卞陽，趙奇劍，胡水軍，徐華，曹利，周念成

（1.杭州電力設(shè)備制造有限公司余杭群力成套電氣制造分公司，杭州311100；2.重慶大學輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室，重慶400044）

0 引言

作為一種普遍應(yīng)用于現(xiàn)代社會各個領(lǐng)域的能源，電能的供應(yīng)質(zhì)量直接影響著人們的生產(chǎn)、生活。但電網(wǎng)中非線性、不平衡的干擾負荷以及敏感性負荷的頻繁接入改變了傳統(tǒng)電網(wǎng)的負荷結(jié)構(gòu)，大量沖擊性負荷接入電網(wǎng)使電能質(zhì)量問題變得日益嚴重。因此，有關(guān)電能質(zhì)量監(jiān)測預(yù)警的研究越來越受到技術(shù)人員的關(guān)注［1-2］。目前，在配電網(wǎng)規(guī)劃、設(shè)計、建設(shè)與運行維護中，常使用的電能質(zhì)量問題解決方法如下：技術(shù)上主要采用有載調(diào)壓主變壓器、線路調(diào)壓器、各類無功補償裝置、諧波治理裝置等；管理上主要包括加強電壓無功管理、建立健全的電壓監(jiān)測網(wǎng)絡(luò)等［3］。

電能質(zhì)量監(jiān)測評估系統(tǒng)作為及時發(fā)現(xiàn)和評估電能質(zhì)量問題的重要手段，對滿足電力用戶高質(zhì)量電能需求有著重要的意義。國內(nèi)外均已普遍意識到電能質(zhì)量的重要性，并針對電能質(zhì)量監(jiān)測系統(tǒng)及分析方法進行了大量研究：文獻［4］介紹了土耳其電力傳輸系統(tǒng)通過450 個綜合平臺（MPP）搭建的功能齊全的電能質(zhì)量監(jiān)測分析系統(tǒng)，但是實際投入需要更換大批現(xiàn)有設(shè)備，成本巨大，不利于推廣；文獻［5］對基于嵌入式系統(tǒng)的電能質(zhì)量實時監(jiān)測系統(tǒng)進行了研究，該監(jiān)測系統(tǒng)允許用戶在遠程站點控制安裝的電能質(zhì)量監(jiān)測硬件，了解配電網(wǎng)的運行狀態(tài)。而對應(yīng)用于電能質(zhì)量方面的云計算技術(shù)的研究還不算深入：文獻［6］研究了分布式數(shù)據(jù)庫HBase、并行編程模型MapReduce 以及分布式文件系統(tǒng)HDFS等關(guān)鍵技術(shù)，結(jié)合現(xiàn)有的電能質(zhì)量分析算法提出基于一種分布式系統(tǒng)基礎(chǔ)架構(gòu)Hadoop 的海量電能質(zhì)量數(shù)據(jù)處理方案，但此方案只能夠提供數(shù)據(jù)查詢功能，并不能對監(jiān)測數(shù)據(jù)進行有效的分析利用；文獻［7］根據(jù)智能電網(wǎng)設(shè)備狀態(tài)的檢測需求，將Hadoop云計算引入數(shù)據(jù)存儲與數(shù)據(jù)處理，提出了電網(wǎng)設(shè)備狀態(tài)監(jiān)測云計算平臺的技術(shù)架構(gòu)，大大提升了對海量監(jiān)測數(shù)據(jù)的處理計算能力，實現(xiàn)了對配電網(wǎng)運行狀態(tài)的實時監(jiān)控。雖然目前我國大部分地區(qū)都建設(shè)了區(qū)域性電能質(zhì)量監(jiān)測系統(tǒng)，但由于標準不統(tǒng)一且相互獨立，而無法實現(xiàn)將各地區(qū)電能質(zhì)量監(jiān)測數(shù)據(jù)的統(tǒng)一管理和綜合分析，無法為整個配電網(wǎng)提供電能質(zhì)量高效治理和智能控制的決策依據(jù)［8-10］。

