電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)預(yù)警技術(shù)研究*

李敏, 于仕

(國(guó)網(wǎng)江西省電力公司信通分公司，南昌 330077 )

0 引 言

隨著電網(wǎng)規(guī)模擴(kuò)大，需要采用智能信息化管理方法進(jìn)行電網(wǎng)管理和調(diào)度，提高電網(wǎng)輸電配電的可靠性的同時(shí)，降低電網(wǎng)的能耗開(kāi)銷，提高電網(wǎng)運(yùn)行的可靠性[1-3]。電網(wǎng)信息系統(tǒng)是采用大數(shù)據(jù)信息處理方法對(duì)電網(wǎng)的運(yùn)行數(shù)據(jù)進(jìn)行集成管理的綜合化系統(tǒng)，電網(wǎng)信息系統(tǒng)的穩(wěn)定可靠運(yùn)行是實(shí)現(xiàn)整個(gè)電網(wǎng)可靠運(yùn)行的關(guān)鍵，研究電源信息系統(tǒng)的狀態(tài)評(píng)估和風(fēng)險(xiǎn)預(yù)警方法，對(duì)提高信息系統(tǒng)運(yùn)行穩(wěn)定性，實(shí)現(xiàn)風(fēng)險(xiǎn)防控具有很好的實(shí)踐價(jià)值[1]。對(duì)電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)預(yù)警研究處理是建立在對(duì)電網(wǎng)運(yùn)行工況的數(shù)據(jù)采樣分析和特征提取基礎(chǔ)上的，結(jié)合大數(shù)據(jù)信息加工和信息處理技術(shù)，提取反映電網(wǎng)信息系統(tǒng)運(yùn)行工況的特征參量，采用特征聚類分析方法進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)判斷[4-5]，對(duì)此，本文提出一種基于信息聚類融合處理的電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)預(yù)警技術(shù)，實(shí)現(xiàn)電網(wǎng)運(yùn)行狀態(tài)風(fēng)險(xiǎn)預(yù)測(cè)和優(yōu)化，最后進(jìn)行實(shí)驗(yàn)分析研究，展示了本文方法在提高電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)預(yù)警可靠度方面的優(yōu)越性能。

1 信息采集與統(tǒng)計(jì)聚類分析處理

1.1 電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)工況信息采集

對(duì)電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)預(yù)警是建立在對(duì)電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)工況信息采集和特征提取的基礎(chǔ)上，對(duì)電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)特征分析的第一步就是進(jìn)行電網(wǎng)信息系統(tǒng)的大數(shù)據(jù)挖掘和信息采樣，提取反映電網(wǎng)信息系統(tǒng)運(yùn)行工況的特征量，諸如電壓、電流、功率等信息[6]，并對(duì)采集進(jìn)行特征分析，采用圖1所示的蓋革-彌勒計(jì)數(shù)管進(jìn)行電網(wǎng)信息系統(tǒng)的運(yùn)行工況數(shù)據(jù)采集和計(jì)數(shù)，利用傳感器探頭進(jìn)行電網(wǎng)信息系統(tǒng)的光電信息采集。

圖1 基于蓋革-彌勒計(jì)數(shù)管的電網(wǎng)信息系統(tǒng)的運(yùn)行工況數(shù)據(jù)采集和計(jì)數(shù)

根據(jù)圖1的電網(wǎng)信息系統(tǒng)的運(yùn)行工況數(shù)據(jù)采集結(jié)果，進(jìn)行頻譜分析，得到的電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)存在風(fēng)險(xiǎn)下的數(shù)據(jù)采樣復(fù)信號(hào)z(t)的頻譜為[7]：

(1)

1.2 狀態(tài)評(píng)估數(shù)據(jù)統(tǒng)計(jì)聚類分析

對(duì)采集的電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)評(píng)估數(shù)據(jù)進(jìn)行統(tǒng)計(jì)聚類分析，在電網(wǎng)信息系統(tǒng)中，運(yùn)行狀態(tài)風(fēng)險(xiǎn)評(píng)估的特征函數(shù)z(t)可寫(xiě)作：

z(t)=s(t)+js(t)?h(t)=

(2)

