吳 悅，張忠會，游志剛，李國棟

（國網(wǎng)甘肅省電力公司隴南供電公司，隴南 746000）

0 引言

進(jìn)入21世紀(jì)以來，能源危機成為影響世界經(jīng)濟發(fā)展的主要因素，光能作為新型能源的代表，因其具有可再生、天然環(huán)保的優(yōu)點，使其得到了快速地發(fā)展[1,2]。光伏發(fā)電是全球發(fā)展的趨勢，當(dāng)前此技術(shù)已經(jīng)得到了快速發(fā)展。與此同時，光伏發(fā)電站在我國的分布范圍逐漸變廣，光伏發(fā)電在我國的比重逐漸增加。對于大多數(shù)分布式發(fā)電系統(tǒng)，其電氣設(shè)備都是工作在較為惡劣的環(huán)境中，人工實地檢測維修具有一定的難度。選擇更加高效的設(shè)備檢測方法迫在眉睫，光伏電站電氣設(shè)備異常運行狀態(tài)檢測方法可以很好地實現(xiàn)對電氣設(shè)備的監(jiān)控與管理。

設(shè)備的狀態(tài)監(jiān)測是一種掌握設(shè)備在工作過程中的狀態(tài)，了解設(shè)備運行能力的主要方法。近年來，人工智能技術(shù)的高度發(fā)展，推動了電氣設(shè)備診斷技術(shù)的發(fā)展速度。但當(dāng)前光伏電站電氣設(shè)備異常運行狀態(tài)檢測方法主要依賴于電氣設(shè)備的運行狀態(tài)數(shù)據(jù)采集結(jié)果。但是設(shè)備運行數(shù)據(jù)樣本較大，當(dāng)前異常檢測方法的數(shù)據(jù)處理能力較差。與此同時，由于實際設(shè)備檢測工作的實操性較差，如何使用人工智能技術(shù)完成設(shè)備的遠(yuǎn)程檢測操作成為當(dāng)前光伏發(fā)電領(lǐng)域的燃眉之急。在對多種技術(shù)展開對比后，選擇可視化技術(shù)以及數(shù)據(jù)融合技術(shù)對當(dāng)前電氣設(shè)備運行檢測方法展開優(yōu)化，提出一種新型檢測方法。希望通過本次研究降低設(shè)備運行故障難度，提升設(shè)備維護(hù)效率。

1 光伏電站電氣設(shè)備異常運行狀態(tài)檢測方法設(shè)計

1.1 光伏電站電氣設(shè)備運行數(shù)據(jù)融合處理

由于光伏電站運行環(huán)境較為惡劣，氣候與所處環(huán)境對電氣設(shè)備均會造成一定的影響，降低電氣設(shè)備異常運行狀態(tài)檢測結(jié)果的可靠性。為改善此情況，在本次研究中將采集光伏電站電氣設(shè)備運行數(shù)據(jù)，根據(jù)處理后的數(shù)據(jù)，確定電氣設(shè)備運行工況，以此完成異常運行狀態(tài)的檢測工作。

采集電氣設(shè)備的運行數(shù)據(jù)作為基礎(chǔ)，由于每個設(shè)備的參數(shù)與觀測量單位不同。為了獲取高質(zhì)量數(shù)據(jù)，對采集到的數(shù)據(jù)進(jìn)行歸一化處理，具體公式如下：

其中，aireal表示某運行數(shù)據(jù)樣本的真實數(shù)據(jù)；amin表示此樣本的最小值；amax表示此樣本的最大值。在對數(shù)據(jù)展開歸一化處理后，匯總數(shù)據(jù)，結(jié)合自組織映射網(wǎng)絡(luò)將數(shù)據(jù)映射到三維空間中，對采集到的參數(shù)進(jìn)行聚類分析。將處理后的數(shù)據(jù)作為此網(wǎng)絡(luò)的輸入向量，記作A，各神經(jīng)元的加權(quán)向量設(shè)定為ai，則有：

使用式(3)可對不同維度之間的數(shù)據(jù)進(jìn)行對比，根據(jù)此對比結(jié)果對電氣設(shè)備的運行數(shù)據(jù)展開度量，將此結(jié)果與式(2)相結(jié)合，得到數(shù)據(jù)輸出結(jié)果：