本文提出的基于云平臺的智能配電網(wǎng)電能質(zhì)量監(jiān)測預(yù)警平臺是一種將分布式文件系統(tǒng)應(yīng)用于海量電能質(zhì)量監(jiān)測數(shù)據(jù)管理的方案，針對配電網(wǎng)各節(jié)點監(jiān)測電能質(zhì)量數(shù)據(jù)進行存取特征并優(yōu)化設(shè)計，提高了節(jié)點數(shù)據(jù)的利用率，在保證監(jiān)測數(shù)據(jù)可靠性的同時實現(xiàn)海量數(shù)據(jù)的高效管理［11-13］。將各節(jié)點的監(jiān)測數(shù)據(jù)上傳至云端服務(wù)器進行綜合分析，實現(xiàn)對智能配電網(wǎng)電能質(zhì)量的監(jiān)測預(yù)警和協(xié)調(diào)控制。

1 基于云平臺的電能質(zhì)量監(jiān)測預(yù)警系統(tǒng)結(jié)構(gòu)

基于云平臺的電能質(zhì)量監(jiān)測預(yù)警系統(tǒng)能夠?qū)崿F(xiàn)電能質(zhì)量各項指標的實時監(jiān)測。依據(jù)系統(tǒng)電能質(zhì)量標準以及監(jiān)測系統(tǒng)電壓、電流的驟升和驟降，能夠準確顯示擾動的幅值和持續(xù)時間；電能質(zhì)量指標包括監(jiān)測電壓偏差、頻率偏差、諧波與總諧波失真、三相不平衡度和電壓波動等；系統(tǒng)具有實時監(jiān)測電能質(zhì)量各項指標的能力，可以方便、快捷地查詢事件的相關(guān)數(shù)據(jù)、自動修改信息類型，還可根據(jù)不同地區(qū)差異設(shè)定合適的門檻值，自動捕捉不同電能質(zhì)量指標的擾動；系統(tǒng)能夠通過敏感度分析和統(tǒng)計，對配電網(wǎng)的發(fā)展趨勢做出預(yù)判，并向各級監(jiān)測站下達維護和治理控制命令。為實現(xiàn)該監(jiān)測預(yù)警系統(tǒng)的精準預(yù)期功能，需要將軟、硬件相互結(jié)合：在設(shè)計相關(guān)系統(tǒng)結(jié)構(gòu)的同時，還需針對海量的系統(tǒng)監(jiān)測數(shù)據(jù)采用分布式數(shù)據(jù)存儲方案，以便實現(xiàn)對系統(tǒng)監(jiān)測數(shù)據(jù)的綜合分析。

本套系統(tǒng)主要包括實時數(shù)據(jù)監(jiān)測、統(tǒng)計報表、分級預(yù)警、趨勢預(yù)測、歷史數(shù)據(jù)查詢、綜合評價等六大功能。基于此，系統(tǒng)可以實現(xiàn)對智能配電網(wǎng)電能質(zhì)量趨勢的監(jiān)測及預(yù)警，對所有建立連接的電壓質(zhì)量監(jiān)測裝置進行數(shù)據(jù)分析和評估結(jié)論展示，并可以添加和刪去相應(yīng)線路。電能質(zhì)量監(jiān)測預(yù)警系統(tǒng)的整體結(jié)構(gòu)如圖1所示。

圖1 基于云平臺的電能質(zhì)量監(jiān)測預(yù)警系統(tǒng)Fig.1 Power quality monitoring and early warning system based on the cloud platform

2 系統(tǒng)數(shù)據(jù)結(jié)構(gòu)分析

系統(tǒng)中存在海量電能質(zhì)量數(shù)據(jù)的原因主要有以下2個方面。

（1）電能質(zhì)量的相關(guān)指標眾多。標準IEEE Std. 1159—1995 Recommended Practice for Monitoring Electric Power Quality 規(guī)定，電能質(zhì)量問題包含穩(wěn)態(tài)事件和暫態(tài)事件：前者主要包括了電壓偏差、頻率偏差、波形畸變、三相不平衡度、諧波/間諧波失真等；后者主要包括了電壓暫升/暫降、短時工頻變化、電壓波動/閃變等。由于電能質(zhì)量問題具有隨機性，因此在分析這些數(shù)據(jù)的時候不能只關(guān)注由各監(jiān)測站上傳的實時監(jiān)測數(shù)據(jù)，也應(yīng)該結(jié)合各類指標的統(tǒng)計數(shù)據(jù)（最大值、最小值、平均值及95%概率值等）進行綜合分析，以確保預(yù)測結(jié)果的準確。