式中Η[s(t)]稱為輸出電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)信息實(shí)信號(hào)s(t)的Hilbert變換。

(3)

式中Z(f)表示對(duì)特征狀態(tài)分布函數(shù)求平均；h(t)表示為階躍脈沖響應(yīng)。

2 風(fēng)險(xiǎn)預(yù)測(cè)算法研究

2.1 電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)特征提取

對(duì)上述提取的特征量進(jìn)行自相關(guān)映射處理和信息標(biāo)定，結(jié)合反饋調(diào)節(jié)技術(shù)進(jìn)行風(fēng)險(xiǎn)預(yù)警。

2.2 風(fēng)險(xiǎn)預(yù)警預(yù)測(cè)模型優(yōu)化

在電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)存在風(fēng)險(xiǎn)情況下，通過(guò)平均互信息測(cè)量，得到電網(wǎng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)判別函數(shù)描述為：

(4)

通過(guò)對(duì)電網(wǎng)風(fēng)險(xiǎn)系數(shù)的時(shí)間-頻率聯(lián)合分布特征提取，得到了反映電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)風(fēng)險(xiǎn)特征的頻譜參量，最后采用信息反饋調(diào)節(jié)技術(shù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)警評(píng)估，得到電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)特征的分類輸出結(jié)果為：

(5)

式中σ=0.707。

3 實(shí)驗(yàn)結(jié)果與分析

對(duì)電網(wǎng)信息系統(tǒng)的運(yùn)行狀態(tài)風(fēng)險(xiǎn)預(yù)警的仿真實(shí)驗(yàn)采用Matlab仿真[10]工具進(jìn)行數(shù)學(xué)仿真，運(yùn)行工況數(shù)據(jù)采集的樣本長(zhǎng)度為1 024，運(yùn)行狀態(tài)統(tǒng)計(jì)數(shù)據(jù)采集樣本分別為功率、電源電壓、電流強(qiáng)度等三組不同特性的樣本序列，測(cè)試樣本集規(guī)模為2 000，訓(xùn)練樣本集規(guī)模為500，運(yùn)行工況數(shù)據(jù)分布的頻帶4 kHz～10 kHz，采樣時(shí)間間隔為12 s，根據(jù)上述仿真參量設(shè)定，得到電網(wǎng)信息系統(tǒng)運(yùn)行工況數(shù)據(jù)采樣結(jié)果如圖2所示。

圖2 電網(wǎng)信息系統(tǒng)運(yùn)行工況數(shù)據(jù)采樣結(jié)果

以圖2所示的數(shù)據(jù)為測(cè)試樣本集，進(jìn)行數(shù)據(jù)聚類融合處理和特征分類，提取反映電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)風(fēng)險(xiǎn)分布的統(tǒng)計(jì)特征量，得到特征提取結(jié)果如圖3所示。

圖3 特征提取結(jié)果

分析圖3得知，通過(guò)特征提取能有效分辨電網(wǎng)信息系統(tǒng)的運(yùn)行狀態(tài)，實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)警，采用不同方法進(jìn)行風(fēng)險(xiǎn)預(yù)警的可靠度對(duì)比，得到測(cè)試結(jié)果如圖4所示，分析圖4得知，本文方法進(jìn)行電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)風(fēng)險(xiǎn)預(yù)警的可靠度較高。

