基于图形组态软件的新能源变电站图模一体化生成方法.pdf

投稿网址:2023 年 第23 卷 第24 期2023,23(24):10372-07科 学 技 术 与 工 程Science Technology and EngineeringISSN 16711815CN 114688/T收稿日期:2022-12-12修订日期:2023-06-05基金项目:南方电网有限责任公司科技项目(ZBKJXM20180006);国家重点研发计划(2018YFB0904900)第一作者:朱文(1987),男,汉族,广东梅州人,硕士,工程师。研究方向:电力系统。E-mail:。引用格式:朱文,邓大为,吴争荣,等.基于图形组态软件的新能源变电站图模一体化生成方法J.科学技术与工程,2023,23(24):10372-10378.Zhu Wen,Deng Dawei,Wu Zhengrong,et al.Graphic configuration software-based integrated generation method of new energy substationdrawings and modelsJ.Science Technology and Engineering,2023,23(24):10372-10378.基于图形组态软件的新能源变电站图模一体化生成方法朱文1,邓大为2,吴争荣1,夏伟3,李映辰1,李明4(1.中国南方电网有限责任公司,广州 510000;2.广东电网有限责任公司,广州 510620;3.南方电网数字电网研究院有限公司,广州 510000;4.暨南大学电气工程学院,广州 519070)摘 要 采用当前方法绘制新能源变电站图模时,没有采用图形组态软件,导致生成图模花费的时间较长,且图模质量因子欠高。现提出一种基于图形组态软件的新能源变电站图模一体化生成方法,通过图形属性自动绘制图形模块、图元模型库构建模块、设备图元图形信息的保存与扩展模块、读取与解析系统规范描述(system specification description,SSD)模块、SSD 模型与设备图元关联模块和一次设备图形绘制模块设计图形组态软件,在图形组态软件中设计变电站的内模型图形和外模型图形,建立变电站图模一体化生成的优化目标函数,利用粒子群算法(particle swarm optimization,PSO)对优化目标函数进行求解,生成新能源变电站图模。实验结果表明:所提方法的图模生成效率更高、质量更好,实际应用性较高。关键词 图形组态软件;新能源变电站;图模一体化生成;优化目标函数;粒子群算法(PSO)中图法分类号 TM769;文献标志码 AGraphic Configuration Software-based Integrated GenerationMethod of New Energy Substation Drawings and ModelsZHU Wen1,DENG Da-wei2,WU Zheng-rong1,XIA Wei3,LI Ying-chen1,LI Ming4(1.China Southern Power Grid Co.,Ltd.,Guangzhou 510000,China;2.Guangdong Power Grid Co.,Ltd.,Guangzhou 510620,China;3.Southern Power Grid Digital Power Grid Research Institute Co.,Ltd.,Guangzhou 510000,China;4.School of Electrical Engineering,Jinan University,Guangzhou 519070,China)Abstract When the current method is used to draw the graph model of the new energy substation,the graph configuration softwareis not used,which leads to the long time spent in generating the graph model and the low quality factor of the graph model.An integra-ted generation method of new energy substation graphics and models based on graphic configuration software was proposed.The graphicconfiguration software was designed by graphic attribute automatic drawing module,primitive model library building module,equipmentprimitive graphic information saving and expanding module,system specification description(SSD)reading and analyzing module,SSDmodel and equipment