罗 棋 劳永钊 薛艺为 许 健 李智敏 周亚明

（1.广东电网有限责任公司广州供电局 2.威胜信息技术股份有限公司）

0 引言

当今社会对可再生能源的需求增加，光伏发电作为一种清洁、可再生的能源形式得到了广泛关注［1］。然而，光发电系统存在着强随机性、强波动性和弱支撑性等显著特点，导致正负极之间实时功率不平衡的问题。分布式光伏发电系统是一种将多个光伏单元连接在一起，形成一个集中式或离散式发电网络的系统［2］。然而，在运行过程中，该系统很容易受到外部自然条件波动或内部故障的影响，导致光伏单元的功率不平衡。这种功率不平衡可能会导致系统效率降低、电网稳定性下降甚至设备损坏等问题。光伏双极故障是指光伏系统中光伏阵列的正负极之间发生故障或短路的情况［3］。在光伏电池板的正面和背面分别连接有逆变器的正负极，正常情况下，这两个极之间应当保持绝缘状态［4-5］。

为解决分布式光伏双极故障的问题，研究了一种基于边缘计算的主动防护技术。边缘计算是一种将计算和数据处理推向离数据源较近的边缘设备的计算模式。在分布式光伏系统中，通过将故障检测、识别和响应的计算任务移至光伏单元或其附近的边缘设备上，可以实现实时监测并快速响应功率不平衡故障。这种基于边缘计算的技术能够提高系统的安全性、可靠性和效率。

2 基于边缘计算的分布式光伏发电双极故障主动防护

2.1 边缘计算的应用

边缘计算是一种新兴的计算架构，将计算和数据处理功能分布到接近数据源的边缘设备上，以提供即时响应和低延迟的计算能力。在布式光伏发电管理中，边缘计算技术能够提供许多重要的应用［6-7］。边缘计算可以实现对光伏发电设备的实时监测和控制。通过在光伏阵列中部署边缘设备，可以收集并处理光伏设备的运行数据，包括电流、电压、温度等参数，从而实现对光伏发电系统的实时监控。这有助于及时发现设备故障和异常，提高光伏发电系统的可靠性和稳定性。边缘计算可以实现对光伏发电系统的数据分析和优化。通过在边缘设备上运行数据分析算法，可以对光伏发电系统的运行数据进行实时处理和分析，提取出有价值的信息并进行智能决策［8］。例如，基于边缘计算的优化算法可以根据当前的天气状况和用电需求，实时调整光伏阵列的工作状态，最大化能源产出和效率。

边缘计算在布式光伏发电管理中的应用框架由以下部分组成：

1）边缘设备

边缘设备是边缘计算的核心组成部分，通常位于光伏阵列或光伏发电系统附近。边缘设备具备计算、存储和通信能力，可以实时收集、处理和分析光伏发电设备的运行数据，以及与其他边缘设备进行通信和协同［9］。

2）数据采集与传输

在光伏发电系统中，各个光伏发电设备产生的数据需要通过传感器和数据采集装置进行收集，并通过边缘设备进行传输。数据采集与传输技术可以确保光伏发电系统的实时监测和控制，以及数据的可靠传输和存储。

3）数据处理与分析

边缘设备上的数据处理和分析模块基于实时收集的光伏发电设备数据，运行各种算法和模型，提取出有价值的信息，并进行智能决策。这包括实时监测光伏发电系统的运行状态、预测和优化光伏能源产出，以及识别和应对潜在的问题和故障。

4）实时监控与控制

边缘计算在布式光伏发电管理中的一个重要应用是实时监控和控制光伏发电系统的运行。通过边缘设备，可以对光伏发电设备的电流、电压、温度等参数进行实时监测，及时发现设备故障和异常，并做出相应的控制和调整。

5）安全监控与威胁防御

光伏发电系统是关键的能源基础设施，需要进行安全监控和威胁防御。边缘计算技术可以在边缘设备上运行安全检测和防御机制，对光伏发电系统进行实时的安全监控，并及时识别和应对潜在的威胁和攻击。

边缘计算设备中的处理模块结构图见图1。

图1 边缘计算设备处理模块结构图

边缘计算设备中的处理模块结构通常使用微处理器进行计算和数据处理。该处理模块内的双微处理器为Ⅰntеl Corе系列和NVⅠDⅠA Jеtson系列。Ⅰntеl Corе系列是英特尔公司推出的一系列高性能微处理器，可用于边缘计算设备。不同型号的Ⅰntеl Corе处理器具有不同的核心数量和频率，以及缓存大小。这些处理器具有强大的计算能力和多线程处理能力，适用于高性能计算和数据密集型任务。NVⅠDⅠA Jеtson系列是专为边缘计算和人工智能应用而设计的嵌入式平台。Jеtson系列产品配备了NVⅠDⅠA的GPU，具有强大的图形处理和计算能力。它们适用于对图形处理和深度学习计算要求较高的边缘计算应用。

