基于人工智能技術(shù)的電網(wǎng)故障診斷與預(yù)警系統(tǒng)

王振國(guó)，賈 飛，余 洋

(內(nèi)蒙古電力(集團(tuán))有限責(zé)任公司烏海電業(yè)局，內(nèi)蒙古 烏海 016000)

0 引 言

近年來，隨著電網(wǎng)系統(tǒng)的不斷發(fā)展，中國(guó)已建成世界上最大且最為復(fù)雜的電網(wǎng)系統(tǒng)。如何保障電網(wǎng)供電穩(wěn)定，及時(shí)發(fā)現(xiàn)并解決電網(wǎng)故障成為急需解決的主要問題。現(xiàn)如今，人工智能技術(shù)高速發(fā)展，對(duì)于電網(wǎng)故障診斷和預(yù)警，很多學(xué)者已將人工智能技術(shù)應(yīng)用其中，極大地提高了電網(wǎng)故障診斷效率，如文獻(xiàn)[1]提出一種基于隨機(jī)森林算法建立的配網(wǎng)搶修故障量預(yù)測(cè)模型，對(duì)不同的故障進(jìn)行預(yù)測(cè)；文獻(xiàn)[2]提出AI視頻監(jiān)控，可以及時(shí)高效發(fā)現(xiàn)故障；文獻(xiàn)[3]提出一種基于時(shí)序貝葉斯知識(shí)庫(kù)(TBKB)電網(wǎng)故障診斷方法的原型系統(tǒng)；文獻(xiàn)[4]提出基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷。通過對(duì)以上學(xué)者研究方向的深入了解，可以總結(jié)為在對(duì)電網(wǎng)故障進(jìn)行診斷的同時(shí)，需要提前發(fā)現(xiàn)電網(wǎng)系統(tǒng)可能存在的問題，并做到及時(shí)預(yù)警，以保證電網(wǎng)供電更加穩(wěn)定順暢。

基于人工智能的電網(wǎng)故障診斷與預(yù)警系統(tǒng)，前期可以通過獲取烏海地區(qū)的電網(wǎng)數(shù)據(jù)進(jìn)行預(yù)處理，采用多種數(shù)據(jù)驅(qū)動(dòng)和人工智能算法，構(gòu)建故障診斷綜合模型。該系統(tǒng)平臺(tái)能自動(dòng)監(jiān)控電網(wǎng)運(yùn)行狀態(tài)，自動(dòng)對(duì)電網(wǎng)診斷結(jié)果進(jìn)行分析，并以可視化界面展示給工作人員。當(dāng)電網(wǎng)故障診斷與預(yù)警系統(tǒng)預(yù)測(cè)到電網(wǎng)有大概率出現(xiàn)故障時(shí)，通過多種警報(bào)方式及時(shí)預(yù)警，做到提前發(fā)現(xiàn)問題、解決問題[5]。

1 烏海地區(qū)電網(wǎng)運(yùn)行現(xiàn)狀

目前，烏海各級(jí)電網(wǎng)調(diào)度中心均配備運(yùn)行監(jiān)控、數(shù)據(jù)采集系統(tǒng)(SCADA)和能量管理系統(tǒng)(EMS)。在輸電網(wǎng)絡(luò)突發(fā)故障時(shí)，相應(yīng)的數(shù)據(jù)監(jiān)控設(shè)備會(huì)產(chǎn)生報(bào)警信息，如開關(guān)跳閘、自動(dòng)保護(hù)裝置動(dòng)作、欠電壓、過電流和設(shè)備過負(fù)荷等信息，并由專用網(wǎng)絡(luò)上傳到電力調(diào)度中心。特別是當(dāng)整體架構(gòu)規(guī)模巨大的電力輸送系統(tǒng)發(fā)生故障、電網(wǎng)發(fā)生復(fù)故障或自動(dòng)裝置動(dòng)作不正常時(shí)，會(huì)在短時(shí)間內(nèi)產(chǎn)生大量的故障報(bào)警信息到達(dá)控制中心。其中包括大量的由保護(hù)或斷路器誤動(dòng)、拒動(dòng)、信道傳輸干擾錯(cuò)誤、保護(hù)動(dòng)作時(shí)間偏差等因素造成的不確定性知識(shí)和數(shù)據(jù)。電網(wǎng)調(diào)度中心工作人員面對(duì)如此紛繁復(fù)雜的報(bào)警信息，要從中快速準(zhǔn)確的查找到故障源，判斷故障類型，進(jìn)行正確的故障處理，專業(yè)知識(shí)的匱乏以及精神壓力可能會(huì)做出誤判，進(jìn)而造成電網(wǎng)故障范圍的擴(kuò)大或延長(zhǎng)供電系統(tǒng)恢復(fù)時(shí)間[6]。

