基于態(tài)勢感知的智能電網(wǎng)安全調(diào)度預警架構(gòu)設計

孫強強,陳 昊

(深圳供電局有限公司,廣東 深圳 518000)

0 引言

由于我國電網(wǎng)建設較晚,電網(wǎng)結(jié)構(gòu)相對薄弱,存在高電壓差電磁環(huán)網(wǎng)、大型單環(huán)網(wǎng)、偽雙電源和電源經(jīng)單回線上網(wǎng)等不利于電網(wǎng)運行的情況,發(fā)生嚴重故障時可能導致電力系統(tǒng)的崩潰,甚至造成電力系統(tǒng)解列事故[1]。因此,提高電力系統(tǒng)故障判別的準確率和事故處理效率,是保障電力系統(tǒng)安全穩(wěn)定經(jīng)濟運行、預防電網(wǎng)事故發(fā)生、防止事故擴大的關鍵,對維護社會穩(wěn)定、助力經(jīng)濟發(fā)展有重要的價值。隨著智能電網(wǎng)系統(tǒng)的不斷壯大,保證智能電網(wǎng)調(diào)度的安全性具有重大意義。而確保智能電網(wǎng)系統(tǒng)的安全運行的前提是提前做好監(jiān)護和預警[2-3]。近年來,智能電網(wǎng)安全調(diào)度監(jiān)護預警已經(jīng)成為國內(nèi)外關注的研究課題。

基于云計算的監(jiān)護預警架構(gòu)是引入了云計算技術在計算處理、擴展性的優(yōu)勢,利用云計算技術與智能電網(wǎng)安全調(diào)度監(jiān)護技術進行深度融合,實現(xiàn)智能電網(wǎng)安全調(diào)度的監(jiān)護預警,有效解決了結(jié)構(gòu)底層的安全問題。但是該結(jié)構(gòu)預警性能較差?；谏窠?jīng)元網(wǎng)絡的監(jiān)護預警架構(gòu)利用神經(jīng)元網(wǎng)絡的工作原理,跟蹤智能電網(wǎng)安全調(diào)度過程中的電壓信號變化,可確保智能電網(wǎng)安全調(diào)度的輸入與輸出信號的頻率一致,實現(xiàn)智能電網(wǎng)安全調(diào)度的監(jiān)護預警,有效提高了預警性能。但是智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)精度還是相對較低。以上兩種傳統(tǒng)預警架構(gòu)在實際應用中嚴重影響了智能電網(wǎng)安全調(diào)度的預警性能。

根據(jù)上述方法存在的問題,本文將大數(shù)據(jù)態(tài)勢感知應用到智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)設計中,保證了智能電網(wǎng)的安全運行。

1 智能電網(wǎng)安全調(diào)度監(jiān)護預警的架構(gòu)設計

1.1 基于大數(shù)據(jù)態(tài)勢感知的調(diào)度監(jiān)護預警數(shù)據(jù)處理

智能電網(wǎng)安全調(diào)度監(jiān)護的預警數(shù)據(jù)采集與傳輸流程如圖1 所示。

圖1 預警數(shù)據(jù)采集與傳輸流程圖Fig.1 Flowchart of early warning data collection and transmission

智能電網(wǎng)安全調(diào)度監(jiān)護預警數(shù)據(jù)的處理包括監(jiān)護預警數(shù)據(jù)的采集與傳輸、監(jiān)護預警數(shù)據(jù)的解析與導入、監(jiān)護預警數(shù)據(jù)的發(fā)布與展示三個步驟。采用大數(shù)據(jù)態(tài)勢感知法,計算電網(wǎng)安全調(diào)度監(jiān)護預警數(shù)據(jù)的性能。監(jiān)護預警數(shù)據(jù)每5 s 刷新一次,其數(shù)據(jù)部分存儲在預警服務器的數(shù)據(jù)庫中[4]?；趹B(tài)勢感知的監(jiān)護預警數(shù)據(jù)拷貝可通過對智能電網(wǎng)提供的數(shù)據(jù)進行標準化推導,并在本地獲得。輸出的監(jiān)護預警數(shù)據(jù)副本可通過終端網(wǎng)絡傳送,并可將數(shù)據(jù)段發(fā)送到數(shù)據(jù)分析服務器,直接將采集到的數(shù)據(jù)存儲于實時數(shù)據(jù)庫。

預警數(shù)據(jù)處理流程如圖2 所示。

圖2 預警數(shù)據(jù)處理流程圖Fig.2 Flowchart of early warning data processing

由采集程序生成的監(jiān)護預警數(shù)據(jù)包含了智能電網(wǎng)的網(wǎng)絡拓撲結(jié)構(gòu)、實時運行數(shù)據(jù)等信息。但是采集到的信息不能直接存儲在數(shù)據(jù)庫中,需要采用大數(shù)據(jù)文件作為數(shù)據(jù)載體進行感知,以獲取智能電網(wǎng)網(wǎng)絡拓撲和實時運行信息等。在對網(wǎng)絡拓撲結(jié)構(gòu)進行數(shù)據(jù)采集時,可以通過感知智能電網(wǎng)的運行態(tài)勢xl得到具體數(shù)據(jù)信息X的表達式:

在此基礎上,設計了監(jiān)護預警數(shù)據(jù)庫,通過獨特的態(tài)勢感知裝置[5-6],將網(wǎng)格模型數(shù)據(jù)w與實時數(shù)據(jù)庫中的實時數(shù)據(jù)b相融合。所需完整預警數(shù)據(jù)的表達式為:

采用態(tài)勢感知對監(jiān)護預警數(shù)據(jù)進行發(fā)布展示,實現(xiàn)了智能電網(wǎng)安全調(diào)度監(jiān)護預警數(shù)據(jù)的處理。

智能電網(wǎng)安全調(diào)度監(jiān)護預警數(shù)據(jù)具有復雜性。在數(shù)據(jù)處理之前,先從智能電網(wǎng)數(shù)據(jù)庫中采集監(jiān)護預警數(shù)據(jù),再利用數(shù)據(jù)處理流程,完成監(jiān)護預警數(shù)據(jù)的處理;接下來,通過智能電網(wǎng)安全調(diào)度監(jiān)護預警算法設計,為監(jiān)護預警架構(gòu)設計提供技術支撐[7-8]。

1.2 智能電網(wǎng)安全調(diào)度監(jiān)護預警算法設計

實時性關聯(lián)矩陣是智能電網(wǎng)監(jiān)控預警算法設計的基礎。實時性關聯(lián)矩陣是一個全新的矩陣模型,反映了智能電網(wǎng)故障元件之間可能存在的關系。在此模型基礎上設計的算法,只需要很少的計算就可以得到智能電網(wǎng)安全調(diào)度過程中任意故障對應的動作組合[9-10]。而關聯(lián)矩陣本身也會進行動態(tài)更新,實時跟蹤智能電網(wǎng)運行模式的變化與鎖定,從而使其算法更適用于監(jiān)控預警架構(gòu)設計。

假設智能電網(wǎng)安全調(diào)度過程中包括n個可能動作的備用電源自動投入裝置(busbar automatic transfer switch,BATS),且智能電網(wǎng)故障集中包含p個元素。當發(fā)生某一個故障時,就會使BATS 達到動作條件?；诖?構(gòu)建了BATS 與故障元件的關系矩陣:

式中:Rij為第i個智能電網(wǎng)故障元件與第j個BATS 之間的關聯(lián)情況。

當?shù)趇個智能電網(wǎng)故障元件使第j個BATS 達到動作條件后,Rij=1;當?shù)趇個智能電網(wǎng)故障元件沒有使第j個BATS 達到動作條件,則Rij=0。因此,可以得到Rij值:

在建立關聯(lián)矩陣的基礎上,建立一個p維向量A。向量A中的每個元素都代表故障集中智能電網(wǎng)故障的發(fā)生情況。將向量A分別與矩陣R和矩陣M進行左乘運算,得到由n個BATS 動作可信度構(gòu)成的向量集合S,即:

根據(jù)n個BATS 動作可信度構(gòu)成的向量集合S,設計了智能電網(wǎng)安全調(diào)度監(jiān)護預警算法流程。

智能網(wǎng)安全調(diào)度監(jiān)護預警算法首先根據(jù)智能網(wǎng)指定的故障,選擇電網(wǎng)安全調(diào)度中應該運行的BATS;然后根據(jù)BATS 之間的合作程度,有選擇地剔除不需要運行的BATS。當智能電網(wǎng)發(fā)生多起故障時,由于已達到運行條件,最高等級BATS 的權值已經(jīng)超過10 000個。因此,在計算過程中可以有效防止這些信息被湮滅,以準確判斷BATS 的數(shù)量。聯(lián)機應用中,算法的啟動條件設置為每次間隔啟動一次,或者電網(wǎng)結(jié)構(gòu)發(fā)生變化時起動一次。監(jiān)護預警算法流程如圖3 所示。

圖3 監(jiān)護預警算法流程圖Fig.3 Flowchart of monitoring and early warning algorithm

以上通過引入實時性關聯(lián)矩陣的原理,將實時性關聯(lián)矩陣應用到智能電網(wǎng)監(jiān)控預警算法設計中,利用智能電網(wǎng)監(jiān)控預警算法流程,完成了智能電網(wǎng)監(jiān)控預警算法設計。接下來,通過智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)設計過程,實現(xiàn)智能電網(wǎng)安全調(diào)度的監(jiān)護預警[11-12]。

1.3 監(jiān)護預警架構(gòu)