圖4 風(fēng)險(xiǎn)預(yù)警可靠度對(duì)比

圖5描述了采用不同方法進(jìn)行電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)預(yù)警準(zhǔn)確性對(duì)比結(jié)果，仿真結(jié)果表明，采用本文方法進(jìn)行電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)預(yù)警準(zhǔn)確性較好，有效實(shí)現(xiàn)了電網(wǎng)信息系統(tǒng)運(yùn)行與屬性分類的均衡博弈，提高了電網(wǎng)信息系統(tǒng)運(yùn)行的安全性。這是由于文中方法對(duì)采集的電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)評(píng)估數(shù)據(jù)進(jìn)行統(tǒng)計(jì)聚類分析，結(jié)合模糊自適應(yīng)C聚類算法進(jìn)行電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)評(píng)估和狀態(tài)屬性分類，提高了電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)預(yù)警的準(zhǔn)確性。

在圖5考察了不同方法進(jìn)行電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)風(fēng)險(xiǎn)預(yù)警準(zhǔn)確性的基礎(chǔ)上，結(jié)合風(fēng)險(xiǎn)預(yù)警所需時(shí)間，考察不同方法的整體風(fēng)險(xiǎn)預(yù)警效率。具體實(shí)驗(yàn)結(jié)果如圖6所示。

圖5 不同方法的風(fēng)險(xiǎn)預(yù)估準(zhǔn)確率對(duì)比

。

圖6 不同方法的風(fēng)險(xiǎn)預(yù)警效率對(duì)比

如圖6所示，對(duì)比不同方法的預(yù)警效率可以發(fā)現(xiàn)，本文所提方法的風(fēng)險(xiǎn)預(yù)警效率隨著樣本個(gè)數(shù)的增加而增加，效率可達(dá)到90%。而傳統(tǒng)方法的效率呈現(xiàn)隨著樣本個(gè)數(shù)增加而先增加后減小的趨勢(shì)，穩(wěn)定性較差，且其整體效率始終低于本文方法的效率，最高效率僅為60%。分析研究不同方法的風(fēng)險(xiǎn)預(yù)警誤報(bào)率，結(jié)果如圖7所示。

圖7 不同方法的風(fēng)險(xiǎn)預(yù)警誤報(bào)率

不同方法對(duì)電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)風(fēng)險(xiǎn)預(yù)警的誤報(bào)率如圖7所示。由圖7可以看出，樣本數(shù)由0～2000的過(guò)程中，本文方法的誤報(bào)率始終保持在10%以下，傳統(tǒng)方法的誤報(bào)率隨著樣本數(shù)的增加呈現(xiàn)下降的趨勢(shì)，但其誤報(bào)率最終仍在20%左右。證明傳統(tǒng)方法的實(shí)際應(yīng)用性較差，而本文方法的風(fēng)險(xiǎn)預(yù)警結(jié)果較為穩(wěn)定且準(zhǔn)確，更加適合實(shí)際電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)預(yù)警評(píng)估，具有較強(qiáng)的實(shí)際應(yīng)用性能。

4 結(jié)束語(yǔ)

電網(wǎng)信息系統(tǒng)的穩(wěn)定可靠運(yùn)行是實(shí)現(xiàn)整個(gè)電網(wǎng)可靠運(yùn)行的關(guān)鍵，研究電源信息系統(tǒng)的狀態(tài)評(píng)估和風(fēng)險(xiǎn)預(yù)警方法，對(duì)提高信息系統(tǒng)運(yùn)行穩(wěn)定性有促進(jìn)性作用，本文提出基于信息聚類融合處理的電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)的風(fēng)險(xiǎn)預(yù)警技術(shù)，提取反映電網(wǎng)信息系統(tǒng)運(yùn)行狀態(tài)風(fēng)險(xiǎn)特征的頻譜參量，采用信息反饋調(diào)節(jié)技術(shù)實(shí)現(xiàn)風(fēng)險(xiǎn)預(yù)警評(píng)估。研究表明，采用該方法進(jìn)行電網(wǎng)風(fēng)險(xiǎn)預(yù)警的可靠度較高，預(yù)警準(zhǔn)確率高，且誤報(bào)率明顯低于傳統(tǒng)方法，所提方法提高了電網(wǎng)信息系統(tǒng)的風(fēng)險(xiǎn)管理能力。