將式(4)作為數(shù)據(jù)采集結(jié)果的最后處理環(huán)節(jié)，并將此環(huán)節(jié)輸出結(jié)果作為后續(xù)設(shè)備運行狀態(tài)檢測的數(shù)據(jù)基礎(chǔ)。

1.2 電氣設(shè)備異常狀態(tài)診斷

應(yīng)用完成數(shù)據(jù)融合處理后的電氣設(shè)備信息，提取電氣設(shè)備的運行特征。由于電氣設(shè)備數(shù)據(jù)中涵蓋大量的設(shè)備運行信號，為了獲取高質(zhì)量異常運行特征數(shù)據(jù)，在本次研究中選擇小波分析的方法完成信號數(shù)據(jù)的整理與分析過程。

根據(jù)小波分析原理，將電氣設(shè)備信號表示為下述結(jié)構(gòu)：

此公式為離散二進(jìn)制小波函數(shù)，使用此公式進(jìn)行信號分析時，時間變量為連續(xù)性變量，則此時信號離散值可表示為：

在使用式(7)完成處理后，對信號進(jìn)行解構(gòu)處理，得到信號特征，并根據(jù)此信號特征構(gòu)建概率神經(jīng)網(wǎng)絡(luò)[4]，對設(shè)備的運行狀態(tài)展開判斷。假設(shè)設(shè)備的運行狀態(tài)可分為異常狀態(tài)κi以及正常運行狀態(tài)κj兩部分，其輸入信息為信號矢量，則其判定過程可表示為：

其中，gi、gj表示運行狀態(tài)分類模式的先驗概率；hi、hj表示分類模型的錯判代價因子；ki（a）、kj（a）表示此神經(jīng)網(wǎng)絡(luò)中的概率密度函數(shù)。將式(7)處理后的信號代入式(8)中，完成電氣設(shè)備運行狀態(tài)的識別與分類。由于設(shè)備的運行狀態(tài)可分為多種形式，僅采用兩種形式的概率網(wǎng)絡(luò)無法對電氣設(shè)備運行狀態(tài)進(jìn)行細(xì)化分析，為此，將概率密度函數(shù)優(yōu)化為：

其中，i表示需檢測電氣設(shè)備信號；n表示信號類型；λ表示平滑處理參數(shù)；Nq表示屬于分類模式κi的信號量；aqi表示分類模式κi的信號個數(shù)。根據(jù)此公式，對電氣設(shè)備的多種運行狀態(tài)展開分類，并確定異常類別。

1.3 構(gòu)建狀態(tài)診斷結(jié)果可視化模型

在上文中完成了電氣設(shè)備異常運行狀態(tài)的檢測工作，為了實現(xiàn)此環(huán)節(jié)的遠(yuǎn)程控制，將可視化技術(shù)融入到最后的檢測結(jié)果輸出環(huán)節(jié)中。根據(jù)上述文中設(shè)定內(nèi)容，在本次研究中選擇遞歸圖結(jié)構(gòu)實現(xiàn)檢測結(jié)果的可視化顯示。

以電氣設(shè)備的信號輸出的時間序列作為基礎(chǔ)，構(gòu)建檢測結(jié)果的n維相位空間，則有：

其中，電氣設(shè)備的空間坐標(biāo)設(shè)定為（s1，s2，…，sn）。將其信號觀測時間序列相連接，得到對應(yīng)的遞歸圖[5]結(jié)構(gòu)：

其中，μ表示預(yù)設(shè)的可視化范圍半徑；⊙表示Heaviside函數(shù)，使用此函數(shù)確定運行異常設(shè)備與正常運行設(shè)備之間的距離。即||Li-Lj||＜μ時，令（i，j）坐標(biāo)位置為原點，否則其坐標(biāo)位置為1。與此同時，對維數(shù)展開設(shè)定，其計算過程如下：

式(12)中，Lj+1、Li+1、Lj以及Li分別表示相位空間中的設(shè)備坐標(biāo)點，di表示多個設(shè)備坐標(biāo)點中的距離比。當(dāng)di大于預(yù)設(shè)閾值時，說明Lj與Li存在不正確的相位關(guān)系。使用此公式對空間中全部設(shè)備位置展開計算，如此種問題出現(xiàn)較多，需要在空間中增加相應(yīng)的維度向量，以此保證異常設(shè)備位置輸出正確性。與此同時，對設(shè)備信號輸出的延遲時間進(jìn)行控制，避免延遲影響結(jié)果可視化輸出的效果。在本次研究中使用平均互信息法確定結(jié)果輸出過程的最小延遲時間：

