基于AI技术的智慧电力电源

基于AI技术的智慧电力电源

李洪卫

广东电网有限公司罗湖供电局 广东 深圳 518000

摘要：配网操作电源是一种小型化的电力直流电源设备，它将高频开关电源、智能充电、DC/DC变换、蓄电池管理等功能模块以及免维护蓄电池组集成为一个整体，为负载提供可靠的220V（或110V、48V、24V）直流电源。配网操作电源可广泛应用于变电站、开闭所、配电室和箱式变电站等场合。针对近年来配网操作电源使用过程中的问题，我们提出了一种具有智能管理能力的电力配网操作电源，在满足负荷和负载的常规用电需求前提下，对电源模块的模拟量及蓄电池电压、内阻、温度等运行状态数据进行实时在线监测，通过AI+模糊神经网络模型学习并专家系统诊断，提醒配网运行人员及时消除蓄电池隐患。为一次开关设备（真空断路器、真空接触器、电动负荷开关等）以及二次控制、保护和信号回路（如自动化终端DTU、远程控制单元RTU、负载控制装置、指示灯、模拟指示器、智能仪表等）提供高品质的可靠的直流电源。

关键词：配网 直流电源 智慧电源 AI技术

二、项目技术架构和路线

针对配网领域实现的电力电源模块，要求在-40℃至70℃环境工作，体积小，转换效率高，高介质隔离，GB/T17626 4级EMC，宽范围输入，稳定输出，峰值带载能力强且具有先进的充电管理能力，可以根据电池的不同状态自动切换充电模式，能够实现预充、恒流充、恒压充、浮充、均充和活化等功能，另外还需要输出过载保护、输出短路保护、电池反接保护、电池过欠压保护功能，能够通过LED和OLED屏显示不同的工作状态和信息提示。 电源模块将开关电源技术和智能信息技术充分结合，从硬件设计和软件设计两方面出发，按照模块化思想进行产品化落地。       

2.1、AC/DC电源和电池充放电电路

AC/DC采用了多级EMI滤波网络和PFC+LLC的拓扑结构，控制实现原边两个主 MOS 开关的零电压开通（ZVS）和副边整流二极管的零电流关断（ZCS），通过软开关技术，降低电源的开关损耗，提高功率变换器的效率和功率密度。市电（110～330V）输入，由EMI滤波器进行滤波，再经过整流桥转化为直流电，通过对输入电压和开关管电流采样，实现电流与电流同相位调制，提高输入侧功率因数。Boost-PFC电路将输入的交流电经整流和升压变为400V直流电。半桥LLC谐振电路功率部分包括：开关网络、谐振腔、变压器和全波整流四部分。

2.2、智慧管理软件平台

平台按逻辑架构分为感知层、服务层、管理层、应用层，依托海量数据和逻辑分析能力，以人工智能算法驱动电源模块的智慧充电和带载。打造“自检”，“自优”，“自愈”，“自管理”的供电系统。

在电源模块运行过程中，电源的将模拟量、运行状态，实时采集自动化、数字化，并且存储；将大量预先输入的人工经验数据加以萃取，形成可复制、可编排的数据模型；利用模糊神经元网络模型对数据进行关键假设，通过AI自主学习，对各数据进行降噪、编组，进行序列转化，最后进行算法输入格式化。所得结果再进入专家诊断系统的故障分析处理规则库，给出诊断判定和操作建议。

2.3、建立模糊神经网络电源数据模型

通常，模糊神经网络主要利用神经网络结构来实现模糊逻辑推理，从而使传统神经网络没有明确物理含义的权值被赋予了模糊逻辑中推理参数的物理含义。

根据本文研究的电源运行情况数据对象，是通过采集电源的交流输入电压、直流输出电压、负载输出电流、电池电压、电池充电电流、放电电流、电池内阻、单节电池温度作为特征点进行分析和诊断，输入是一个多维向量，采用具有隐含层前向网络的神经元网络模拟模糊推理机的知识模型和推理模型来表达模糊规则，离线训练时采用参数变化率为最小的

能量函数、将每个对象中历史电源故障概率输出作为实时故障电源原因预测的输入预测因子，将前次故障发生至今的时间长也作为一个主要的输入变量，通过神经元网络的训练学习，实时监测电源模块的工作状态。

2.4、基于AI机器自主数据挖掘预测

电源设备健康状态预测主要集中在整流升压，逆变、功率变换输出、电池充放电管理等部位。使用基于堆叠去噪自编码器的电源健康状态预测方法：首先，统计单一采集数据集中的异常值特征；其次，利用堆叠去噪自编码器来提取故障特征；最后，采用基于密度网格的聚类方法，对故障特征进行聚类，并通过添加窗口，根据异常数据的持续时间，将异常值分类为孤立异常值、缺失数据和可用故障数据。

利用互相关系数的变分模态分解来分离故障特征值的原始采样数据中的相互逻辑关系，并采用短时特征多阈值法来完成特征状态重新划分。由于单通道收缩自编码器提取的特征缺乏时间维度信息，因此选择多个收缩自编码器通道，以均匀采样时间间隔同步提取连续特征向量，同时，将多个并行收缩自编码器在不同时间提取的特征融合在一起，从而使得最终挖掘出的具有时间信息的故障特征，在此基础上，构建了针对电源稳态的多通道卷积自编码器LSTM(长短期记忆递归神经网络)预测模型。

2.5、依据专家系统给出诊断结论和治愈建议

组件诊断系统功能借助AI+智慧电源专家系统实时对交流输入电压、直流输出电压、负载输出电流、电池电压、电池充电电流、放电电流、电池内阻、单节电池温度。快速精准的检测，可以自动识别出输入是否过欠压、是否掉电；输出是否过欠压、是否发生保护；负载输出是否过载、短路；充电回路是否异常;电池放电是否过载，短路；电池内阻变化趋势；电池温度与电池运行的相互作用；电池组是否过欠压等十余种不同情况组件故障。

三、实施效果

本文所涉及的专为配电自动化终端（DTU/FTU）设计的充电式操作电源，适用于电力配网自动化系统，电力智能箱变，环网柜以及其他行业需要不间断可靠直流供电。

产品在南方电网深圳罗湖供电局测试运行，工作稳定。为分合闸操作机构、微机保护装置、仪表、指示灯等各种二次回路元件提供可靠不间断直流工作电源。运行过程中实时采集电压、电流、内阻、电量、温度等模拟量，通过对这些数据的分析、比较、挖掘和自主学习，快速故障定位。例如，0.5小时内即可实现全部功能扫描，数据的重建和特征值提取，通过AI学习预测模型和专家系统可以提前24小时预测电源存在的潜在故障点，自主生成并打印检测报告，提示运维人员定点维护。