變電設(shè)備故障預(yù)警是電力調(diào)度生產(chǎn)業(yè)務(wù)的重中之重。因此，構(gòu)建故障診斷體系可以大大降低故障發(fā)生、減少檢修成本。

2 電網(wǎng)故障預(yù)警系統(tǒng)架構(gòu)設(shè)計(jì)

2.1 數(shù)據(jù)選取與預(yù)處理

調(diào)研烏海地區(qū)的調(diào)度、生產(chǎn)相關(guān)主站系統(tǒng)數(shù)據(jù)和圖模情況，對(duì)多種電網(wǎng)監(jiān)控系統(tǒng)的跨平臺(tái)數(shù)據(jù)進(jìn)行獲取和預(yù)處理，主要包括：數(shù)據(jù)采集渠道與接口技術(shù)、數(shù)據(jù)存儲(chǔ)與清洗技術(shù)、數(shù)據(jù)關(guān)系預(yù)處理。

基于電網(wǎng)設(shè)備拓?fù)淠Ｐ蜆?gòu)建運(yùn)行數(shù)據(jù)、設(shè)備在線監(jiān)測(cè)及歷史故障信息等多維度統(tǒng)一存儲(chǔ)方式，結(jié)合多種大數(shù)據(jù)處理方法，對(duì)多源信息進(jìn)行一致性檢查、無效值剔除以及缺失值補(bǔ)漏，提供數(shù)據(jù)利用率，減少重復(fù)率。

融合多種統(tǒng)計(jì)學(xué)模型與智能算法，建立數(shù)據(jù)關(guān)系預(yù)處理模型，對(duì)設(shè)備數(shù)據(jù)、運(yùn)行數(shù)據(jù)和生產(chǎn)數(shù)據(jù)等多元數(shù)據(jù)進(jìn)行預(yù)處理。根據(jù)電網(wǎng)設(shè)備故障分析模型的要求，經(jīng)數(shù)據(jù)預(yù)處理后，數(shù)據(jù)規(guī)模得到合理控制，并且涵蓋設(shè)備故障分析所需的所有關(guān)鍵數(shù)據(jù)，電網(wǎng)分布式數(shù)據(jù)轉(zhuǎn)化為更適用于設(shè)備故障分析與預(yù)警的高效數(shù)據(jù)集。

2.2 模型建立與算法設(shè)計(jì)

根據(jù)變電設(shè)備故障相關(guān)特征數(shù)據(jù)、故障原因分析結(jié)果等信息，采用多種數(shù)據(jù)驅(qū)動(dòng)和人工智能算法，針對(duì)不同故障模式特點(diǎn)，研究相應(yīng)的故障診斷方法，構(gòu)建故障診斷綜合模型，實(shí)現(xiàn)電力系統(tǒng)變電設(shè)備的在線故障診斷和高風(fēng)險(xiǎn)設(shè)備故障預(yù)警。

采用已構(gòu)建的故障診斷離線模型，對(duì)采集的設(shè)備運(yùn)行數(shù)據(jù)進(jìn)行再學(xué)習(xí)，同時(shí)采用強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)技術(shù)，能模擬監(jiān)控人員的思維方式，處理離線學(xué)習(xí)結(jié)果和設(shè)備實(shí)際運(yùn)行狀態(tài)判定結(jié)果。構(gòu)建變電設(shè)備故障診斷自主學(xué)習(xí)方法，增強(qiáng)模型故障分析處理能力的智能性和遷移能力，完成監(jiān)控人員的部分工作，減輕相關(guān)人員的工作負(fù)擔(dān)。

2.3 系統(tǒng)實(shí)現(xiàn)