式(13)中，Qi、Qj分別表示信號序列端點；Qij(t)表示間隔時間t序列中的兩點。使用此公式可得到信號傳輸過程中的最小延遲時間，根據(jù)此時間確定狀態(tài)異常結(jié)果輸出時間間隔，并通過此間隔控制狀態(tài)檢測輸出界面的顯示時間。對上文中設(shè)定內(nèi)容進(jìn)行融合，將其與當(dāng)前電氣設(shè)備異常運行狀態(tài)檢測方法相結(jié)合，至此，基于可視化和數(shù)據(jù)融合的光伏電站電氣設(shè)備異常運行狀態(tài)檢測方法設(shè)計完成。

2 實驗論證分析

為驗證文中提出新型電氣設(shè)備異常運行狀態(tài)檢測方法的有效性，同時也為了證實可視化技術(shù)與數(shù)據(jù)融合技術(shù)的使用效果，構(gòu)建與此方法相匹配的實驗環(huán)節(jié)，證實此方法的應(yīng)用效果。

2.1 實驗平臺構(gòu)建

由于在對光伏電站電力設(shè)備進(jìn)行真實實驗的難度較大，在本次研究中將構(gòu)建實驗平臺對電力設(shè)備的運行過程進(jìn)行仿真處理，同時，使用仿真環(huán)境完成實驗過程。

實驗平臺的搭建過程分為硬件調(diào)試與軟件設(shè)定兩部分，根據(jù)光伏電氣設(shè)備的設(shè)備硬件要求以及信號發(fā)出要求，將電氣設(shè)備與實驗控制端進(jìn)行連接，同時使用編程代碼對電氣設(shè)備功能進(jìn)行調(diào)試，確定電氣設(shè)備運行狀態(tài)。而后，使用實驗控制終端對電氣設(shè)備的信號輸出情況進(jìn)行調(diào)試，如電氣設(shè)備信號輸出正常，則將其作為本次研究對象。

根據(jù)實驗數(shù)據(jù)要求，在本次實驗中，將選擇20臺電氣設(shè)備作為實驗數(shù)據(jù)來源，設(shè)備標(biāo)號為XD-01至XD-20，將其安裝的實驗室中，按照上述設(shè)定的實驗平臺組裝要求以及設(shè)備調(diào)試過程，完成實驗平臺的搭建工作。

2.2 電氣設(shè)備信號采集

在本次研究中，為提升實驗結(jié)果的可靠性，不再僅將數(shù)據(jù)采集結(jié)果作為實驗數(shù)據(jù)來源。在電氣設(shè)備運行數(shù)據(jù)中增加設(shè)備信號部分為實驗提供強有力的數(shù)據(jù)支撐。故而，在本次研究中將對電氣設(shè)備輸出的標(biāo)準(zhǔn)正弦信號進(jìn)行采集，而后通過無線傳輸端口將此部分?jǐn)?shù)據(jù)傳輸?shù)接嬎銠C，在實驗控制終端對此部分信號數(shù)據(jù)進(jìn)行存儲。

設(shè)備運行狀態(tài)數(shù)據(jù)采樣周期設(shè)定為15分鐘，每15分鐘接收2s的電氣設(shè)備運行狀態(tài)數(shù)據(jù)，其中不包含控制終端數(shù)據(jù)以及設(shè)備運行實時數(shù)據(jù)，單日數(shù)據(jù)采集量為50×4×24×20=96.00MB。與此同時，對實驗數(shù)據(jù)采集模塊的采集內(nèi)容展開設(shè)定。本次研究中，采集電氣設(shè)備的運行溫度、電壓、電流以及穩(wěn)定環(huán)境、光照強度數(shù)據(jù)，運用此部分?jǐn)?shù)據(jù)對電氣設(shè)備的運行狀態(tài)進(jìn)行判定。

2.3 電氣設(shè)備運行狀態(tài)劃分

根據(jù)獲取到的電氣設(shè)備歷史運行數(shù)據(jù)以及數(shù)據(jù)聚類分析結(jié)果，將電氣設(shè)備運行狀態(tài)劃分為10種，在本次實驗中將選用其中的3種異常運行狀態(tài)作為驗證實驗。此3種運行狀態(tài)中，電氣設(shè)備處于高負(fù)荷運行狀態(tài)，信號輸出功率波動范圍在50～80之間，具有明確的故障特征。在本次實驗中，將上述電氣狀態(tài)作為異常狀態(tài)檢測中的目標(biāo)運行狀態(tài)，通過檢測此狀態(tài)出現(xiàn)頻次，完成實驗過程。

