（新疆天富能源股份有限公司供电产业 新疆石河子 832000）
摘要：在过去的几十年中，通信和信息技术的重大进步加速了电力系统中新的宽带通信技术的开发和引入，这一事实促进了一级和二级变电站的电力系统自动化，ＩＥＣ ６１８５０变电站自动化全球标准的制定推进了电子系统自动化的快速发展。本文提出的系统可以有效地应用于新建变电站的监控信息验收过程中，通过将智能计量与网格自动化相结合，在ＥＩＴ运行时，开发的系统允许检测错误；如果出现高于阈值的错误级别，则可以发出警报并将其发送到控制中心，然后，操作员可以进行用于验证错误范围的进一步测试。
关键词：新建变电站；监控信息；验收系统；研究
1变电站监控信息数据自动生成平台应用效果及前景
1.1应用效果
使用自动化工具代替人工作业，提质增效。使用软件工具替代传统人工作业，将机械性、重复性的工作交由计算机完成，通过点击按钮即可生成几千条数据，软件完成97%的重复性工作，工作时间从80小时缩减为2小时，工作效率提升40倍，节省人力成本，带来较好的经济效益。
实现多专业工作融合。在同一系统平台内完成制作、审核、修改、数据传递、数据分析，从而实现设计、施工、调度自动化、远动、监控、运维等多专业工作融合。通过数据直传，实现数据唯一。由系统平台对数据进行统一管理，实现数据共享，通过权限控制、业务过程数据独占等措施，实现所有业务流程数据的唯一性。扩展信息表数据应用，助力电网安全运行。通过对SCADA历史信息数据的分析，找出高故障率设备、高故障时间点，指导运维作业、优化物资采购，提前防范风险，提升电网设备健康运行水平。
以标准的信息表提升厂家设备制造。在设备订货及设计阶段即完成信息表的制作，按电网运行的需求来规范厂家设备制造，避免各厂家因设备差异导致无法提供电网运行必需的重要设备信息点。
1.2适用范围
该软件可适用于电网所有涉及信息表的项目或单位，包括设计、施工、厂家、运维、调度自动化等。并通过对运行大数据的分析，为运维工作、物资采购提供数据支撑。
1.3应用前景
先进性：系统平台实现国内领先。软件具备独创性、先进性，在全国电网建设范围内通用，已申请软件著作权，系统内可全面使用。安全性：系统为内网运行版本，不连接外部网络，系统内数据封闭使用，符合国网信息安全要求。可推广性：依据国网标准规范开发，全国范围内使用一致的标准，成果通用性强，易于推广，推广成本低，可大大降低企业成本，提高人力资源利用率。
2系统架构及方法介绍
在本节中，对系统的通用总体架构进行了概述，如图１所示为基于短期负荷预测的系统测量误差检测系统架构图。信息来源主要源自不同的二级变电站的历史测量值，包含的测量参数（电气变量）为：有功和无功功率，电压和电流。但是，对于所研究的系统，仅考虑当前的历史测量，这是因为由于电流的相当大的可变性，用于电流测量的设备更容易出错。
.png)
图１ 系统架构图
该测量过程分为两个步骤：负荷预测和误差估计。首先，通过数据推测出一天内各小时的负荷值；其次，一旦所考虑一天内的测量负载可用，则通过比较两个数据集（即，预测和测量的负载）来估计误差水平。
2.1负荷预测
如前所述，负荷预测模型仅使用历史测量数据，其包括来自一组二级变电站的实际测量值。主要对以下值进行估算（即每小时估算的负荷情况）：
•前一天的２４小时的负荷值（ｄ－１）
•前一周２４小时的负荷值（ｗ－１）（ｄ）
•当天前两周２４小时得负荷值（ｗ－２）（ｄ）
因此，使用对应于每小时负载的总共７２个样本。由于７２个样本之间存在强相关性，因此可以使用主成分分析（Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ，ＰＣＡ）程序来减少维数。该技术已成功应用于不同领域，如人脸识别，语音处理和超声波传感器等领域。ＰＣＡ的基本原理是采用统计的概念，将一组原始变量线性转换为一组较小的不相关变量，这些变量代表了与多变量输入数据的最大方差。ＰＣＡ算法已进行了描述。给定具有维度Ｍ×Ｎ的矩阵Ｘ，第一步包括从该行的每个元素中减去特定行中的元素的平均值；然后，获得来自前一矩阵的具有减法均值的协方差矩阵（Ｎ×Ｎ），并计算该矩阵的特征向量和特征值。具有最高特征值的特征向量表示主成分———ｋ，并且需要确定主成分的数量。对应于主成分的特征向量集形成特征矩阵Ｖ，表示如式（１）所示：
