停電應(yīng)急預(yù)案快速匹配與智能生成方法

李從善，劉天琪，李興源

（四川大學(xué) 電氣信息學(xué)院，四川 成都 610065）

0 引言

當(dāng)前，我國電力事業(yè)正處在快速發(fā)展時期[1]，電力系統(tǒng)內(nèi)外部各種高危突發(fā)事件時有發(fā)生，城市電力安全時刻面臨嚴(yán)重威脅。進(jìn)行電力系統(tǒng)預(yù)案體系建設(shè)，是強(qiáng)化我國城市應(yīng)對電力突發(fā)公共事件能力建設(shè)的有效途徑和方式，是不斷提高預(yù)防和處置突發(fā)公共事件能力的重要手段，更是保障經(jīng)濟(jì)社會發(fā)展安全可靠用電、減少電力災(zāi)害損失的有效措施和手段。文獻(xiàn)[2]在對西歐“11.4”大面積停電事后分析中指出：把握薄弱環(huán)節(jié)、做好事故預(yù)案是安全運(yùn)行的基礎(chǔ)。2012年7月30日，發(fā)生在印度的大停電事故震驚了世界，其影響程度不亞于大地震。研究人員針對印度大停電事故指出[3]：印度多年缺電，卻沒能建立有效的電力需求側(cè)管理機(jī)制，沒有預(yù)先制定和及時啟動有序用電方案是導(dǎo)致此次大規(guī)模停電的重要原因。由此可見事故預(yù)案在電力系統(tǒng)穩(wěn)定運(yùn)行中的重要地位。

電力系統(tǒng)在對停電事故的防范方面做了不少工作，并建立了大量的總體預(yù)案、專項預(yù)案和現(xiàn)場應(yīng)急預(yù)案。2005年初，國務(wù)院發(fā)布了《國家突發(fā)公共事件總體應(yīng)急預(yù)案》[4]以及25個專項預(yù)案，其中包括電監(jiān)會負(fù)責(zé)編制的《國家處置電網(wǎng)大面積停電應(yīng)急預(yù)案》[5]。國家電網(wǎng)公司也發(fā)布了《城區(qū)電力系統(tǒng)突發(fā)事件應(yīng)急預(yù)案編制導(dǎo)則》[6]，并且具體規(guī)定了城市電網(wǎng)進(jìn)入緊急狀態(tài)的啟動標(biāo)準(zhǔn)（如負(fù)荷損失比例）。文獻(xiàn)[7]提出基于變尺度主成分分析方法以實(shí)現(xiàn)對電力設(shè)備載流故障進(jìn)行早期預(yù)警。文獻(xiàn)[8]基于廣域測量系統(tǒng)（WAMS）的量測數(shù)據(jù)，提出基于事例推理（CBR）理論及功率振蕩增量分布（OAPID）理論的互聯(lián)電網(wǎng)區(qū)間模式振蕩預(yù)警方法。實(shí)現(xiàn)故障報警對電網(wǎng)恢復(fù)搶修具有重要意義。文獻(xiàn)[9]對電網(wǎng)重大故障應(yīng)急搶修自動調(diào)度系統(tǒng)進(jìn)行了研究，給出了系統(tǒng)的模塊組成。文獻(xiàn)[10]從電力行業(yè)事故分類、電力應(yīng)急預(yù)案體系及電力應(yīng)急演練開展情況等幾個方面分別詳細(xì)闡述了國內(nèi)外應(yīng)急演練體系的情況。文獻(xiàn)[11]對電網(wǎng)安全生產(chǎn)預(yù)警與應(yīng)急預(yù)案主要內(nèi)容及實(shí)施要點(diǎn)進(jìn)行了研究。文獻(xiàn)[12]對電網(wǎng)大面積停電應(yīng)急預(yù)案的編制和實(shí)施進(jìn)行了研究，詳細(xì)分析了應(yīng)急預(yù)案編制的原則和主要內(nèi)容以及預(yù)案實(shí)施中的幾個主要問題。文獻(xiàn)[13]采用故障樹理論對電網(wǎng)調(diào)度自動化系統(tǒng)應(yīng)急預(yù)案完備度進(jìn)行了量化分析。

