聯合高低頻電力線通信的中壓配電網拓撲自動識別方法

刀首木 2024-04-02 發(fā)布于廣東

展開全文

DOI: 10.13336/j.1003-6520.hve.20210515
文獻標識碼: A

聯合高低頻電力線通信的中壓配電網拓撲自動識別方法

黃畢堯¹, 張明², 李建岐¹, 高鴻堅¹, 劉明祥³, 楊斌²

1. 全球能源互聯網研究院有限公司(電力智能傳感及應用國家電網公司聯合實驗室)，北京 102209;
2. 國網江蘇省電力有限公司南京供電分公司，南京 210019;
3. 南瑞集團有限公司(國網電力科學研究院有限公司)，南京 211000

收稿日期：2021-03-31；修回日期：2021-04-10

基金項目：國家電網公司科技項目(5700–201918245A–0–0–00)

作者簡介:

張明，1976—，男，教授級高工，主要從事電網調控運行、信息通信研究工作，E-mail: zmcan@sina.com

通信作者：

黃畢堯(通信作者)，1982—，男，博士，高工，主要從事電力通信與傳感、智能配用電研究工作，E-mail: huangby@geiri.sgcc.com.cn.

摘要：準確的拓撲數據是開展配電網運行方式優(yōu)化、故障處理、線損計算等應用的重要基礎，為提升配電網拓撲識別的可靠性和自動化水平，提出一種聯合低頻短時電流脈沖信號傳輸路徑追溯和高頻電力線載波測距的中壓配電網拓撲識別方法，提出一種基于偶次諧波正弦波模板匹配的低頻短時電流脈沖信號檢測算法，具有明顯的信號和噪聲可分性優(yōu)勢，有效提高了信號檢測可靠性。最后開展了試點應用，短時脈沖電流接收可靠性 > 95%，高頻載波測距誤差 < 5%，驗證了配電網拓撲自動識別可行性和推廣價值。

關鍵詞：配電網電流脈沖信號高頻電力線通信電力線測距拓撲識別態(tài)勢感知

Automatic Identification of Medium-voltage Power Distribution Network Topology Based on High and Low Frequency Power Line Communication

HUANG Biyao¹, ZHANG Ming², LI Jianqi¹, GAO Hongjian¹, LIU Mingxiang³, YANG Bin²

1. Global Energy Interconnection Research Institute Co., Ltd. (Electric Power Intelligent Sensing Technology and Application State Grid Corporation Joint Laboratory), Beijing 102209, China;
2. State Grid Jiangsu Electric Power Co., Ltd. Nanjing Power Supply Company, Nanjing 210019, China;
3. NARI Group Co., Ltd. (State Grid Electric Power Research Institute), Nanjing 211000, China

Project supported by Science and Technology Project of SGCC (5700–201918245A–0–0–00)

Author: ZHANG Ming, Professor.

Corresponding author: HUANG Biyao, Ph.D., Senior engineer, Corresponding author.

Abstract: Accurate topology data is an important foundation for the optimization of distribution network operation mode, fault handling, line loss calculation and other applications. In order to improve the reliability and automation level of distribution network topology recognition, we proposed a medium-voltage distribution network topology identification method for joint low-frequency short-term current pulse signal transmission path tracing and high-frequency power line carrier based distance measurement; meanwhile, we proposed a low-frequency short-term current pulse signal detection algorithm based on even harmonic sine wave template matching. The signal detection algorithm has advantages of greater signal-to-noise ratio and thus can improve the reliability of signal detection effectively. Finally, a pilot application was carried out. The results show that the short-time pulse current receiving reliability is more than 95%, and the high-frequency carrier ranging error is less than 5%, which verifies the feasibility and promotion value of automatic topology identification of distribution network.

Key words: power distribution network current pulse signal high frequency power line communication power line distance measurement topology identification situation awareness

0 引言

拓撲是反映電網網絡屬性最基礎的數據，智能電網、能源互聯網狀態(tài)估計、態(tài)勢感知、全景感知、彈性提升等應用均需要實時可靠的電網拓撲數據作為基礎支撐^[1-6]。配電網運行檢修、故障定位、線損計算等需要準確識別配電網“站–線–變–戶”關系，研究配電網拓撲自動識別方法并研制相關的硬件裝置和系統(tǒng)軟件具有重要意義。

電網拓撲結構分析方法主要有基于關聯矩陣或鄰接矩陣的方法、基于網絡拓撲追蹤的方法、基于面向對象技術的方法，以及基于圖論的方法和基于面向間隔的拓撲分析法等^[6-10]?，F有識別方法的一個局限在于，如果系統(tǒng)網架新增線路，則需要人工維護節(jié)點和支路拓撲參數信息，不僅維護工作量大，且容易因人為錯誤造成系統(tǒng)拓撲異常和后續(xù)分析的失誤^[10]。

