信号进行分析，根据变换后网络参数进行具体分析。定义1：设参数n为非负整数，任意整数a满足nan+1，假设常数A和ho（h o 0）,以及n次多项式P,（t）,那么对于任意变量h,hho，有：I(to+h)-P,(h)/A|h|a(1)那么f(t)就是点to处的李普希茨指数a。可以看出，李普希茨指数表征了函数f(t）在点to处的奇异性。李普希茨指数越大，函数f(t)越平滑。如果函数f(t)在点to处连续且可微，那么李普希茨指数为=1。如果点t。不是连续的而是有界的,那么李普希茨指数=0。当李普希茨指数1时，函数f(t)在点to处奇异。小波变换基于信号时域和频域差异，进行卷积变换，从频域和时域两个角度进行信号分析，对于变量w和积分区间R，基本小波函数满足：（w）2Cdw0比例因子。Wf(s,to)=f(t)t,(w)(4)小波变换的值受Wf(s,to）t o 处f(t）值的影响，并且成正比，尺度s越小，域间隔越小。为降低计算复杂度，假设小波函数山（t）为连续可微函数，且定理1:设f(t）L（R）,山(t)为基本小波，则f(t)为开区间李普希茨指数的充要条件为：Wf(s,to)Asa(5)2面向配电故障的边缘计算交叉指数模型本文从产业价值链整合的角度提出分布式边缘智能网络的整体评估指标CcROSs，具体指边缘计算在配电网设备边缘终端中的五种价值，分别为连接、实时、优化、智能和安全。其中：C。=Co,C2，,C是CE设备连接的决策变量；R,=R，R 2，,Rml是CE设备实时的决策变量;D。=D。l,D 2，,D o n l 是CE设备进行优化所采用的决策变量；Sm=1Sml，Sm2，,Smk 是将智能决策变量应用于CE设备；S。=Se l,S2，,S是安全的决策变量。每个关键因素分为高、中、低三个级别，分别设置为1、2、3。结合五个关键因素，交叉指标定量模型如图2 所示。CcROss为对整个指标进行具体评价的评估系数。整个参数评估模型覆盖区域面积为S、，单个特性参数的模型占有面积为S,。本文通过用户服务质量对配网的网络参数特性进行分析，同时，Qc将分为高（H）、中（M）、低（L)三个等级,具体公式为：Qc=(H,M,L)(6)智能应用安全与隐私保护数据优化高中Y低1敏捷连接业务实时性图2交叉指标定量模型0CROSS(Qc:L)31CcROSS2(Qc:M)(7)332CcROS 1(Qc:H)33算例分析本文利用MATLAB分析了原始信号，针对有奇数点的信号进行调谐。当信号通过选择具有紧支撑集的正交小波db3检测时，能获得良好的效果，结果如图3所示1.00.50-0.51.0050100150200250300350400450500X0.150.100.050-0.05-0.10-0.15-0.200.25050100150200250300350400450500X0.30.20.1-0.1-0.2-0.30.450100150200250300350400 450500X0.30.20.10-0.1-0.2-0.3-0.4050100150200250300350400450500X图3基于小波变换的信号奇异性检测ElectricalAutomation81下转第8 4页）Measurement&Detecting Technology测量与检测技术电气自动化2 0 2 3年第45卷第4期信号奇异性指数为0 时，表示没有异常的发生。并且，信号奇异性数值大小反映了故障的程度。一般情况下，故障的发生会导致时域波形峰值的突然变化。通过奇异指数分析和提取的结果，可以作为信号时域的特征因子。根据这一现象，可以设计实时检测模块，从而实现配电网故障的自动检测。图4为传感器对配电网的正常信号432050100150 200250300350400 450500时间/s原始正常运行信号43202(OIx)100200 300400500100200 300400500时间t/s时间/s4320明100200 300400500100200300400 500时间t/s时间/s4320100200300400500100200300400500时间/s时间/sdb3低频分解系数幅度db3高频分解系数幅度图4配电网检测到正常信号3.1基于小波变换的配电网短波故障测试监测将上述仿真得到的短路故障电压作为原始信号。