基于 PSC-9000 系统平台的换流站阀冷数据智能预警模型论文

SCI论文（www.lunwensci.com）

　　摘要：为提高换流站阀冷数据预警的准确性， 缩短阀冷数据的计算时间， 提出了一种基于 PCS-9000 系统的阀冷分析模型 。首先利 用粗糙集方法收集 PCS-9000 系统中的阀冷数据， 剔除冗余数据， 计算不同数据之间的相关性， 并将数据进行标准化处理， 实现不同 数据结构之间的转换 。然后用能量守恒理论对液位 、温度 、流速进行监测， 通过设定阈值识别异常值， 确定异常值出现的原因和位 置 。最后比较异常值， 结合 PCS-9000 系统中的日志、报错信息， 确定异常值的危险等级并进行告警 。结果显示， 所提分析模型能充 分利用 PCS-9000 系统数据， 缩短计算时间， 提高告警准确性， 结果显著优于单独的 PCS-9000 系统分析， 符合换流站的告警要求。

　　Abstract: To improve the accuracy of valve cooling data early warning in converter stations and shorten the calculation time of valve cooling data, a valve cooling analysis model based on the PCS-9000 system is proposed. Firstly, this paper uses the rough set method to collect valve cooling data in the PCS-9000 system, eliminates redundant data, calculates the correlation between different data, and standardizes the data to achieve conversion between different data structures. Then, the energy conservation theory is used to monitor the liquid level, temperature, and flow rate. By setting thresholds, abnormal values are identified and the cause and location of the abnormal values are determined. Finally, by comparing the outliers, and combining with the logs and error messages in the PCS-9000 system, the hazard level of the outliers can be determined and issue relevant alarm. The results show that the proposed analysis model can fully utilize the PCS-9000 system data, shorten the calculation time, improve alarm accuracy, and significantly outperform the individual PCS-9000 system analysis, thus it meets the alarm requirements of the converter station.

　　Key words: valve cooling data; intelligent alarm; PCS-9000; system platform

　　0 引言

　　阀冷系统是换流站的核心， 属于直流系统范畴， 主 要负责热交换， 保证阀塔设备温度的恒定[1] 。 阀冷系统 中的内冷水系统含有诸多管线[2]， 分布在阀塔周围[3]， 并 产生大量的监测数据， 传统的遥感在线监测方法无法完 成持续监测任务， 并出现数据时滞 、冗余数据多， 以及 告警不准确等问题[4]， 容易导致阀塔短路 、直流闭锁故 障 。因此， 寻找一种有效的阀冷数据监测方法， 成为目 前亟待解决的问题 。随着智能设备在换流站阀冷处理中 的大量应用， 阀冷监控问题变得更加复杂， 数据处理难 度较大[5]， 特别是主站 PCS-9000 系统平台的引入后[6]， 数据处理难度急剧上升。

　　PCS-9000 系统平台支持 104 规约的遥测数据采集， 并且开放遥测 、遥信测点新建和公式应用等功能， 将阀 冷系统的遥测数据采集到主站系统后可以在主站系统对相关数据进行实时运算并实现智能告警[7] 。大大弥补了 站内监控系统无法智能运算的不足， 可以对相关设备进 行实时 、不间断的数据分析， 并主动判别结果[8]， 推送 智能告警， 是辅助运行人员值班监测的重要手段。

　　基于此， 本文对阀冷数据进行算法分析， 结合 PCS- 9000 系统平台进行综合分析， 旨在提高阀冷告警的准确 性， 帮助监测人员及时发现内冷水泄漏情况， 提前采取 阀冷处理措施， 避免阀塔设备出现故障。

　　1 阀冷系统预警的数学描述

　　为了将 PCS-9000 系统平台与换流站阀冷系统进行有 效链接， 需要对阀冷故障进行数学描述， 并引入调节因 子， 具体内容如下。

　　1.1 阀冷设备的故障描述

　　设阀冷系统的故障点为 xij， i,j ∈ (1. ⋯ ,n )， 其中 i 值 为故障的位置设备， 分别为： 阀门为 1. 管件为 2. 水箱为 3. 电机为 4. 离子交换器为 5. 风扇为 6. 冷却塔为 7. ⋯; j 值为故障的原因[9]， 分别为： 设备电源电压下 降为 1. 喷淋水不足为 2. 风机停运为 3. 电导率偏高为4. 内冷水泄漏为 5. 进阀温度高为 6. ⋯。

