基于告警信號(hào)的低壓配電網(wǎng)故障識(shí)別與定位

陳 開(kāi)，付振宇，吳超成，張家臣

（1.廣東電網(wǎng)有限責(zé)任公司湛江供電局，廣東湛江 524000；2.北京國(guó)科恒通科技股份有限公司，北京 100085）

目前，國(guó)內(nèi)外關(guān)于低壓配電網(wǎng)故障研判開(kāi)展了一些研究[1-3]，如在配電自動(dòng)化主站系統(tǒng)平臺(tái)之上建立一套基于多源數(shù)據(jù)的配電網(wǎng)故障診斷機(jī)制，基于饋線自動(dòng)化信息、母線信息、突降信息、故障指示器信息、缺相信息、配變信息等多信息源實(shí)現(xiàn)對(duì)配電網(wǎng)故障區(qū)段的快速定位[4]。有電網(wǎng)公司通過(guò)對(duì)大量的配電變壓器停電信號(hào)和配電線路實(shí)際故障的關(guān)聯(lián)分析建立分類模型[5]，并以該模型對(duì)實(shí)時(shí)發(fā)生的停電信號(hào)作為評(píng)判標(biāo)準(zhǔn)。另外，有機(jī)構(gòu)提出基于概率神經(jīng)網(wǎng)絡(luò)的故障診斷方法[6]，或?qū)⒘Ｗ尤核惴ㄅc神經(jīng)網(wǎng)絡(luò)相結(jié)合[7]，通過(guò)歸一化處理提取故障特征信息，來(lái)分析電網(wǎng)設(shè)備的故障特性，進(jìn)行故障定位。

文中基于這一背景，提出一種基于告警信號(hào)的低壓配電網(wǎng)故障識(shí)別和定位的兩階段方法。第一階段，為了去除多元告警信號(hào)中的干擾信號(hào)[8-11]，采用基于LSTM 的深度學(xué)習(xí)篩選法，實(shí)現(xiàn)告警文本數(shù)據(jù)預(yù)處理、向量化，建立高效的深度學(xué)習(xí)告警信息分析算法，形成準(zhǔn)確的故障告警模型分類并輸出。第二階段，針對(duì)第一階段獲得的故障告警分類信息[12-13]，設(shè)計(jì)了基于中低壓拓?fù)潢P(guān)系的低壓故障定位模型，可將故障來(lái)源精確定位在單戶故障、低壓分支線路故障、配變臺(tái)區(qū)故障和中壓饋線故障。

1 中低壓配電網(wǎng)多源信息告警信號(hào)篩選

在對(duì)告警信號(hào)進(jìn)行精確篩選時(shí)，采用LSTM 模型，該模型的突出特點(diǎn)是可以實(shí)現(xiàn)對(duì)重要?dú)v史信息的長(zhǎng)期記憶能力，對(duì)于長(zhǎng)序列信息的處理，尤其是處理序列歷史信息能力較強(qiáng)。

數(shù)據(jù)集準(zhǔn)備包括訓(xùn)練集和測(cè)試集準(zhǔn)備，選取某段時(shí)間內(nèi)的告警信號(hào)3 000 條，其中，帶有分類結(jié)果標(biāo)簽的原始告警數(shù)據(jù)有2 500 條，把它們作為訓(xùn)練集，將剩下不帶有分類結(jié)果標(biāo)簽的原始告警數(shù)據(jù)作為測(cè)試集。

真實(shí)的告警信號(hào)結(jié)果標(biāo)簽設(shè)置為1，干擾導(dǎo)致的告警信號(hào)結(jié)果標(biāo)簽設(shè)置為0。深度學(xué)習(xí)模型需要使用一部分輸入輸出數(shù)據(jù)先對(duì)模型進(jìn)行反復(fù)訓(xùn)練，以逼近模型期望的非線性映射關(guān)系為依據(jù)，提取參數(shù)，然后用部分沒(méi)有相應(yīng)結(jié)果的輸入數(shù)據(jù)對(duì)測(cè)試和濾波數(shù)據(jù)、原始告警數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，為數(shù)據(jù)向量化創(chuàng)造條件，包括統(tǒng)一數(shù)據(jù)格式、過(guò)濾字符、分詞等操作。原始告警信息都以短文本形式存在，需要統(tǒng)一編碼為字符串形式，過(guò)濾掉其中的標(biāo)點(diǎn)符號(hào)、括號(hào)、特殊字符等信息，字母統(tǒng)一表示成小寫，減少干擾信息的引入。將告警文本數(shù)據(jù)中的每一句話切分成一個(gè)個(gè)具體的詞語(yǔ)，如文本“配變失壓動(dòng)作”，可以拆成“配變”、“失壓”、“動(dòng)作”3 個(gè)詞語(yǔ)，拆完后對(duì)每條文本進(jìn)行對(duì)齊操作，使其詞的個(gè)數(shù)一致，以最長(zhǎng)告警信號(hào)文本所含詞數(shù)20 為基準(zhǔn)，詞數(shù)不足20 的使用填充詞填充空白位置，確保所有告警文本信號(hào)尺寸長(zhǎng)度一致。