建立人工智能的電力設(shè)備故障分析與預(yù)警平臺(tái)。對(duì)現(xiàn)有的電網(wǎng)數(shù)據(jù)監(jiān)控系統(tǒng)跨平臺(tái)采集的變電設(shè)備運(yùn)行數(shù)據(jù)進(jìn)行在線展示，通過多種圖表要素和圖層疊加功能，直觀快捷地展示關(guān)鍵變電設(shè)備的運(yùn)行狀態(tài)。根據(jù)平臺(tái)提供的離線故障診斷模型，在線采集的變電設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)，對(duì)設(shè)備異常和故障進(jìn)行在線診斷，并采用圖標(biāo)、文字分析等對(duì)在線診斷結(jié)果進(jìn)行多維度可視化分析與推送。

2.4 技術(shù)架構(gòu)邏輯

技術(shù)架構(gòu)邏輯如圖1所示，系統(tǒng)內(nèi)部結(jié)構(gòu)分為：基礎(chǔ)數(shù)據(jù)層、核心算法、業(yè)務(wù)邏輯和可視化展示。其中，外部系統(tǒng)從SCADA、EMS、PMS和在線監(jiān)測(cè)(報(bào)告)中獲取基本數(shù)據(jù)，經(jīng)過數(shù)據(jù)清洗和校驗(yàn)，形成圖形庫(kù)、模型庫(kù)、運(yùn)行數(shù)據(jù)庫(kù)和生產(chǎn)數(shù)據(jù)庫(kù)等。

圖1 技術(shù)架構(gòu)邏輯

經(jīng)過三層故障判別(先驗(yàn)故障判別決策模塊、拓?fù)潢P(guān)系聯(lián)動(dòng)故障識(shí)別和檢修計(jì)劃數(shù)據(jù)異動(dòng)識(shí)別)，結(jié)合潮流計(jì)算、故障診斷和拓?fù)浞治龅人惴?，最終在可視化展示中根據(jù)不同的主題畫面提供GIS和系統(tǒng)一次接線圖的SVG展示。

2.5 數(shù)據(jù)服務(wù)分析

數(shù)據(jù)架構(gòu)由離線計(jì)算區(qū)和實(shí)時(shí)計(jì)算區(qū)構(gòu)成，遵循電網(wǎng)企業(yè)數(shù)據(jù)庫(kù)架構(gòu)要求。數(shù)據(jù)流包括實(shí)時(shí)數(shù)據(jù)流、離線數(shù)據(jù)流、計(jì)算結(jié)果返回和在線數(shù)據(jù)查詢。本項(xiàng)主要涉及分析預(yù)警類應(yīng)用，包括離線計(jì)算區(qū)和實(shí)時(shí)計(jì)算區(qū)，離線數(shù)據(jù)流和在線數(shù)據(jù)查詢兩方面內(nèi)容，整體數(shù)據(jù)流架構(gòu)如圖2所示。

圖2 系統(tǒng)數(shù)據(jù)流程架構(gòu)

3 電網(wǎng)故障預(yù)警判別

3.1 先驗(yàn)故障識(shí)別

基于當(dāng)前電網(wǎng)設(shè)備，包括變電站內(nèi)一次設(shè)備、二次設(shè)備的設(shè)備分類與特征，結(jié)合先驗(yàn)知識(shí)建立決策樹集合。針對(duì)遙信信號(hào)的實(shí)時(shí)傳輸，引入信號(hào)內(nèi)容的語法、語義識(shí)別，分離變電站設(shè)備類型、設(shè)備特性、告警內(nèi)容，在決策樹集合中進(jìn)行并發(fā)的瞬時(shí)激活及半激活判定。在故障的決策過程中，將海量不同信道的實(shí)時(shí)數(shù)據(jù)按先驗(yàn)規(guī)則給出故障判定分類，建議包括：故障、異常、越限、變位、告知。故障判別決策模塊判定源端包含：斷路器、刀閘、接地刀閘、母線、變壓器、變壓器繞組、容抗器、負(fù)荷、交流線段端點(diǎn)、保護(hù)節(jié)點(diǎn)、終端設(shè)備。

