基于態(tài)勢感知技術(shù)的智能電網(wǎng)網(wǎng)絡(luò)態(tài)勢評估模型及感知預(yù)測研究

周俊宇，李 偉，吳海江，唐 鶴

（廣東電網(wǎng)有限責任公司佛山供電局，廣東佛山 528000）

國家電網(wǎng)公司是國民經(jīng)濟命脈與國家能源安全的主要骨干企業(yè)，承擔供應(yīng)可持續(xù)電力與社會經(jīng)濟安全發(fā)展使命。在智能電網(wǎng)不斷發(fā)展的過程中，智能電網(wǎng)信息安全問題也逐漸凸現(xiàn)出來，對于智能電網(wǎng)信息安全問題也提出了高要求。目前國家電網(wǎng)缺乏安全防御對策，檢測攻擊后使用有針對性的應(yīng)對措施已經(jīng)無法解決問題，攻擊也會導致不可挽回的損失[1]。為了使此問題得到解決，就要基于大規(guī)模電力系統(tǒng)環(huán)境感知可能會導致系統(tǒng)安全態(tài)勢出現(xiàn)改變的安全要素，基于此，實現(xiàn)安全態(tài)勢聯(lián)動預(yù)警，從而防患于未然，降低因為網(wǎng)絡(luò)攻擊導致的電力系統(tǒng)損失。態(tài)勢感知技術(shù)為掌握電網(wǎng)運行軌跡的主要技術(shù)，其能夠利用廣域時空范圍中電網(wǎng)相關(guān)變化導致的因素進行理解、收集和預(yù)測，從而精準掌握電網(wǎng)安全態(tài)勢，實現(xiàn)電網(wǎng)安全管理主動預(yù)防[2]。因此，文中在智能電網(wǎng)中使用態(tài)勢感知技術(shù)，提出智能電網(wǎng)網(wǎng)絡(luò)態(tài)勢評估模型。

1 智能電網(wǎng)網(wǎng)絡(luò)態(tài)勢整體架構(gòu)

綜合智能告警收集調(diào)度自動化系統(tǒng)能夠?qū)㈦娋W(wǎng)運行狀態(tài)的告警信息進行反應(yīng)，基于此，實現(xiàn)告警信息分析處理，將關(guān)鍵告警信息與原因進行提取，從而構(gòu)成智能化告警信息，圖1 為綜合智能告警框架。

圖1 綜合智能告警框架

底層一體化調(diào)度技術(shù)支撐平臺能夠?qū)⑼ㄓ脠D形、模型、網(wǎng)絡(luò)通信、數(shù)據(jù)存儲等服務(wù)提供給上層應(yīng)用。中間層包括應(yīng)用分析結(jié)果信息、數(shù)據(jù)資源，比如動態(tài)、靜態(tài)與暫態(tài)數(shù)據(jù)、短路電流計算、靜態(tài)安全分析與在線穩(wěn)定分析等信息，并將各告警信息與基礎(chǔ)數(shù)據(jù)信息提供給上層綜合智能告警。基于此，上層綜合智能告警能夠?qū)崿F(xiàn)中間層告警數(shù)據(jù)與基礎(chǔ)數(shù)據(jù)的數(shù)據(jù)挖掘、整合分析與綜合展示，以此構(gòu)成實時監(jiān)視分析、故障告警分析與預(yù)想故障分析3 種告警信息，使調(diào)度運行人員了解到電網(wǎng)運行方式中的問題[3]。

2 電網(wǎng)風險評估模型

因為電網(wǎng)擾動項的不確定性與復(fù)雜性，有多種因素會構(gòu)成電網(wǎng)風險，包括自然災(zāi)害、人為因素、經(jīng)濟因素與設(shè)施故障等[4]，圖2 為電網(wǎng)風險的分類。

圖2 電網(wǎng)風險的分類

2.1 基于線路過載風險

模型目標函數(shù)為線路過載風險，控制量為有功與無功功率，線路過載概率為線路功率與額定功率最大值的隨機分布，該模型能夠降低線路過載，使線路、系統(tǒng)運行過程更加安全、穩(wěn)定[5]。線路潮流和線路過載情況相關(guān)，兩者關(guān)系詳見圖3。如果在線功率高于額定功率，線路過載風險的嚴重度與潮流關(guān)系為一次線性。簡單來說，電力線路有功功率為90%線路額定功率時，線路功率過載風險的嚴重程度為0，線路有功功率為100%額定功率時，線路負荷過載風險嚴重度為1。在線路潮流低于額定功率時，線路過載風險的嚴重程度就是0[6]。