（2）電能質(zhì)量評估是含有多項指標的綜合評估體系，需要將各項電能質(zhì)量參數(shù)綜合成為一個整體，而不是簡單地將各項指標相加。這就需要有一套完整的監(jiān)測評估體系與計算模型。

云計算作為一種近年來新興的計算模型，具有靈活、可靠、設(shè)備利用率高、處理數(shù)據(jù)量大等傳統(tǒng)計算模式所不具備的特點，這為未來實現(xiàn)智能配電網(wǎng)電能質(zhì)量監(jiān)測信息平臺提供了新的解決方案。

2.1 分布式文件系統(tǒng)架構(gòu)

采用分布式文件的存儲設(shè)計方案可以提高節(jié)點的數(shù)據(jù)利用率，其系統(tǒng)構(gòu)架主要包括3個部分。

（1）客戶端?？蛻舳思从脩艚K端，是指與服務(wù)器相對應(yīng)的、需要主服務(wù)器提供系統(tǒng)存儲監(jiān)測數(shù)據(jù)的應(yīng)用終端，向上級服務(wù)器申請各指標變化趨勢的數(shù)據(jù)查詢程序。

（2）主服務(wù)器。該系統(tǒng)的主服務(wù)器采用云服務(wù)器，可以按照不同區(qū)域電能質(zhì)量監(jiān)測站的個數(shù)及指標數(shù)據(jù)大小靈活調(diào)整對應(yīng)的存儲空間，在總存儲空間大小不變的情況下實現(xiàn)對各站點存儲空間的最優(yōu)分配。經(jīng)各節(jié)點監(jiān)測站預(yù)處理后的指標數(shù)據(jù)特征值（最大值、最小值、平均值以及95%概率值）以天為單位被上傳并存儲至云端主服務(wù)器。主服務(wù)器中保存的文件索引信息包括各指標文件映射信息、物理地址（包括所在文件服務(wù)器互聯(lián)網(wǎng)協(xié)議（IP）地址、硬盤地址等）、文件副本的物理地址以及訪問控制信息等。

（3）本地服務(wù)器。本地服務(wù)器采用文件分塊機制存儲歷史監(jiān)測數(shù)據(jù)的原始值，同時負責數(shù)據(jù)解析、特征值計算、文件分塊寫入和上傳文件索引等任務(wù)，一定程度上減輕了主服務(wù)器的負載量。

2.2 方案數(shù)據(jù)存取流程

監(jiān)測系統(tǒng)需要實現(xiàn)2 個重要功能，即當前數(shù)據(jù)的存儲和歷史數(shù)據(jù)的讀取。

2.2.1 寫入并上傳至云端服務(wù)器流程

（1）各級電能質(zhì)量監(jiān)測站通過現(xiàn)場監(jiān)測終端實時采集監(jiān)測數(shù)據(jù)。目前普遍采用文件傳輸協(xié)議（FTP）調(diào)用電能質(zhì)量數(shù)據(jù)轉(zhuǎn)換格式（PQDIF）文件。

（2）各監(jiān)測站本地服務(wù)器中的數(shù)據(jù)解析程序得到原始監(jiān)測數(shù)據(jù)后，通過云端數(shù)據(jù)處理程序得到各項指標的特征值，隨后根據(jù)原始數(shù)據(jù)文件分塊機制壓縮后寫入本地服務(wù)器硬盤，并形成文件索引。

（3）當系統(tǒng)處于初始狀態(tài)時，各監(jiān)測點的電能質(zhì)量指標數(shù)據(jù)文件僅存儲于所屬監(jiān)測站的本地服務(wù)器中；在系統(tǒng)投入運行后，各監(jiān)測站會將其存儲的數(shù)據(jù)信息上傳至云端服務(wù)器數(shù)據(jù)庫中，以保證該系統(tǒng)監(jiān)測預(yù)警結(jié)果的可靠性。

