基于RFID技术的变电站设备运行状态实时监测系统.pdf

2023.7 今日制造与升级 7理论与研究 Theory and Research0引言信息技术的飞速发展，带动了传统工业手段的革新，智能化建设成为电力运维行业的技术标杆。虽然新型手段带来了新的数据处理操作，但是信息技术背后存在的安全问题却不容忽视。对于电力数据的运维保存安全的重视，是当前工业发展的重点问题1。1系统硬件设计1.1电压状态传感器变电站电压状态传感器分为不同的类型。已知自动控制传感器的额定电压和电流应大于等于电路正常运行时的电压和电流，所以自动控制传感器的设定电流应该和被控制电机的额定电流或者负载的额定电流一致。故本次研究选用 AE-S 微型高频动态控制传感器，其可以实时监测电路中的电压和电流变化，并根据设定条件做出相应的响应。同时，它能够进行短路保护，即在电路出现短路情况时及时断开电路。AE-S 微型高频动态控制传感器具有较高的频率响应能力，可以适应高频动态控制应用的要求。能够精确地捕捉和响应电路中的快速变化，可有效减少设备损耗。在信号传输过程中，AE-S 微型高频动态控制传感器不仅可以减少误差，还能有效满足国家规定的电气接口的实际需求，并且成功实现了对接标准。1.2设备控制执行器在构建的硬件架构中，选用 TMS320C6474型设备控制执行器，该控制执行器包含诸多通用串口通信处理模块，在具体的应用中表现出了强大的特性，在多个领域都具有较强的适用性，并且存储容量较大。这一形式的控制执行器因为具有的多种强大特性，能够满足文章设计的监测系统功能实现的需求。设备执行器选用有源零磁通穿心式执行器，该类型执行器的优点是测量精度较高，为了保障安全，对二次回路进行了全面的阻隔。通过调整装置参数，可有效防止开路现象的发生。2系统软件设计2.1运用RFID技术采集运行数据无 线 射 频 识 别（RadioFrequencyIdentification，RFID）技术是一种用于识别和跟踪物体的自动识别技术，在很多领域被广泛应用。在 RFID 技术中，通信双方要遵守相互约定的通信协议标准。文章通过 RFID 技术进行了变电站运行数据的采集。首先引入固定的参考标签来辅助位置校准，削弱环境因素对目标标签的影响，其次通过阅读器接收 RFID 标签的信号强度值。信号强度值是指从标签发送到阅读器的射频信号的功率，通过计算与阅读器收到的目标标签信号强度值之间的差值，优选出最近邻参考标签，最后对“最近邻距离”加权估计出目标标签的位置2。在 RFID 技术中，阅读器和标签的布局如图1所示。现在假设结构中有 H 个阅读器、M 个参考标签及 U个目标标签。H 个阅读器分别读取 M 个参考标签和 U 个目标标签的接收信号强度，在 RFID 技术中，场强值一般以向量的形式呈现，则目标标签的场强向量可记作：=（S1，S2，Sj，SU），其中，Sj为第 j 个阅读器读取到的目标标签的场强值。参考标签的场强向量一般记为：（1）式中，Rj（i）为第j个阅读器读取到的第i个参考标签的场摘要针对现有监测系统无法正确监测设备运转，容易出现误差、漏查等问题，提出并设计了一种基于 RFID 的变电站设备运行状态在线监测系统。该方法首先基于 AE-S 微型高频动态控制传感器和 TMS320C6474设备控制执行器完成设备硬件环境的搭建，其次以此为基础，运用 RFID 技术完成数据的实时采集，再次引入多层 GRU 预测模型来提高对特征信息的提取，采用三层网络 GRU 网络模型提高预测精度，最后基于小波分解完成对变电站运行状态的实时监测。实验结果表明，应用该方法异常监测准确率均高于95.8%，优于对比方法。由此可证明，采用该方法可对变电站设备进行准确监测，具有较好的监测效果。