吳 悅，張忠會(huì)，游志剛，李國(guó)棟

（國(guó)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(jī)成為影響世界經(jīng)濟(jì)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(diǎn)，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(shì)，當(dāng)前此技術(shù)已經(jīng)得到了快速發(fā)展。與此同時(shí)，光伏發(fā)電站在我國(guó)的分布范圍逐漸變廣，光伏發(fā)電在我國(guó)的比重逐漸增加。對(duì)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(shí)地檢測(cè)維修具有一定的難度。選擇更加高效的設(shè)備檢測(cè)方法迫在眉睫，光伏電站電氣設(shè)備異常運(yùn)行狀態(tài)檢測(cè)方法可以很好地實(shí)現(xiàn)對(duì)電氣設(shè)備的監(jiān)控與管理。

設(shè)備的狀態(tài)監(jiān)測(cè)是一種掌握設(shè)備在工作過程中的狀態(tài)，了解設(shè)備運(yùn)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(dòng)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(yùn)行狀態(tài)檢測(cè)方法主要依賴于電氣設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)采集結(jié)果。但是設(shè)備運(yùn)行數(shù)據(jù)樣本較大，當(dāng)前異常檢測(cè)方法的數(shù)據(jù)處理能力較差。與此同時(shí)，由于實(shí)際設(shè)備檢測(cè)工作的實(shí)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(cè)操作成為當(dāng)前光伏發(fā)電領(lǐng)域的燃眉之急。在對(duì)多種技術(shù)展開對(duì)比后，選擇可視化技術(shù)以及數(shù)據(jù)融合技術(shù)對(duì)當(dāng)前電氣設(shè)備運(yùn)行檢測(cè)方法展開優(yōu)化，提出一種新型檢測(cè)方法。希望通過本次研究降低設(shè)備運(yùn)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(yùn)行狀態(tài)檢測(cè)方法設(shè)計(jì)

1.1 光伏電站電氣設(shè)備運(yùn)行數(shù)據(jù)融合處理

由于光伏電站運(yùn)行環(huán)境較為惡劣，氣候與所處環(huán)境對(duì)電氣設(shè)備均會(huì)造成一定的影響，降低電氣設(shè)備異常運(yùn)行狀態(tài)檢測(cè)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(yùn)行數(shù)據(jù)，根據(jù)處理后的數(shù)據(jù)，確定電氣設(shè)備運(yùn)行工況，以此完成異常運(yùn)行狀態(tài)的檢測(cè)工作。

采集電氣設(shè)備的運(yùn)行數(shù)據(jù)作為基礎(chǔ)，由于每個(gè)設(shè)備的參數(shù)與觀測(cè)量單位不同。為了獲取高質(zhì)量數(shù)據(jù)，對(duì)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(yùn)行數(shù)據(jù)樣本的真實(shí)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(duì)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(duì)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(duì)不同維度之間的數(shù)據(jù)進(jìn)行對(duì)比，根據(jù)此對(duì)比結(jié)果對(duì)電氣設(shè)備的運(yùn)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(yùn)行狀態(tài)檢測(cè)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(yùn)行特征。由于電氣設(shè)備數(shù)據(jù)中涵蓋大量的設(shè)備運(yùn)行信號(hào)，為了獲取高質(zhì)量異常運(yùn)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(hào)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(hào)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(hào)分析時(shí)，時(shí)間變量為連續(xù)性變量，則此時(shí)信號(hào)離散值可表示為：

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

其中，gi、gj表示運(yùn)行狀態(tài)分類模式的先驗(yàn)概率；hi、hj表示分類模型的錯(cuò)判代價(jià)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(hào)代入式(8)中，完成電氣設(shè)備運(yùn)行狀態(tài)的識(shí)別與分類。由于設(shè)備的運(yùn)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(duì)電氣設(shè)備運(yùn)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(cè)電氣設(shè)備信號(hào)；n表示信號(hào)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(hào)量；aqi表示分類模式κi的信號(hào)個(gè)數(shù)。根據(jù)此公式，對(duì)電氣設(shè)備的多種運(yùn)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(yùn)行狀態(tài)的檢測(cè)工作，為了實(shí)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(cè)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(shí)現(xiàn)檢測(cè)結(jié)果的可視化顯示。