通过比较发现，采用紧支撑正交小波db3对上述信号进行检测，取得了较好的效果。在MATLAB编程环境下，利用db3小波将原始信号的低频信号和高频信号分解为三层，共得到六层详细信号。从图5可以看出，突变点的确切位置清楚地显示在从第一层（d=350）到第三层（d，=350)的信号分解的细节部分。因此，有可能在此时引入原始信号的突然变化，这与设定的参数设置完全一致。50100150200250300350400450500时间ts原始故障运行信号明030011002004005000100200300400500时间t/s时间t/s50100200300400500100200300400 500时间/s时间t/s501002003004005006100 200300400500时间/s时间/sdb3低频分解系数幅度db3高频分解系数幅度图5用小波变换监测配电网短路故障3.2用小波变换监测配电网终端故障本文以配电网的断线故障电压为原始信号。当选择紧支撑正交小波db3检测配电网电压信号时，发现信号突然上升到350。利用db3小波，将原始信号的低频信号和高频信号分别分解为三层，共得到六层细节信号。从图6 可以看出，突变点的准确位置清楚地显示在从第一层（d,=350）到第三层（d，=350）的信号分解细节中。因此，原始信号可以在该时间点突变，表明配电网在350处存在开路故障。5%50100150200250300350400450500时间t/s原始故障运行信号6140100200 300400500100200300400500时间t/s时间t/s60.5斤40.0.50100200300400500100200300400500时间t/s时间t/s61M40100200300400500100200300400500时间t/s时间t/sdb3低频分解系数幅度db3高频分解系数幅度图6基于小波变换的配电网断线故障监测3.3用小波变换监测配电网冲击故障电流统计显示，中等雷暴日配电变压器雷害率为1%。低压电路人侵雷电波的时候，配电变压器的绕组出现涌流流动的现象。与此同时，高压侧的点位也会发生明显的提高，层与埚之间的梯度电压也会随之增加。如图7 所示，当配电网络出现故障时，小波分析可以准确地检测出影响故障发生在点350。通过小波变换监测配电网短路、开路和冲击故障的试验，发现小波变换能够准确地检测配电网的故障。5艾50100150200250300350400450500时间s原始故障运行信号3.01贝2.50世100200300400500100200300400500时间t/s时间/s2.80.22.60100200300400500100200300400500时间t/s时间t/s2.80.202.603.0.20%100200300400500100200300400500时间t/s时间t/sdb3低频分解系数幅度db3高频分解系数幅度图7基于小波变换的配电网冲击故障监测84ElectricalAutomation000000000000000000000000000000000000000.000000000000000000.0000000000000000000000000000000000000.0000000000000000Measurement&Detecting Technology测量与检测技术电气自动化2 0 2 3年第45卷第4期表1配网故障行波定位精度表配网故障行波定位精度/m样本数/组K-mean局放定位法100074.8213.5200084.4210.5300092.7243.7400076.1265.6500065.4251.2平均78.9236.9由表1可知，本文所提方法的平均定位精度为7 8.9m，低于局放定位法的2 36.9m。3.2.3配网故障分析准确率采用配网故障行波仿真装置向不同的10 kV配电线路发送10002000、40 0 0、6 0 0 0、8 0 0 0、10 0 0 0 组配网故障行波类型数据，采用本文所提方法与局放定位法比较配网故障分析准确率，比较结果如图3所示。