　　阀冷系统的告警为 yi， i ∈ (1. ⋯ ,n )， 其中j 值为故障 告警结果， 分别为： 设备电源告警为 1. 风机停运告警 为 2. 不明原因告警为 3. 内冷水泄漏告警为 4. 主泵堵 塞告警为 5[10]。

　　处理措施为 zi， i ∈ (1. ⋯ ,n )。i 值为处理措施， 分别为： 定期巡视检查=1. 综合判断=2.故障描述函数为L(x,y,z )， 计算过程如式 ( 1) 所示。

　　式中A 为调整系数， 是换流站的告警阈值。

　　1.2 内冷水泄漏描述

　　设阀冷系统运行状况为 Xij， i,j ∈ (1. ⋯ ,n )， 内冷水 高位水箱中液位状态为 oi， 影响液位的因素为 Oi 。其中， i 值为影响原因， 分别为： 环境温度为 1. 直流功率为 2. 风机运行情况为2. 主泵运行情况为3. 进阀温度为4. ⋯。

　　在实践观察中， 液位变化的规律与内冷水进阀温度 之间的线性关系为 Rij[11] 。在进阀温度固定的情况下， 其 高位水箱的液位也是固定的某一个数值， 其液位随着内 冷水进阀温度的变化而变化， 所以设置进阀温度 Ti 。当 内冷水发生泄漏时， 高位水箱液位会逐渐降低， 设置液 位阈值为 B。

　　内冷水泄露结果为 ri， 计算过程如式 ( 2) 所示。

　　式中： B 为液位随温度变化的一个常数， 取决于内冷水 系统储水量以及高位水箱数值刻度的单位体积 (注： 由 于大型检修时会对内冷水产生大量消耗和补充， 每次停 电检修结束后需要重设 B 值)[12]。

　　利用 PCS-9000 系统对新建遥测数据 Z1 进行监测， 设定计算方式为周期启动， 周期时间为 5 s。然后在 Z1 的数据限值窗口中设定越下限监测， 限值可调。

　　1.3 温度调节因子描述

　　温度是阀冷数据智能告警的关键之一， 所以要引入 温度调节因子 。设将整个内冷水系统的等效理解温度阈 值为 C[13]， 内冷水循环系统的标准温度为 Tc， 高位水箱区域对应的标准液柱为 Lc， 高位水箱的液位与水温的关 系函数为 L(Tc ,Lc | C )， 内冷水系统的初始温度为 Tc0 和高位水箱内的初始液柱 Lc0 。温度调节因子的计算如式 ( 3) 所示。

　　式中 L(Tc ,Lc | C ) = 1. 其值恒定， 温度与液柱高度之间 通过阈值进行调节。

　　1.4 双极内冷水液位调整因子

　　在正常直流运行情况下， 双极负荷均匀分配 、功率 相等， 双极产生的热量是一样的， 双极的温度变化均是 一致， 而且其高位水箱随温度的变化幅度也一致 。 由于 双极的高位水箱液位差相对固定， 而且换流站双极阀冷 系统独立运行， 所以将其看成完全孤立的两个系统， 分 别进行分析[14] 。设双极内冷水发生泄漏， 双极的高位水箱液位差值为 ΔLc， 发生时间为 T， 双极高位水箱液位告 警阈值为 D， 直流系统内冷水泄漏函数为 P(ΔLc | D )， 计算过程如式 ( 4) 所示。

　　其中， 初始状态下， 双极的液柱差大于 0. 即 ΔLc > 0 (注： 由于大型检修时会对内冷水产生大量消耗和补 充， 每次停电检修结束后需要重设置初始值)。 同时， 利 用 PCS-9000 系统对换流站阀冷设备中的液位值进行遥测 监测， 设定智能算法的迭代次数， 计算时间 。然后， 对 阀冷数据进行限值的上 、下线监测， 并调整告警值 。