隨著各類配網監(jiān)測終端和智能電表的部署和數據應用，基于數據驅動的線變關系、戶變關系以及低壓臺區(qū)拓撲識別研究得到了快速發(fā)展。文獻[11]提出利用三相負荷不平衡臺區(qū)配變出口電壓歸算方法計算臺區(qū)電壓曲線之間的相關性，通過相關系數來校驗線變關系的正確性；文獻[12]構建戶變關系校驗方法，采用離散弗雷歇距離比較電表之間的電壓曲線相似度識別戶變關系；文獻[13]考慮量測點電壓相關性與相對幅值的臺區(qū)用戶糾錯模型，確定戶變關系；文獻[14]基于同一變電所下單相分接點和總饋線之間的負荷數據建立線性回歸模型，通過對電力連接拓撲的擬合預測數據間的相關性，識別各接入點的相位所屬關系；文獻[15]基于用戶電壓的相關性識別鄰接點，分析各量測點相似性以及電壓梯度，識別各接入點鄰接關系及其上下級位置；文獻[16]結合主成分析和圖論對配電網中各個節(jié)點的量測數據進行分析，利用節(jié)點間的相關性識別其連接關系；文獻[17]研究提出一種低壓用戶相位識別方法用于解決三相平衡供電問題?？傮w上，基于數據驅動的方法識別網絡拓撲對于數據采集的同步性等具有一定要求，識別的抗干擾能力較弱，尚難以推廣應用。

近年來，基于配電網中節(jié)點部署電力線載波通信設備，研究人員提出通過通信信號沿電力線傳輸時間估計線路長度，首先把電力網一次拓撲建模為“樹”，網絡節(jié)點分為分支節(jié)點和葉子節(jié)點，分支節(jié)點在拓撲圖內部，葉子節(jié)點在拓撲圖邊沿，葉子節(jié)點一般安裝有二次設備及支持其通信的高頻電力線載波通信設備，首先通過電力線載波通信設備兩兩端到端測量所有葉子節(jié)點之間的距離，之后采用類似于進化生物學中的進化樹推理來識別網絡拓撲，可使用臨近算法(neighbor-joining algorithm，NJA)^[18]或者改進臨近算法的根臨近算法(rooted neighbor-joining algorithm，RNJA)^[19]推理拓撲。文獻[20-21]分別理論并仿真分析基于高頻電力線載波測距實現低壓微電網、低壓配電網拓撲識別應用，這兩類場景相比于中壓配電網，所要求的端到端測量距離較短?；诟哳l電力線載波測距的拓撲識別由于高頻信號衰減大，在線路距離較長時難以實現點對點測距，影響拓撲識別的準確性和效率，另外由于高頻信號在配網變電站母線側存在串擾難以實現“線–變”關系識別，目前該類方法還在理論研究階段，尚未有實際應用案例。

為實現中壓配網拓撲自動識別，準確分析“站–線–變”關系和克服現有高頻電力線載波測距用于拓撲識別信號在長距離中壓配網衰減大，以及高頻信號串擾等問題，文中提出一種聯合低頻短時電流脈沖信號傳輸路徑追溯和高頻電力線載波測距的中壓配電網拓撲識別方法，主要工作和貢獻包括：

1）提出在配變低壓負荷側疊加微弱電流脈沖信號后根據供電路徑追溯實現“線–變”關系識別方法。脈沖電流信號的能量主要集中在400~800 Hz頻率范圍，頻率低，與高頻載波信號相比，不易在饋線之間串擾，可跨越變壓器傳輸，且傳輸距離遠，是一種理想的“線–變”關系識別信號。

2）考慮脈沖電流接收存在極強的噪聲干擾和背景負荷電流，提出在前后調制電壓周波差分基礎上基于偶次諧波模板匹配檢測，提升信號檢測可靠性。

3）在“線–變”關系識別后，如果路徑上存在兩個及以上相鄰開關節(jié)點中間未接入負荷直接相連的情況，則低頻脈沖電流信號路徑追溯無法精確判定兩個開關的上下游關系，此種情況節(jié)點少且距離近，結合高頻載波測距進行輔助判斷。

1 基于電力線通信的配網拓撲識別方法 1.1 基于電力線通信的拓撲識別原理

圖 1所示為一條中壓配網饋線截取一段的拓撲示意圖，包括3個變壓器T1—T3，5個開關K1—K5。其中各變壓器和開關處均安裝配電終端，包括變壓器終端單元(transformer terminal unit，TTU)、饋線終端單元(feeder terminal unit，FTU)、站所終端單元(distribution terminal unit，DTU)等，該終端實現低頻脈沖電流信號收發(fā)(TTU發(fā)送，FTU和DTU接收)和高頻載波測距信號收發(fā)。拓撲識別主站通過通信通道與現場配電終端建立通信連接。通信通道可采用原有系統(tǒng)的通信方式，拓撲識別對通信通道時延無特殊要求。