2.2.2 讀取云端歷史監(jiān)測數(shù)據(jù)流程

（1）某監(jiān)測節(jié)點用戶終端直接向云端主服務(wù)器發(fā)起數(shù)據(jù)查詢請求，其中包含需查詢的監(jiān)測點標識碼（ID）、索引類型ID以及查詢時間跨度等。

（2）主服務(wù)器收到查詢請求后，即刻向該終端傳輸包含存儲該指標數(shù)據(jù)文件的服務(wù)器IP 地址、文件物理地址、數(shù)據(jù)起始地址和大小等索引信息。后續(xù)對此文件塊的讀取在本地客戶端進行，從而減少主服務(wù)器參與不必要的通信，提高傳遞效率。

（3）該終端向相應(yīng)的本地服務(wù)器發(fā)送文件讀取請求，包括文件塊ID 和數(shù)據(jù)在文件塊中的起始地址等信息。

（4）本地服務(wù)器在接收到該節(jié)點用戶終端的查詢請求后，通過基于傳輸控制協(xié)議（TCP）的數(shù)據(jù)傳輸通道向該終端傳送所需查詢檢索的歷史監(jiān)測數(shù)據(jù)。

3 基于隱馬爾科夫模型的電能質(zhì)量指標預(yù)測方法

3.1 隱馬爾科夫模型概述

隱馬爾科夫模型（Hidden Markov Model，HMM）本質(zhì)上是由一個不可見的狀態(tài)序列和由各個狀態(tài)生成一些可觀察序列的一般隨機過程組成的概率模型。一般用于處理樣本之間有時間序列關(guān)系的數(shù)據(jù)，包含狀態(tài)轉(zhuǎn)移序列（用狀態(tài)概率描述）和觀測變量序列（用觀察值的概率分布描述）2 個隨機過程序列。其中，狀態(tài)轉(zhuǎn)移序列是一條單純的馬爾科夫鏈，觀測變量序列是與狀態(tài)對應(yīng)的序列［14］。

一個完整的HMM 模型一般包括了5個參數(shù)：狀態(tài)參數(shù)N，觀測符號數(shù)M 和3 個概率密度數(shù)（A，B，π）。

（1）狀態(tài)參數(shù)N 即HMM 模型的狀態(tài)數(shù)目，也就是隱藏狀態(tài)的集合。模型狀態(tài)的集合S=｛S1，S2，…SN｝，t 時刻的狀態(tài)則表示為qt，qt∈｛S1，S2，…SN｝。隱藏狀態(tài)為1個馬爾科夫過程，描述系統(tǒng)的實際狀態(tài)。

（2）HMM模型觀測符號數(shù)集合O=｛O1，O2，…OM｝。

（3）概率轉(zhuǎn)移矩陣A=｛aij｝，用于表示變量在t 時刻處于狀態(tài)Si，t+1時刻處于狀態(tài)Sj的概率，即

（4）B 矩陣為一個特定隱藏狀態(tài)在給定的馬爾科夫過程中會產(chǎn)生特定觀察值的概率矩陣，P 為系統(tǒng)在下述狀態(tài)下產(chǎn)生觀測值Ok的概率，

（5）π表示初始狀態(tài)的概率分布，

利用隱馬爾科夫模型的狀態(tài)轉(zhuǎn)移矩陣來預(yù)測系統(tǒng)下一個最可能的狀態(tài)，就是說通過隱馬爾科夫模型對系統(tǒng)當前狀態(tài)的計算，得到系統(tǒng)在任意時刻的狀態(tài)，還可以清楚地表明系統(tǒng)狀態(tài)的轉(zhuǎn)移情況。雖然有一定的時間限制，但在一定時間內(nèi)，其預(yù)測結(jié)果較為準確。

3.2 隱馬爾科夫模型的應(yīng)用

以電壓波動為例，根據(jù)不同電壓變動頻度，定義5 個隱馬爾科夫轉(zhuǎn)移狀態(tài)，并根據(jù)電壓監(jiān)測歷史數(shù)據(jù)采用最大似然估計法對狀態(tài)轉(zhuǎn)移矩陣進行估計，然后建立每個狀態(tài)下電壓波動指標的一般化自回歸模型，采用最小二乘法對回歸模型參數(shù)進行估計，從而得到基于隱馬爾科夫模型的電壓波動的馬爾科夫轉(zhuǎn)換模型，最后根據(jù)t 時刻和t-1 時刻的電壓波動指標和狀態(tài)轉(zhuǎn)移矩陣，對t+1 時刻每個狀態(tài)下的電壓波動指標的預(yù)測值進行加權(quán)求和，得到t+1時刻電壓波動指標的預(yù)測值。