primitive association module and primary equipment graphic drawing module.The inner model graphics and outermodel graphics of substation were designed in the graphic configuration software,and the optimization objective function is established.particle swarm optimization(PSO)was used to solve the optimization objective function.The experimental results show that the pro-posed method is more efficient,of better quality and of higher practical applicability.Keywords graphic configuration software;substation;integrated graphics and model generation;optimize objective function;par-ticle swarm optimization(PSO)随着中国新能源的快速发展,新能源变电站建设项目日益更多,而新能源智能变电站目前在建设中的设计、施工、运维方面发生了较大的变化1。在模块化生产、安装、调试和设计支撑方面需要更加细化的设计2。新能源智能变电站的自动化系统遵循不同标准体系,站端与调度主站系统执行存在差异性,站内结构复杂程度相对于传统变电站更高3,在变电站图模绘制的时候,存在图模质量因子不高、图模生成时间较长等问题。因此,研究一种新能源变电站图模一体化生成方法,对于提高设投稿网址:计效率和设计质量,保障电网安全稳定运行具有重要的意义。中外学者对此展开了大量研究。唐坤杰等4提出一种基于插件式开发技术的变电站图模生成方法,该方法将开源软件 Inkscape 作为主程序,采用Python 语言扩展 Inkscape 软件的功能,在插件式开发技术的基础上通过画图功能绘制变电站系统图元,建立设备模型,对变电站系统网络拓扑结构进行分析,根据分析结果生成变电站图模。刘红真等5提出了一种基于面向对象的 SCADA 图模一体化建模设计,通过基于公共信息模型(common infor-mation model,CIM)的 定义和面向对象思想,实现SCADA 自定义图模一体化建模,可以更加快速、高效准确地进行项目组态,降低项目实施成本。Yu等6提出基于自然语言处理(natural language pro-cessing,NLP)的机载显示和控制系统需求域模型的自动生成方法,该方法在自动化系统规则的基础上定义领域模型模板,利用斯坦福语法分析器生成的语法树对特殊符号进行预处理,完成机载显控系统数据处理需求。Mahmud 等7提出小型变电站模型-从设计到实施的方法,该方法通过微控制器模拟控制电力系统设备变电站,通过工作模型构建总体布线图,选择保护继电器的电源系统控制选项,完成保护继电器连接和控制电力系统。Chen 等8提出基于自然语言分析和智能推理的变电站操作系统,该系统以标准操作为基本语料,建立基于人工标注的自然语言分析模型,结合变电站一次接线建设备关系知识图,使用 Neo4j 图形数据库存储,实现基于图形搜索的设备状态检查、推断和比较。以上方法绘制变电站图模时没有采用图形组态软件,存在图模绘制效率低和质量欠高等问题。为了解决上述方法中存在的问题,提出一种基于图形组态软件的新能源变电站图模一体化生成方法。通过对图形组态软件进行设计,结合外模型和内模型构建变电站图模,生成多约束目标函数。通过粒子群算法对变电站图模最优布置进行搜索和求解。该方法对于新能源变电站图模一体化的生成效率和质量的提升具有重要的意义。1 图形组态软件设计针对于当前图形组态软件的跨平台性差、自动化处理能力低的缺点,提出对图形组态软件进行设计。首先按照功能构建不同的模块,然后对功能模块进行细分,构建了一个合理的三层模型的技术体系8。图形组态软件可以分为由图形属性自动绘制图形模块、图元模型库构建模块、设备图元图形信息保存与扩展模块、读取与解析生成系统 规 范 描 述(system specification description,SSD)文件模块、SSD 模型与设备图元关联模块和一次设备图形绘制模块,各模块在图形组态软件中的功能都不相同,图形组态软件整体组织架构如图 1 所示。在一次设备图元的系统规范描述文件中获取一次设备图元的描述方法和组元是图元模型库构建模块的主要目的,在绘图区利用图形拖放技术绘制一次设备图元。在系统规范描述文件中提取一次设备节点对应的配置信息是读取与解析 SSD 文件模块的主要目的。通过一次设备图形绘制模块展示图形信息和图元绘制信息,用可扩展矢量图形(scalable vector graphics,SVG)格式保存图形信息9。SSD 模型与设备图元关联模块的主要任务是在各设备的图元中关联在系统规范描述文件中提取的配置信息。一次设备图形信息可以通过设备图元图形属性保存模块保存到系统规范描述文件中。