新能源监控系统中不同采集频率下的数据传递准确率提升方法研究

向未林

中广核新能源投资 (深圳 )有限公司湖北分公司湖北省武汉市 430000

摘 要 ：在新能源开发与利用技术快速发展的推动下，基于新能源的监控系统种类也越来越多，同时对于相应监控系统的现场设备数据信息精准度和数据信息传递准确率的要求也越来越高。本文结合当前新能源监控系统中不同采集频率的实际情况重点探究了一种 解决采集频率不一致问题的计算方法，以供参考。

关键词：新能源监控系统；采集频率；数据传递；准确率

1背景情况

随着新能源集控中心的不断增多，对于新能源集控中心与现场设备数据的一致性要求越来越高。特别是遥测数据，受到各设备采集频率不一致的影响，难以保证准确率。对于集控中心的数据分析能力和监控的可靠性造成了很大的影响。本文将提出一种解决采集频率不一致问题的计算方法。

2基于不同采集频率的遥测数据上传原理

2.1 我们以新能源风电场中某一遥测量-“XX风机网侧电流I”为例。其存储和上传频率采用以下频率。主要特点如下。

图1 新能源场站典型数据“风机网侧电流I”的上送、存储频率

2.2 上一层级的采集频率要大于下一层级的采集频率。如风机网侧测量CT其电流的频率为50HZ，即周期0.02s。那么风机PLC在采集此电流值时周期为0.05s，其采集频率要小于风机网侧测量PT的频率。

2.3 如果存在多级数据采集单位的话（如中广核新能源就有区域集控中心、全球运营中心（总部集控中心）），下一级采集频率会逐渐降低。如图1所示，最后一级采集周期为0.5s，已经比第一级（0.02s）的频率低25倍。

2.4 以上造成数据采集频率逐渐降低的问题，是因为系统结构引起的，如图2所示。总部集控数据量>区域集控>风电场>单台风机，数据量越大对数据的处理能力需求就越强。故需要降低频率来降低数据处理需求，保证系统的整体运转正常。

图2 风机、风电场、区域集控、总部集控数据层级划分

2.5 数据存储在各级都按照10min或15min向历史数据库写入一次此阶段时间内的平均值，平均值的计算以10min内收集的该层级的所有数据的平均值。如：集控中心“XX风机网侧电流I”的10min平均值为每0.2s一次记录值的此时段内的平均值。

3由于采集频率偏差导致的数据准确率偏差分析

根据以上依据，在风速每秒变化量较快时，如从6m/s变化为4m/s，2MW机组的功率变化在18%左右，对网侧电流的影响也在18%左右。此时，按照上述采集频率，风机服务器采集偏差在1.8%，区域集控采集偏差在3.6%，总部集控采集偏差达到了9%。

4由于采集频率偏差导致的数据准确率问题提升方案

4.1 如图3所示，St是我们要分析的数据的开始时间，et为我们要分析数据的结束时间，T1-T2、T3-T4为最小采集时间（如：区域集控中心为风机服务器上传的最小时间0.2s）。

图3 数据分析时间线

4.2 那么我们如何确定St-et时间段的数据呢？以下为考虑最小采集时间后的公式。

4.2.1遥脉量考虑最小采集时间

4.2.1.1 我们采用分段相加的形式，主要最大化缩小St-T2、T3-et时间段内小于最小采集频率的电量值。即发电量PR_st-et=

=(T3.PR-T2.PR)+(T2.PR-T1.PR)*(T2-St)/(T2-T1)+(T4.PR-T3.PR)*(et-T3)/(T4-T3)。

这种计算方式，可以最小化减少St-T2、T3-et时间段内的电量数值。

4.2.1.2 周期性修正。每天采集的0：00的单条数据，24：00的彩条数据，即PR24:00-PR0:00，与上一级PR24:00-PR0:00对比，偏差在X%（根据公司对发电量数据的准确率要求确定）时，直接采用上一级值进行记录，写入历史数据库。

4.2.2 遥测量采用多种形式

4.2.2.1 方案一：状态变化下的数据校验。即检测到源数据某一时段变化率过大（≥3%/s），则直接抽取上一级10min平均数据做为本级数据，录入历史数据库。

4.2.2.2 方案二：数据录波。即检测到源数据某一时段变化率过大（≥3%/s）。启用录波（采集频率升至与上一级采集频率一致），录波文件存档入历史数据库。

5思考

通过上述方案，普通算法下，在数据变化较快的时间段，误差可降低30%左右（即5%降低至1.5%）。对提升数据可靠性有较大提升。但是这种方案需要上下级系统联动和配合，许多基于自有通信规约的厂商无法满足这种配合关系。这种情况下我们应该如何去解决因为数据采集频率不一致导致的偏差问题呢？

参考文献：

[1]尹训俊,郭晓林.新能源汽车远程监控系统的数据采集与传输[J].科技创新导报,17(27):3.

[2]关成哲.数据信息于无线传输之下的采集和控制[J].科学中国人,2021(2014-9):11-11.