不同電壓變動頻度的電壓波動發(fā)展趨勢給用戶帶來的影響各不相同，根據(jù)電壓變動頻度的大小將電壓波動劃分為多個狀態(tài)，每個狀態(tài)之間可以相互轉(zhuǎn)移，并且下一時刻的狀態(tài)只與當前時刻的狀態(tài)有關(guān)，與之前的狀態(tài)無關(guān)。由于每個電壓波動狀態(tài)是不可見的，但每個狀態(tài)可以獲得一個電壓波動指標，且電壓波動指標是該狀態(tài)下的概率函數(shù)，由此電壓波動可用隱藏馬爾科夫模型描述［15］。

參考國標GB/T 12326—2008《電能質(zhì)量電壓波動和閃變》［16］中電壓波動的限值要求，定義了電壓波動的5個不同隱藏的轉(zhuǎn)移狀態(tài)。

狀態(tài)S1：電壓變動頻度r≤1 次/h，電壓波動指標小于4%。

狀態(tài)S2：電壓變動頻度1＜r≤10 次/h，電壓波動指標小于3%。

狀態(tài)S3：電壓變動頻度10＜r≤100 次/h，電壓波動指標小于2%。

狀態(tài)S4：電壓變動頻度100＜r≤1 000 次/h，電壓波動指標小于1.25%。

狀態(tài)S5：電壓變動頻度r≥1 000 次/h 或電壓波動指標越限。

t 時刻電壓波動的狀態(tài)記為qt（t=1，2，…），qt=Si表示t 時刻電壓波動處于狀態(tài)Si。在一個時間序列中，系統(tǒng)會以一定概率從一個狀態(tài)轉(zhuǎn)移到另一個狀態(tài)，用各狀態(tài)之間的概率轉(zhuǎn)移矩陣A 來描述這個轉(zhuǎn)移過程。對于一階馬爾科夫模型，t+1 時刻的狀態(tài)只與t 時刻的狀態(tài)有關(guān)，而不用考慮系統(tǒng)之前所在的狀態(tài)，t+1 時刻電壓波動狀態(tài)用qt+1=Sj表示，那么概率轉(zhuǎn)移矩陣A中元素定義為

且滿足

用π=｛πi｝表示狀態(tài)空間的初始概率分布

根據(jù)時刻1到時刻t的狀態(tài)轉(zhuǎn)換結(jié)果，采用最大似然估計法對概率轉(zhuǎn)移矩陣A 進行參數(shù)估計，得到對數(shù)似然方程為

式中：L（A）為概率轉(zhuǎn)移矩陣的似然函數(shù)；qi為i 時刻的電壓波動狀態(tài)；qi+1為i+1時刻的電壓波動狀態(tài)。

通過觀察t時刻電壓波動指標得到觀察值yt，與t 時刻電壓波動所處的狀態(tài)有關(guān)?？紤]t-1 時刻和t時刻電壓波動指標對t+1 時刻電壓波動指標的影響，建立每個狀態(tài)下的電壓波動指標的一般化自回歸模型，即電壓波動的隱馬爾科夫轉(zhuǎn)換模型

式中：yt，yt-1分別為t 時刻和t-1 時刻的電壓波動指標為狀態(tài)Si下t+1 時刻的電壓波動指標的預(yù)測值；參數(shù)ui，βi，αi分別為狀態(tài)Si下的回歸系數(shù)，采用最小二乘法進行參數(shù)估計為狀態(tài)Si下的白噪聲，服從N（0）。由此獲得基于隱藏馬爾科夫模型的電壓波動的馬爾科夫轉(zhuǎn)換模型，根據(jù)t 時刻和t-1 時刻的電壓波動指標得到每個狀態(tài)下t+1 時刻電壓波動指標的預(yù)測值，再根據(jù)狀態(tài)轉(zhuǎn)移矩陣A，對每個狀態(tài)下t+1時刻電壓波動指標的預(yù)測值進行加權(quán)求和，以獲取t+1時刻電壓波動指標的預(yù)測值，即