图形属性自动绘制图形模块对系统规范描述文件中存在的扩展信息进行读取,实现一次设备图形的自动绘制。通过上述分析,对图形组态软件中的功能模块进行细分,获得层次方框图,如图 2 所示。通过构建图形组态软件的总体架构,以功能为区分,划定功能模块,从技术上实现图形信息获取与处理的扩展性,并可以自动化地实现图形绘制。为进一步增强图形生成的功能,构建变电站图模一体化生成模型。图 1 图形组态软件整体组织架构图Fig.1 Overall organization chart of the graphicalconfiguration software373012023,23(24)朱文,等:基于图形组态软件的新能源变电站图模一体化生成方法投稿网址:图 2 图形组态软件的层次方框图Fig.2 Hierarchical block diagram of graphicalconfiguration software2 新能源变电站图模一体化生成方法2.1 变电站内外模型构建基于上述图形组态软件总体架构的基础上,在图形属性自动绘制图形模块中,结合外模型和内模型构建变电站图模10。新能源变电站内外模型分别如下。(1)外模型。利用进出线和方框描述变电站图形的外模型,外模型通常情况下只显示两个电压等级的进出线,分别是上级和本级,在新能源变电站方框上方按照规则布置在左侧和右侧。(2)内模型。即一次主设备在新能源变电站中的连接单线图11。通常情况下变电站存在 3 种及以下电压等级的主设备连接,布置模型具有通用性,内模型布置原则如图 3 所示。通过上述分析获得生成新能源变电站图模的核图 3 内模型布置原则Fig.3 Principles of internal model layout心,即基于变电站外模型的线路布线算法和变电站内模型的布置算法。当交叉点较多时,对于规模较大的复杂网络,即使线路较短也会对变电站图模的生成产生影响12。因此,需要构建目标函数用于解决接收站端上送的模型、图形文件、下发校验日志的判别,进而缩短图模自动化生成时间。2.2 多约束目标函数构建根据上述分析,以生成新能源变电站图模的交叉点最少、线路最短、交叉线路最少和变电站分布均匀为原则,将线路曼哈顿距离和线路的交叉点数综合起来建立目标函数,解决模型拼接、图形关键信息质量低的问题。其中变电站的目标函数为Sj(i,p,k,mj,nj)=SSD(j),So(i),D(p),V(k),xj,yj(1)式(1)中:i 为分区编号;p 为属地公司编号;k 为电压对应的等级编号;mj为分配过程中变电站获得的条数;nj为在第 mj条中变电站分配到的块对应的顺序;j 为变电站对应的序号;SD为变电站对应的标识码;So为控制分区属性;D 为属地公司属性;V 为最高电压等级属性;xj为图纸中变电站图形左上角对应的横坐标;yj为图纸中变电站图形左上角对应的纵坐标。线路的目标函数为Le(q)=LeLD(q),V(k),SD1(j),SD2(r),x1j,x2r,C()(2)式(2)中:q 为线路对应的序号;LD为线路对应的标识码;V 为线路电压等级属性;SD1、SD2分别为线路的起端和末端变电站标识码,分别与变电站序号 j、r相对应;x1j、x2r分别为变电站内模型图形中两个端点的内部横坐标;C()为线路系统对应的单线图。利用印制板与电路元件的布置对变电站布置示意图进行描述:长方形的变电站外模型的长度 Hg是固定统一的,变电站内模型的布置会影响变电站外模型的宽度10。规整化宽度,即确定单位长度Wg,用单位长度的倍数 Nj代替变电站 j 对应的宽度,因此可用带 Hg Nj矩形底座的电子元件描述变电站外模型。印制板平面中存在 Nlayer条互相平行的元件插槽,所有插槽中都包含紧挨的 n 个 Hg 1 矩形底座对应的槽位,变电站外模型中存在的电子元件均可插入上述槽位和槽中11-12。印制板的两侧通常为垂直走线廊道,对应的宽为 Wb,Hb n 的水平走线廊道通常存在于所有元件插槽的上部,其主要作用是连接变电站外模型电子元件的线路。设 W0为图纸对应的宽,H0为图纸对应的高,两者的关系计算公式为47301科 学 技 术 与 工 程Science Technology and Engineering2023,23(24)投稿网址:H0=W0(3)式(3)中:为图纸对应的宽高比。设 Nlayer为变电站中存在的条数,可通过式(4)计算得到。Nlayer=Censj=1NjWgW0-2Wb()(4)式(4)中:Ce()为大于 x 的最小整数;ns为变电站的数目。n 为每一层中存在的格数,其计算公式为n=Censj=1NjNlayer()(5)2.3 基于粒子群算法的目标函数求解通过粒子群算法对变电站图模最优布置进行搜索13,变电站的位置利用变电站所在网格对应的最小编号 pj进行表示,pj与(xj,yj)之间存在的关系可通过式(6)、式(7)进行描述。xj=Repjn()-1Wg+Wb(6)yj=(Hb+Hg)Fpj-1n()+Hb(7)式(7)中:Re为计算所得余数;F()为返回小于设定浮点数的最大整数。用求最优解问题代替变电站图模一体化生成问题14,融合变电站图模的线路总长度和总交叉点数对应的权重建立优化目标函数 Pbest,可表示为Pbest=Ncross+L(8)式(8)中:为权重因子;Ncross为交叉点经布线优化后的数量;L 为线路总曼哈顿长度。