圖3 線路潮流和過載嚴重性關(guān)系

根據(jù)線路功率過載風險和風險理論，線路i功率過載風險指標risk為功率變化嚴重性Se與變化概率PI的乘積，功率計算公式如式（1）所示。

式（1）中，Zi是線路功率，se(Zi)是線路i過載嚴重度，pr(Zi)是線路i功率波動概率，risk(Zi)是線路i過載風險。

根據(jù)風險指標的累加性，基于系統(tǒng)角度評估系統(tǒng)狀態(tài)，系統(tǒng)線路過載風險指標如式（2）所示。

利用式（2）計算得到線路功率的過載風險，能夠了解到電網(wǎng)運行過程中的狀態(tài)。但是非通暢電網(wǎng)線路功率的過載風險指標無法使調(diào)度運行人員需求得到滿足，這時系統(tǒng)就會存在問題，電網(wǎng)調(diào)度人員利用預(yù)防措施能夠降低線路功率過載風險。通過降低線路功率過載的方法開展優(yōu)化[7]，系統(tǒng)運動功率過載的最小風險計算公式為：

式中，rall(Z)是系統(tǒng)線路過載風險目標函數(shù)。

2.2 基于連鎖故障風險

利用模糊聚類算法與事故鏈模型對連鎖故障發(fā)展的模式進行預(yù)測，通過動態(tài)故障理論對支路重要度進行評估。小部分電網(wǎng)中的薄弱環(huán)節(jié)會導致電網(wǎng)出現(xiàn)大面積停電，會對附近區(qū)域電網(wǎng)造成影響，導致連鎖故障的出現(xiàn)[8]。在正常運行時，電網(wǎng)線路會利用保護動作將故障切除，從而降低了電網(wǎng)連鎖反應(yīng)的發(fā)生幾率。假如擴大事故率，保護裝置就會將故障元件設(shè)備進行切除，甩出負荷，導致電網(wǎng)崩潰情況出現(xiàn)。以連鎖故障分析與搜尋理論為基礎(chǔ)，利用系統(tǒng)連鎖故障風險指標避免故障蔓延[9]，目標函數(shù)的數(shù)學模型為：

式中，α為連鎖故障級數(shù)，K是i級故障個數(shù)，Cg是發(fā)電機g的發(fā)電成本，Cj是節(jié)點j切除負荷導致的損失；N是系統(tǒng)可控制負荷調(diào)整的節(jié)點數(shù)；ΔPi,k,g是i級連鎖故障k中發(fā)電機節(jié)點g的控制出力；Li,k,j是i級連鎖故障模式可控制負荷調(diào)整節(jié)點j的負荷調(diào)整量[10]。

2.3 基于失效元件風險

風險追蹤方法對設(shè)備失效中電力系統(tǒng)進行追蹤，影響電力系統(tǒng)總運行風險，風險追蹤的標準為如下。

責任分配原則：分配電網(wǎng)設(shè)備元件，不設(shè)置個例，也不因特殊情況改變風險責任分配。假如出現(xiàn)事故，失效元件會參與到風險追蹤中；

失效責任制原則：假如單一故障設(shè)備停運，事故后果通過失效元件承擔，沒有出現(xiàn)事故元件則不會承擔事故風險，并且不是風險追蹤對象[11]。

根據(jù)上述原則，單一元件所導致的系統(tǒng)風險量化為：

3 智能電網(wǎng)安全態(tài)勢預(yù)測實例

以國網(wǎng)某地區(qū)公司攻擊檢測數(shù)據(jù)與網(wǎng)絡(luò)日志為例，對2019 年9 月9 日到9 月23 日網(wǎng)絡(luò)安全態(tài)勢進行計算，圖4 為網(wǎng)絡(luò)安全態(tài)勢真實值。之后利用最小二乘支撐向量機LSSVM、自回歸AR 預(yù)測模型和RBF 神經(jīng)網(wǎng)絡(luò)預(yù)測模型實現(xiàn)預(yù)測。

圖4 網(wǎng)絡(luò)安全態(tài)勢真實值

3.1 自回歸預(yù)測數(shù)據(jù)

通過時間序列預(yù)測模型能夠得出11日至15日網(wǎng)絡(luò)安全態(tài)勢預(yù)測值，圖5為自回歸模型預(yù)測結(jié)果，表1為自回歸預(yù)測模型結(jié)果誤差。以此表示自回歸模型的網(wǎng)絡(luò)態(tài)勢基本走勢，但是具有較大的誤差[12]。

圖5 自回歸模型預(yù)測結(jié)果

表1 自回歸預(yù)測模型結(jié)果誤差

3.2 最小二乘支持向量機預(yù)測

圖6 為LSSVM 模 型預(yù)測結(jié)果，表2 為LSSVM 預(yù)測模型結(jié)果誤差。通過此數(shù)據(jù)對比AR 模型，最小二乘支持向量機預(yù)測值曲線更加接近，但是在時間發(fā)展中也各有不同[13]。