但是在面對突發(fā)停電事故，怎樣從海量預(yù)案庫中快速篩選出與停電事件相對應(yīng)的預(yù)案，從而進(jìn)行快速搶修方面的研究很少。另外，已建立的預(yù)案大多是在假設(shè)典型的電網(wǎng)事故基礎(chǔ)上建立的，由于實(shí)際現(xiàn)場因素復(fù)雜，預(yù)案的假設(shè)不可能完全與事件實(shí)際發(fā)展?fàn)顩r相符，應(yīng)急方案一般不可能按照已有的應(yīng)急預(yù)案直接地加以應(yīng)用，必須根據(jù)已有經(jīng)驗(yàn)、以往案例、現(xiàn)場狀況對預(yù)案加以適當(dāng)?shù)恼{(diào)整方可應(yīng)用。應(yīng)急預(yù)案快速匹配與完善程度是體現(xiàn)應(yīng)急能力的重要指標(biāo)。

為此，本文對預(yù)案的快速匹配與智能生成方法進(jìn)行了研究，建立了停電應(yīng)急預(yù)案和停電事件的數(shù)學(xué)模型；提出了分級檢索算法和改進(jìn)的最近相鄰算法相結(jié)合的檢索策略；給出了未完全匹配情況下，停電應(yīng)急預(yù)案智能生成方法。

1 停電應(yīng)急預(yù)案匹配模型

1.1 停電應(yīng)急預(yù)案數(shù)學(xué)模型

停電應(yīng)急預(yù)案是應(yīng)對可能的突發(fā)停電事故預(yù)先制定的處置方案。目前應(yīng)急預(yù)案都是采用文本形式進(jìn)行描述，主要內(nèi)容包括：預(yù)案名稱；預(yù)案編號；預(yù)案目的；預(yù)案啟動條件；預(yù)案實(shí)施日期；預(yù)案響應(yīng)級別；組織機(jī)構(gòu)及其首要職責(zé)；需匯報的相關(guān)領(lǐng)導(dǎo)；需通知及協(xié)調(diào)的其他部門；電力設(shè)備生產(chǎn)廠家聯(lián)絡(luò)方式；備品備件存放及保管明細(xì)；相關(guān)軟件及其存放和保管明細(xì)；預(yù)案通告；預(yù)案執(zhí)行步驟；預(yù)案執(zhí)行流程圖。

在進(jìn)行預(yù)案匹配時，對預(yù)案所包含的內(nèi)容進(jìn)行合理抽象，最終用事故描述和處置措施2個部分來表述停電處置預(yù)案，其實(shí)質(zhì)可以看成是一個帶有一組相關(guān)特征屬性描述的問題與結(jié)論[14]（問題在此處表示具體的停電事故，結(jié)論表示與之對應(yīng)的處置措施）。停電事故特征屬性和處置措施之間為一一對應(yīng)關(guān)系，即數(shù)學(xué)模型為，其中，A為描述停電事故特征因素集合（如自然災(zāi)害、隱形連鎖故障、變壓器故障、線路故障、人為破壞、能源供應(yīng)、電力短缺等），B為處置措施集合（如應(yīng)急保障、應(yīng)急響應(yīng)、搶修流程等）。據(jù)此，一個完整的停電應(yīng)急預(yù)案可以表述如下：

其中，Ac、Bc與 A、B 意義相同；Aci為一個特征屬性，Bci為對應(yīng)于特征屬性的一條處置措施，i=1，2，…，n，n為預(yù)案庫中一個預(yù)案的特征值數(shù)目。預(yù)案庫為：

其中，N為預(yù)案庫中預(yù)案的個數(shù)。

對于一個給定的停電事件其可以表述為：

考慮到停電事故特征屬性在快速搶修中的地位不同，可以采用一組權(quán)值向量來反映其特征的重要程度，權(quán)值大小由相關(guān)專家給定。則停電事件進(jìn)一步表述為：

