西门子模块6ES7368-3BC51-0AA0接线图形

西门子模块6ES7368-3BC51-0AA0接线图形

1  引言
油田配电网中大量使用变频、整流和开关电源技术制造的节能设备,特别是变频调速电机、永磁同步电机、变频器、高频开关电源等新型节能设备以及非线性电子设备如节能灯、计算机和家用电器等非线性负荷,这些设备在节约能源和提高生产效率的同时,也产生了大量的电力谐波并注入到电网中,使供电质量变坏,对电气设备产生大的危害[1]。
针对谐波的危害,可按照配电网的结构、参数和负荷情况,通过电能质量分析,检测系统的谐波参数和谐波幅值,并通过计算分析判断电力系统中的电压电流波形畸变是否控制在允许的范围内、并给出预警预报。对油田配电网来说,通过频率扫描,谐波计算可以选择合适的滤波器,使其对电网的谐波污染控制在标准范围之内,并预防谐振事故的发生。
随着我国工业化进程的不断加快,对电能质量的要求也越来越高,然而现实却是越来越严峻,日趋严重的“电力污染”问题不仅对油田配电网的稳定的运行造成危害,而且很出现某些问题,而造成无法挽回的经济损失[2]。所以,谐波及其治理将是科研工作者和企业亟待解决的问题。
本文针对有天油田配电网的机构特性,建立模拟的谐波产生规律模型,采用神经网络进行预测预报

并通过MATALB进行研究。

谐波成分占得比重不大,奇次谐波比重较高且危害很大,并且从分析中发现,任一奇次谐波的幅值一般情况下不会过基波幅值的50%,谐波次数越高幅值越小。因而在实际测量的时候,我们可以只需要测量其中的奇次谐波。
电力系统中的一些非正弦周期电流可用傅立叶级数展开:
            (1)
设奇次谐波以一定的幅度逐渐由0开始递增,但上限为基波幅度的50%,为简化模型,油田配电网中5次和7次谐波危害严重,因此,本文设测量谐波电流中的只存在5次谐波,则模型变为:
       (2)
式(2)中,设初相角一定的情况下,为实现5次谐波幅值的预测,确定(2)式中的三个电流变量,等式左边总的电流值变量和等式右边的基波电流值变量为输入,等式右边的五次谐波电流值变量为输出,且其幅值可以从基数值按比例增加到50%以上。

设奇次谐波以一定的幅度逐渐由0开始递增,但上限为基波幅度的50%,为简化模型,油田配电网中5次和7次谐波危害严重,因此,本文设测量谐波电流中的只存在5次谐波,则模型变为:       (2)
式(2)中,设初相角一定的情况下,为实现5次谐波幅值的预测,确定(2)式中的三个电流变量,等式左边总的电流值变量和等式右边的基波电流值变量为输入,等式右边的五次谐波电流值变量为输出,且其幅值可以从基数值按比例增加到50%以上。
神经网络建模的模型如图1所示[3],输入为总的电流值和基波电流值,输入样本可以选择一个周期的随机值,输出为5次谐波的幅值。隐含层神经元数量为8个,隐含层个数要根据实际时的训练样本数据分析情况进行适当调整,没有具体的确定方案,以模型输出误差和神经网络权值、阈值作为调整的依据。