圖 1 局部配電網饋線拓撲抽象實例圖 Fig. 1 Abstract instance diagram of distribution feeder topology

首先，拓撲識別主站發(fā)送控制信號給變壓器T3終端，指定變壓器T3低壓側發(fā)送低頻脈沖電流信號，則上游開關K1—K4均會收到該信號，而下游開關K5收不到該信號。同理，變壓器T2低壓側發(fā)送脈沖電流信號，上游開關K1、K2收到該信號；變壓器T1低壓側發(fā)送脈沖電流信號，上游開關K1收到該信號。根據收到信號，可判斷出T1—T3變壓器及K1—K4開關屬于同一條饋線。

完成“線–變”關系識別的同時，可識別開關K2在T1和T2之間，開關K3、K4在T2和T3之間，但K3和K4上下游關系難以判斷，為此，可以分別采用高頻載波測量K3、K4兩個點離T3的距離來判斷K3和K4上下游關系，最后完成整體饋線拓撲識別。

1.2 對中壓配電網網絡結構和運行方式的適應性

根據電力行業(yè)標準DL/T 5729—2016《配電網規(guī)劃設計技術導則》規(guī)定，對于10 kV配電網典型電網結構，架空配電網主要包括輻射式架空線路、多分段適度聯絡架空線路2類；電纜配電網主要包括單環(huán)式、雙環(huán)式和n供(2≤n≤4)1備3類。

目前國內配電網運行方式上，雙電源或雙回路供電網絡，正常運行時聯絡開關多屬于常開，一般為單電源供電、開環(huán)運行，其他電源和供電回路屬于備用。此種網絡結構和運行方式下，均適用于本文1.1節(jié)拓撲識別原理。

2 中壓配電網“線?變”關系識別 2.1 “線?變”關系識別基本原理

主站首先建立與所有終端的通信鏈路實現信息交互通信功能。主站“線?變”關系識別功能啟動后輪詢控制每個變壓器終端單元(TTU)，通過調制短時脈沖電流發(fā)送該變壓器唯一編碼報文，變壓器上游的相關配電終端(FTU、DTU)通過實時監(jiān)測負荷電流變化來接收和提取相關信息，分析收到該報文后會自動存儲該變壓器唯一編碼，并向主站反饋。主站輪詢完所有變壓器終端后，通過對接收到的各配電終端反饋的變壓器編碼信息進行分析，即可完成“線?變”關系識別。

2.2 短時電流脈沖信號發(fā)送

圖 2所示為電流脈沖信號發(fā)送電路原理。在工頻電壓波形過零點前30°左右觸發(fā)可控硅S導通，將產生脈沖電流i_p。Z為限流阻抗，設計一定電感或者電阻值，且考慮散熱，用于限制短時電流脈沖峰值，短時電流脈沖峰值一般≤20 A，持續(xù)時間≤2 ms，滿足電能質量要求，但對信號檢測提出了挑戰(zhàn)。當i_p < 0時，可控硅自動斷開。

圖 2 微弱短時電流脈沖信號發(fā)送電路 Fig. 2 Current pulse signal transmitting circuit at weak short time

為便于信號接收端通過前后兩個周波求差消除背景電流，提高接收端信號信噪比，信號調制利用兩個相鄰電壓周期波形來表示一位信息，如圖 3所示，使其中兩個工頻周波40 ms調制1個比特，第1個工頻周波電壓由正到負過零點調制脈沖電流，第2個工頻周波電壓不調制脈沖電流，表示“1”，反之表示“0”，通信速率為25 b/s。

圖 3 信號編碼方式 Fig. 3 Signal coding mode

在檢測信號的時候，可將兩個電壓周期幅值作差后檢測是否存在調制信號特征及調制位置，即可實現解調。同時可以利用差分檢測將電網背景電流等干擾成分去除，提高抗干擾能力。

2.3 短時電流脈沖信號接收檢測

短時電流脈沖跨變壓器傳輸到中壓配網后，由于變壓器繞組作用，信號會發(fā)生衰減，同時，中壓配網中支路負荷電流疊加、各類干擾等導致短時脈沖電流信號檢測難度較大。為此，文中提出一種基于偶次諧波模板匹配信號檢測算法，應用測試結果表明其能有效提升信號接收可靠性。

電流脈沖信號兩個工頻周波發(fā)送一次，信號接收時采用連續(xù)兩個工頻周波作差值，信號幅值作差后，基本上消除了基波與諧波的影響，且根據電網中奇數次諧波為主的特征，結合調制信號主要集中在頻段200~800 Hz內，設計了4—16次偶次諧波的正弦模板，圖 4所示為偶次諧波正弦模板匹配圖，圖中U為電網電壓，原始信號和各次偶次諧波模板用式(1)分別作匹配運算。