3.2 拓?fù)潢P(guān)聯(lián)聯(lián)動(dòng)故障識(shí)別

基于先驗(yàn)故障判別決策集合的判定結(jié)果，結(jié)合電網(wǎng)拓?fù)浣Y(jié)構(gòu)，對(duì)預(yù)判定故障的有效性進(jìn)行聯(lián)動(dòng)二次識(shí)別。即時(shí)讀入遙信信號(hào)在電網(wǎng)拓?fù)渲袑?duì)各類設(shè)備進(jìn)行置位，結(jié)合遙測(cè)信號(hào)對(duì)各導(dǎo)線、母線、變壓器的負(fù)荷等數(shù)據(jù)，建立二次識(shí)別的聯(lián)動(dòng)決策樹集合。

通過故障的二次聯(lián)動(dòng)識(shí)別，可以在電網(wǎng)拓?fù)浣Y(jié)構(gòu)層對(duì)故障的有效性進(jìn)行校核。例如，故障導(dǎo)致開關(guān)斷開判定，但是通過即時(shí)拓?fù)浞治龊蟀l(fā)現(xiàn)開關(guān)關(guān)聯(lián)導(dǎo)線依然存在負(fù)荷遙信量，則二次識(shí)別將暫時(shí)抑制該故障，并在特定延時(shí)后再次運(yùn)行聯(lián)動(dòng)識(shí)別，給出最終故障判斷。由于采用拓?fù)潢P(guān)聯(lián)的二次聯(lián)動(dòng)故障識(shí)別，能夠在先驗(yàn)故障判別決策的基礎(chǔ)上，有效提高故障的識(shí)別率，降低誤報(bào)可能。

3.3 檢修計(jì)劃故障異動(dòng)識(shí)別

根據(jù)檢修計(jì)劃的安排數(shù)據(jù)，將檢修計(jì)劃與運(yùn)維計(jì)劃的內(nèi)容建立為基于甘特圖的決策集合。在拓?fù)潢P(guān)聯(lián)聯(lián)動(dòng)故障識(shí)別的二次判定結(jié)果基礎(chǔ)上，與檢修計(jì)劃的安排過程進(jìn)行三次聯(lián)動(dòng)識(shí)別，對(duì)由于檢修工作和運(yùn)維工作導(dǎo)致的設(shè)備動(dòng)作的遙信信號(hào)進(jìn)行標(biāo)記，識(shí)別故障的異動(dòng)特征，剔除故障誤報(bào)概率。

由于檢修工作與運(yùn)維工作可能導(dǎo)致電網(wǎng)關(guān)聯(lián)設(shè)備的異常動(dòng)作或短暫越限，因此檢修計(jì)劃故障異動(dòng)的三次聯(lián)動(dòng)識(shí)別將包含相關(guān)設(shè)備的影響評(píng)估，對(duì)相關(guān)設(shè)備的故障告警結(jié)果進(jìn)行識(shí)別，標(biāo)定其故障程度，根據(jù)決策預(yù)評(píng)估的方式進(jìn)行故障等級(jí)降低與提升。

3.4 自成長(zhǎng)隨機(jī)森林決策

隨機(jī)森林是Leo Breiman和Adele Cutler提出的一種組合決策樹的分類預(yù)測(cè)算法，本質(zhì)是由一組決策樹分類器(h(X,θk),k∈(1,n))組成的集成分類器，其中{θk}是服從獨(dú)立分布的隨機(jī)變量，n表示隨機(jī)森林中決策樹的個(gè)數(shù)，在給定自變量X的情況下，每個(gè)決策樹分類器通過投票來決定最優(yōu)的分類結(jié)果[7]。

基于大規(guī)模的遙信數(shù)據(jù)和遙測(cè)數(shù)據(jù)記錄結(jié)果，以及在先驗(yàn)故障判定記錄、拓?fù)潢P(guān)聯(lián)聯(lián)動(dòng)故障識(shí)別記錄和檢修計(jì)劃故障異動(dòng)識(shí)別記錄的三級(jí)故障判定結(jié)果后，對(duì)基于隨機(jī)森林的決策體系進(jìn)行自修正與自生成，做到?jīng)Q策體系的自成長(zhǎng)。