K-mean局放定位法100（%）/率9080701000200040006000800010000样本数量/组图3配网故障分析准确率分析图由图3可见，本文所提方法的平均配网故障分析准确率为90.8%，高于局放定位法的平均配网故障分析准确率为7 9.3%。（上接第8 1页）4结束语本文基于边缘计算算法加快了配网故障检测和定位速度，从而在整体上提高了故障处理的效率，提高了系统运行可靠性。此外，通过db3小波变换能够快速准确地检测出配电网故障信号的奇异点，确定奇异点的位置和奇异点的大小，有效检测配网故障，降低长时间大面积停电的风险。未来，将进一步探索基于小波变换的边缘智能故障检测系统在其他典型电力场景的应用。参考文献：【1杜彬浅谈电力系统供电可靠性J。城市建设理论研究（电子版），2013,3(9):1-4.【2 孙文杰浅谈电力工程中的配电网改造规划J生态环境与保护，2020,3(8):92-93.【3程向向，秦川，张功林，等基于营配贯通电力大数据的配电网画像4结束语本文基于K-mean分析理论，提出了一种配网故障行波定位方法。在配网量测终端上，采用双端行波矩阵进行故障定位，通过K-mean分析故障类型,具有定位精度高、分析准确的特点。算例分析结果表明：所提方法考虑了配网故障传播特点，实现了配网故障的精准定位与类型分析。该方法有效缩短了配网故障查找时间，提升了运检管理水平参考文献：1】唐冬来，刘友波，熊智临，等基于时空关联矩阵的配电台区反窃电预警方法J电力系统自动化，2 0 2 0，44（19）：16 8-17 6.【2 张艺琼，胡杨，王东亮，等基于电力线通信的配电网拓扑自动建模方法J.电气自动化，2 0 2 2，44(1)：6 1-6 2；6 6.3赵航宇，廖杰雄，付强，等分布式监测装置在10 kV配网中的应用J.电气技术与经济，2 0 2 0（4）：2 3-2 5.【4蔡超，丁建忠，吕峰，等基于整数线性规划模型的配电网故障指示器优化配置研究J电力系统保护与控制，2 0 2 0，48（1）：17 2-180.【5饶显杰，周凯，黄永禄，等.考虑相速度频变特性的改进相位差算法局部放电定位J：电工技术学报，2 0 2 1，36（2 0）：437 9-438 8.【6 李舟，乔文，谈震，等基于行波特征频率的配电网混合线路故障定位方法J电网与清洁能源，2 0 2 1，37（5）：33-42；51.【7 余曼，赵炜华，吴玲，等基于K均值聚类和支持向量机的电动汽车行驶工况研究J.重庆交通大学学报，2 0 2 1，40（5）：12 9-139.【8 郁琦琛，罗林根，吴凡，等基于广义回归神经网络的特高频局部放电定位法J中国电力，2 0 2 1，54（2）：11-17.【作者简介】唐冬来（198 0 一），男，四川广安人，本科，高级工程师，研究方向：配电网量测与分析和电子信息技术等。【通信作者】李擎宇（1995一），男，四川乐山人，硕士，研究方向：电网调度和电子技术。建模技术与运行状态评估研究J.供用电，2 0 2 0，37（11）：2 7-33.4 LI B,JIA B C,CAO W Z.Application prospect of edge computing inpower demand response businessJ.Grid Technol,2018,42(1):79-87.5SHI W,CAOJ,ZHANG Q,et al.Edge computing:vision andchallenges J.IEEE Internet Things,2016,3(5):637-646.6 SHI W S,SUN H,CAO J.Edge computing:a new computing model inthe era of everything J.Computing.Res.Develop,2017,54(5):1-18.【7 李前敏，何洪流，付宇，等基于波形相似度检测的配电网故障原因分析J电气应用，2 0 2 0，2 2（12）：30-34.8 刘杰荣，张耀宇，关家华，等基于量测大数据和数学形态学的配电网故障检测及定位方法研究J，智慧电力，2 0 2 0（1）：97-10 4.【作者简介】白明辉（198 3一），男，承德隆化人，助理工程师，研究方向为电网方式运行和电力系统。