φ_{k} = | \sum_{k} S \cdot U_{k} |

(1)

圖 4 偶次諧波正弦模板匹配圖 Fig. 4 Even harmonic sinusoidal template matching graph

式中：S表示調制信號的幅值向量(前后工頻周波差分后的幅值，由模數轉換后每個采樣點值構成的一個向量)；U_k表示第k偶次諧波正弦模板的幅值(由模數轉換后每個采樣點值構成的一個向量)，k為偶次諧波次數； $φ_{k}$ 表示調制信號與模板匹配值。硬件設計上采樣頻率為12.8 kHz，每周波采樣256個點。

顯然，當 $φ_{k}$ 值越大時，調制信號與正弦模板匹配程度越高，反之則亦然。信號的特征向量構造為

A = [φ_{4}, φ_{6}, \dots, φ_{16}]

(2)

式中： $φ_{4}, φ_{6}, \dots, φ_{16}$ 分別為調制信號與4—16次偶次諧波正弦波模板匹配值。信號的特征值 $r$ 取各次匹配值的平方，計算如下

r = φ_{4}^{2} + φ_{6}^{2} + \dots + φ_{16}^{2}

(3)

由調制信號的編碼原理可知，同一組調制信號，信息位“1”與“0”的調制信號波形是取反關系，所以信息位“1”、“0”與正弦模板匹配值也是取反關系，由此可以根據性質，得到信息位s判別式如下

s = φ_{4} + φ_{6} + \dots + φ_{16}

(4)

當 $s > 0$ 時，表示該位的信息位為“1”；當 $s < 0$ 時，表示該位的信息為“0”。

偶次諧波模板匹配檢測框圖如圖 5所示，檢測過程如下：

圖 5 偶次諧波模板匹配檢測框圖 Fig. 5 Block diagram of even harmonic template matching detection

將輸入信號幅值作差與去除直流分量處理。

1）設計4—16次偶次諧波正弦模板。

2）信號與正弦模板分別做匹配運算，見式(1)。

3）用式(3)求取信號的特征值 $r$ 。

4）根據調制信號門限判別信號，并由式(4)識別信息位。

圖 6為3種短時電流脈沖信號檢測算法對比效果圖，隨機采集140組噪聲信號和實際調制信號，采用3種短時脈沖電流信號檢測算法對比效果。其中，圖 6(a)、(b)、(c)分別為幅值差能量、頻域快速傅里葉變換(fast Fourier transform，FFT）、偶次諧波正弦模板匹配提取的調制信號與電網噪聲特征值圖，十字點為信號，圓點為噪聲，每種軟件處理檢測算法基于同樣的硬件濾波以及信號預處理。由圖 6可以看出，幅值差能量法所提取的調制信號特征值與噪聲特征值的混疊點最多、FFT有少許、偶次諧波正弦波模板匹配效果最好, 具有明顯的信號和噪聲可分性優(yōu)勢。

圖 6 3種短時電流脈沖信號檢測算法對比效果 Fig. 6 Comparison of three short time current pulse signal detection algorithms

3 中壓配電網拓撲關系識別

第2章完成了中壓饋線“線?變”關系識別，根據1.1節(jié)拓撲識別原理可知，還需通過配電終端完成配電一次設備如變壓器、開關之間的線路距離測量，由于高頻電力線載波通信信號沿一次線路傳播，信號傳播時延反映了線路距離，據此可計算線路長度。為此，在工程實現上，需要在饋線終端(FTU)、站所終端(DTU)和配變終端(TTU)配置高頻電力線載波信號測距模塊來完成節(jié)點測距功能。

3.1 基于高頻電力線載波的線路距離測量模型

圖 7所示為測距模塊i和測距模塊j雙向測距示意圖，兩個測距模塊之間電力線的長度為d_ij。

圖 7 雙向測距示意圖 Fig. 7 Schematic diagram of bidirectional ranging

高頻載波測距模塊的本地時鐘時間可以建模為 $C (t) = (1 + δ) t + μ$ ，其中 $t$ 表示真實時間， $δ$ 和 $μ$ 分別是時鐘漂移和偏移。雙向測距可確定兩個高頻載波測距模塊之間的距離^[21]。

不管偏移量是多少，用 $C_{i} (t)$ 和 $C_{j} (t)$ 表示本地時鐘時間。 $t_{1}$ 時，設備 $i$ 向設備 $j$ 發(fā)送一條消息，并在 $t_{2}$ 接收該消息。測距模塊 $j$ 在預定義的響應延遲 $τ_{d}$ 之后，在 $t_{3}$ 將消息返回給 $i$ ，并在 $t_{4}$ 時，測距模塊 $i$ 成功接收返回信息。