　　1.5 主过滤器堵塞告警直流内冷水系统是一个相对封闭的系统， 其主过滤 器的作用是过滤内冷水系统中的杂质， 避免内冷水管结 垢， 造成水管堵塞以及设备发热[15] 。设主过滤器吸收杂 质扰动为 ξ， 通过性为 k， 主泵压力为 Pa 、负荷为 Fa 、电 机稳定为 Td， 内冷水流速为 vi， 制冷效果为 G， 主过滤器堵塞函数为 D(xij)， 其计算过程如式 ( 5) 所示。

　　当 D(xij)判断结果为正时， 说明未出现异常堵塞; 为 负时说明出现异常堵塞 。将该状态量信号的量测类型关 联为 PCS-9000 系统“异常信号”， 及时采取异常处理措 施 。当主过滤器发生堵塞后， PCS-9000 系统发送“异常 信号”， 则“主过滤器堵塞”值为 1.如果主过滤器发生 堵塞， 或 PCS-9000 系统发送“异常信号”， 则“主过滤 器堵塞”值为非 1值。

　　2 换流站阀冷数据的案例分析

　　2.1 阀冷数据越限告警标准

　　直流正常运行过程时， 阀冷系统各遥测数据均保持 在一定的范围内， 当阀冷系统运行异常时， 相关遥测数 据会溢出， 偏离正常值 。利用 PCS-9000 系统对相关遥测 数据设定上下限的限值， 通过监测相关数据越限告警、 能够及时发现阀冷设备的缺陷隐患， 所以对换流站阀冷 数据设定越线告警标准， 如表 1所示。

　　2.2 阀冷数据智能告警的稳定性、准确性阀冷数据智能告警要保持一定的稳定， 否则会增加 数据的扰动率 。对比 PCS-9000 系统和阀冷分析模型的计算结果， 对阀冷数据智能告警的稳定性进行检测， 验证 两种方法的准确性， 具体结果如表 2所示。

　　由表 2可知， 基于 PCS-9000 系统的阀冷分析模型的 稳定性 、准确性均大于 85%。 同时， 9 项指标的判断稳 定性较好， 均大于 88%， 显著优于原有阀冷模型， 两者 之间存在显著差异 。究其原因， 基于 PCS-9000 系统的阀 冷分析模型将阀冷设备的数据进行量化， 并引入调节因 子进行纠正， 减少初期的数据处理量， 增加单次分析数 据的稳定性 。但是， 原有阀冷模型需要接受大量数据， 数据中的冗余数据所占比例较多， 占用大量的系统资源， 所以计算过程中容易出现告警准确率低的问题。不同方法 的准确性 、稳定性变化比较如图 1所示 。由图可知， 在对 比两种方法的稳定性和准确性方面可知， 基于 PCS-9000 系统的阀冷分析模型的稳定性、准确性更加集中， 而且未出现较大的变化幅度 。但是， PCS-9000 系统的稳定性较 差， 变化幅度整体较大。同时， 计算线的集中度、线条数 量更多， 两种存在显著差异， 进一步验证表 2 中的结果。

　　2.3 阀冷数据智能告警的处理时间

　　告警时间是阀冷数据处理的重要内容， 本文对 1/2、 1/3和 1 的比例进行数据分析， 具体结果如表 3所示。

　　根据表 3可知， 在基于 PCS-9000 系统的阀冷分析模 型中， 阀冷数据智能告警的时间较少， 为 4~6 s。其中， 1/2、 1/3、 1 的 告 警 时 间 未 出 现 较 大 幅 度 波 动 (ddf = 1.025)， 整体告警时间比较理想 。相对于基于 PCS-9000 系统的阀冷分析模型来说， PCS-9000 系统的计算时间相 对较长， 时间变化幅度为 9~16 s， 出现较大幅度波动 (ddf =3.231)。 究其原因， 决策树法以少量异常信号为基础， 对信号的位置 、像素量 、线段距离进行迭代分析， PCS-9000 系统的告警时间较长， 而且冗余数据较多， 特 征数据值的识别率较低， 所以计算时间较长 。 同时， PCS-9000 系统需要与阀冷设备进行交互， 会进一步增加 数据的分析时间 。但是， 基于 PCS-9000 系统的阀冷分析 模型通过理论与系统的联合， 能较好地减少计算时间。