其中，Aoci為停電事件特征之一；ωi為對應(yīng)于特征屬性的一個權(quán)值，為現(xiàn)場停電事件所包含的特征值數(shù)目。

由于停電影響因素非常多，對于眾多的特征因素，專家并不易迅速給出其權(quán)重，本文采用層次分析法[15]構(gòu)造特征判斷矩陣，從而迅速得出各特征的權(quán)重，在一定程度上克服了人為因素的影響。

1.2 停電應(yīng)急預(yù)案分級分類模型

電網(wǎng)在運(yùn)行過程中，會遇到各種各樣的停電事故，影響停電事故的因素非常多，情況又異常復(fù)雜，而且同種停電事故所造成的停電影響（即停電級別）又不同。研究表明，以往的停電事故大多具有相似的特征，以前的處置方案有的可以直接用來解決當(dāng)前的停電事故，或者做適當(dāng)?shù)恼{(diào)整即可應(yīng)用。針對此情況，在建立應(yīng)急預(yù)案庫時，首先將復(fù)雜的停電事故影響因素進(jìn)行梳理。對電網(wǎng)而言，導(dǎo)致其停電的影響因素包括系統(tǒng)內(nèi)部（系統(tǒng)的本身結(jié)構(gòu)及元件）和外部（系統(tǒng)所處的外部環(huán)境）2個大的方面，并且內(nèi)部和外部又可以細(xì)分?；谕ｋ姷耐獠恳蛩刈罱K都要?dú)w根于內(nèi)部因素的理念，在建立停電應(yīng)急預(yù)案分級分類模型時，是從內(nèi)部向外部擴(kuò)展。圖1給出了停電應(yīng)急預(yù)案分級分類簡化模型。

圖1 停電應(yīng)急預(yù)案分級分類簡化模型Fig.1 Simplified model of hierarchical classification scheme of power outage events

圖中，Ⅰ級停電事件為特大停電事件，Ⅱ級停電事件為重大停電事件，Ⅲ級停電事件為較大停電事件，Ⅳ級停電事件為一般的停電事件。目前，中國區(qū)域電網(wǎng)應(yīng)急預(yù)案使用的災(zāi)難分級指標(biāo)可以分為以下4 類[16]：

a.量化指標(biāo)，例如負(fù)荷減供和非計劃停機(jī)容量；

b.半量化指標(biāo)，例如關(guān)鍵輸電斷面損失若干條線路或若干重要廠站；

c.定性指標(biāo)，例如自然災(zāi)害對電網(wǎng)影響程度的估計；

d.其他指標(biāo)，例如人員傷亡、經(jīng)濟(jì)損失等指標(biāo)。

上述指標(biāo)有的獲取比較麻煩，不滿足易用性要求，因此一般選取負(fù)荷損失比例作為級別劃分指標(biāo)[6，17-18]。

1.3 分級檢索與最近相鄰算法相結(jié)合的匹配方法

1.3.1 分級檢索策略

基于1.2節(jié)建立的停電應(yīng)急預(yù)案分級模型，引入閾值概念（即啟動各級預(yù)案的臨界值），其符號用α表示，大小為停電負(fù)荷損失比例的值，參考國家電網(wǎng)對突發(fā)停電事件應(yīng)急處置預(yù)案級別劃分的規(guī)定，得出閾值選取標(biāo)準(zhǔn)。閾值有一最小值αmin，只有大于閾值最小值才會啟動預(yù)案，對于非常小的停電事故，只需由1～2名專責(zé)技術(shù)人員負(fù)責(zé)處理，技術(shù)人員依據(jù)相應(yīng)的故障處理手冊及自身的處理經(jīng)驗(yàn)即可迅速做出反應(yīng)并正確處理停電事件，并不需要制定預(yù)案[19]。通過閾值α將預(yù)案庫劃分為幾個不同隸屬度的集合，一定α集合中儲存的是相應(yīng)特征屬性大于α的集合元素。引入閾值后，對于給定的停電事故，首先由閾值的大小給出一個結(jié)果集，這樣就避免了從整個預(yù)案中進(jìn)行搜索，提高了檢索效率。

