基于大數(shù)據(jù)混沌特性的電網(wǎng)在線監(jiān)測異常數(shù)據(jù)識別方法

袁煒燈,陳威洪,蕭嘉榮,李敬航,林澤宏

(廣東電網(wǎng)有限責(zé)任公司 東莞供電局，廣東 東莞 523000)

0 引言

在電網(wǎng)監(jiān)測過程中，萬伏以上的高壓電網(wǎng)環(huán)境中的監(jiān)測感應(yīng)裝置回傳數(shù)據(jù)過程會受到高壓電磁干擾[1]，數(shù)據(jù)回傳精度會有所偏差。因此，需要監(jiān)測系統(tǒng)對偏差進(jìn)行修正，才能獲得準(zhǔn)確的電網(wǎng)狀態(tài)數(shù)據(jù)。而在實際應(yīng)用中，對偏差參量進(jìn)行修正時，首先需要對存在異常的數(shù)據(jù)進(jìn)行識別，才能對異常數(shù)據(jù)進(jìn)行偏差修正。因此，異常數(shù)據(jù)的識別精度與靈敏度是決定偏差修正精度的基礎(chǔ)。

一般來說，根據(jù)高壓電網(wǎng)環(huán)境的混沌特性，可計算電網(wǎng)諧波分量，通過對其展開小波變換、融合和匹配來實現(xiàn)對異常數(shù)據(jù)的識別。但這一過程計算量龐大，因此，本文將大數(shù)據(jù)技術(shù)引入其中，通過結(jié)合大數(shù)據(jù)混沌特性對識別計算過程進(jìn)行簡化歸一處理，從而實現(xiàn)電網(wǎng)在線監(jiān)測異常數(shù)據(jù)識別。

1 基于大數(shù)據(jù)混沌特性的識別方法設(shè)計

1.1 建立電網(wǎng)異常數(shù)據(jù)的混沌特性模型

根據(jù)電網(wǎng)異常數(shù)據(jù)的混沌特性，可通過定義電網(wǎng)全局的混沌電路，從而推導(dǎo)得到關(guān)于異常數(shù)據(jù)的混沌特性模型。根據(jù)電網(wǎng)中電路狀態(tài)的衰減頻率與電網(wǎng)電路初始狀態(tài)下的電路頻率，可將電網(wǎng)初始狀態(tài)下的電路響應(yīng)劃分為以下幾種。

①混沌直流平穩(wěn)狀態(tài)：處于電網(wǎng)混沌狀態(tài)空間中，全局電路通道內(nèi)狀態(tài)因子趨近于一個對等劃分點(diǎn)。

②循環(huán)混沌響應(yīng)狀態(tài)：電網(wǎng)導(dǎo)出數(shù)據(jù)的頻率參量ξn與載入電流信號的頻率參量ξ0具有相同參量與波形，即ξ0=ξn。

③混沌諧波響應(yīng)狀態(tài)：電網(wǎng)導(dǎo)出數(shù)據(jù)的頻率參量與載入數(shù)據(jù)的頻率參量間的倍數(shù)關(guān)系量滿足ξ0=iξn，(i為大于1的正整數(shù))。

④二級混沌諧波響應(yīng)狀態(tài)：電網(wǎng)導(dǎo)出數(shù)據(jù)的頻率參量與載入數(shù)據(jù)的頻率參量間的倍數(shù)關(guān)系量滿足ξ0=qξn，(q為真分?jǐn)?shù)，0

根據(jù)電網(wǎng)電路中電流信號波形與連續(xù)頻譜間的激勵一致性[2]，可計算分析得到電路狀態(tài)空間中的混沌變量的分布形態(tài)，再根據(jù)電路波形的不確定性，可將混沌分布狀態(tài)歸結(jié)于非線性問題來解決，由此可將其轉(zhuǎn)換為非線性電路的混沌問題。

根據(jù)非線性電路狀態(tài)方程，假設(shè)電路空間內(nèi)的混沌量總數(shù)為i，其一階微分函數(shù)表現(xiàn)形態(tài)為式(1)。

(1)