关键词RFID 技术；变电站设备；变电站监测；实时监测系统中图分类号G642 文献标志码A基于RFID技术的变电站设备运行状态实时监测系统张波，葛东阳（国网北京市电力公司检修分公司，北京100069）8 今日制造与升级 2023.7理论与研究 Theory and Research强值。这样，通过式（1）可以获得目标标签的坐标（x，y），完成变电站运行数据坐标的采集。2.2建立设备运行状态监测模型多层 GRU（门控循环单元）预测模型是基于多个GRU 层构建的神经网络模型，用于处理序列数据的预测任务。在多层 GRU 预测模型中，多个 GRU 层被堆叠在一起。每个 GRU 层接收上一层的输出作为输入，通过内部的门控机制来控制信息的流动和遗忘。每层的 GRU 都可以学习并捕捉不同抽象级别的序列模式和依赖关系。这种多层的组织结构使得模型能够更好地建模复杂的序列关系，从而提高预测的准确性和泛化能力。通过在不同层之间进行信息传递和学习，模型可以逐渐提取和抽象序列中的重要特征。对此，文章在模型建立过程中，引入多层GRU 预测模型来提高对特征信息的提取，在“2.1”中主要运用RFID技术采集运行数据作为特征信息的样本数据，而对于数据中特征信息的提取，则主要借助 GRU 层来实现，而系统的预测回归则由连接层来实现。目前在变电站设备运行监测过程中，并未对特征量之间的冗余关系进行分析。但是在算法中引入冗余特征将使得系统的计算维度增加，使得预测模型在训练上难度提升，甚至会降低系统的预测精度。为此，一般在特征子集建立过程中，必须选择相关性高、冗余度低的特征子集，进而提高预测的精度，降低预测的难度。GRU 在结构上设置了更新门与重置门。这2个门控向量决定了最终 GRU 的输出，长序列中记忆的信息随时间能够被保存下来。由于 GRU 只有2个控制门，因此在训练过程中可以降低计算的复杂度，提升训练的效率。在 GRU 内部包括更新门 zt（t 为时间步）、重置门 rt、候选向量ht、新状态向量ht。xt为第t个时间步的输入向量。采用矩阵拼接运算与激活函数形成门限。zt决定了过去记忆的状态信息在当前状态中的保留程度，表达式为：（2）式中，W、U为权值向量，为Sigmoid激活函数。rt决定了以前记忆的状态信息和新输入信息如何相结合，表达式为：（3）新的记忆内容将通过重置门输出的信息来储存过去相关的信息，表达式为：（4）式中，e为Hadamard乘积运算，tanh为双曲正切激活函数。ht将保留当前单元的信息并传递到下一个单元中，表达式为：（5）GRU 的训练为前向传播和反向误差传播2个过程。前向传播过程计算 GRU 的输出值，反向误差传播过程计算输出值与实际值的误差，依照梯度下降法，顺着误差梯度减小的方向依次求导更新各层神经元的连接权值，前向传播和反向误差传播2个过程不断交替，直至达到误差最小或最大迭代次数时，迭代过程结束。在门控循环神经网络中，将多层的 GRU 神经网络层数和神经元点数组合来进行实验，选择出效果最好的数据结果作为预测参数。在完成变电站设备运行在线监测与异常故障数据预测后，需要采用误差评价指标对故障诊断精度进行评价，而在文章的研究中选择平均绝对百分比误差，作为变电站设备运行故障诊断预测结果的误差评价指标，平均绝对百分比误差评价指标的函数表达式为：（6）式中，MAPE为平均绝对百分比误差，fi和fi分别为变电站设备运行故障的真实值和预测值。分析不同网络结构及节点下GRU性能可知，当采用1层神经网络进行故障诊断时，网络结构相对简单。随着节点数量的增加，误差逐渐降低。然而，采用2层网络时，整体预测精度要高于一层网络。但是，随着第二层中节点数据的增加，计算复杂性增加，导致精度逐渐下降。在采用3层网络时，整体精度相对于单层和两层网络较低，预测结构趋向于过拟合状态。综上所述，文章选择2层网络，以达到最大化的精确性。