C_{j} (t_{3}) - C_{j} (t_{2}) = τ_{d}

(5)

t_{2} - t_{1} = d_{i j} / v_{p} + ε_{T O A, 1}

(6)

t_{3} - t_{2} = (C_{j} (t_{3}) - C_{j} (t_{2})) / (1 + δ_{j})

(7)

t_{4} - t_{3} = d_{i j} / v_{p} + ε_{T O A, 2}

(8)

式中： $v_{p}$ 為高頻載波信號在電力線上的傳播速度； $ε_{T O A, 1}$ 和 $ε_{T O A, 2}$ 分別為測距模塊 $j$ 和測距模塊 $i$ 到達時間(time of arrival，ToA)估計誤差； $δ_{j}$ 為測距模塊j的時鐘漂移。

測量距離計算式如下

\begin{array}{l} \overset{\land}{d_{i j}} = v_{p} \frac{C_{i} (t_{4}) - C_{i} (t_{1}) - τ_{d}}{2} = \\ (1 + δ_{j}) (d_{i j} + v_{p} \frac{ε_{T O A, 1} + ε_{T O A, 2}}{2}) + v_{p} \frac{(δ_{i} - δ_{j}) τ_{d}}{2 (1 + δ_{j})} \end{array}

(9)

從式(9)中可看出，高頻載波測量電力線距離的誤差來源包括兩端測距模塊時鐘漂移、到達時間估計誤差和波速。而目前晶振質量較高，時鐘漂移引入的誤差一般較小，因此測距誤差主要來源于ToA估計誤差和波速。

3.2 信號到達時間估計方法

測量接收信號的能量是估計信號到達時間中最常見和最深入研究的方法之一。其本質是通過短期測量能量值與閾值的關系，以確定ToA參數^[22-23]?；谀芰康臋z測具有簡單、魯棒性強等優(yōu)點，現階段該方法已應用于估PLC系統(tǒng)中的ToA^[20]。

高頻載波測距信號采用正交頻分復用(orthogonal frequency division multiplexing，OFDM)傳輸，OFDM已廣泛應用于各類寬、窄帶電力線載波通信標準。高頻載波測距功能可以和電力線載波通信融合設計和應用。具體測距實現時，分別在頻率點 $f_{k} = f_{m} + k Δ f (k = 0, 1, \dots, N_{f} - 1)$ 測量時移傳輸函數的樣本， $f_{m}$ 、 $Δ f$ 、 $k$ 分別為測量起始頻率、頻率間隔、頻點數， $N_{f} = (f_{m a x} - f_{m i n}) / Δ f + 1$ ， $f_{m a x}$ 和 $f_{m i n}$ 分別為最高頻率和最低頻率。估計ToA的問題就可以認為是一個疊加指數信號的參數估計問題。解決這一問題的方法包括最大似然方法^[24]、線性預測法^[25-26]、矩陣束法^[27]以及子空間法^[28]。文獻[21]應用子空間方法得到較好的ToA估計精度。

4 應用系統(tǒng)設計和工程測試 4.1 應用系統(tǒng)架構設計

對于第2章中壓配電網“線?變”關系識別和第3章中壓配電網拓撲識別，首先需要在配變終端TTU具備發(fā)送短時脈沖電流信號和高頻載波測距信號收發(fā)功能，在饋線終端FTU、站所終端DTU具備接收脈沖電流信號和高頻載波測距信號收發(fā)功能。配網拓撲自動識別系統(tǒng)構成如圖 8所示。

圖 8 配網拓撲自動識別系統(tǒng)構成 Fig. 8 Configuration of automatic identification system for distribution network topology

應用系統(tǒng)構建滿足配電物聯網體系設計，主要包括物理層配電一次線路和各類配電一次設備，感知層各類配電二次終端，通信層包括光纖、無線、電力線載波等通信手段。主站層包括目前典型的配電自動化系統(tǒng)、配電生產管理系統(tǒng)、配電云主站等。

應用系統(tǒng)設計結合國網南京供電公司配電物聯網應用建設，在配電云主站部署拓撲自動識別功能模塊，開展試點應用。各配電終端對應的配電一次設備地址、標識以及拓撲識別等信息與配電云主站進行交互。圖 8中，系統(tǒng)主要交互信息見表 1。

表 1 配電網拓撲自動識別系統(tǒng)主要交互信息 Table 1 Main interactive information of distribution network topology automatic identification system

4.2 測試分析

選擇南京溧水和江北新區(qū)的配網線路開展測試，其中溧水為架空線路為主、部分電纜線路，江北新區(qū)為全電纜線路。考慮到配電網信號傳送噪聲影響和負荷密切相關，選擇多個典型測試點開展長期短時脈沖電流收發(fā)成功率測試和高頻載波測距精度測試。