Ｖ＝［λ１，λ２，…，λｋ］（Ｎ×ｋ）（１）
最后，通过将转置的特征矩阵与先前计算的转置的零均值矩阵相乘得到新的压缩矩阵Ｙ，表示如式（２）所示：Ｙ＝［ＶＴ•Ｘ珡Ｔ］（ｋ×Ｍ）（２）ＰＣＡ过程产生的主要组成部分是人工神经网络的输入以及代表星期几和一年中的月份的数据。如图２所示为系统的功能图。
.png)
图２ 负荷预测系统功能图
如前所述，一组７２维数据提供了预测过程的历史信息。由于输入之间的强相关性，该数据集可以用仅保留９７％信息的几个最重要的组件来描述，即，所选择的主要组件的方差的９７％。在本文讨论的系统中，主成分的数量取决于输入数据是来自模拟器还是来自实际测量。
2.2错误测量
一旦执行了负荷预测并且可以获得当天（ｄ）的新测量值，就可以开始针对不同ＥＩＴ的误差测量检测过程，可分为两种不同的误差类型，即：偏移和增益误差。偏移误差以系统的方式影响每个采集的样本，因此它们可以质疑二级变电站中测量的准确性，将百分比偏移误差与满量程进行比较，如图３所示为由偏移引起的负载测量偏差。
.png)
图３ 一周内的偏移误差－５％
与偏移误差不同的是，增益误差是乘法的，并按比例影响所有的测量值，如图４所示为一个比较测量，预测和理想的负载在一段时间内的七天－１０％的增益误差百分比。
.png)
图４ 一周内的偏移误差－１０％
3模拟和实验结果
为了测试本文多提系统在新建变电站监控信息验收过程中的性能，使用了两种不同的数据集，即：来自模拟仿真过程的模拟数据集和来自二级变电站的实际数据。其中模拟数据集提供四种测量：有功和无功功率、电压和电流。本文以基于电流测量的方式实现运行负荷预测。两个数据集都包含以不同频率采集的数据，但是它们以相同的方式进行分析，因为仅考虑每小时平均值。然后，将数据集分成三组：（ｉ）训练子集（７０％），用于训练ＡＮＮ；（ｉｉ）验证子集（１５％）用于确保网络泛化并在过度拟合之前停止训练；（ｉｉｉ）用于完全独立的网络泛化测试的测试子集（１５％）。在数据集中过程中注入不同的偏移和增益误差值，然后对其进行检验，同样，训练时间取决于数据是模拟的还是真实的。这源于模拟数据更相关的事实，因此需要更少的主成分，实验基于ＭＡＴＬＡＢ神经网络工具箱进行。
.png)
图５ 两年内的测试记录值
以下实验结果图描绘了从针对模拟数据测试所描述的系统获得的结果。如图５所示为两年期间（７３０天－１７，５２０次测量）记录的所有测量值；如图６所示为第ｄ天的２４小时预报负荷和同一天的实际测量值，显然它们之间的误差可以忽略不计。
.png)
图６ 第ｄ天内的结果预测图
在图７和图８中，分别注入ｂ偏移和增益测量误差，并且应用该系统来识别误差水平。可以看出，成功检测到不同的增益误差值（－１０％～０％）和偏移（０％～１０％）。
.png)
图７ －１０％～０％增益错误的百分比
.png)
图８ ０％～１０％增益错误的百分比
4结语
检测电子仪器传感器中的测量误差在二级变电站自动化中发挥重要作用。通过对ＥＩＴ错误的发展降低变电站运营安全，同时对新建变电站的验收过程中提供数据支撑。本文提出了一种基于短期负荷预测（ＳＴＬＦ）的测量误差检测方法，从ＥＩＴ获得的历史测量值以及与日期和月份相关的数据是ＡＮＮ的输入，目的是获得所考虑日期的预测测量值，然后比较实际和预测测量值，以便独立地检测偏移和增益误差水平。
参考文献：
［1］ 韩振峰．智能变电站监控系统调试验收方法的研究［Ｄ］．济南：山东大学，２０１７．
［2］ 张婷，吕晓平，石菊增，等．变电站监控信息验收规范化建设的探讨与研究［Ｊ］．电子测试，２０１７（１６）：１２０－１２１．
［3］ 林昭．变电站监控信息流管控机制的构建［Ｊ］．机电信息，２０１７（２７）：１４７－１４８．