2.4 實驗指標(biāo)設(shè)定

此次研究周期設(shè)定為7天，根據(jù)上文中設(shè)定的電氣設(shè)備信號采集方法，對實驗?zāi)繕?biāo)進(jìn)行數(shù)據(jù)采集，根據(jù)實時數(shù)據(jù)采集，確定電氣設(shè)備在研究周期內(nèi)的異常運行狀態(tài)，具體內(nèi)容如表1所示。

將表1中內(nèi)容作為異常檢測實驗中的參照因素，使用文中提出的新型方法以及紅外成像檢測方法以及多尺度信息融合檢測方法對采集的數(shù)據(jù)進(jìn)行整理，并根據(jù)此數(shù)據(jù)得出檢測結(jié)果，將檢測結(jié)果與實測結(jié)果進(jìn)行對比，確定兩者之間的差異程度。根據(jù)此差異程度確定不同方法的電氣設(shè)備異常狀態(tài)檢測能力以及使用效果。為降低實驗操作難度，將三種方法的檢測結(jié)果通過同一檢測平臺體現(xiàn)。

表1 電氣設(shè)備異常運行狀態(tài)表

2.5 實驗結(jié)果輸出

對圖1進(jìn)行分析可以看出，三種不同方法使用后所得檢測結(jié)果具有一定的差異性。首先，新型方法可以根據(jù)采集到的數(shù)據(jù)對電氣設(shè)備展開高精度的運行狀態(tài)檢測，確定實驗設(shè)備中的故障設(shè)備，并對故障原因加以分析。其次，紅外成像檢測方法的使用效果與新型方法的使用效果較為接近，但無法對全部異常設(shè)備展開異常原因協(xié)查，沒有辦法在遠(yuǎn)程環(huán)境中完成異常原因可視化顯示。最后，多尺度信息融合檢測方法的數(shù)據(jù)處理能力較差，無法使用實驗中提供的數(shù)據(jù)對電氣設(shè)備的異常運行進(jìn)行全面的檢測與分析，說明此方法的使用效果較差。綜合上述分析結(jié)果可知，在本次實驗中文中提出的新型方法使用效果較好，可滿足當(dāng)前電氣設(shè)備檢修工作的相關(guān)要求。

圖1 電氣設(shè)備異常運行檢測結(jié)果

2.6 實驗結(jié)果討論

為驗證文中提出的基于可視化和數(shù)據(jù)融合的光伏電站電氣設(shè)備異常運行狀態(tài)檢測方法具有應(yīng)用價值以及推廣價值，在理論方法設(shè)計完成后，構(gòu)建實驗論證環(huán)節(jié)對其使用效果加以分析。經(jīng)實驗結(jié)果表明：新型電氣設(shè)備異常運行狀態(tài)檢測方法具有較佳的使用效果，在日后的光伏電站設(shè)備檢測維修工作中可將此方法作為主要的設(shè)備管理方法。

與此同時，本次實驗證實了人工智能技術(shù)以及數(shù)據(jù)處理技術(shù)在設(shè)備運行管理中的可行性。將可視化技術(shù)與數(shù)據(jù)融合技術(shù)應(yīng)用到設(shè)備維修診斷工作中可有效提升設(shè)備異常診斷的效率，在一定程度上解放工作人員的雙手，降低設(shè)備異常造成的經(jīng)濟損失。

3 結(jié)語

光伏發(fā)電以污染低、可持續(xù)的優(yōu)點成為當(dāng)前應(yīng)用范圍最為廣泛的新能源之一。為保證光伏電站的穩(wěn)定性，減少設(shè)備異常造成的經(jīng)濟損失，在本次研究中提出了一種應(yīng)用可視化技術(shù)以及數(shù)據(jù)融合技術(shù)完成電氣設(shè)備檢測的方法，并通過實驗證實了此方法具有一定的應(yīng)用價值。然而，由于客觀因素的限制，此方法在研究的過程中進(jìn)行了一系列的簡化。為使此方法具有更高的研究價值，在日后的研究中還需要對其進(jìn)行完善與優(yōu)化。