4 系統(tǒng)功能及軟件界面開發(fā)

電能質(zhì)量監(jiān)測預(yù)警系統(tǒng)將監(jiān)測站管轄區(qū)域內(nèi)的所有電能質(zhì)量檢測裝置（如圖2所示）采集的各項監(jiān)測數(shù)據(jù)進行匯集，并通過數(shù)據(jù)分類管理模塊將這些數(shù)據(jù)分類編碼，實現(xiàn)電力數(shù)據(jù)、電能功耗數(shù)據(jù)、電能質(zhì)量數(shù)據(jù)的分類存儲，以及數(shù)據(jù)資源可靠、高效的綜合治理。系統(tǒng)軟件功能如圖3所示。

服務(wù)器參數(shù)設(shè)置主要包括服務(wù)器/客戶機（C/S）架構(gòu)中服務(wù)器IP 地址、端口號和啟動服務(wù)器機制，使作為客戶端的電能質(zhì)量監(jiān)測裝置主動連接服務(wù)器。

圖2 電能質(zhì)量監(jiān)測裝置結(jié)構(gòu)Fig.2 Structure of power quality monitoring device

圖3 電能質(zhì)量監(jiān)測預(yù)警軟件系統(tǒng)功能Fig.3 Function flow of the power quality monitoring and warning software system

裝置在線監(jiān)測對所建立連接的電能質(zhì)量監(jiān)測裝置進行通信參數(shù)管理、裝置運行參數(shù)設(shè)置、監(jiān)測內(nèi)容的獲取以及對存入數(shù)據(jù)庫的數(shù)據(jù)分析、管理，為該系統(tǒng)的主要功能部分。

系統(tǒng)綜合分析用于對所有建立連接的電能質(zhì)量監(jiān)測裝置進行系統(tǒng)數(shù)據(jù)分析、評估結(jié)論展示以及為后續(xù)的綜合治理方案提供接口。

電能質(zhì)量監(jiān)測及綜合治理管理系統(tǒng)的主題功能包括以下5項。

（1）用戶與權(quán)限管理。主要包括用戶資料庫管理、用戶注冊、用戶級別設(shè)置、用戶權(quán)限設(shè)置、用戶日志和系統(tǒng)工作狀態(tài)監(jiān)控等主要內(nèi)容。

（2）操作日志管理。記錄用戶活動、統(tǒng)計信息欄目點擊率、分析改進網(wǎng)絡(luò)利用情況，對用戶登錄時間、瀏覽的站點與欄目、發(fā)布的信息等進行統(tǒng)計分析。

（3）電能質(zhì)量預(yù)警分析。運用本文所提的基于隱馬爾科夫模型的電能質(zhì)量指標預(yù)測方法，對系統(tǒng)進行電能質(zhì)量趨勢預(yù)測及與預(yù)警，該系統(tǒng)用于對所有建立連接的電能質(zhì)量監(jiān)測裝置上傳至云端服務(wù)器的指標數(shù)據(jù)進行綜合分析。

（4）歷史數(shù)據(jù)查詢。支持監(jiān)測數(shù)據(jù)按日、月的形式進行查詢，并以表格、圖形（曲線圖、餅狀圖、條形圖等）等多種形式展現(xiàn)查詢結(jié)果。

（5）數(shù)據(jù)綜合檢索。該系統(tǒng)提供的綜合條件檢索，可根據(jù)用戶查詢的要求精準找到需要的數(shù)據(jù)。軟件窗口設(shè)計如圖4所示：上方為工具欄，可進入分類功能；左側(cè)為已建立連接關(guān)系的電能質(zhì)量監(jiān)測裝置的IP 地址；主窗體內(nèi)是窗體結(jié)構(gòu)的各裝置數(shù)據(jù)界面。點選左側(cè)IP 地址欄，主窗體中對應(yīng)裝置界面將前置顯示。

圖4 電能質(zhì)量監(jiān)測預(yù)警軟件主界面Fig.4 Main interface of power quality monitoring and warning system

