王 娜，谭 浩，苏 盛

（1.湖南大学电气与信息工程学院，长沙410004；2.智能电网运行与控制湖南省重点实验室（长沙理工大学），长沙410004）

数据采集与监视控制系统SCADA 是电网调度不可或缺的工具，它通过安装在现场的远动终端RTU（remote terminal unit）将电网状态信息反馈到调度中心，对不正常状态报警，帮助调度人员正确掌握和及时跟踪、调整电网运行状态[1]。由于需要监测广阔地域上大量厂站的运行状态，SCADA一般采用应答或轮询方式与RTU 通信，每隔一定时间刷新显示电网状态[1]。

传统上，SCADA 的应用水平主要受通信条件制约。早期受载波和微波等通信通道的带宽约束，SCADA 需通过死区控制等方式降低通信负载，提高数据刷新频率[2]。近年来，随着光纤通信技术的普及，主要厂站都已通过光纤与调度中心相联，并以网络通信方式传输数据。通信条件的改善使得数据刷新周期由以前的几十秒降低到几秒。但SCADA 的基本工作方式还是每次发送当前数据刷新周期时间断面电网状态信息，不能反映系统动态过程。由于该缺陷，调度人员既难以及时发现低频振荡现象，也难以在扰动后直观地判断系统是在逐渐失去稳定还是过渡到新的稳定状态，不利于及时正确地控制决策和电网安全稳定运行。

近年来出现的广域测量系统利用相量测量单元采集电网各处同步测量的暂态数据，然后借助高速通信网以50 Hz 或100 Hz 的频率实时传送至调度中心，不但能较好地弥补SCADA 无法反映系统动态的缺陷，还能显著提高电网参数辨识的准确性[3-4]和控制品质[5-6]。但因其对通信网络的高要求，在山火、冰灾导致大量通信通道失效的特殊情况下也存在网络带宽难以满足通信负荷需求的问题[7]。为解决基于TCP/IP 协议的通用通信系统与电力系统通信高实时性需求间的矛盾，华盛顿州立大学针对网络通信重载情况下难以保障通信品质问题，提出由数据订阅方提出对通信质量的期望和可接受的下限，在网络重载时将数据通信质量降低到可接受下限，以维持系统整体正常运行[8]。若能以传输数据量的些许增加为代价，在现有SCADA 中传输电网动态数据，对在各种运行条件下保有对电网动态的监视能力显然是有益的。

为此，文中提出可利用数据压缩技术，在厂站RTU 侧将从变电站自动化系统中采集的电气量利用多项式拟合或抽样技术进行数据压缩，然后在调度中心主站侧重构电网动态，以克服通信带宽约束，将变电站侧的电网动态信息传回到调度中心[3，9-10]。但两方法对SCADA 更新时长敏感，在更新周期较长时拟合精度下降。本文结合电力系统动态过程数据的特点，分析了数据压缩方法的适用性，提出了基于振荡数据特征的非均匀抽样/插值数据压缩传输方法。结合电网暂态仿真数据的计算表明，利用本文方法能以通信负载的少量增加为代价，显著提高了SCADA 对电网动态过程信息的反映能力。

1 数据压缩方法

1.1 已有方法的缺陷

小波分析在电力系统数据压缩中得到广泛应用[11-12]。它利用测量数据可分解为不同频带信号且主要特征信号集中在少数频带的特点，通过提取频带系数并丢弃不重要频带信息的方法压缩数据。由于扰动下电网动态过程常以斜坡形式缓慢变化，能量分布在宽广的频带上，此时应用小波变换会产生许多附加的幅值中等系数，无法达到数据压缩的效果。

文献[9]提出利用多项式拟合的形式进行数据压缩，在RTU 侧对实际数据进行多项式曲线拟合，实现仅传输多项式系数的压缩目的。文献[10]提出采用均匀抽样之后再利用三次样条函数插值重构的数据压缩传输方法。仿真结果表明，在SCADA 更新周期为3 s 时，采用3 s 刷新间隔条件下，15 阶多项式拟合和15 点均匀抽样/三次样条插值均可获得较为理想的重构效果[9-10]。但SCADA 更新周期并非固定，当更新周期延长至9 s 如图1 所示情况下，两方法无法精确重构电网动态。

从数据拟合机制上看，该两方法还存在一些问题。

（1）多项式拟合法的多项式系数按最小二乘准则确定。故障时测量值突变，为满足最小二乘准则，拟合曲线与原曲线间必然有较大误差。尽管增加多项式阶数可在一定程度上减小拟合误差，但高阶多项式拟合会在数据段两端产生波形振荡的龙格现象，限制了多项式阶数提高的潜力[13]。

