基于WAMS智能电网的故障预测和定位分析研究
【摘要】由于当前电网系统的改制和升级，国家电网开始逐步迈向智能化的时代，智能电网是一个崭新的电网时代，在研究和试运行中会有不可避免的因素存在，特别在对电网的实时监测过程中，很难快速准确监测到一些故障并定位，这样就未能及时有效处理这一些列故障问题，造成很多不可避免的损失和带来很多安全隐患。对此，利用WAMS广域系统检测在PMU中通过对故障距离有着准确的在线检测和定位，同时还运用到神经网络中的信号跟踪技术，能够及时预测和找出故障源进而做出相应的处理方法。经过多次的实验分析和研究，此方法有很好的预测和定位效果。
【关键词】智能电网；WAMS；PMU算法；定位监测
1.引言
在当今电气日益发达的社会，各种电力网不断进步，为了积极应对经济、社会环境等持续快速协调发展、促进能源资源结构优化利用、保障电力供应充足且安全、培育更有战略性意义的新兴产业，和许多发达国家一样开展了智能电网的研究与实践，智能电网建设已成为我国电力发展的必然选择。在向逐步进入全民智能化电气时代迈进，无论是国内外发达或欠发达地区的电网在朝着一个绿色环保，安全有效的阶段努力前进。但由于电力系统本身的复杂性，阻碍着人们开发的步伐，特别在逐步推进智能化时代时，需要人们有着更加全面的考虑和探讨性研究，只有将已知和未知的难题分析彻底，才会有更有效的解决方案和更加全面的措施，去面对各种故障问题。
在我国电网的发展过程中，由于全国电力资源分布不均，运行模式各地也有很大的差异，为了更好地协调这些不利因素，需要采用更好的措施来有效解决这些问题。特别是智能电网的安全性运行中，在当前全球定位系统GPS的成熟期，并结合WAMS（Wide Area Measurement System，俗称广域网动态测量）技术来实时监测智能电网的动态运行情况。这种技术可以很快且准确地实时监视各地各时的状态，于是能及时地预测故障问题并同时得到很好地处理，使整个智能电网的以后在自愈能力方面更为稳定可靠，此类研究已成为世界各国研究新兴科技领域的重要课题。
2.智能电网中WAMS的运用
2.1 WAMS技术
WAMS技术即是广域网动态测量技术，可以在同一时间参考轴下获取大规模的电力系统实时动态信息和稳态信息，为电力系统的运行和控制提供更多更安全的途径和方法。尤其是上世纪九十年代全球定位系统（GPS）的兴起，致使该系统在电网的运行中有着十分重要的地位，在WAMS主站中结合相应硬件和软件支持，能为电力系统提供更为可靠的数据。该系统弥补了SCADA和EMS系
统采集数据的不足外，还对整个电力系统的稳定、故障预测，故障分析，定位监测等方面有很好的促进作用，为智能电网的建设发展过程中解决了一些较为复杂的难题。
2.2 PMU原理
PMU（Phasor Measurement Unit）即是电力系统同步相量测量装置，用于进行同步相量的测量和输出以及进行动态记录的装置。实时对交流电网中各母线的公角和相对相角进行监测。在智能电网中扮演中很重要的角色，主要采用傅里叶变换向量（DFT）的计算方法，其法则如下式子所示，可以利用这些表达式来精确计算。首先设系列信号式子为（1）所示：
（1）
（其中为信号幅值，为信号相角）则利用DFT得到的变换向量式为（2）所示：
（2）
其中，，…分别为直流，基波及次谐波的分量。
然后采用DFT算法，以递归算法进行如下系列式子，应用相对应的基波分量和采样值等集合式的数据来分析。
（3）
（4）
经化简整理得到如下向量形式：
（5）
这种算法可以将比较复杂的数据进行归类，化简不必要的参数，从而采集有效信息并得出较为符合要求的结果。本课题主要是在WAMS系统条件下利用PMU的算法计算出相关信号数据。实际应用中，在WAMS数据站接收同步相量数据时，采用暂态的更新历史数据窗，得到的模拟多项式系数在最大程度上能反映动态变量的基本变化情况，故在系统发生扰动故障结束时刻，开始填充预测缓冲区，这样就能很快捕捉到故障关键点，从而做出下一步监测预故障的决断。
3.监测方案及其结构原理
3.1 数据采集及分析流程
在智能电网系统中，很多技术还有待完善，而在出现很多意料之外的信号传
输短路，会导致一定的数据在传输过程中不完善甚至是丢失，而最终使电力系统在运行过程中发生不同程度的故障，其整体数据检测和判断如图1所示。
图1充分说明了在整个系统怎样预测事故的基本流程，利用数据的参数的类别和形式来进行比较，然后在实时检测跟踪时进行定位判断，最终找出原因所在。
3.2 WAMS主结构监测原理
在主站WAMS中，对数据采集、比较和计算，都要结合PMU的向量算法，另外运用到GPS定位系统以及神经网络的扰动跟踪模块。把这些模块的优点结合在一起，其整体分析结构图如图2所示，在该结构图中，采用了GPS的守时技术，
和检测的主结构原理图
可以在同步向量测量的情况下能保持正常运行且同时间段内维护足够的精度，保证了精细的时间信号，这样在在长时间内每个周期的暂态情况下，可以准确实时地监测系统内的各个具体参数和运行的状况，在整个信息监测过程中同时加入了信号的扰动跟踪原理，主要是利用神经网络BP算法对参数信号进行跟踪。给出其扰动信号跟踪示意图3所示。
在系统中，一些数据信号的传输和输出都要经过很多不同的通道和信道，利用PMU向量算法进行采集和测量时都必须有一个参量信号进行全程参与，实际是参与跟踪，根据神经网络BP算法来满足此过程的需要，这样结合起来就能更为准确的监测运行过程，全程若有不符合所需的信号或数据传输，该功能就能监测到的故障也能及时的把信息反馈到计算机，经模拟证实得到很好的应用。
4.故障预测、定位结论
整个智能电网的配电输送过程中，其电压、电流等一些参数信号和缓冲数据需要在各个通道传输，在广域监测系统中，PMU采集模块部分来针对各变电站的测量点进行动态数据的测量及监控，同时还利用到GPS始终全程的守时定位技术和神经网络扰动数据跟踪法，对信号数据的实时定位跟踪，这样PMU采集的数据具有准确性、实时性。但同时也要针对同时也保证了PMU采集模块长时间正常工作和检测系统的可靠性。数信号源输入信号的比对，使PMU采集模块满足检测精度的要求。
把得到的数据和计算机的有效数据信号进行比较，同过现有的匹配技术将可能有的故障部分进行在线分析，特别在WAMS主站中的硬件部分有GPS监测定位的能力，然后在PMU向量算分中把一些列的参数信号数据进行计算然后反馈到计算机中，可以准确的判断和预测故障的存在，通过模拟证实得到很好的效果。在国内外的学者当中依然是一个重要的研究课题，特别对于目前还未完善的智能电网建设过程中有着很大的研究价值。
参考文献
[1]刘振亚.智能电网技术[D].北京：中国电力出版社， 2010，4.
[2]钟清.智能电网关键技术研究[D].北京：中国电力出版社，2011，8.
[3]赵建成，谢小荣，穆钢.基于WAMS的电力系统暂态稳定的快速预测[J].继电器，2005（4）：1-5.
[4]李强，薛吉，等.基于GPS同步技术的电力动态监测系统的设计[J].智能电器，2012（06）：15-17.
[5]夏阳，刘利娜，张伟.基于WAMS的电网扰动识别与定位[J].电源技术应用，2012（11）：152-153.