在变电站设备运行在线监测和异常诊断中，如果网络结构与训练集合的匹配度较低，可能导致预测模型出现过拟合现象。由于数据量有限，在构建预测模型时经常会遇?图1 RFID阅读器和标签布局结构2023.7 今日制造与升级 9理论与研究 Theory and Research到这种情况，从而降低了系统的预测精度。为了解决这个问题，文章引入了随机失活因子来减少过拟合对预测模型的影响，并提高模型的适应性。Dropout是一种正则化技术，在神经网络中用于减少过拟合现象。当GRU网络模型采用3层网络时，增加Dropout值在局部范围内可以有效提高预测精度，但是一旦该参数提高到一定范围，部分神经单元的作用会受到限制，从而减少了神经元的数量，导致系统出现欠拟合现象。因此，本次研究选取在G40-20的选值下建立设备运行状态监测模型。综上，其构建的预测模型如图2所示。?图2 预测模型结构2.3实时监测变电站设备状态在完成变压器在线监测系统的硬件设计且融合上述的软件流程后，基于提供的接口将采集数据与系统连接在一起，通过接口可以实现系统对采样数据的小波分析和神经网络异常故障诊断。不同模式的变电站在线异常诊断实现流程为：通过小波分解对变电站内部总烃曲线进行特征量提取，并将提取的特征量输入至己经训练好的神经网络进行监测从而得到监测结果。当用户直接登录变电站二次设备状态监测系统后，可以通过选择相应的功能来实现变电站设备在线监测数据的采集和分析。文章基于小波分析对在线监测系统采集到的变电站设备运行曲线数据进行了预处理，通过归一化和去噪等步骤得到了去噪曲线。接着，对观测点进行了在线小波去噪分析。通过小波分析完成采样数据的去噪，顺利实现变电站设备状态的在线监测。在对采样信号进行去噪处理后，基于小波分析对去噪信号进行了进一步分析。采用3层小波分析可以得到不同频段的运行曲线的特征量。在本次研究中，将这些特征量作为采样信号的描述信息用于系统设计。基于小波分析提取的总烃曲线特征量经过学习后能够快速收敛，并满足误差需求。根据计算结果，实时监测变电站二次设备的运行状态。3系统性能测试实验3.1实验准备在不同系统投入实验测试前，需利用所确定的数据对模型进行离线训练。训练好的模型可用于变电站状态的实时监测。在模拟训练后投入使用的训练样本集与测试样本集需要分类，测试样本集用于比较实验，对比变电站设备运行状态，验证所提系统的监测效果。本实验根据不同技术监测变电站的运行状态，模拟环境下实验硬件参数为：中央处理器 AMDRyzen53500X，内存金士顿16GB，硬盘256GBSSD，操作系统 Windows，仿真软件 SCAD/EMTDC。实验设置基于 RFID 技术下的变电站设备运行状态实时监测系统为实验组，基于 KNN 算法下的变电站设备运行状态实时监测系统为对照组和基于 ELM 算法下的变电站设备运行状态实时监测系统为对照组。3.2实验结果为了展示变电站二次设备监测系统的效果，本次研究在实验环境中设置了变电站的异常状况，并对变电站的运行过程进行了干扰。实验中选择5种不同的异常状况，分别包括电气故障、绝缘故障、设备故障、温度异常、湿度异常5类异常样本。通过对比不同技术的表现，测试了最终变电站监测系统的效果。如果监测系统能够准确地检测出与实验设定的异常状况相符的情况，那么该技术的有效性就越高。实验得出的对比结果见表1。表1 变电站异常状态监测结果样本序号异常类型实验组异常监测准确率（%）对照组异常监测准确率（%）对照组异常监测准确率（%）1电气故障98.386.686.32绝缘故障96.585.284.23设备故障95.884.684.94温度异常98.386.187.65湿度异常97.685.886.8根据表1数据可知，实验组异常监测准确率均不低于95.8%，而对照组和对照组的异常监测准确率均低于89.2%。