表2 LSSVM預(yù)測模型結(jié)果誤差

圖6 LSSVM模型預(yù)測結(jié)果

3.3 RBF神經(jīng)網(wǎng)絡(luò)預(yù)測數(shù)據(jù)

通過訓練神經(jīng)網(wǎng)絡(luò)預(yù)測模型得出網(wǎng)絡(luò)安全態(tài)勢預(yù)測值，表3 為網(wǎng)絡(luò)安全態(tài)勢預(yù)測結(jié)果。通過表3 可知，在不同預(yù)測時間點中真實值與預(yù)測值的誤差不同，文中通過神經(jīng)網(wǎng)絡(luò)RBF 預(yù)測模型實現(xiàn)網(wǎng)絡(luò)安全態(tài)勢預(yù)測，具有良好的效果。

表3 網(wǎng)絡(luò)安全態(tài)勢預(yù)測結(jié)果

4 電網(wǎng)風險評估的告警與防控系統(tǒng)

4.1 輸變電設(shè)備工況分析

分析不深入和來源不全面是傳統(tǒng)輸變電設(shè)備數(shù)據(jù)分析的問題，針對此問題，綜合智能告警系統(tǒng)能夠得到多元化數(shù)據(jù)，對遙測、遙信、臺帳、保護等信息進行整合，實現(xiàn)數(shù)據(jù)深度學習，從而創(chuàng)建輸變電設(shè)備運行工程的輔助、電氣、時間與環(huán)境等模型，利用神經(jīng)網(wǎng)絡(luò)等手段創(chuàng)建輸變電設(shè)備模型，從而實現(xiàn)電網(wǎng)主設(shè)備故障診斷、缺陷、前瞻性等預(yù)警[14]。

4.2 電網(wǎng)運行風險預(yù)警

電網(wǎng)比較脆弱，其運行狀態(tài)容易受到電力系統(tǒng)內(nèi)外部不良因素的影響。對電網(wǎng)運行風險進行預(yù)警，創(chuàng)建反映電網(wǎng)異常運行過程中的趨勢指標與狀態(tài)特征，能夠及時掌握電網(wǎng)運行過程中的安全風險?，F(xiàn)代電網(wǎng)調(diào)控風險預(yù)警和人工經(jīng)驗判斷具有密切關(guān)系，綜合智能告警系統(tǒng)對電網(wǎng)運行、越限告警與網(wǎng)絡(luò)分析等數(shù)據(jù)進行深入挖掘，與負荷、氣象、電源等影響因素相互結(jié)合，創(chuàng)建基于GIS 的電網(wǎng)運行風險預(yù)警功能模塊，對電網(wǎng)異常過程中的狀態(tài)特征進行分析。創(chuàng)建趨勢指標，從而開展風險輔助決策與智能預(yù)警，利用多窗口聯(lián)動的方式通過展示層面分析電網(wǎng)信息與系統(tǒng)[15]。

4.3 電網(wǎng)故障分析告警

出現(xiàn)故障的調(diào)控人員實現(xiàn)告警信息元級數(shù)據(jù)的接收，忽視篩選有效信息。要想使該問題得到解決，該系統(tǒng)能夠通過大量的元級數(shù)據(jù)對電網(wǎng)故障進行整理分析，提高信息組織效率。

在電網(wǎng)出現(xiàn)故障的時候，故障信息分析和決策依賴人工經(jīng)驗，在故障判定與處置方面存在經(jīng)驗盲區(qū)，所以，就要創(chuàng)建智能電網(wǎng)故障分析告警，全面處理故障。綜合告警系統(tǒng)能夠整合電網(wǎng)故障的多源信息，對電網(wǎng)故障告警進行分析，使調(diào)控人員能夠及時處理電網(wǎng)故障[16]。

5 結(jié)束語

在智能電網(wǎng)系統(tǒng)不斷發(fā)展的過程中[17-18]，智能電網(wǎng)和公用網(wǎng)絡(luò)廣泛結(jié)合，所面臨的網(wǎng)絡(luò)安全問題逐漸復(fù)雜，對智能電網(wǎng)攻擊的方式逐漸多元化。未來要結(jié)合智能電網(wǎng)和先進信息安全技術(shù)，并且抵御各新型攻擊入侵，具備預(yù)知攻擊、威脅的能力，保證智能電網(wǎng)正常運行。文中設(shè)計了電網(wǎng)態(tài)勢評估模型，并且結(jié)合實例進行分析，提出了電網(wǎng)風險評估告警和防控的對策，保障電網(wǎng)運行的安全性。