式中，C=[c1,c2,…,ci]代表一階空間中混沌量的混沌狀態(tài)。

若F范圍內(nèi)包含對應(yīng)的時間變量t，則可將此狀態(tài)下的電網(wǎng)電路定義為混沌電路；反之，將其定義為非混沌電路。

混沌電路內(nèi)部包含著以時間變量為基礎(chǔ)的電源控制器，通過時間變量控制器件對電路時變參量進(jìn)行控制，使電路內(nèi)部產(chǎn)生i個能夠存儲電荷的混沌因子，若i個混沌因子可獨(dú)立處于時變狀態(tài)下的電路內(nèi)，則此電路為i階混沌電路。

非線性混沌電路如圖1所示。

圖1 非線性混沌電路

圖1中，通過正弦電流信號的激勵，電路信號B、非線性電流感應(yīng)器A、線性電阻T與微控晶體管F構(gòu)成串聯(lián)電路，電路中的微控晶體管作為單向非線性器件，若將其斷開電壓值忽略不計，則由非線性電路中的非線性電容特征，可知QI電容效應(yīng)分別由QI對時變下的電荷存儲耗盡，產(chǎn)生的非線性電容層與電路擴(kuò)散空間內(nèi)存儲電荷的耗盡，對應(yīng)時變所產(chǎn)生的非線性擴(kuò)散電容層。

因此，可通過對其進(jìn)行串聯(lián)電路的混沌模態(tài)建模，根據(jù)電荷與電流動力間的關(guān)系[3]，通過微分方程來定義其混沌狀態(tài)，其對應(yīng)的非線性混沌電路的初始頻率f為7×10-6Hz，混沌電阻R為52 Ω。閉合電路的混沌電流為I(y)，電荷為w(y)，a與b為非零整數(shù)量，則存在式(2)。

(2)

式(2)即為電網(wǎng)異常數(shù)據(jù)的混沌特性模型。

1.2 混沌量相關(guān)分量的大數(shù)據(jù)計算

1.2.1 混沌量相分量計算

對混沌模型輸出的混沌量進(jìn)行大數(shù)據(jù)分相量計算，可有效提升混沌量的精確度。在大數(shù)據(jù)計算空間內(nèi)，對混沌模型輸出參量進(jìn)行全周傅式的相分量計算，可得到式(3)、式(4)。

(3)

(4)

上述式中，OTl表示混沌電路中諧波分量對應(yīng)主體的系數(shù)量，ONl表示混沌電路中諧波分量對應(yīng)分體的系數(shù)量，?表示混沌量中對應(yīng)的混沌電壓采樣率。當(dāng)l=1時，則式(3)變?yōu)?4)，OT1與ON1分別表示初始混沌電壓的分量主體與分體；當(dāng)l>1時，OTl表示全局混沌諧波分量的主體，ONl表示全局混沌諧波分量的分體。

在計算出混沌量的主體與分體之后，即可算出初始混沌電路中諧波對應(yīng)的基礎(chǔ)混沌幅值Ol與混沌角?l如式(5)、式(6)。

(5)

(6)

為了減輕計算過程中運(yùn)算冗余數(shù)據(jù)對計算速度的影響，將分量計算窗口進(jìn)行縮減，使其保持半開狀態(tài)，其對應(yīng)的周期變量相應(yīng)變換為半周期，則最終得到混沌量的相分量計算式為式(7)。

(7)

1.2.2 混沌量的序分量計算

根據(jù)電路的對稱分量理論[4]，對上述計算得到混沌量的相分量進(jìn)行序分量計算，通過序分量計算進(jìn)一步確定異常數(shù)據(jù)的類型，計算式如式(8)。

(8)

1.2.3 混沌量的故障量計算

為了避免電流方向判定值對計算的影響以及提升計算值的適應(yīng)場景，計算過程中，將電網(wǎng)全局場景的采樣點(diǎn)序分量設(shè)定為正序[5]，由此可通過對電網(wǎng)電流的電荷流向狀態(tài)，從而判定混沌分量與異常數(shù)據(jù)間的分布關(guān)系，即混沌量的正向故障分布判定與反向故障分布判定分別為式(9)、式(10)。

(9)

(10)