1.3.2 最近相鄰檢索算法

最近相鄰策略是事例推理系統(tǒng)常用的檢索策略[20]，傳統(tǒng)的最近相鄰策略[21-22]是以 事例 間距 離評定事例間的相似程度，在進(jìn)行距離計算過程中需要進(jìn)行平方差、開方等運(yùn)算，最后得出相似事例與目標(biāo)事例距離最小。假設(shè)對象x、y的相似度用S（x，y）表示，那么 S（x，y）?[0，1]，即 2 個對象的相似度通過一個概念距離函數(shù)S（x，y），將其值域限定在 0～1之間。當(dāng)相似度等于0時，特征完全不相似；當(dāng)相似度等于1時，則特征完全相同。上述求距離的方法對于預(yù)案匹配并不適用，但是可以借鑒相似度的思想。為此，本文在已建立的停電應(yīng)急預(yù)案和停電事件數(shù)學(xué)模型基礎(chǔ)上，提出了相同特征權(quán)值之和作為相似度指標(biāo)的檢索策略，在計算相似度時，只涉及到加法運(yùn)算，具體如下。

對于給定的停電事件，表述為 Cobject=｛（Aoc1，ω1），（Aoc2，ω2），…，（Aocm，ωm）｝，逐一地對預(yù)案庫 Corigin=｛C1，C2，…，CN｝進(jìn)行特征比較，分別找出每一預(yù)案與之相同的特征，并計算對應(yīng)的權(quán)值之和，即相似度為：

其中，ωi（Corigin，Cobject）為停電事件與預(yù)案庫中相同特征所對應(yīng)的權(quán)值；k為相同的預(yù)案特征數(shù)目，k≤min（m，n）。對于預(yù)案庫中沒有與之對應(yīng)的特征，其所對應(yīng)的權(quán)值變?yōu)?。S≤1，S值越大則相似度越大，反之越??；S=1表示完全匹配；S≠1表示非完全匹配。

對于完全匹配又分2種情況：

a.若m=n，即描述停電事件的特征數(shù)目和預(yù)案庫中某一預(yù)案的特征數(shù)目相同，此種情況是完全精確匹配；

b.若m＜n，即描述停電事件的特征數(shù)目比預(yù)案庫中某一預(yù)案的特征數(shù)目少，通過式（1）也會得到S=1的情況，則此種情況為完全非精確匹配。

對于非完全匹配情況：由于預(yù)案數(shù)目眾多，由該方法計算的相似度很可能出現(xiàn)S相等且不等于1的情況。對于該情況，則選取特征值數(shù)目較多的一個作為輸出結(jié)果，這樣便于對其編制，以達(dá)到最快速度形成相應(yīng)預(yù)案。也可能出現(xiàn)S相等且不等于1，且所包含的特征數(shù)目也相同的情況。這種情況比較罕見，可以將其全部輸出，由工作人員根據(jù)編制方便的原則，選取其中某一個作為最佳處置預(yù)案，從而對其改編，形成相應(yīng)預(yù)案。

1.3.3 2種算法相結(jié)合的預(yù)案匹配策略

首先對預(yù)案庫進(jìn)行分級檢索，然后對其結(jié)果集采用最近相鄰算法進(jìn)行優(yōu)化。一個典型的事例推理檢索過程可以歸納為[9]：首先從事例庫中檢索出與問題事例相關(guān)的事例，如果二者完全精確匹配，則輸出求解方案，否則修正后形成求解方案。匹配流程如圖2所示。