边缘计算运算模块结构图如图2所示。

图2 边缘计算运算模块结构图

边缘计算运算模块的结构包括处理器、内存、存储器和其他外围设备。处理器是其中最重要的组成部分，它负责执行计算任务。

2.3 分布式光伏发电双极故障主动防护模型

分布式光伏发电双极故障是指在光伏发电系统中，光伏阵列发生故障时形成的一种场景，可以导致光伏系统的整体效率下降或甚至系统停运［10］。为了保障光伏发电系统的稳定运行，需要采取双极故障主动防护措施。双极故障主动防护是指通过对故障检测、故障定位和故障隔离等措施的采用，及时发现并缓解光伏发电系统中的双极故障，以保证系统的运行稳定。通过上节内容，利用边缘设备部署在光伏阵列中可以实时采集和监测光伏发电设备的运行数据，包括电压、电流、功率等。这些数据可以用来识别光伏发电系统中的异常和潜在故障，例如电压异常或功率下降，从而实现故障的早期检测。利用边缘设备上的数据处理和分析模块，可以对光伏发电设备数据进行实时处理和分析。通过运行故障预测算法，可以基于历史数据和规则模型，识别出光伏系统中发生故障的可能性和位置，提前预测并预防双极故障的发生。

基于此，为了为双极故障实现主动防护，本研究以故障检测和响应作为目标，将主动管理考虑在内，建立双目标分布式光伏发电双极故障主动防护模型。

目标函数1：故障检测目标函数。故障检测是指通过对光伏发电系统的监测和分析，及时发现双极故障的发生。故障检测的目标函数通常是最小化故障检测的误报率和漏报率。具体而言，目标是将正常工作状态和故障状态区分开来，尽量降低误报（将正常状态误判为故障）和漏报（故障状态未被发现）的概率。通过优化故障检测目标函数，可以提高双极故障主动防护系统对故障的准确率和可靠性。则目标函数方程为：

式中，N为分布式光伏发电内分布式电源不确定出力所划分出的数个场景数量；χn和γn，min表示任意场景的发生概率与此场景下的最低线路网损。

目标函数2：故障响应目标目标函数。故障响应是指在检测到故障后，及时采取相应的措施进行故障隔离和修复。故障响应的目标函数通常是最小化故障的影响范围和持续时间。具体而言，目标是尽快将故障设备或区域与其他正常设备或区域隔离开，并及时修复故障，以最小化故障对整个系统的影响。通过优化故障响应目标函数，可以提高双极故障主动防护系统的反应速度和故障处理能力。其式为：

式中，线路网损以ΔY表示；Pn表示线路的电阻；Qn表示阻抗。

约束1：资源约束

分布式光伏发电系统在实际运行中有一定的资源限制。例如，系统可能具有固定的功率容量或电流容量，配电网络可能存在输电能力的限制等。因此，在设计双极故障主动防护策略时，需要考虑这些资源的限制，并确保所采取的措施不会超过系统的可承受范围。

约束2：电网运行约束

分布式光伏发电系统与传统配电网之间存在相互影响和耦合关系，因此在双极故障主动防护中需要考虑电网运行的特殊约束。例如，系统需遵循电压和频率的稳定性要求，以及电流在导线和设备中的合理分配。为了保证电网的安全、稳定和可靠运行，在设计双极故障主动防护策略时需要满足这些电网运行约束。

3 实验结果分析

为了验证分布式光伏双极故障的主动防护技术的有效性，以ⅠEEE33节点分布式光伏发电场景作为实验场景，ⅠEEE33节点系统是一种代表性的低压配电网系统，包含了变电站、配电变压器和多种类型的负荷设备。该系统模型涵盖了大部分分布式光伏发电系统在实际应用中遇到的情况，比较全面地描述了分布式电源和传统载荷之间的复杂互动关系。在ⅠEEE33节点分布式光伏发电场景中，通过在模型中引入分布式光伏发电装置，将其与传统配电网中的负荷、变压器进行连接，并考虑了传输线路和节点之间的复杂关系。这样可以模拟分布式光伏发电系统接入到真实配电网中的情况。其架构见图3。

图3 实验配电网架构图

奇异熵是一种用于分析时序数据的指标，可以用来度量数据的不确定性和复杂性。奇异熵可以用于对光伏发电系统数据的异常检测。当系统发生双极故障时，光伏发电系统的工作状态会发生明显的变化，反映在数据中可能出现异常的模式或模式的突变。通过对奇异熵值的监测和分析，可以捕捉到这些异常的变化模式。因此，奇异熵的变化情况可以作为分布式光伏双极故障主动防护技术效果的指标。在研究中，奇异熵值的变化情况可以反映分布式光伏双极故障主动防护技术的性能优劣，不同种类双极故障发生时，本研究提出的防护方法的奇异熵值变化情况如图4所示，其中，双极故障发生的实际时刻用绿色竖线表示。

图4 不同方法不同双极故障种类的奇异熵结果

由图4可以看出，本文方法能在双极故障发生的第一时间就完成防护。

4 结束语

本研究通过将边缘计算技术应用于分布式光伏发电管理中，提出了一种基于边缘计算的分布式光伏双极故障主动防护技术。该技术实现了对光伏发电系统的实时、主动监测，并利用边缘计算设备中的处理模块和运算模块对光伏发电信息进行存储和处理。通过基于历史数据的分析，能够识别可能发生故障的位置和预测双极故障的可能性，提前实施预防措施。