3  基于神经网络的配电网谐波预测研究步骤
根据油田配电网谐波结构的特点,本文采用BP神经网络进行谐波预测,实现步骤如下[4-5]:
(1)  数据采集与数据的归一化。
主要包括和油田配电网谐波预测相关的电压、电流、谐波波次幅值等参数。
(2)  训练样本、测试样本和校验样本的建立。
(3)  构建神经网络,以总电流和基波电流为输入,以5次谐波幅值为输出,隐含层选择8个进行构建神经网络。
(4)  训练参数进行训练。
(5)  完成训练后,就可以调用训练结果,输入测试数据,进行测试。
(6)  数据进行反归一化。
(7)  误差分析。4  基于BP神经网络的谐波发生预测研究
BP网络作为一种多层前向神经网络,具有相对比较成熟的理论和算法,是目前在该领域研究比较多的ANN,它可以实现从输入到输出的任意非线性映射。这种BP网络可以在油田配电网系统中用于对谐波进行实时测量。这是因为电网中的被测量是由各次谐波和基波所构成的非正弦周期波形。实现对谐波信息的实时测量,需要根据实际的情况选择相应的网络结构,然后将待测量的采样数据施加在经过合理样本充分训练后的网络中。因为相角、幅值变化范围大并且不具有规律,所以同时改变相角和幅值来对网络训练的话,将会增加网络的负担,因其同时负担两种变化的记忆,如此一来,对谐波测量的速度和精度都会造成很大的影响,因而本文是以设初相角己经确定为前提的状态下。
传统BP网络收敛速度慢,很难实现大量样本数据的处理及应用与进行实时预报。因而,与以往常规的梯度下降法不同,本文修正BP网络的阈值和连接权值采用Levenberg-Marquardt算法(简称L-M算法)。L-M算法的基本原理如下:
L-M算法的选代公式:
                  (3)
式中:I为单位阵;为一个非负值。依赖于的幅值,该方法光滑地在两种端情况之间变法:即ss-Newton法(当0)和标准梯度法(当)。该式即可作为BP神经网络的学习训练方法。
网络权值和偏差的变化量:
                      (4)
并以此不断来对网络进行调整训练,直至达到目标要求。由式(3)可知,L-M法实际上综合了Newton法和标准梯度下降法二者的优点,是Newton法和标准梯度下降法的结合。因而,以L-M算法设计的BP网络在精度及收敛速度方面都有很明显的优势。
根据公式(2)模型中的设,训练过程中,输入为总的电流值和基波电流值,根据采样时间的不同每个周期选择8对样本,基波的幅值上限定位1.0,模型的输出为0.02、0.05和0.5幅值的5次谐波,这样输入共24对采样样本。
基于L-M算法的网络模型训练过程如图2所示,基于24对训练样本的的模型平均误差为0.0085,达到了一定的精度。为验网络的泛化能力,重新生成40对样本,输出谐波幅值分别是0.4和0.08,结果如图3所示。文中数据采用阶跃跟踪信号,神经网络模型的结果验证了L-M算法具有梯度法的全局特性,提供了牛顿法的速度和保收敛的梯度下降法之间的折衷,收敛的迭代次数少,能快速完成网络训练。5  结束语
本文结合油田的实际需求,建立了油田配电网简化的数学模型,以五次谐波为研究对象,设为神经网络的进行研究,采用改进的BP神经网络方法对油田配电网谐波进行预测预报,并进行了测试样本验证。结果验证了L-M算法的优越性,本文提出的神经网络预测油田配电网谐波能减少谐波污染,非常具有实用。因此,本课题的研究将对于我国在油田节能供电方面技术的提升、供电质量的提高以及供电技术的发展都具有很大的意义,为使电能能够在油田中得到、低污染的应用开辟重要途径。

1  引言
随着社会的发展,集中供热以其节约能源、减少污染、方便人民群众生活的综合性经济、环境和社会效益,的优势逐渐取代了小锅炉,特别是20世纪90年代以来,在全国各地的支持下得到了飞速的发展,在城市基础设施中发挥越来越大的作用,随着管网范围的延伸,管网检查井的数量也成倍的增长,在供热管网的检查井中,一般安装有阀门、减压器、补偿器等管件及其保温层。随着供热介质温度的变化,管道就会发生膨胀和收缩,从而产生应力,该应力一般靠补偿器的伸缩来释放,由于供热介质温度变化的比较频繁造成管道一直处于收缩伸长的变化中,所以补偿器是热网的易损部件,另外检查井中的阀门由于长期处在潮湿环境中,易被腐蚀发生泄露的机会也很大,如果检查井中的部件发生长时间泄露无论对居民小区的供暖还是对一级管网的正常输热都会产生很大的影响,甚至会损坏检查井的建筑结构,所以对井内部进行泄露检测并及时报警是非常有必要的[1]。