（2）均匀抽样/三次样条插值方法可提高抽样点数来降低重构误差，但该方法对扰动发生时刻敏感，未抽样到扰动时刻数据时，拟合误差会显著增长。

1.2 基于特征抽样/三次埃尔米特插值的数据压缩

要利用压缩数据精确重构动态过程，需准确把握扰动下动态过程的特征。均匀抽样适应性不强的根源在于它不能根据曲线特征调整抽样点。相对而言，根据曲线波形选取抽样点的非均匀抽样则有可能更体现曲线特征。故障扰动下电网动态的基本特征是振荡，振荡的波峰和波谷是其图形上的关键特征点。无功振荡曲线特征点捕捉后的效果如图2 所示。从视觉效果上看，故障前系统处于平稳状态、故障后潮流突变的最大值及每次振荡的极值确定了扰动下振荡波形的基本特征。

图2 电网动态及振荡波形特征点Fig.2 Disturbance curve and extracted feature points

由图2 可见，波峰、波谷的特征在于其数值大于/小于其前后时刻数值，因故障扰动发生时刻不一定具有此特性，以此为规则提取特征点不能保证提取到非极值特征点。由图3 可见，非极值特征点和波峰、波谷特征点的共同特征是前后时刻斜率有突变，故提取波形振荡特征点的规则如下。

（1）无扰动时无需传输动态，参考远动通信设置刷新时段测量值波动为额定值5%为死区，死区以下无需抽样插值重构动态；

（2）刷新时段首和尾时刻加入非均匀抽样点；

（3）对累积变化量大于5%额定值者，可求得时段内所有极值点，但未必能捕捉到故障发生时刻点；

（4）为捕捉故障时刻特征点，将连续3 个时刻变化量小于后3 个时刻变化量1/10 的点确定为故障时刻加为抽样点（根据各种故障条件仿真数据及各插值重构数据最大均方误差小于1%确定）。

在插值重构中，常用的方法有线性插值、三次样条插值和三次埃尔米特插值。对图2 所示采样点，即便用分段线性插值亦可较好重构动态。三次埃尔米特方法要求在抽样点数值相等且一阶导一致，有望较好体现振荡特征点的波形特性，因此本文选用三次埃尔米特插值法重构数据。

图3 波形特征点Fig.3 Extracted feature points

1.3 压缩效果评价指标

为衡量压缩算法性能，引入以下评价指标。

1）压缩比

式中：Sn为压缩后数据大小；S0为原始数据大小。

2）均方误差

式中：d（i）为原始信号采样点；f（i）为重构的信号；eMSE反映误差估计大小。

3）信噪比

信噪比是实际数据与重构数据误差的比值，单位为dB。信噪比越高则重构数据精度越好。

2 仿真

2.1 仿真设置

采用图4 所示36 节点系统，利用电力系统综合仿真程序进行暂态稳定仿真。于2 s 时刻在30和31 节点间线路中点发生单相接地故障，0.1 s 后故障清除。将线路潮流和节点电压按10 ms 步长输出，得到扰动下的动态数据。假定SCADA 数据刷新周期为9 s，可将仿真数据分为2 段，每段包含900 个数据点。对每段数据分别抽样后再利用抽取的数据重构动态过程，进而评估所提算法性能指标。

图4 WEPRI 36 节点仿真电网Fig.4 Simulated WEPRI 36 nodes system

2.2 仿真分析

采用特征抽样/三次埃尔米特插值重构了电网动态，并将受扰动影响最突出的31-33 支路潮流和31 节点母线电压的插值结果绘制如图5～图7。为标示清楚，还将图7 中部分图片放大显示如图中阴影部分。由图5 和图6 可见，有功、无功重构动态效果几近完美，几乎没有可察觉的误差，而图7重构的节点电压除扰动后第1 摆有明显误差外，之后的重构效果尚属理想。从波形上看，扰动后第1 摆电压回升时有个非波峰、波谷的畸变是造成拟合误差的关键。因根据变化量捕捉振荡特征点实际上是根据斜率变化进行的，而未捕捉到特征点处也与波峰、波谷一样存在斜率突变现象，调整特征点捕捉程序在特征点前后时刻斜率变化的设置，同样可捕捉到该点。因此类非波峰、波谷特征点一般仅出现在第1 摆，由此产生的误差对振荡幅值并没有影响，它并不会影响调度人员对电网振幅是否收窄的判断，可忽略其影响不加处理。

图5 非均匀抽样/三次埃尔米特插值重构数据与有功Fig.5 Uneven sampling/Hermite interpolated power

图6 非均匀抽样/三次埃尔米特插值重构数据与无功Fig.6 Uneven sampling/Hermite interpolated reactive power

两段数据中，有功、无功和电压抽样点数分别为33、35 和32 个。除发送抽样点数据外，还需发送抽样位置信息，共需传输66、70 和64 个数据。为方便比较，同样利用33 点、35 点和32 点均匀抽样做对比，受限于高阶多项式拟合可能出现的龙格现象，仅进行15 阶多项式插值以咨对比。重构的有功、无功潮流和节点电压数据绘制如图8～图10 所示。为便于比较，还将不同方法重构数据的均方误差和信噪比列如表1 所示。

图8 多项式拟合和均匀抽样/三次样条插值重构有功Fig.8 Polynomial fit&even sampling/spline interpolated power

图9 多项式拟合和均匀抽样/三次样条插值重构无功Fig.9 Polynomial fit&even sampling/spline interpolated reactive power