4.2.1 短時脈沖電流收發(fā)可靠性測試

短時電流脈沖發(fā)送模塊與臺區(qū)配變終端集成安裝在一個配電箱體中，短時電流脈沖接收模塊與開閉站站所終端DTU安裝在一個柜體中，接收信號的電流互感器和DTU共用。由于配變低壓側單相調制的電流脈沖通過變壓器到中壓側后，根據變壓器繞組形式和變幅值會發(fā)生衰減，且信號會分散到中壓兩相上，為了提高通信成功率，短時電流脈沖接收模塊需接入兩相互感器二次側電流。

選取江北新區(qū)萬匯城1號開閉所和萬匯城5號臨街變兩個點開展短時電流脈沖收發(fā)成功率測試，測試時間為2020.12.20—2021.3.20，持續(xù)3個月，期間配電云主站共計控制發(fā)送變壓器64 b地址編碼3 195次，成功接收3 043次，準確率95.2%。

4.2.2 高頻載波測距準確性測試

卡接式高頻信號電感式耦合裝置可以安裝到電纜終端單相電纜上，也可以安裝到三芯電纜外層，為便于電纜長度測試對比，采用筆記本電腦分析程序基于反射測距法和其對比。

高頻測距誤差方面，選取溧水秀山開閉所和附近1.2 km某路燈變壓器和800 m某服裝廠開展測試，測試誤差均 < 5%。

4.2.3 配網拓撲自動生成現場測試

以南京江江北區(qū)萬匯2號線為例，現場試點線路如圖 9所示。

圖 9 現場試點線路圖 Fig. 9 On-site pilot line connection diagram

線路上共包含7個環(huán)網柜、6個開閉所、6臺配變終端，通過部署相關設備，從6臺配變低壓側發(fā)送短時脈沖電流信號，13臺站所終端接收后反饋主站識別基本拓撲，下方3個同路徑站所終端則通過載波測距判別上下游關系，最后實現饋線拓撲正確、完整的自動識別。

拓撲識別測試的變壓器編碼方面，根據試點電力公司物資編碼長度規(guī)定，短時電流脈沖編碼后發(fā)送一個變壓器64 b，根據2.2節(jié)中發(fā)送編碼速率為25 b/s，考慮糾錯編碼等耗時因素，每個節(jié)點拓撲識別時間預留5 s，便于給系統(tǒng)其他部分交互延時預留足夠時間，后期考慮對系統(tǒng)設計進一步優(yōu)化，如壓縮變壓器唯一編碼地址，在主站側建立長短標識的映射機制，提高系統(tǒng)拓撲識別實時性。

4.3 幾種拓撲識別方法的對比分析和融合應用

目前，除了配電網狀態(tài)估計中的拓撲分析方法，基于數據驅動的線變關系、戶變關系以及低壓臺區(qū)拓撲識別方法，基于高頻載波測距的拓撲識別方法外，一些電力公司也在開展基于全球定位系統(tǒng)(global positioning system，GPS)/北斗定位的拓撲識別，但主要應用于輸電網，由于配電網中存在不少節(jié)點地理位置臨近，且分布在城市地下空間，且GPS/北斗信號弱，因此應用范圍受限。表 2為幾種配網拓撲分析和識別方法的特征對比分析和總結。

表 2 幾種配網拓撲識別方法的對比分析 Table 2 Comparative analysis of several distribution network topology identification methods

目前，多種拓撲識別方法均在開展研究，實際試點表明了文中提出方法的應用可行性。但需要加裝硬件設備或改造現場終端，尚需要進一步修訂相關配電終端功能標準，結合配用電已有的自動化和信息化系統(tǒng)功能和數，融合主站已有狀態(tài)估計和數據存儲分析，開展多種拓撲識別方法相互印證和融合應用設計，提高技術經濟性和應用成效，支撐配網拓撲實時、精準和智能感知。

5 結論

1）基于微弱電流脈沖信號路徑追溯的“線–變”關系識別方法，克服傳統(tǒng)高頻載波通信信號串擾無法完成“線–變”關系識別，達到工程實用化要求。

2）基于偶次諧波模板匹配檢測方法充分考慮到脈沖電流調制的特征和信號能量分布特征，提升跨變壓器微弱脈沖電流檢測準確性，該方法和幅值差分、傅里葉變化頻域方法相比，其信號和噪聲的可分性較好。

3）聯合微弱電流脈沖信號路徑追溯和高頻電力線載波測距的中壓配電網拓撲識別方法，克服傳統(tǒng)高頻載波通信信號衰減大、影響長距離點對點測距的局限性，為配電網拓撲自動識別提供一種實用化的解決方案。