2  检测原理

一般井内部结构图如图1,发生损坏的部位就是图中所标的1~4四个弯头,它们所承受的变形应力大而且高压水对他们的冲击也是大的[2]。所以在这四个部位各安装两个温度传感器,检测保温材料内外的温度,根据保温材料的热传导特性内外的温差如果过于接近说明供热介质已经渗透保温层。另外在检查井的下端安装液位开关,如果是其他部位泄露当水位过液位开关报警线时表示检查井内已经积水应该进行检查。对于野外检查井井盖和阀门经常失窃,给供热网络的正常运行造成大威胁。所以在井盖安装防盗开关,在未经备案的情况下井盖被打开就可认为被强制打开。单片机通过GPRS模块向监控中

心发送泄露或者井盖被盗信息,监控人员就可以根据信息的内容进行抢修。

3 硬件设计
系统以微芯公司的低功耗单片机PIC24F16KA102为控制芯片,在仅开启RTCC功能同时将所有IO口设置成高阻状态时实测功耗小于300nW,实现整个系统在锂电池供电的情况下低功耗长时间运行。系统的其他部分在不工作时几乎不耗电,所以在待机状态下整个系统的功耗都会小于300nW。测温元件采用DS18B20,系统总体框图如图2。

3.1  检测部分电路设计
部分包括液位开关、防盗开关、测温系统三部分,液位开关和防盗开关分别与单片机的外部中断管脚,DS18B20连接到单片机的普通IO口,电路原理图如图3[3]。单片机可以由外部中断1、2从休眠状态中唤醒,表示液位开关闭合或者防盗开关闭合。而单片机还可以利用RTCC功能定时唤醒检测温度传感器的温度判断管道是否发生泄露[4]。在系统检测到泄露之后,需将泄露信息传输到远程服务器,系统利用GPRS模块通过GPRS网络将编码的泄露信息传入远程监测服务器中,实现阀井的实时监测。模块选用的是Quecbbb-M10,在模块中自带TCP/IP协议,兼容AT指令集,可由外部管脚控制模块的开关,而且正常工作时功耗低,延长锂电池的使用时间。单片机与GPRS模块的接口电路图如图4。系统软件程序主要由RTCC定时程序、温度检测程序、外部中断唤醒程序、数据打包发送程序组成,程序进行初始化后对外部设备进行巡检,确认所有设备工作正常且没有泄露后就启动RTCC定时并进入待机状态以节省电池电量,一旦液位开关或者防盗开关被触发,单片机就被唤醒,启动GPRS模块将打包后发送到服务器端,在没有外部中断触发的情况时,单片机由RTCC定时器定时唤醒对外不检测设备进行巡检,如果发现泄漏情况同样启动GPRS模块对打包发送,程序流程图如图5。在打包发送数据时,为让服务器端能正确的出数据包包含的泄露信息、发生泄漏的检查井编号对数据格式进行规定,是包头,然后是手机号码用来区分井号,然后依次是泄露信息、校验数据和包尾。具体格式如表1。

服务器端接收到数据后,按照约定的格式进行解包,同时进行声光报警,这样就实现了阀井泄露的实时监测。图6、7就是上位机检测软件报警和设备在线情况的界面。

5  结束语
本系统利用低功耗单片机PIC24F16KA102为主控芯片,利用温度传感器、液位开关和防盗开关对供热检查井的泄露情况进行及时的检测,同时对打开井盖的情况进行检测,并可以将信息及时传输到远程服务器,实现检查井的实时监测,对检查井泄露只能靠事故发生后造成的影响进行判断的方法提供的一个全新的解决方案,大化的减小了经济损失,为提高管网的自动化检测水平发挥了重要作用,本系统已经在现场进行应用,检测和防盗效果非常好,具有很大的发展前景