粒子群优化中,每个优化问题的潜在解都可以用维空间上的一点来表示。设粒子群中粒子总数为 q,解空间的维数为 D。对粒子进行初始化,首先给予各个粒子一定的位置和速度,其位置和速度的更新方法如下。v(k+1)md=wvkmd+c1r1(pbestmd-Xkmd)+c2r2(pbestd-Xkmd)m=1,2,q;d=1,2,D(9)式(9)中:v(k+1)md为粒子 m 经过第 k+1 次迭代后速度的 d 维分量;w 为惯性权重;vkmd为粒子 m 经过第 k次迭代后速度的 d 维分量;c1、c2为学习因子;r1、r2为在0、1 之间均匀分布的随机数;pbestmd为 t 时刻第 m个粒子达到个体历史最优位置的 d 维分量;pbestd为全部粒子曾达到的历史最优位置的 d 维分量;Xkmd为粒子 m 经过第 k 次迭代后位置的 d 维分量。利用式(10)更新解空间中粒子 m 对应的位置Xk+1md。Xk+1md=Xkmd+vk+1md(10)为确保新能源变电站图模一体化的有效输出,需要所有粒子能达到最优位置。因此,设定阈值,当目标值达到设定的阈值时停止迭代15,输出变电站最优布置,获得变电站中各设备的最优位置。最佳位置表示为pbestd(t)=pbestd1(t),pbestd2(t),pbestd3(t)(11)式(11)中:pbestd1(t)、pbestd2(t)、pbestd3(t)分别为 t 时刻变电站设备在三维坐标系中 x、y、z 方向的最佳位置。由此,实现变电站图模一体化方案的输出。2.4 新能源变电站一体化生成流程通过在图形组态软件中设计新能源变电站的内模型图形和外模型图形,建立变电站图模一体化生成的优化目标函数,利用粒子群算法对优化目标函数进行求解,生成新能源变电站图模。以某220 kV新能源变电站为例,选择 IEC 61850 协议对该新能源变电站进行建模,本文方法下的新能源变电站图模一体化生成流程如图 4 所示。图 4 变电站图模一体化生成流程Fig.4 Integrated generation process ofsubstation diagram and model3 实验分析以类图及类之间关系描述新能源变电站资源、设备、拓扑类的定义及类之间的关系,而图形是模型和数据的综合展现,本文方法通过 SVG 格式保存图形信息,将集模型、图形、数据于一体,设计图形组态软573012023,23(24)朱文,等:基于图形组态软件的新能源变电站图模一体化生成方法投稿网址:件,基于能量管理系统应用程序接口(IEC61970 CIM)标准获取某220 kV 新能源变电站图模一体化数据模型,得到变电站拓扑结构图如图5 所示。由图 5 可知,该 220 kV 新能源变电站结构复杂,涉及母线、接地、开关、导电设备等电气设备,对图模一体化生成提出了较高的要求。需要对本文所提方法在该新能源变电站图模一体化生成中的有效性和优越性进行验证。采用本文方法完成一次主接线图绘制,绘制结果如图 6 所示。将图 6 生成结果保存成 SVG 格式文件,供后续智能变电站设计使用。由图 6 的结果可知,本文方法能够实现变电站图模的自动生成,将变电站内各个部位的图模进行整理和汇总,从而可实现变电站图模的一体化生成。为了进一步验证本文所提基于图形组态软件的新能源变电站图模一体化生成方法的整体有效性,需要进行测试,本次测试在 NS2 平台中完成,分别采用本文方法、文献4中的基于插件式开发技术的变电站图模生成方法和文献5中的面向对象的 SCADA 图模一体化生成方法生成变电站图模,对比该 220 kV 新能源变电站生成图模所需要的信息获取时间,测试结果如图 7 所示。图 5 变电站拓扑结构图Fig.5 Topological structure diagram of substation 由图 7 所示结果可知,在多次迭代中本文方法采集新能源变电站信息所用的时间均低于文献4方法和文献5方法,主要是由于本文方法采用图形组态软件进行数据信息的采集和整理,在系统规范描述文件中提取配置信息,对系统规范描述文件中存在的扩展信息进行读取,提高了数据信息获取的效率。为进一步验证本文方法在图模生成方面的优越性能,采用本文方法、文献4方法和文献5方法进行图模生成时间的对比分析,结果如图 8 所示。由图 8 中的结果可知,采用本文方法生成新能源变电站图模时,在多次迭代中生成图模所用的时间均低于 3 min,采用文献4方法生成变电站图模时,生成图模所用的时间在 6 min 附近波动,在第 1次迭代中图模生成时间高达 7 min,采用文献5方法生成变电站图模时,生成图模所用的时间在 5.28 min,特别是在第 4 次迭代中生成变电站图模所用的时间高达 8 min。通过对比发现,所图 6 所提方法的变电站一次主接线图生成结果Fig.6 Generation results of primary main wiringdiagram of substation with the proposed method图 7 信息获取时间测试结果Fig.7 Information acquisition time test results67301科 学 技 术 与 工 程Science Technology and Engineering2023,23(24)投稿网址:提方法生成变电站图模所用的时间远远低于文献4方法和文献5方法,主要是因为所提方法在图形组态软件中获取并解析了变电站系统规范描述文件中的一次设备节点对应的配置信息,将获取的信息用在变电站图模的绘制中,缩短了绘制图模所用的时间,即减少了图模生成时间。