4）對于環(huán)網供電、合環(huán)運行的中壓配電網，以及具有分布式電源接入的配電網，需要進一步結合配電網阻抗和電壓分布，研究短時脈沖電流的流向和信號強弱分布，以及高頻載波測距在合環(huán)運行配網的測距信號先后達到時間辨別等，擴展應用范圍。

5）下一步需結合配用電已有自動化和信息化系統(tǒng)，包括配電自動化系DAS、設備已有功能和數據，開展融合設計，進一步提升產品設計水平。在終端側，開展設備小型化、集成化設計，實現短時電流脈沖收發(fā)模塊、高頻載波測距模塊和配電終端集成；在主站側，開發(fā)基于配電網拓撲自動識別的高級應用，如基于實時拓撲識別的線損計算管理、故障智能定位等，充分發(fā)揮拓撲自動識別功能的應用價值。

參考文獻

[1]	王守相, 梁棟, 葛磊蛟. 智能配電網態(tài)勢感知和態(tài)勢利導關鍵技術[J]. 電力系統(tǒng)自動化, 2016, 40(12): 2-8. WANG Shouxiang, LIANG Dong, GE Leijiao. Key technologies of situation awareness and orientation for smart distribution systems[J]. Automation of Electric Power Systems, 2016, 40(12): 2-8. DOI:10.7500/AEPS20160509003 (1)
[2]	張寧, 馬國明, 關永剛, 等. 全景信息感知及智慧電網[J]. 中國電機工程學報, 2021, 41(4): 1274-1283. ZHANG Ning, MA Guoming, GUAN Yonggang, et al. Panoramic information perception and intelligent grid[J]. Proceedings of the CSEE, 2021, 41(4): 1274-1283. (0)
[3]	王守相, 黃仁山, 潘志新, 等. 極端冰雪天氣下配電網彈性恢復力指標的構建及評估方法[J]. 高電壓技術, 2020, 46(1): 123-132. WANG Shouxiang, HUANG Renshan, PAN Zhixin, et al. Construction and evaluation of resilience restoration capability indices for distribution network under extreme ice and snow weather[J]. High Voltage Engineering, 2020, 46(1): 123-132. (0)
[4]	呂軍, 盛萬興, 劉日亮, 等. 配電物聯網設計與應用[J]. 高電壓技術, 2019, 45(6): 1681-1688. Lü Jun, SHENG Wanxing, LIU Riliang, et al. Design and application of power distribution internet of things[J]. High Voltage Engineering, 2019, 45(6): 1681-1688. (0)
[5]	劉日亮, 劉海濤, 夏圣峰, 等. 物聯網技術在配電臺區(qū)中的應用與思考[J]. 高電壓技術, 2019, 45(6): 1707-1714. LIU Riliang, LIU Haitao, XIA Shengfeng, et al. Internet of things technology application and prospects in distribution transformer service area management[J]. High Voltage Engineering, 2019, 45(6): 1707-1714. (0)
[6]	于爾鏗. 電力系統(tǒng)狀態(tài)估計[M]. 北京: 水利電力出版社, 1985: 166-186. YU Erkeng. Power system state estimation[M]. Beijing, China: Water Resources and Electric Power Press, 1985: 166-186. (2)
[7]	陳艷波, 何光宇, 周京陽, 等. 基于改進轉移潮流法的拓撲錯誤辨識方法[J]. 電網技術, 2012, 36(3): 95-100. CHEN Yanbo, HE Guangyu, ZHOU Jingyang, et al. An improved power flow transfer approach with enhanced ability to identify topology error and bad data[J]. Power System Technology, 2012, 36(3): 95-100. (0)
[8]	王彬, 王治華, 周寧慧, 等. 基于集合論估計的電網狀態(tài)辨識(五)拓撲錯誤識別[J]. 電力系統(tǒng)自動化, 2016, 40(9): 9-15. WANG Bin, WANG Zhihua, ZHOU Ninghui, et al. Power system state identification based on set theory estimation part five topology error identification[J]. Automation of Electric Power Systems, 2016, 40(9): 9-15. (0)
[9]	王宗暉, 陳羽, 徐丙垠, 等. 基于邏輯節(jié)點的分布式饋線自動化拓撲識別[J]. 電力系統(tǒng)自動化, 2020, 44(12): 124-130. WANG Zonghui, CHEN Yu, XU Bingyin, et al. Logical node based topology identification of distributed feeder automation[J]. Automation of Electric Power Systems, 2020, 44(12): 124-130. (0)
[10]	劉道偉, 章銳, 李柏青, 等. 基于狀態(tài)量測的電網拓撲結構反向識別方法研究[J]. 中國電機工程學報, 2019, 39(24): 7107-7117. LIU Daowei, ZHANG Rui, LI Baiqing, et al. Research on reverse recognition method of power system topological structure based on state measurement[J]. Proceedings of the CSEE, 2019, 39(24): 7107-7117. (2)
[11]	唐澤洋, 周鯤鵬, 曹侃, 等. 基于配電網運行數據的線變關系校驗方法[J]. 高電壓技術, 2018, 44(4): 1059-1068. TANG Zeyang, ZHOU Kunpeng, CAO Kan, et al. Substation area topology verification method based on distribution network operation data[J]. High Voltage Engineering, 2018, 44(4): 1059-1068. (1)
[12]	唐冬來, 倪平波, 張捷, 等. 基于離散弗雷歇距離的戶變關系識別方法[J]. 電力系統(tǒng)自動化, 2021, 45(6): 223-230. TANG Donglai, NI Pingbo, ZHANG Jie, et al. Identification method for relationship between household transformers based on discrete frechet distance[J]. Automation of Electric Power Systems, 2021, 45(6): 223-230. (1)