1  引言
国家“十一五”期间要求单位GDP能耗比“十五”降低20%,而电力能耗占整体能耗的近1/3,所以节能降损对国民经济意义重大[1]。要顺利推进节能降损工作,一个很重要的环节就是对所有电力设备的线损情况进行监测分析,对这些电力设备的供售电量进行和统计,为线损分析和应用提供的数据源。
对供售电量的,常规将在各级调度部门分别建设电量采集系统、线损管理系统,同时需要实现用电现场管理系统、用电营销系统等接口,特别在地区和县级的两层建设凸现了无序建设、重复建设、孤岛建设、分散建设等现象[2]。随着计算机软硬件技术的发展,为满足电力系统生产、运行和管理需要,实现信息和功能共享越来越重要,从而带动了电网应用系统的技术趋势良性发展。
1.1  标准化
IEC61970/IEC61968标准为电力系统中的各种资源定义了公共信息模型(CIM:Common Inbbbbation Model),在很大程度上方便了不同系统之间的集成。CIM将对于电力企业信息化水平的提高具有大的促进作用,理解标准、遵循标准、使用标准、扩展标准也必将成为电力企业信息化发展的共识[3]。
1.2  平台化
为了解决电力系统的“信息孤岛”问题,实现各应用之间在功能和数据上的集成是必由之路,从单个应用的组件化,到不同应用间的集成化,到电力企业的综息平台,从单个应用视角、多个应用视角、企业整体视角三个层面实现整合和集成[4]。依据国家电网公

司“十一五”信息发展规划,国家电网公司2006年开始实施信息化建设工程(“SG186工程”),其中的一体化平台、数据、应用集成、企业门户等主要方向均体现了平台化的总体思想[5]。国家电网公司农电工作部进一步明确了在“十一五”期间,电网自动化系统的新建或改造,遵循一体化设计和建设原则,实现调度、配网、、电量、管理等多种应用功能的无缝集成,加强信息资源数据整合和数据共享,提升电网调度自动化系统建设的应用水平。
1.3  集成化
伴随“SG186工程”,国家电网公司同时提出了“硬件集中、软件集成”的主要思想。结合目前电网公司层次化的管理结构,进行地级、省级集中建设也成为必然趋势,如目前浙江电力的全省大营销系统建设、各地区用电现场管理系统集中建设。
根据上述标准化、平台化、集成化的建设趋势,本文提出的地县一体化电量采集和线损管理系统的重要建设思路,不但实现了地区、县级的一体化集中建设,实现了电量采集、线损管理的平台化集成建设,而且平台的底层模型、接口规范、发布方式等均满足相关标准和规范,方便进行其他应用的拓展。本文对平台建设的三个主要问题进行了研究,即地县一体化建设模式、基于CIM的标准底层模型、基于电力设备的线损对象模型的自动抽取和关联等。

2  地县一体化建设思想
结合电能量采集计量系统的结构模式和二次防护、数据备份等基本要求,充分考虑地区系统的实用化建设和数据共享现状及后期县级系统的应用发展方向,充分贯彻“硬件集中、软件集成”的基本思想,采用“平台统一、数据库统一、二次防护统一、Web发布统一、数据备份统一、地区和省级共享统一”总体原则,地县一体化电量采集及线损管理系统的组网模式如图1所示。
2.1  系统网络组成
如图1所示,地区为一套完整的电量采集及线损管理系统,采用网络分布式结构,采用正、反向隔离装置实现内业务分离、数据同步;数据采集、统计在内网实现,数据同步到;各种业务在根据权限进行。整套系统由主网内网、前置采集网、三部分组成,主要负责自身管理变电站、电厂数据的完整、采集。
县局采用“子系统”建设模式,其采集维护子系统负责自身管理范围内变电站、电厂数据的采集,通过地县调度数据网与地区系统内网连接,这样相关基本信息的设置、录入和数据维护、采集通道的建设和维护在各县局进行,整套平台的运行机制、数据处理、数据存储、数据备份、二次防护等在地区进行。所有县局用户可基于权限通过地县信息网实现地区系统Web服务的访问,实现自身对电量和线损数据及报表的各种应用。

2.2  地县一体化平台的主要内容
对地县一体化建设模式,主要实现了平台统一、数据库存储统一、数据备份统一、二次防护统一、Web发布统一、地区和省级共享统一等功能。
平台统一:电量处理、发布和应用平台只是在地区建设实现,地区为一套完整统;各县局只建设简单的采集维护子系统。
数据存储和备份统一:数据库服务器、数据备份服务器只是在地区实现,同时实现异常时的备份服务器切换功能。
二次防护统一:二次防护机制仅在地区实现,各县局采集维护工作站通过调度数据网与内网连接,用户工作站通过科信管理网实现数据访问。
Web发布统一:所有电量数据和应用发布基于地区实现,全地区功能和流程一致,权限控制机制一致。
地区和省级共享统一:根据浙江省地区及县级电量采集系统建设的整体需求,系统需要实现省公司电量系统、省公司营销系统、各地区PI数据库的接口并共享设备模型信息、电量数据和业务数据;所有这些接口全部在地区系统统一实现。