上述式中，?表示異常數(shù)據(jù)對應(yīng)電流方向與混沌分量間的分布角度。為保證判定的客觀性，計算中將其角度值取中間值160°，其設(shè)定范圍為[0°，320°]，本文在應(yīng)用中設(shè)定為中間系數(shù)量為13°。

1.3 異常數(shù)據(jù)分量的提取

(11)

將其記作一組初始小波提取樣本量，初始小波提取樣本量的成立條件式為式(12)。

(12)

式中，s,m∈T且s≠0。s表示變量算子；m表示等價變換算子，是關(guān)于初始小波提取樣本量ζ的鄰值循環(huán)小波變換?？紤]到實際應(yīng)用中混沌量與異常數(shù)據(jù)間的離散作用，對所得混沌量與對應(yīng)異常數(shù)據(jù)間的小波離散函數(shù)式進(jìn)行離散變換[8]，可得到式(13)。

E=A2(T)×ζs,m(y)

(13)

上述變換過程為正交屬性[9-10]。對變換后的小波系數(shù)對應(yīng)的異常數(shù)據(jù)進(jìn)行小波重組，將重組后的電路空間定義為K，將其中具有獨(dú)立性質(zhì)的子空間設(shè)為Bk，使其成為K中的多因素混沌異常數(shù)據(jù)變量，若假設(shè)Bi表示正交尺度函數(shù)為γ的混沌異常數(shù)據(jù)變量，則有式(14)。

(14)

多因素混沌異常數(shù)據(jù)變量的特征分量提取結(jié)構(gòu)圖如圖2所示。

圖2 多因素混沌異常數(shù)據(jù)變量的特征分量提取結(jié)構(gòu)圖

圖2中，D表示異常數(shù)據(jù)的混沌基礎(chǔ)特征量，Vk、Fk分別表示基礎(chǔ)異常數(shù)據(jù)信號分解后所得g尺度下的最小分量值與最大分量值。多因素混沌異常數(shù)據(jù)變量經(jīng)過分解計算后，多因素特征存儲于多個頻率信號因子上，則g尺度空間量下最大的小波變換量即為分離出來的異常數(shù)據(jù)分量，通過上述特征剝離過程即可實現(xiàn)對異常數(shù)據(jù)的提取。

1.4 異常數(shù)據(jù)提取量的融合識別

將提取的異常數(shù)據(jù)分量進(jìn)行融合樣本采樣，采用數(shù)據(jù)的樣本形態(tài)為{c1,c2,c3,…cn}，對其進(jìn)行cmax樣本最大值求解計算，并通過cmin對應(yīng)函數(shù)獲得樣本最小值，將獲得的極值進(jìn)行融合歸一計算，為式(15)。

(15)

對其進(jìn)行融合樣本的歸一匹配計算，計算式為式(16)。

(16)

融合歸一匹配后的數(shù)據(jù)形態(tài)為[ch1,ch2,ch3,…，chi]，其異常特征變量空間范圍為[-1,1]，此空間下的異常數(shù)據(jù)變量敏感性最強(qiáng)，滿足傳遞性函數(shù)的識別條件。

在對混沌異常數(shù)據(jù)特征進(jìn)行識別計算的基礎(chǔ)上，通過匹配相應(yīng)因素對應(yīng)異常數(shù)據(jù)的歸一特征向量，構(gòu)建完整的異常數(shù)據(jù)識別樣本庫。在此基礎(chǔ)上，本文選取了480組故障特征數(shù)據(jù)，其中每種類型的混沌電路對應(yīng)數(shù)據(jù)分別為160組，對所選樣本數(shù)據(jù)融合歸一匹配計算樣本如表1所示。

表1 異常數(shù)據(jù)融合識別歸一化匹配計算樣本庫

綜上所述，根據(jù)大數(shù)據(jù)混沌特性完成了對電網(wǎng)在線監(jiān)測異常數(shù)據(jù)識別方法的設(shè)計。

2 實驗與結(jié)果分析

為驗證基于大數(shù)據(jù)混沌特性的電網(wǎng)在線監(jiān)測異常數(shù)據(jù)識別方法的實際應(yīng)用性能，在MATLAB平臺上設(shè)計如下仿真實驗加以驗證。