　　3 结束语

　　基于 PCS-9000 主站系统对遥测数据进行智能告警， 主要包含数据越上下限 、三相数据不平衡等方式， 通过 对遥测数据建立分析模型， 实时主动推送告警， 有利于 运行监测人员第一时间发现设备存在的缺陷异常; 同以 前定期查看数据， 抄录数据 、然后离线分析的方式相比， 遥测数据智能告警时效性强 、反应迅速 、出错率低， 可 以大大减轻运行监测人员的工作， 节约大量人力物力 。 本文研究结果显示： 基于 PCS-9000 系统的阀冷分析模型 的稳定性 、准确性均大于 85%。 同时， 9 项指标的判断 稳定性较好， 均大于 88%， 显著优于 PCS-9000 系统， 两 者之间存在显著差异 。在基于 PCS-9000 系统的阀冷分析 模型中， 阀冷数据智能告警的时间较少， 为 4~6 s。其 中， 1/2、1/3、1 的告警时间未出现较大幅度波动 (ddf = 1.025)， 整体告警时间比较理想。

　　参考文献：

　　[1] 申磊, 魏震, 高瑜 . (特)高压直流换流站阀冷通用型辅助起重 装置的研究[J]. 电气技术与经济, 2022(5): 80-84.
　　[2] 陈俊宇, 李宏昌 . 换流站阀冷外冷水系统隐患分析及改进措 施[J]. 电工电气, 2022(6): 71-73.
　　[3] 毛春翔, 马润 . 换流站阀塔漏水在线监测系统的设计[J]. 光源与照明, 2022(4): 216-218.
　　[4] 刘禾雨, 姚进波 . 一起特高压换流站阀冷系统补水故障处理与 分析[J]. 安徽电气工程职业技术学院学报, 2022. 27(1): 38-40.
　　[5] 王凌云, 杨雨琪, 史磊, 等 . 基于长短期记忆法的换流站阀冷 系统参数预测[J]. 科学技术与工程, 2022. 22(2): 547-555.
　　[6] 张增明, 赵栋, 陈学良, 等 . 换流阀外冷系统金属软管在线更 换技术分析与改造[J]. 湖南电力, 2021. 41(6): 80-84.
　　[7] 刘钊, 史磊, 叶太阳, 等 . 基于逻辑控制的换流站阀冷控制保护 设备系统设计[J]. 机械设计与制造工程, 2021. 50(11): 49-54.
　　[8] 江一, 梁秉岗, 陶敏, 等 . 换流站阀厅运行环境在线监测系统及传感器布点方法研究[J]. 高压电器, 2021. 57(10): 77-82.
　　[9] 李昊, 刘钊 . 特高压换流站阀冷系统平衡水池抽水功能的完 善[J]. 宁夏电力, 2021(4): 65-69.
　　[10] 李海峰, 于瑞, 彭敏文, 等 . 一种换流站阀冷设备振动解决方 案[J]. 武汉大学学报(工学版), 2021. 54(S2): 185-189.
　　[11] 蔡少辉, 郭卫明, 赵猛, 等 . 一种换流站阀冷系统主泵在线监 测装置设计[J]. 新型工业化, 2020. 10(10): 38-39.
　　[12] 邹洪森 . 换流站阀厅设备动态监测及壁面清洁组合机器人 关键技术及应用[Z]. 宁夏回族自治区,国网宁夏电力有限公 司检修公司,2020-06-28.
　　[13] 陈强华 . 基于多维时序数据的运维优化技术研究[D]. 济南 : 山东大学, 2020.
　　[14] 赖皓, 尹海涛, 洪乐洲 . 换流站阀厅空调在线监测及故障诊 断方法研究[J]. 电工技术, 2020(6): 98-100.
　　[15] 齐英伟,张平,张明明 .特高压换流站断路器选相合闸装置拒 动原因分析及措施[J]. 内蒙古电力技术,2021.39(5):55-59.
　　[16] 赖皓, 李靖翔 . 换流站阀冷外冷水系统热力性能评估方法研 究[J]. 电工技术, 2019(5): 30-33.
 
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！

文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/64978.html