基于Microsoft时序算法的 电容器组电容预测及预警 作者：
段晓波，高晶晶，胡文平，周文，齐林海 摘要 准确预测电容器组在一段时间内的容值，分析其变化趋势，对并联电容器组的安全使用、延长寿命及性能有很重要的意义。本文提出了一种基于Microsoft时序算法，采用电能质量监测数据的10kV侧并联电容器组电容预测模型，并在此基础上设计了并联电容组电容趋势分析及预测预警系统。通过该系统，用户不仅能够监测电容器组的运行状态，为电容器组故障分析提供可靠依据，而且可以预测电容器组电容的变化趋势，并实现其寿命预警。实际运行效果验证了该模型的可行性与准确性。 关键词 并联电容器组；趋势预测； 预警；Microsoft时序算法； 电能质量监测系统 引言 电力电容器作为一种无功补偿装置，能够提高功率因数，减少线路消耗，增加输变电设备的输电能力。而在实际运行中，电容器不断受到电场、热场等作用，介质不断老化，频繁发生故障，影响电网的安全运行。准确预测电容器组电容，分析其变化趋势，对并联电容器组的安全使用、延长寿命及性能有很重要的意义。 基于现有在线监测系统和数据分析技术，本文利用现有的电能质量在线监测数据，计算出电容器组的电容，并建立基于Microsoft时序算法的电容器组电容值预测模型，对未来一段时间内电容器组电容的变化进行预测。 1、并联电容器组电容计算原理 以某变电站10kV侧的电容器组为研究对象。该变电站10kV侧接线图如图1所示。采用双母线分段接线方式，每条母线各有5组三相电容器，电能质量监测设备安装在电容器组与10kV母线之间，图1中用圆形符号表示。两台主变并列运行，通过限流电抗器与10kV母线连接。考虑到成本较高，实际运行中，只对其中部分电容器组进行电能质量监测。 图1 变电站10kV侧接线图 三相电容器组设备型号为TBB10-8016/334AC，总容量为8016kvar，额定电压10kV，额定电流385.7A，额定频率50Hz。电容器组由24台电容器组成，即每一相由8台电容器组成，额定相电容值为177.19μF。 电容器组采用单星型接线方式，根据电容器组的实际电路，建立等效电路模型，如图2所示。 图2 电容器组等效电路模型 图中：USA、USB、USC分别为电容器组A、B、C相端电压；IA、IB、IC分别为电容器组A、B、C相电流；CA、CB、CC分别为电容器组A、B、C相等效总电容值；UC为电容器组中性点电压；L为电容器组各相串联电抗器的电感值；R为电容器组单相等效电阻值。 其中，三相基波电压USA、USB、USC以及三相基波电流IA、IB、IC，能够通过电能质量在线监测装置测得，查阅电容器组铭牌信息可以得到L、R的值，可以求得电容器组每相总的电容值，具体计算过程在下面详述。 电容器组的三相阻抗并不完全相等，需按三相不平衡负载进行计算，中性点基波电压UO的计算为 （1） 式中，ZA、ZB、ZC分别为A、B、C三相阻抗。 电容器的三相基波电流IA、IB、IC计算为 （2） （3） （4） 联立方程式(1)-(4)，即可求得中性点基波电压以及三相阻抗ZA、ZB、ZC。 （5） 式(5)中，ω=2πf，，将ω、R、L代入公式(5)即可求得每一相电容值CA、CB、CC，则电容器组总电容值C为： （6） 2、并联电容器组电容预测模型 2.1 Microsoft时序算法原理 按照国家标准和相关技术条件规定的使用条件，90%的电力电容器能可靠运行20-30年，但目前电容器组存在频繁投切、运行时间长、易受系统中谐波成分影响造成设备故障，实际运行寿命普遍不满15年。它的容值随时间推移会有变化，并且时间越久变化越明显，为此采用以时间为维度而延伸的时序算法适合于电容器电容值变化趋势预测。 