图10 多项式拟合和均匀抽样/三次样条插值重构电压Fig.10 Polynomial fit&even sampling/spline interpolated voltage

对比两组图片和表1 可见，3 种方法中多项式曲线拟合法效果明显差于另外两种，且不能提升多项式阶数改善拟合效果。均匀抽样重构法的效果则取决于是否抽样到故障扰动点。因未抽到突变点，图8～图10 拟合误差大，且不能反映扰动幅度和振荡波幅的包络线。基于振荡波形的特征抽样法在第1 摆出现类似图7 畸变时产生的误差可能大于均匀抽样重构法，但由此产生的误差对振荡幅值并没有影响，不会改变调度人员对电网振荡幅度是否收窄的判断。

表1 特征抽样/三次Hermite 插值拟合效果Tab.1 Performance of sampling/Hermite interpolation

3 结语

针对SCADA 难以准确反映扰动后电网动态过程问题，提出利用数据压缩技术在SCADA 中传输电网动态信息的方法。短路故障扰动仿真分析表明，利用基于振荡波形特征点的非均匀抽样的数据压缩方法可提取少量数据来表征电网动态信息，然后在调度中心用三次埃尔米特插值高精度重构实际电网动态数据，能帮助调度人员准确了解故障后系统动态和及时正确做出控制决策。所提方法可在现有SCADA 上进行软件改造即可实现，无需硬件投资，并能根据通信条件和重要性灵活选择实施对象，有助于在山火、冰灾极端条件光缆大量失效情况下保障对电网动态的监测能力。

[1]张炳达，陈伟乐，黄大鹏（Zhang Binda，Chen Weile，Huang Dapeng）.变电站控制与信号系统的仿真（Simulation of control and signal system for substations）[J]. 电网技术（Power System Technology），2004，28（1）：60-63.

[2]赵维俊，王荣茂，石文江（Zhao Weijun，Wang Rongmao，Shi Wenjiang）.提高SCADA 量测断面时间一致性的方法（Approach to improve measurement synchronism）[J].电力系统自动化（Automation of Electric Power Systems），2007，31（20）：103-107.

[3]李大路，李蕊，孙元章，等（Li Dalu，Li Rui，Sun Yuanzhang，et al）.计及广域测量信息的状态估计错误参数识别与修正（Recognizing and correcting the wrong parameters in state estimation considering the WAMS measurements）[J].电力系统自动化（Automation of Electric Power Systems），2008，32（14）：11-15.

[4]李斌，马超，贺家李，等（Li Bin，Ma Chao，He Jiali，et al）.基于IEC61850 的分布式母线保护方案（Distributed busbar protection scheme based on IEC 61850）[J]. 电力系统自动化（Automation of Electric Power Systems），2010，34（20）：66-70.

[5]胡志坚，赵义术（Hu Zhijian，Zhao Yishu）. 计及广域测量系统时滞的互联电力系统鲁棒稳定控制（Robust stability control of power systems based on WAMS with signal transmission delays）[J].中国电机工程学报（Proceedings of the CSEE），2010，30（19）：37-43.

[6]李虹，李卫国，赵书强，等（Li Hong，Li Weiguo，Zhao Shuqiang，et al）. 利用WAMS 的电力系统动态状态估计结果校正（Results correction for power system dynamic state estimation based on WAMS）[J].中国电机工程学报（Proceedings of the CSEE），2010，30（25）：74-80.

[7]苏盛（Su Sheng）.数字化电力系统若干问题研究（Research on Issues of Digital Power Systems）[D].武汉：华中科技大学电气与电子工程学院（Wuhan：College of Electrical & Electronic Engineering，Huazhong University of Science and Technology），2009.

[8]Bakken D E，Hauser C H，Harald Gjermundrod，et al.Towards more flexible and robust data delivery for monitoring and control of the electric power grid[EB/OL].http：//www.gridstat.net/trac/raw -attachment/wiki/publica -tions/TR -GS-009.pdf，2007.

[9]Duan Xianzhong，Su Sheng，Mei Nian. Transmitting electric power system dynamics in SCADA using polynomial fitting[J].ScienceinChinaSeriesE，2009，52（4）：937-943.

[10]Su Sheng，Hong Feng，Shi Dongyuan，et al. Transmitting power system dynamics in existing SCADA using sampling/interpolation based data compression[C]//IEEE Industry ApplicationsSocietyAnnualMeeting.Houston，USA，2010.

[11]王春亮，李凯，马宏忠，等（Wang Chunliang，Li Kai，Ma Hongzhong，et al）.基于WP_SVD 降噪的OLTC 振动信号特征识别（Feature recognition of OLTC vibration signal based on WP-SVD de-nosing method）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2012，24（5）：36-41.

[12]方彦军，贺瑶，肖勇，等（Fang Yanjun，He Yao，Xiao Yong，et al）.谐波检测及数据压缩在智能计量终端中的应用（Application of harmonic detection and data compression in smart metering terminal）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2013，25（4）：39-43.

[13]关治，陆金甫. 数值方法[M]. 北京：清华大学出版社，2006.