[13]	LUAN W P, PENG J, MARAS M, et al. Distribution network topology error correction using smart meter data analytics[C]∥2013 IEEE Power & Energy Society General Meeting. Vancouver, Canada: IEEE, 2013: 1-5. (1)
[14]	SHORT T A. Advanced metering for phase identification, transformer identification, and secondary modeling[J]. IEEE Transactions on Smart Grid, 2013, 4(2): 651-658. DOI:10.1109/TSG.2012.2219081 (1)
[15]	LUAN W P, PENG J, MARAS M, et al. Smart meter data analytics for distribution network connectivity verification[J]. IEEE Transactions on Smart Grid, 2015, 6(4): 1964-1971. DOI:10.1109/TSG.2015.2421304 (1)
[16]	PAPPU S J, BHATT N, PASUMARTHY R, et al. Identifying topology of low voltage distribution networks based on smart meter data[J]. IEEE Transactions on Smart Grid, 2018, 9(5): 5113-5122. DOI:10.1109/TSG.2017.2680542 (1)
[17]	LIU S Y, CUI X Y, LIN Z Z, et al. Practical method for mitigating three-phase unbalance based on data-driven user phase identification[J]. IEEE Transactions on Power Systems, 2020, 35(2): 1653-1656. DOI:10.1109/TPWRS.2020.2965770 (1)
[18]	SAITOU N, NEI M. The neighbor-joining method: a new method for reconstructing phylogenetic trees[J]. Molecular Biology and Evolution, 1987, 4(4): 406-425. (1)
[19]	NI J, TATIKONDA S. Network tomography based on additive metrics[J]. IEEE Transactions on Information Theory, 2011, 57(12): 7798-7809. DOI:10.1109/TIT.2011.2168901 (1)
[20]	ERSEGHE T, LORENZON F, TOMASIN S, et al. Distance measurement over PLC for dynamic grid mapping of smart micro grids[C]//2011 IEEE International Conference on Smart Grid Communications (SmartGridComm). Brussels, Belgium: IEEE, 2011: 487-492. (2)
[21]	AHMED M O, LAMPE L. Power line communications for low-voltage power grid tomography[J]. IEEE Transactions on Communications, 2013, 61(12): 5163-5175. DOI:10.1109/TCOMM.2013.111613.130238 (3)
[22]	DARDARI D, CONTI A, FERNER U, et al. Ranging with ultrawide bandwidth signals in multipath environments[J]. Proceedings of the IEEE, 2009, 97(2): 404-426. DOI:10.1109/JPROC.2008.2008846 (1)
[23]	D'AMICO A A, MENGALI U, TAPONECCO L. Energy-based TOA estimation[J]. IEEE Transactions on Wireless Communications, 2008, 7(3): 838-847. DOI:10.1109/TWC.2008.060545 (1)
[24]	BRESLER Y, MACOVSKI A. Exact maximum likelihood parameter estimation of superimposed exponential signals in noise[J]. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1986, 34(5): 1081-1089. DOI:10.1109/TASSP.1986.1164949 (1)
[25]	KUMARESAN R, TUFTS D. Estimating the parameters of exponentially damped sinusoids and pole-zero modeling in noise[J]. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1982, 30(6): 833-840. DOI:10.1109/TASSP.1982.1163974 (1)
[26]	RAHMAN M, YU K B. Total least squares approach for frequency estimation using linear prediction[J]. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1987, 35(10): 1440-1454. DOI:10.1109/TASSP.1987.1165059 (1)
[27]	HUA Y, SARKAR T K. Matrix pencil method for estimating parameters of exponentially damped/undamped sinusoids in noise[J]. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1990, 38(5): 814-824. DOI:10.1109/29.56027 (1)
[28]	MARAVIC I, VETTERLI M. Sampling and reconstruction of signals with finite rate of innovation in the presence of noise[J]. IEEE Transactions on Signal Processing, 2005, 53(8): 2788-2805. DOI:10.1109/TSP.2005.850321 (1)