圖2 預(yù)案匹配流程Fig.2 Flowchart of event matching

對于一個給定的具體停電事故，其實(shí)際的檢索步驟如下。

a.獲取停電信息，由停電級別指標(biāo)確定閾值數(shù)值。

b.判斷閾值大小，若大于閾值最小值αmin，則給出滿足閾值的預(yù)案結(jié)果集，否則結(jié)束。

c.對于滿足閾值的停電事件，提取其特征屬性Cobject=（Ac1，Ac2，…，Acm），并由專家給定對應(yīng)于該特征的權(quán)值向量 Wi=（ωc1，ωc2，…，ωcm）。

d.輸入表述該停電事件的特征屬性及權(quán)值向量，逐一與預(yù)案庫中的特征進(jìn)行比較，按式（1）計算相似度S。

e.若S=1，則結(jié)束檢索，直接輸出其對應(yīng)的預(yù)案；否則重復(fù)步驟d，直到檢索完畢，挑選S值最大對應(yīng)的預(yù)案，max（S）作為輸出結(jié)果。

對于上述給出的S=1所對應(yīng)的預(yù)案，需要進(jìn)一步比較特征數(shù)目m和n的情況。若m=n，表示完全精確匹配，此時可以直接應(yīng)用所對應(yīng)的預(yù)案；若m≠n，此時對應(yīng)完全非精確匹配預(yù)案。后者和S≠1所對應(yīng)的非完全匹配預(yù)案都需要做適當(dāng)?shù)男薷牟趴梢詰?yīng)用。

2 停電應(yīng)急預(yù)案智能生成方法

2.1 智能生成方法

針對完全非精確匹配和非完全匹配2種情況，提出簡單而行之有效的方法：直接在原預(yù)案中增減或替換。分情況介紹如下。

情況1：S=1，m≠n。該情況只有在m＜n時才會發(fā)生，即說明預(yù)案中包含的特征數(shù)目比停電事件給出的特征多。對此只需在預(yù)案庫中刪除多余的特征屬性和與之對應(yīng)的處置措施即可。

情況2：S≠1。該情況說明已建立的預(yù)案庫中沒有與停電事件所對應(yīng)的特征屬性完全吻合的特征。對此，則在給出的max（S）所對應(yīng)的預(yù)案上做增減，刪除停電事件所不具備的特征和與之對應(yīng)的處置措施，增加預(yù)案中沒有的特征屬性和與之對應(yīng)的處置措施。若是增加，對于預(yù)案中沒有的特征屬性和與之對應(yīng)的處置措施，提出建立停電處置措施庫，根據(jù)特征屬性和處置措施之間的一一對應(yīng)關(guān)系，將與停電事件有關(guān)的所有特征列出，并給出相應(yīng)的處置措施，其簡化模型如圖3所示。

圖3 處置措施庫簡化模型Fig.3 Simplified model of countermeasure library

在建立的措施庫中，利用關(guān)鍵詞搜索，找出預(yù)案中沒有的特征，從而對其添加，形成相應(yīng)的應(yīng)急預(yù)案。

2.2 預(yù)案庫與措施庫更新與完善

預(yù)案庫和措施庫建立初期并不完善，因?yàn)榻⒊跗谒膬?nèi)容必定有限，需要在實(shí)際應(yīng)用中不斷添加新的預(yù)案和處置措施，從而達(dá)到更新和完善。另一方面，導(dǎo)致停電事件的因素非常多，情況異常復(fù)雜，如果將實(shí)際遇到的所有停電案例都加入到預(yù)案庫中，將會導(dǎo)致預(yù)案庫過于龐大，影響檢索效率。為此，可以根據(jù)計算的相似度S的大小來決定是否將新案例加入案例庫。若停電案例與預(yù)案庫中所有預(yù)案的相似度均小于某個給定的值（假設(shè)為0.6），則加入此案例，否則不加入。而對于措施庫而言，只要措施庫中沒有該特征，就將其加入。

另外電網(wǎng)應(yīng)急預(yù)案及其附屬文件應(yīng)根據(jù)條件和環(huán)境的變化及時修訂，修訂啟動方式可以根據(jù)固定周期、評估結(jié)果、演習(xí)評價和事故教訓(xùn)4種方式進(jìn)行。