在該系統(tǒng)中，基于機(jī)器學(xué)習(xí)中的隨機(jī)森林模型，能夠有效提高整個(gè)三級(jí)決策體系的有效性和實(shí)用性。通過集成決策樹集合的機(jī)器學(xué)習(xí)思想將多棵決策樹集成為一種算法，基本單元采用三級(jí)決策體系中的決策樹，形成自成長(zhǎng)的集成學(xué)習(xí)模塊。由于每棵決策樹都是一個(gè)樣本分類器，那么對(duì)于一個(gè)遙信和遙測(cè)信號(hào)組合后的故障輸入樣本，n棵樹會(huì)有n個(gè)不同的分類結(jié)果，隨機(jī)森林模塊集成所有的分類投票結(jié)果，將投票次數(shù)最多的類別指定為最終的輸出。

4 現(xiàn)場(chǎng)應(yīng)用

變壓器油色譜數(shù)據(jù)分析是發(fā)現(xiàn)變壓器內(nèi)部故障的重要手段。傳統(tǒng)的定期檢測(cè)油色并分析色譜，很難及時(shí)發(fā)現(xiàn)變壓器潛在的故障。將文中所開發(fā)的故障預(yù)警系統(tǒng)應(yīng)用于烏海電業(yè)局，通過實(shí)時(shí)分析該局110 kV千北站主變絕緣油色譜數(shù)據(jù)，對(duì)主變的運(yùn)行狀況進(jìn)行了及時(shí)預(yù)警。圖3為2020年烏海110 kV千北站主變絕緣油色譜在線監(jiān)測(cè)數(shù)據(jù)，表1為烏海電業(yè)局110 kV千北站主變故障診斷結(jié)果。

圖3 烏海110 kV千北變油色譜分析

通過絕緣油的熱力學(xué)研究表明，隨著故障點(diǎn)溫度的升高，變壓器油裂解產(chǎn)生的烴類氣體按CH4、C2H6、C2H4、C2H2的順序推移。故障原因的分析也隨著氣體間含量比值的變化而改變。

表1 故障類型診斷

5 結(jié) 語

通過在三級(jí)故障識(shí)別過程中采用隨機(jī)森林模塊，能提高故障的識(shí)別準(zhǔn)確率，可有效的運(yùn)行在大數(shù)據(jù)集上。能夠處理具有高維特征的輸入樣本，能評(píng)估各個(gè)故障特征在分類問題上的重要性。在自生成過程中，能夠獲取到內(nèi)部生成誤差的一種無偏估計(jì)，從而提高參數(shù)的識(shí)別與辨識(shí)效果。

通過三級(jí)故障判別模塊，以及系統(tǒng)運(yùn)行過程中的自成長(zhǎng)隨機(jī)森林決策模塊，能夠結(jié)合非同源數(shù)據(jù)對(duì)故障進(jìn)行綜合判定。在判定基礎(chǔ)上，引入電網(wǎng)運(yùn)行信息，能夠給出故障影響分析，以及發(fā)現(xiàn)未來潛在問題的可能性。

結(jié)合不同的電氣設(shè)備固有特征，可對(duì)不同型號(hào)、廠家、年代的設(shè)備進(jìn)行數(shù)據(jù)切片，根據(jù)出現(xiàn)不同類型故障的密度，對(duì)其他未出現(xiàn)故障設(shè)備的潛在故障率進(jìn)行評(píng)估，輔助巡視計(jì)劃的配置建議。

結(jié)合運(yùn)方潮流運(yùn)算方案，能夠在設(shè)備故障后，自動(dòng)對(duì)接指定的運(yùn)行方式，進(jìn)行準(zhǔn)實(shí)時(shí)潮流計(jì)算，為調(diào)度提供故障后的可能電網(wǎng)運(yùn)行情況，給出參考情況，提升調(diào)度操作效率。 結(jié)合電網(wǎng)運(yùn)行狀態(tài)、運(yùn)方潮流運(yùn)算、 負(fù)荷預(yù)測(cè)結(jié)果， 能夠?qū)ξ磥矶唐诤椭衅诘呢?fù)荷情況進(jìn)行潮流試算，發(fā)現(xiàn)潛在的超限等問題，從而輔助調(diào)度人員提前做好預(yù)防準(zhǔn)備，合理安排調(diào)度方案。