为进一步验证本文方法在图模生成质量方面的优越性能,设置质量因子,在区间1,10内取值,质量因子越高表明生成的变电站图模质量越好,分别采用本文方法、文献4方法和文献5方法进行对比测试,对比不同方法生成的变电站图模质量因子,测试结果如图 9 所示。由图 9 可知,在多次迭代中本文方法获得的图模质量因子均高于文献4方法和文献5方法的图模质量因子。主要是因为本文方法构建了目标函数以实现图模自动化生成,并采用了粒子群算法对目标函数进行求解,使得在迭代的过程中,图模生成的质量因子较高,提高了新能源变电站图模生成的效果。图 8 不同方法的图模生成时间Fig.8 Diagram generation time of different methods图 9 不同方法的变电站图模质量因子Fig.9 Different methods of substation graph modelquality factor4 结论所提出的基于图形组态软件的变电站图模一体化生成方法,在图形组态软件的基础上,增加了图形属性自动绘制图形模块,不仅可以实现图形属性信息的扩展,还可以实现自动生成图模方案。为图模一体化生成的速度、质量等考虑,构建新能源变电站图模一体化生成优化目标函数,利用粒子群算法求解函数获得变电站图模。实验分析表明,该方法可在较短的时间内生成高质量的变电站图模,而且图模生成质量较高,解决了目前方法中存在的问题,为新能源变电站图模生成的快速、稳定、自动化提供了一定的参考。参考文献1 罗勋,刘新刚,赵洪峰,等.基于多端柔性直流条件下环塔新能源送出可行性分析J.科学技术与工程,2022,22(7):2717-2724.Luo Xun,Liu Xingang,Zhao Hongfeng,et al.Feasibility analysisof new energy transmission around tarim basin based on multi-termi-nal VSC HVDCJ.Science Technology and Engineering,2022,22(7):2717-2724.2 郑世明,林泽鑫,黄园芳,等.基于图模一体化技术的配电网可靠性评估J.广东工业大学学报,2022,39(3):63-69.Zheng Shiming,Lin Zexin,Huang Yuanfang,et al.An reliabilityevaluation of distribution network based on graph model integrationtechnologyJ.Journal of Guangdong University of Technology,2022,39(3):63-69.3 韩柳,吴聪颖,肖智宏.新型数字智能变电站监控及巡视系统应用研究J.现代电子技术,2023,46(3):156-160.Han Liu,Wu Congying,Xiao Zhihong.Application of monitoringand inspection system for new-type digital intelligent substationJ.Modern Electronic Technology,2023,46(3):156-160.4 唐坤杰,王志伟,李冶天,等.基于插件式开发技术的电力系统图模数库一体化实现方法J.电力自动化设备,2018,38(7):214-218.Tang Kunjie,Wang Zhiwei,Li Yetian,et al.Implementation ofgraph-model-data-database integration of power system based onplug-in development technique J.Electric Power AutomationEquipment,2018,38(7):214-218.5 刘红真,侯晓刚.基于面向对象的 SCADA 图模一体化建模研究与设计J.仪器仪表用户,2022,29(2):4-7.Liu Hongzhen,Hou Xiaogang.Research and design of object-orien-ted SCADA graphical model integration modelingJ.Instrumenta-tion,2022,29(2):4-7.6 Yu M,Wang L,Kang J,et al.Automatic generation method of air-borne display and control system requirement domain model basedon NLPC/2021 IEEE 6th International Conference on Computerand Communication Systems(ICCCS).New York:IEEE,2021:1042-1046.7 Mahmud A A,Wanat S,Deleanu S,et al.Small-Scale