以電氣設(shè)備的信號(hào)輸出的時(shí)間序列作為基礎(chǔ)，構(gòu)建檢測(cè)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(hào)觀測(cè)時(shí)間序列相連接，得到對(duì)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(yùn)行異常設(shè)備與正常運(yùn)行設(shè)備之間的距離。即||Li-Lj||＜μ時(shí)，令（i，j）坐標(biāo)位置為原點(diǎn)，否則其坐標(biāo)位置為1。與此同時(shí)，對(duì)維數(shù)展開設(shè)定，其計(jì)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(diǎn)，di表示多個(gè)設(shè)備坐標(biāo)點(diǎn)中的距離比。當(dāng)di大于預(yù)設(shè)閾值時(shí)，說明Lj與Li存在不正確的相位關(guān)系。使用此公式對(duì)空間中全部設(shè)備位置展開計(jì)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(shí)，對(duì)設(shè)備信號(hào)輸出的延遲時(shí)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(shí)間：

式(13)中，Qi、Qj分別表示信號(hào)序列端點(diǎn)；Qij(t)表示間隔時(shí)間t序列中的兩點(diǎn)。使用此公式可得到信號(hào)傳輸過程中的最小延遲時(shí)間，根據(jù)此時(shí)間確定狀態(tài)異常結(jié)果輸出時(shí)間間隔，并通過此間隔控制狀態(tài)檢測(cè)輸出界面的顯示時(shí)間。對(duì)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(yùn)行狀態(tài)檢測(cè)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(yùn)行狀態(tài)檢測(cè)方法設(shè)計(jì)完成。

2 實(shí)驗(yàn)論證分析

為驗(yàn)證文中提出新型電氣設(shè)備異常運(yùn)行狀態(tài)檢測(cè)方法的有效性，同時(shí)也為了證實(shí)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(shí)驗(yàn)環(huán)節(jié)，證實(shí)此方法的應(yīng)用效果。

2.1 實(shí)驗(yàn)平臺(tái)構(gòu)建

由于在對(duì)光伏電站電力設(shè)備進(jìn)行真實(shí)實(shí)驗(yàn)的難度較大，在本次研究中將構(gòu)建實(shí)驗(yàn)平臺(tái)對(duì)電力設(shè)備的運(yùn)行過程進(jìn)行仿真處理，同時(shí)，使用仿真環(huán)境完成實(shí)驗(yàn)過程。

實(shí)驗(yàn)平臺(tái)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(hào)發(fā)出要求，將電氣設(shè)備與實(shí)驗(yàn)控制端進(jìn)行連接，同時(shí)使用編程代碼對(duì)電氣設(shè)備功能進(jìn)行調(diào)試，確定電氣設(shè)備運(yùn)行狀態(tài)。而后，使用實(shí)驗(yàn)控制終端對(duì)電氣設(shè)備的信號(hào)輸出情況進(jìn)行調(diào)試，如電氣設(shè)備信號(hào)輸出正常，則將其作為本次研究對(duì)象。

根據(jù)實(shí)驗(yàn)數(shù)據(jù)要求，在本次實(shí)驗(yàn)中，將選擇20臺(tái)電氣設(shè)備作為實(shí)驗(yàn)數(shù)據(jù)來源，設(shè)備標(biāo)號(hào)為XD-01至XD-20，將其安裝的實(shí)驗(yàn)室中，按照上述設(shè)定的實(shí)驗(yàn)平臺(tái)組裝要求以及設(shè)備調(diào)試過程，完成實(shí)驗(yàn)平臺(tái)的搭建工作。

2.2 電氣設(shè)備信號(hào)采集

在本次研究中，為提升實(shí)驗(yàn)結(jié)果的可靠性，不再僅將數(shù)據(jù)采集結(jié)果作為實(shí)驗(yàn)數(shù)據(jù)來源。在電氣設(shè)備運(yùn)行數(shù)據(jù)中增加設(shè)備信號(hào)部分為實(shí)驗(yàn)提供強(qiáng)有力的數(shù)據(jù)支撐。故而，在本次研究中將對(duì)電氣設(shè)備輸出的標(biāo)準(zhǔn)正弦信號(hào)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?jì)算機(jī)，在實(shí)驗(yàn)控制終端對(duì)此部分信號(hào)數(shù)據(jù)進(jìn)行存儲(chǔ)。