智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)是在預警算法設計的基礎上,基于多層用戶接入及管理相關信息,構(gòu)建智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)專業(yè)軟件測試平臺。該平臺不斷提高智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)的管理效率,從而很好地規(guī)范智能電網(wǎng)安全運行監(jiān)護預警體系單元的軟件管理與處理流程,為后期相應的操作與處理提供良好的接口。

智能電網(wǎng)安全調(diào)度監(jiān)護預警功能結(jié)構(gòu)模型如圖4所示。在智能電網(wǎng)安全調(diào)度監(jiān)護預警功能結(jié)構(gòu)模型中,可以清晰地看出智能電網(wǎng)安全調(diào)度預警的主要功能。在此基礎上,設計了智能電網(wǎng)安全調(diào)度監(jiān)護預警步驟,如圖5 所示。

圖4 監(jiān)護預警功能結(jié)構(gòu)模型Fig.4 Function structure model of monitoring and early warning

圖5 智能電網(wǎng)安全調(diào)度監(jiān)護預警步驟Fig.5 Smart grid security dispatching monitoring and early warning steps

在智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)設計過程中,智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)采用了目前流行的多層次結(jié)構(gòu)設計模式。操作系統(tǒng)使用專門的服務器端處理。本文設計的能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)如圖6所示。

圖6 智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)圖Fig.6 Smart grid security dispatching monitoring early warning architecture

綜上所述,為解決智能電網(wǎng)安全調(diào)度監(jiān)護預警數(shù)據(jù)的復雜性,從智能電網(wǎng)數(shù)據(jù)庫中采集監(jiān)護預警數(shù)據(jù),再利用數(shù)據(jù)處理流程,完成監(jiān)護預警數(shù)據(jù)的處理。在大數(shù)據(jù)態(tài)勢感知的基礎上,將實時性關聯(lián)矩陣應用到智能電網(wǎng)監(jiān)控預警算法設計中,完成了監(jiān)護預警算法設計。最后,利用智能電網(wǎng)安全調(diào)度監(jiān)護預警步驟,設計了智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu),實現(xiàn)了智能電網(wǎng)安全調(diào)度的監(jiān)護預警。

2 試驗結(jié)果與分析

2.1 試驗環(huán)境與參數(shù)設置

為了驗證基于大數(shù)據(jù)態(tài)勢感知的智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)在實際應用中的性能,在WindowsXP操作系統(tǒng)、Tomcat5.5 服務器、Microsoft SQL2018 數(shù)據(jù)庫、Eclipse 開發(fā)工具的仿真環(huán)境下進行對比試驗。圖7 為智能電網(wǎng)安全調(diào)度平臺結(jié)構(gòu)。

圖7 智能電網(wǎng)安全調(diào)度平臺結(jié)構(gòu)圖Fig.7 Structure of smart grid security scheduling platform

根據(jù)智能電網(wǎng)安全調(diào)度平臺結(jié)構(gòu)對電網(wǎng)安全調(diào)度進行監(jiān)護預警,并設置試驗參數(shù):智能電網(wǎng)基波為48.5～49.5 Hz;指定試驗基波頻率為48.5 Hz;試驗采樣頻率為1 500 Hz。

2.2 監(jiān)護預警電壓誤差對比

2.2.1 采集監(jiān)護預警電壓數(shù)據(jù)

在驗證智能電網(wǎng)安全調(diào)度監(jiān)護預警電壓誤差時,將試驗得到的監(jiān)護預警電壓數(shù)據(jù)與采集到的監(jiān)護預警電壓數(shù)據(jù)進行誤差對比。電壓數(shù)據(jù)采集結(jié)果如表2所示。

表1 試驗參數(shù)Tab.1 Experimental parameters

表2 電壓數(shù)據(jù)采集結(jié)果Tab.2 Voltage data acquisition results

2.2.2 監(jiān)護預警電壓誤差結(jié)果

利用表1 設置的試驗參數(shù),將采集到的智能電網(wǎng)監(jiān)護預警電壓數(shù)據(jù)與基于大數(shù)據(jù)態(tài)勢感知的智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)、基于云計算的監(jiān)護預警架構(gòu)和基于神經(jīng)元網(wǎng)絡的監(jiān)護預警架構(gòu)測試得到的智能電網(wǎng)監(jiān)護預警電壓數(shù)據(jù)進行對比,得到了智能電網(wǎng)安全調(diào)度監(jiān)護預警電壓誤差曲線,如圖8 所示。