substationmodel-from design to implementationC/2021 9th InternationalConference on Modern Power Systems(MPS).New York:IEEE,773012023,23(24)朱文,等:基于图形组态软件的新能源变电站图模一体化生成方法投稿网址:2021:1-10.8 Chen M,Chen D,Jiang Y.Substation operation ticket systembased on natural language analysis and intelligent reasoningJ.IOP Conference Series:Earth and Environmental Science,2021,645(1):012002.9 邓大为,刘沛林,朱文,等.变电站调度中心单线图模数图一致性测试模型构建研究J.电气传动,2022,52(9):69-73.Deng Dawei,Liu Peilin,Zhu Wen,et al.Research on consistency testmodel construction of single line diagram module diagram of substationdispatching centerJ.Electric Drive,2022,52(9):69-73.10 刘见,赵震宇,裴茂林,等.智能变电站过程层网络异常流量检测J.计算技术与自动化,2021,40(3):184-188.Liu Jian,Zhao Zhenyu,Pei Maolin,et al.Abnormal flow detec-tion of process layer network in intelligent substationJ.Compu-ting Technology and Automation,2021,40(3):184-188.11 唐广瑜,金鑫琨.基于全网供电拓扑模型的图模数据共享技术研究与应用J.电测与仪表,2022,59(6):105-112.Tang Guangyu,Jin Xinkun.Research and application of graphicmodel data sharing technology based on power supply topologymodel of the whole networkJ.Electrical Measurement&Instru-mentation,2022,59(6):105-112.12 周迎伟,于立强,尹兆磊,等.贝叶斯网络法的电源变电站供电可靠性分析J.计算技术与自动化,2022,41(4):144-148.Zhou Yingwei,Yu Liqiang,Yin Zhaolei,et al.Power supply reli-ability analysis of power substation based on Bayesian networkmethodJ.Computing Technology and Automation,2022,41(4):144-148.13 海涛,程沛源,杨嘉芃,等.基于二阶振荡粒子群优化算法的最大功率跟踪J.科学技术与工程,2022,22(26):11402-11408.Hai Tao,Cheng Peiyuan,Yang Jiapeng,et al.Maximum power track-ing based on second-order oscillatory particle swarm optimizationJ.Science Technology and Engineering,2022,22(26):11402-11408.14 朱显辉,钟敬文,师楠,等.基于改进自适应粒子群算法的光伏电池参数识别J.黑龙江科技大学学报,2022,32(6):784-789.Zhu Xianhui,Zhong Jingwen,Shi Nan,et al.Parameters identifi-cation of photovoltaic cells based on an improved adaptive particleswarm algorithmJ.Journal of Heilongjiang University of Scienceand Technology,2022,32(6):784-789.15 张培玲,赵可可.基于粒子群优化匹配追踪算法的电力线信道模型参数识别方法J.科学技术与工程,2022,22(9):3607-3612.Zhang Peiling,Zhao Keke.Parameter identification method ofpower line channel model based on particle swarm optimizationmatching pursuit algorithmJ.Science Technology and Engineer-ing,2022,22(9):3607-3612.87301科 学 技 术 与 工 程Science Technology and Engineering2023,23(24)