設(shè)備運(yùn)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(yùn)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(yùn)行實(shí)時(shí)數(shù)據(jù)，單日數(shù)據(jù)采集量為50×4×24×20=96.00MB。與此同時(shí)，對(duì)實(shí)驗(yàn)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(yùn)行溫度、電壓、電流以及穩(wěn)定環(huán)境、光照強(qiáng)度數(shù)據(jù)，運(yùn)用此部分?jǐn)?shù)據(jù)對(duì)電氣設(shè)備的運(yùn)行狀態(tài)進(jìn)行判定。

2.3 電氣設(shè)備運(yùn)行狀態(tài)劃分

根據(jù)獲取到的電氣設(shè)備歷史運(yùn)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(yùn)行狀態(tài)劃分為10種，在本次實(shí)驗(yàn)中將選用其中的3種異常運(yùn)行狀態(tài)作為驗(yàn)證實(shí)驗(yàn)。此3種運(yùn)行狀態(tài)中，電氣設(shè)備處于高負(fù)荷運(yùn)行狀態(tài)，信號(hào)輸出功率波動(dòng)范圍在50～80之間，具有明確的故障特征。在本次實(shí)驗(yàn)中，將上述電氣狀態(tài)作為異常狀態(tài)檢測(cè)中的目標(biāo)運(yùn)行狀態(tài)，通過檢測(cè)此狀態(tài)出現(xiàn)頻次，完成實(shí)驗(yàn)過程。

2.4 實(shí)驗(yàn)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(hào)采集方法，對(duì)實(shí)驗(yàn)?zāi)繕?biāo)進(jìn)行數(shù)據(jù)采集，根據(jù)實(shí)時(shí)數(shù)據(jù)采集，確定電氣設(shè)備在研究周期內(nèi)的異常運(yùn)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(cè)實(shí)驗(yàn)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(cè)方法以及多尺度信息融合檢測(cè)方法對(duì)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(cè)結(jié)果，將檢測(cè)結(jié)果與實(shí)測(cè)結(jié)果進(jìn)行對(duì)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(cè)能力以及使用效果。為降低實(shí)驗(yàn)操作難度，將三種方法的檢測(cè)結(jié)果通過同一檢測(cè)平臺(tái)體現(xiàn)。

表1 電氣設(shè)備異常運(yùn)行狀態(tài)表

2.5 實(shí)驗(yàn)結(jié)果輸出

對(duì)圖1進(jìn)行分析可以看出，三種不同方法使用后所得檢測(cè)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(duì)電氣設(shè)備展開高精度的運(yùn)行狀態(tài)檢測(cè)，確定實(shí)驗(yàn)設(shè)備中的故障設(shè)備，并對(duì)故障原因加以分析。其次，紅外成像檢測(cè)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(duì)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(cè)方法的數(shù)據(jù)處理能力較差，無法使用實(shí)驗(yàn)中提供的數(shù)據(jù)對(duì)電氣設(shè)備的異常運(yùn)行進(jìn)行全面的檢測(cè)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(shí)驗(yàn)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(yùn)行檢測(cè)結(jié)果

2.6 實(shí)驗(yàn)結(jié)果討論

為驗(yàn)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(yùn)行狀態(tài)檢測(cè)方法具有應(yīng)用價(jià)值以及推廣價(jià)值，在理論方法設(shè)計(jì)完成后，構(gòu)建實(shí)驗(yàn)論證環(huán)節(jié)對(duì)其使用效果加以分析。經(jīng)實(shí)驗(yàn)結(jié)果表明：新型電氣設(shè)備異常運(yùn)行狀態(tài)檢測(cè)方法具有較佳的使用效果，在日后的光伏電站設(shè)備檢測(cè)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(shí)，本次實(shí)驗(yàn)證實(shí)了人工智能技術(shù)以及數(shù)據(jù)處理技術(shù)在設(shè)備運(yùn)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(jì)損失。

3 結(jié)語(yǔ)

光伏發(fā)電以污染低、可持續(xù)的優(yōu)點(diǎn)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(jì)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(cè)的方法，并通過實(shí)驗(yàn)證實(shí)了此方法具有一定的應(yīng)用價(jià)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(jiǎn)化。為使此方法具有更高的研究?jī)r(jià)值，在日后的研究中還需要對(duì)其進(jìn)行完善與優(yōu)化。