由此可证明应用文章设计系统进行变电站二次设备运行状态监测可获得较好的监测结果，而应用对比方法进行监测时容易出现误查和漏查现象，监测出的异常状况多于实际情况。这种多次异常状况的警示会增加变电站工作人员的工作量，降低工作效率，所以在上述3种技术的对比下，文章设计系统能够切实地监测出变电站的异常状况，并为变电站的工作人员提供帮助。4结束语为保证变电站运行状态良好运行，本次研究基于10 今日制造与升级 2023.7理论与研究 Theory and Research0引言现阶段，由于部分产业结构的升级与转型，能源行业也随之做出了深入调整，这在一定程度上提升了火电控制调度的灵活性。660MW 超临界机组是火电厂日常发电的关键支撑设备，其调峰工况的协调控制与调整会直接影响后续火电厂日常工作的处理及电力的供应。近年来，煤电机组的自动发电控制（AGC）负荷调整下限慢慢从50%Pe（Pe为额定功率）下调至40%Pe，而火电机组的调整空间相对更大。为加强对660MW 超临界机组深度调峰工况的控制效果，需要设计对应的调峰工况优化方法。参考文献 1 和 2分别提出了基于动态标杆值的深度调峰工况协调控制优化方法以及传统新能源大规模并网下深度调峰工况协调控制优化方法。这两种方法虽然能够实现预期的协调优化目标及任务，但是缺乏针对性和稳定性。在复杂的环境下，更加难以对各个环节进行调度与把控，无法确保超临界机组深度调峰工况保持平衡3。不仅如此，单一的优化结构覆盖性较弱，控制效率较低，再加上容易受到外部环境及特定因素的影响，导致调峰工况测算出现误差。为此提出对660MW 超临界机组深度调峰工况协调控制优化方法的设计与验证分析。此次结合真实的背景，扩大实际的工况协调控制范围，依据超临界机组深度调峰工况变化情况，逐步构建一个更加灵活、多变的控制优化结构，探索机组深度调峰能力的下限，明确机组的调整升级方向，为相关技术的发展以及完善提供参考4。1 设计660MW超临界机组调峰工况协调优化方法1.1 约束条件制定及优化目标函数计算一般情况下，660MW 超临界机组运行前都会对其进行调试，而传统方法难以对运行参数进行有效调整，导致优化控制效果不佳，需要制定优化约束条件，并计算出调峰工况的目标函数。构建一个660MW 超临界机组电负荷摘要当前的超临界机组深度调峰工况控制优化模型多为单结构，控制覆盖范围较小，导致电负荷优化差值增加，为此提出对660MW 超临界机组深度调峰工况协调控制优化方法的设计与验证分析。根据当前的工况控制优化需求及标准，首先制定约束条件，同时计算出优化目标函数，采用多阶的方式，扩大控制覆盖范围，构建多阶机组调峰工况协调优化模型。采用自适应运行实现工况协调优化处理。测试结果表明，设计方法的电负荷优化差值始终在100kWh 以下，电负荷优化差值水平较低，660MW 超临界机组深度调峰效果好，具有较高的实际应用价值。关键词660MW 超临界机组；深度调峰；工况协调控制；控制优化；优化方法；协调结构中图分类号TK223 文献标志码A660MW超临界机组深度调峰工况协调控制优化方法赵涵，李蕾（山东中实易通集团有限公司，山东济南250001）RFID 技术，开展变电站二次设备运行状态在线监测系统设计。本次研究就系统硬件方面和系统软件方面进行了阐述，并对其进行优化。实验结果表明，应用文章设计系统，异常监测准确率均高于95.8%，优于对比方法，应用效果较好。参考文献1 仇晨光，张浩，闫朝阳，等.矿区变电站运行全过程信息监测系统J.能源与环保，2022（12）：244-249，255.2 王艳阳，熊威，谭娟，等.基于巡检机器人的变电站设备运行状态监测技术J.机械与电子，2022（9）：71-75，80.作者简介张波（1989），男，江苏徐州人，硕士研究生，工程师，主要研究方向为变电运维技术。