Microsoft时序算法结合了自动回归和决策树，既可以对短时间内的数据进行延伸预测，还可以在一个模型中研究多个序列，找出这些序列的关系，并在预测中使用这些关系，适于长期预测。决策树是递归地将数据拆分成子集，每个属性都要评估，以确定它是否把数据分解到可预测属性的类别中，再在每个子集上重复评估所有输入属性。自动回归是考虑t时刻属性X的值，根据他在以前的时间点的值来计算。假设考虑n个以前的时间点，t时刻属性X的值为Xt，则 其中a1,…an为自动回归系数；εt为噪音。该算法的目标是确定自动回归系数a1~an。 Microsoft时序算法在进行预测时混合使用了利用交叉预测的自动回归树ARTxp算法和移动的平均值集成的自动回归ARIMA算法，使用同一数据序列为这2个算法的单独训练模型定型，结合这2个算法结果来进行可变数列时间段内的最优预测。ARTxp比较适合短期预测，在开始时的一系列预测过程中该模型十分重要。随着预测的时间的延伸，ARTxp算法逐渐失去了优势，不能正确反应时序序列的趋势，此时，ARIMA就比较重要了。Microsoft时序算法提供了Prediction_Smoothing参数来控制这2种算法的均衡性，以获得最优的预测结果。 2.2 并联电容器组容值预测模型 1）数据预处理 文中采用稳态电能质量监测数据进行电容计算。电能质量监测装置的基本记录间隔通常为3s，便于实现实时监测，但对数据存贮、传输不利，因此需要对电能质量监测数据进行数据简约。数据简约方法目前没有统一标准，简约周期有3min、5min或10min等；有效值计算方法有平均值、方均根值、概率大值（95%或99%）等。 本文采用的简约周期为5min，计算方均根值形成有效数据。在选取数据时，选择电容器支路上稳态电能质量数据中的基波电压U和基波电流I的有效值根据公式(1)~(6)来计算并联电容器组的单相电容值和总电容值。 实际环境中，由于各种因素，电能质量监测数据会有很多问题，不能够完全可用。如：基波电流数据异常；监测设备出现故障，部分数据没有采集成功；监测线路断路或者短路同样也会对监测数据造成影响等等。为了保证预测结果的准确性，在对电能质量监测数据解压缩时，应先进行数据筛选，删除异常数据。具体数据清洗流程如图3所示。 图3 相关数据清洗流程图 正常情况下，电容器组短时间内容值变化很缓慢，1天中三相容值几乎不发生变化，即使发生变化，由于测量误差的存在，也很难计算出电容值的变化。如果直接采用由电能质量监测系统数据计算出的电容值，周期为5min，数据量很大，计算时间过长，因此在预测电容器组电容值变化趋势时，为了保证预测模型处理的快速性及预测结果的实效性，可以适当增大计算周期，本文结合实际情况，设置了3个周期分别建立预测模型，分别为5min，1h和24h，其中周期为1h和24h的各相电容值为相应周期内对应的5min的各相电容值的均值，而后根据单相电容预测结果计算总电容值。 2）电容预测模型 使用SQL SERVER2008的SSAS建立电容器组电容值预测模型。考虑到周期差异，需要分别建立3个挖掘结构。预测模型中，KEY TIME为电容器组的监测数据采样时间，监测点和电容为事例键，三相电容既是输入又是输出。 Microsoft时序算法会对所有的输入数据序列包括时间和对应电容值进行分析，尽最大可能为电容值数据生成一个回归公式。如无法生成该公式，则需根据决策树规则，拆分数据序列。 以周期为24h的B相电容值为例，共有47条记录，即数据的时间跨度为47天。预测模型将其转换为47条序列。Microsoft时序算法对所有的序列进行分析， ARTxp将数据分为2个序列，得出的序列树如图4所示。 图4 时间序列数据上的回归树 每个序列的树节点公式为： B相电容值-1 |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