3  基于CIM的公共信息平台
公共信息平台使得多个异种数据源在单个站点可以统一的模式组织存储,将设备信息、资产信息、实时数据、管理数据等集中存储,并支持管理决策,利于各种综合应用的顺利开展,满足生产、运行和管理的需要。CIM提供了一种用对象类和属性及彼此关联关系来表示电力系统资源的标准方法,在很大程度上方便了公共信息平台的实现。本文在对CIM配电网扩展模型进行研究的基础上,结合电力设备的层次结构,结合系统主要建设目标,实现了输电网、变电站、配电网完整电网模型的建立,并据此映射了底层标准数据库。
3.1  拓扑建模
CIM拓扑建模主要用于定义如何连接配电网各设备,设备连接关系通过“导电设备(ConductingEquip-ment)－－终端(Terminal)－－联结点(ConnectivityNode)”的关联关系来表现。终端是设备的终点,一个设备可有多个终端,联结点根据网络运行状态,把相关的终端连接在一起。
3.2  设备建模
设备建模主要对拓扑模型中的传导设备(ConductingEquipment)进行详细描述,同时管理设备相关参数、线损计算所需参数。为方便进行各类装置的物理位置关联,本文对线路段、节点进行描述。
线路分段规则有两个:(1) 不同型号导线类型(如架空线、电缆)进行分段;(2) 架空线、电缆出现连接位置有开关、闸等开断设备时进行分段。这样就可以虚拟出架空线段、电缆段、架空电缆段等分段类型,类似变电设备中的间隔,据此进行线路段的描述和定义。
架空线上的设备要么作为杆、塔附属设备,要么依靠杆、塔作为支撑;同样电缆上面,有设备的地方,肯定要有井孔才能把设备通过电缆接入电网。因此从功能位置的角度考虑,虚拟出杆、塔、井孔这样的节点位置,可以反映出一组设备在电网中的位置关系。对不依赖于杆、塔、井孔的设备其节点作为虚拟设备处理。
3.3  公共信息平台的建立
基于CIM对所有配电网设备的物理位置和连接关系进行界定后,遵循IEC61970/61968的CIM对一次设备、二次设备按照电网层次结构和关联关系进行统一定义,对各种采集、计量装置基于IEC61968资产包的定义进行统一管理,对所有数据类型采用量测方式进行统一描述,对所有业务流程按IEC61968工作包的相关描述进行统一实现,采用统一命名和编码技术对所有对象进行识别。基于上述技术实现的公共信息平台的统一定义,可方便映射成标准的数据库底层模型。
3.4  设备的统一命名
在整个模型及整合过程中,识别各电力设备对象,根据目前的行业应用经验,采用统一命名(Naming)进行实现。设备的统一命名方案和设备的层次结构密切相关,本系统采用聚集关系描述设备层次结构;确保不同系统中设备对象的名字的性,且具有一定的可读性,方便标识、交流和设备对象。所采用设备命名属性的说明如下:
 名称(name):同一父对象范围内各对象的名称。
 描述(dibbbbbbion):对象或实例的描述。
 路径名称(bbbbbbbb):在容器层次结构中构造的、并且具有一个单级标志的对象,也可以具有一个多级标志(multi level designation)。把对象的单级标志和包容该对象的各个容器对象的单级标志连接起来就可以创建该对象的多级标志,即所有容器名的串联。
 别名(aliasName):对象或实例的任意文字名(A free text name of the bbbbbb or instance)。
3.5  量测的定义和实现
在基于CIM识别一个电力设备对象后,为识别所有数据,系统引入量测Measurement、量测值MeasurementValue、量测类型MeasurementType、量测单位Unit、量测来源MeasurementValueSource等对象,通过上述对象的描述就可识别一个设备对象在某时间的某数据类型的数据值。