點擊儀表參數(shù)設(shè)置，進入該裝置的運行參數(shù)設(shè)置界面（如圖5 所示）。彈出窗體內(nèi)包含時間、通信參數(shù)、網(wǎng)絡(luò)參數(shù)、電能評估參數(shù)、閥值參數(shù)、校準數(shù)據(jù)、版本信息等。

圖5 儀表參數(shù)設(shè)置界面Fig.5 Interface of instrument parament setting

5 實際案例

該電能質(zhì)量監(jiān)測預(yù)警系統(tǒng)已于某風電場進行了實際應(yīng)用，并對其掛網(wǎng)運行過程中可能出現(xiàn)的電壓波動、閃變、諧波等進行預(yù)測分析。得到的預(yù)測結(jié)果與通過基礎(chǔ)參數(shù)數(shù)據(jù)計算的結(jié)果吻合度較高，證明了該系統(tǒng)的實用性和可靠性。

風電機組運行中的電壓波動預(yù)測曲線如圖6a所示，除了在23：10出現(xiàn)c相電壓波動超出限值的情況外，其余時間段內(nèi)均未超出限值規(guī)定范圍。而對應(yīng)同時段實際電壓波動曲線，如圖6b所示，在23：10左右的確出現(xiàn)了電壓波動越限的情況，證明本文提出的電能質(zhì)量監(jiān)測預(yù)警系統(tǒng)在電壓波動監(jiān)測預(yù)測方面具有一定的準確性。

圖6 風電場機組某一時段電壓波動預(yù)測與實際波動曲線對比Fig.6 Comparison of predicted and actual voltage fluctuation curves of a wind farm in a certain period

除了對電壓波動的預(yù)測，還將該系統(tǒng)其應(yīng)用于電壓總諧波畸變率的預(yù)測。根據(jù)國標要求，將電壓總諧波畸變率（THDu）預(yù)警劃分為3 個等級：三級預(yù)警（3%≤THDu＜5%）；二級預(yù)警（5%≤THDu＜6%）；一級預(yù)警（THDu≥6%）。根據(jù)不同的預(yù)警等級，系統(tǒng)會向運行維護人員發(fā)出需要注意、重點關(guān)注和需要采取保護措施的消息指令。

加裝電能質(zhì)量監(jiān)測預(yù)警系統(tǒng)后的風電機組某次各相電壓總諧波預(yù)警結(jié)果如圖7所示。

圖7 風電場機組某一時段電壓總諧波畸變率預(yù)測曲線與實際曲線Fig.7 Comparison of predicted THDu and detected THDu curves of a wind farm in a certain period

根據(jù)上述電壓總諧波畸變率預(yù)測曲線可知，裝置的預(yù)測功能在21：22，22：22，22：42 等3 個時間點均表現(xiàn)為三級預(yù)警，而在圖7（b）中，21：22 和22：42確實出現(xiàn)了電壓諧波畸變率超過3%的情況，證明了預(yù)警裝置的可靠性. 盡管系統(tǒng)偶爾存在誤報的情況，但后續(xù)還可以做出改進。

6 結(jié)束語

本文提出了基于云平臺的配電網(wǎng)電能質(zhì)量監(jiān)測預(yù)警系統(tǒng)的結(jié)構(gòu)設(shè)計，并針對海量的系統(tǒng)監(jiān)測數(shù)據(jù)提出了基于分布式文件的存儲設(shè)計方案，以提高節(jié)點的數(shù)據(jù)利用率。

在應(yīng)用基于隱馬爾科夫模型的電能質(zhì)量指標預(yù)測方法的基礎(chǔ)上，設(shè)計了一整套配電網(wǎng)電能質(zhì)量監(jiān)測預(yù)警系統(tǒng)，并在實際風電場進行掛機運行。通過對比系統(tǒng)預(yù)測結(jié)果與實際運行數(shù)據(jù)，得出的結(jié)果表明該系統(tǒng)對電壓波動、閃變及電壓諧波短期趨勢有著良好的預(yù)測效果，能夠幫助電網(wǎng)工作人員盡早發(fā)現(xiàn)已存在或潛在的電能質(zhì)量問題，從而采取合理、有效的解決方案，以減少此類事故的發(fā)生，為實現(xiàn)中對配電網(wǎng)電能質(zhì)量的治理提供了決策依據(jù)。