3 案例分析

案例1：相似度計算。設(shè)某一停電事件，經(jīng)過提取特征屬性得到6類特征：火災(zāi)、變壓器故障、過負(fù)荷、事故經(jīng)過、事發(fā)地距搶修指揮辦公室交通情況、事發(fā)地周圍情況（有無水源以及其他情況介紹）。上述每類特征還可以細(xì)分。在此，為了方便介紹，只列了六大類。應(yīng)急指揮專家針對這6類特征，考慮其重要程度給出了相應(yīng)的權(quán)值如下：ω1=0.3、ω2=0.2、ω3=0.2、ω4=0.1、ω5=0.1、ω6=0.1。 由上述權(quán)值可以看出，火災(zāi)在事故搶修中占有重要地位。與應(yīng)急預(yù)案庫進(jìn)行特征比較發(fā)現(xiàn)，某一預(yù)案只有3個特征與停電事故相同，相同特征為火災(zāi)、變壓器故障以及事故經(jīng)過，根據(jù)式（1）計算相似度為：

對于返回的預(yù)案，從措施庫中抽取該預(yù)案中不包含的其他特征，從而對其添加即可形成對應(yīng)于停電事件的處置方案。

案例2：分級檢索與最近相鄰檢索策略相結(jié)合應(yīng)用案例。設(shè)一個初期建立的預(yù)案庫中僅有20個預(yù)案，停電應(yīng)急預(yù)案均勻分布，即每一級別對應(yīng)的數(shù)目相等，假如級別劃分為4級，每個預(yù)案包含10個特征屬性，給定的停電事件包含m個特征屬性。若只采用最近相鄰檢索策略，則需要做20×10×m次比較運(yùn)算、20次權(quán)值求和運(yùn)算。而若采用分級檢索和最近相鄰檢索相結(jié)合的檢索策略時，首先由閾值指標(biāo)做一次比較運(yùn)算，確定結(jié)果集，由于上面假設(shè)預(yù)案是均勻分布的，則確定的結(jié)果集有5個，再采用最近相鄰策略，則需要做5×10×m次比較運(yùn)算，采用該方法總共只需做5×10×m+1次比較運(yùn)算、5次權(quán)值求和運(yùn)算。對于一個完善的、預(yù)案數(shù)目非常多的預(yù)案庫，更能體現(xiàn)該方法的優(yōu)越性。

案例3：某電力公司應(yīng)對大型設(shè)備故障現(xiàn)場處置方案。通過提取事故特征，匹配框圖如圖4所示。

圖4 預(yù)案匹配框圖Fig.4 Block diagram of plan matching

4 結(jié)論

本文對應(yīng)急預(yù)案快速匹配與智能生成方法進(jìn)行了研究，建立了停電應(yīng)急預(yù)案和停電事件的數(shù)學(xué)模型；提出了預(yù)案分級分類方案和分級檢索與最近相鄰檢索相結(jié)合的檢索策略。針對建立的停電應(yīng)急預(yù)案和停電事件的數(shù)學(xué)模型，將傳統(tǒng)的最近相鄰檢索策略中涉及的開方或平方差運(yùn)算改為權(quán)值相加運(yùn)算，這一改進(jìn)極大地提高了檢索效率。對非完全匹配的預(yù)案提出了直接增減或替換的方法及建立處置措施庫的想法。上述方法簡單、有效，能夠滿足快速搶修的要求。

由于實(shí)際現(xiàn)場因素復(fù)雜，預(yù)案的假設(shè)不可能完全與事件實(shí)際發(fā)展?fàn)顩r相符，必須加以調(diào)整、分析、判斷才可應(yīng)用。這種引入科學(xué)模型和科學(xué)決策技術(shù)以及案例分析結(jié)果的應(yīng)急方案可稱為智能方案。

本文研究結(jié)果在應(yīng)對突發(fā)停電事故方面具有比較重要的現(xiàn)實(shí)意義。