從圖8 可以看出,基于云計算的監(jiān)護預警架構(gòu)和基于神經(jīng)元網(wǎng)絡的監(jiān)護預警架構(gòu)在智能電網(wǎng)安全調(diào)度過程中,監(jiān)護預警的電壓與采集到的電壓之間存在較大誤差。經(jīng)計算:基于云計算的監(jiān)護預警架構(gòu)獲得的監(jiān)護預警誤差與采集電壓相比,監(jiān)護預警誤差為850 kV;基于神經(jīng)元網(wǎng)絡的監(jiān)護預警架構(gòu)獲得的監(jiān)護預警誤差與采集電壓相比,監(jiān)護預警誤差為-1 180 kV;而基于大數(shù)據(jù)態(tài)勢感知的監(jiān)護預警架構(gòu)得到的電壓誤差總值為65 kV。因此可以得出,基于大數(shù)據(jù)態(tài)勢感知的監(jiān)護預警架構(gòu)可以縮小監(jiān)護預警的電壓誤差。

圖8 智能電網(wǎng)安全調(diào)度監(jiān)護預警電壓誤差曲線Fig.8 Voltage error curves of smart grid security dispatching and monitoring early warning

2.3 監(jiān)護預警電流誤差對比

2.3.1 采集監(jiān)護預警電流數(shù)據(jù)

在驗證智能電網(wǎng)安全調(diào)度監(jiān)護預警電流誤差時,將試驗得到的監(jiān)護預警電流數(shù)據(jù)與采集到的監(jiān)護預警電流數(shù)據(jù)進行誤差對比。電流數(shù)據(jù)采集結(jié)果如表3所示。

表3 電流數(shù)據(jù)采集結(jié)果Tab.3 Current data acquisition results

2.3.2 監(jiān)護預警電流誤差結(jié)果

利用表1 設置的試驗參數(shù),將采集到的智能電網(wǎng)監(jiān)護預警電流數(shù)據(jù)與基于大數(shù)據(jù)態(tài)勢感知的智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)、基于云計算的監(jiān)護預警架構(gòu)和基于神經(jīng)元網(wǎng)絡的監(jiān)護預警架構(gòu)測試得到的智能電網(wǎng)監(jiān)護預警電流數(shù)據(jù)進行對比,得到了智能電網(wǎng)安全調(diào)度監(jiān)護預警電流誤差曲線,如圖9 所示。

圖9 智能電網(wǎng)安全調(diào)度監(jiān)護預警電流誤差曲線Fig.9 Current error curves of smart grid security dispatching and monitoring early warning

從圖9 可以看出,基于神經(jīng)元網(wǎng)絡的監(jiān)護預警架構(gòu)在實際應用中,得到的監(jiān)護預警電流值非常不穩(wěn)定,有時會出現(xiàn)正電流誤差、有時會出現(xiàn)負電流誤差,為現(xiàn)場工作人員的監(jiān)護預警工作帶來一定難度。相對來說,基于云計算的監(jiān)護預警架構(gòu)的監(jiān)護預警電流誤差比較穩(wěn)定,但是誤差值仍然很大,監(jiān)護預警電流誤差值為158 kA;而基于大數(shù)據(jù)態(tài)勢感知的監(jiān)護預警架構(gòu)相比于其他兩個監(jiān)護預警架構(gòu),得到的監(jiān)護預警電流值與采集到的電流值比較接近,整體誤差僅有-2.6 kA。由此可知,基于大數(shù)據(jù)態(tài)勢感知的監(jiān)護預警架構(gòu)可以縮小監(jiān)護預警的電流誤差。

綜合以上試驗結(jié)果可知,相比于基于神經(jīng)元網(wǎng)絡的監(jiān)護預警架構(gòu)和基于云計算的監(jiān)護預警架構(gòu),基于大數(shù)據(jù)態(tài)勢感知的監(jiān)護預警架構(gòu)無論在監(jiān)護預警電壓誤差還是在監(jiān)護預警電流誤差方面,都可以縮小誤差范圍,從而提高了智能電網(wǎng)安全調(diào)度監(jiān)護預警精度、確保了智能電網(wǎng)安全調(diào)度。

3 結(jié)論

針對傳統(tǒng)智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)存在的電網(wǎng)安全調(diào)度監(jiān)護預警誤差較大的問題,本文設計了基于大數(shù)據(jù)態(tài)勢感知的智能電網(wǎng)安全調(diào)度監(jiān)護預警架構(gòu)。在大數(shù)據(jù)態(tài)勢感知的基礎上,通過數(shù)據(jù)庫采集了智能電網(wǎng)安全調(diào)度監(jiān)護預警數(shù)據(jù),結(jié)合智能電網(wǎng)安全調(diào)度監(jiān)護預警算法,實現(xiàn)了監(jiān)護預警架構(gòu)的設計。結(jié)果表明,基于大數(shù)據(jù)態(tài)勢感知的監(jiān)護預警架構(gòu)可以縮小監(jiān)護預警的誤差,提高了智能電網(wǎng)安全調(diào)度監(jiān)護預警精度,適合智能電網(wǎng)的實際應用。