通過電網(wǎng)變壓器環(huán)境，創(chuàng)建實際混沌狀態(tài)場景。以變壓器的時間變量為實驗遞進(jìn)邏輯關(guān)系。為了避免實驗過程中繞組系數(shù)量對混沌識別值的影響，在測試場景中，建立基于混沌特性的電流、電壓、有功與無功數(shù)據(jù)量。

測試場景中，將變壓器的基礎(chǔ)抗值和異常數(shù)據(jù)初始混沌量設(shè)定為0.1 pu，并對其進(jìn)行異常數(shù)據(jù)分布量計算，計算結(jié)果構(gòu)成新的初始量，然后以相同方法進(jìn)行計算得到的值與第一次計算值構(gòu)成異常數(shù)據(jù)混沌形態(tài)分布的邊界值。通過蒙特卡洛法在同一個時間窗口下生成40個時間窗口、9 000個測試樣本，測試樣本數(shù)據(jù)的動態(tài)誤差量與混沌場景的分布關(guān)系，如圖3所示。

圖3 異常數(shù)據(jù)測試場景分布指標(biāo)

2.1 異常數(shù)據(jù)混沌分布密度設(shè)置

為了保證測試混沌量分布密度值的差異化，實驗在上述分布關(guān)系中，通過高斯函數(shù)隨機(jī)選取4個窗口時間量。選取的時間窗口分別為2號窗口、14號窗口、28號窗口與53號窗口，4個窗口分別對應(yīng)的混沌密度曲線即為測試所用的密度。選取時間窗口對應(yīng)的混沌分布密度曲線如圖4所示。

圖4 選取時間窗口對應(yīng)的混沌分布密度曲線

2.2 測試數(shù)據(jù)分析計算

根據(jù)混沌特性的異常數(shù)權(quán)重特征，對選定的4個測試窗口進(jìn)行權(quán)重計算，通過計算值與標(biāo)準(zhǔn)量的對比，構(gòu)成評估矩陣M,如式(17)。

M=[M1,M2,M3,M4]

(17)

對測試獲得的4組評估指標(biāo)進(jìn)行加權(quán)計算，得到加權(quán)量集為en={e1,e2,e3,e4}。其中e1、e2、e3、e4分別表示混沌特性變量密度適應(yīng)誤差量、異常數(shù)據(jù)識別概率、數(shù)據(jù)識別最大密度系數(shù)以及異常數(shù)據(jù)時變狀態(tài)下的識別概率。然后將選取窗口對應(yīng)數(shù)據(jù)導(dǎo)入判定矩陣，并將判定結(jié)果劃分為“正常狀態(tài)”、“輕度異?！焙汀爸囟犬惓！?種情況。矩陣中4項元素的取值可為0、1或2，,其中“0”表示 “正常狀態(tài)”狀態(tài)，“1”表示“輕度異?！睜顟B(tài)，“2”表示“重度異?！睜顟B(tài)。

2.3 實驗結(jié)果

將判定結(jié)果導(dǎo)入評估矩陣中，得到4個測試窗口的評估結(jié)果，如表2所示。

表2 實驗結(jié)果

通過表2中的對比結(jié)果可以證明本文設(shè)計的基于大數(shù)據(jù)混沌特性的電網(wǎng)在線監(jiān)測異常數(shù)據(jù)識別方法能夠有效識別電網(wǎng)異常數(shù)據(jù)的異常與否，且對混沌特性環(huán)境適應(yīng)性強(qiáng)。

3 總結(jié)

本研究在大數(shù)據(jù)背景下，針對電網(wǎng)異常數(shù)據(jù)識別精度問題進(jìn)行優(yōu)化設(shè)計，通過采用大數(shù)據(jù)的海量計算技術(shù)，結(jié)合數(shù)據(jù)混沌特性的函數(shù)解析，對電網(wǎng)在線監(jiān)測異常數(shù)據(jù)識別方法進(jìn)行了詳細(xì)論述，并通過實例數(shù)據(jù)驗證了該方法具有較高的識別精度?？梢哉f，本文方法具有較強(qiáng)的應(yīng)用優(yōu)勢和良好的應(yīng)用前景。