深度學(xué)習(xí)模型只能識(shí)別數(shù)字，所以必須將詞轉(zhuǎn)化為數(shù)字。統(tǒng)計(jì)所有出現(xiàn)的詞語(yǔ)以后，按照每個(gè)詞語(yǔ)出現(xiàn)的頻率大小進(jìn)行排序編碼，并為每一個(gè)詞語(yǔ)分配一個(gè)編碼，出現(xiàn)頻率越高的詞語(yǔ)，其編碼值越小，如“合閘”、“分閘”、“動(dòng)作”、“復(fù)歸”等。每一個(gè)詞語(yǔ)對(duì)應(yīng)著一個(gè)編碼，將詞語(yǔ)向量化，并進(jìn)行向量化所需的特征提取，轉(zhuǎn)化為合適的數(shù)字向量形式，告警文本數(shù)據(jù)可以看作為多個(gè)詞向量的組合，轉(zhuǎn)化為二維數(shù)字矩陣形式以后，輸入到后面的深度學(xué)習(xí)分類器中進(jìn)行分類結(jié)果輸出，標(biāo)記出真實(shí)和干擾導(dǎo)致的告警信號(hào)結(jié)果標(biāo)簽。

LSTM 網(wǎng)絡(luò)中包含有3 個(gè)門，即輸入門、輸出門以及遺忘門，門是指控制數(shù)據(jù)是否可以通過(guò)該連接層，在門的輸出為0 時(shí)，數(shù)據(jù)無(wú)法通過(guò)；當(dāng)門的輸出是1 時(shí)，數(shù)據(jù)可以完全通過(guò)。標(biāo)準(zhǔn)的單個(gè)LSTM 結(jié)構(gòu)示意圖如圖1 所示。

圖1 單個(gè)LSTM結(jié)構(gòu)示意圖

遺忘函數(shù)為：

ft=σ（Wf ht-1+Uf xt+bf）

輸入函數(shù)為：

it=σ（Wiht-1+Uixt+bi）

at=tanh（Waht-1+Uaxt+ba）

輸出函數(shù)為:

ot=σ（Woht-1+Uoxt+bo）

ht=ot·tanhCt

其中，Ct=Ct-1·ft+it·at

在以上各式中，Wf、Wi、Wa、Wo和Uf、Ui、Ua、Uo為線性關(guān)系系數(shù)，即權(quán)重；bf、bi、ba、bo為計(jì)算偏置；σ則是Sigmoid 激活函數(shù)。

精確篩選LSTM 模型時(shí)，將全部告警信號(hào)視為一個(gè)長(zhǎng)序列，將每一條告警信號(hào)看作是序列中的一個(gè)單元，告警信號(hào)由若干詞語(yǔ)構(gòu)成，詞語(yǔ)已經(jīng)進(jìn)行了向量化處理，每次輸入的單條告警信號(hào)可以看作是二維矩陣形式的輸入數(shù)據(jù)[14-16]。

搭建的LSTM 深度學(xué)習(xí)篩選法流程圖如圖2 所示，依次進(jìn)行數(shù)據(jù)集準(zhǔn)備、對(duì)故障文本信息進(jìn)行數(shù)據(jù)預(yù)處理、數(shù)據(jù)向量化，建立高效的深度學(xué)習(xí)告警信息分析算法，基于大量歷史告警數(shù)據(jù)對(duì)算法模型進(jìn)行訓(xùn)練，建立準(zhǔn)確的數(shù)據(jù)關(guān)聯(lián)關(guān)系，最終形成準(zhǔn)確的故障告警模型分類并輸出。

圖2 深度學(xué)習(xí)篩選法流程圖

2 基于中低壓拓?fù)潢P(guān)系的低壓故障研判

在進(jìn)行拓?fù)浔孀R(shí)模型時(shí)把匹配度最高作為目標(biāo)，進(jìn)行電壓和功率約束、輻射狀約束和有功無(wú)功潮流約束等。DistFlow 模型使用支路的有功、無(wú)功功率和節(jié)點(diǎn)電壓幅值描述輻射狀配電網(wǎng)的潮流，下面以圖3 所示的輻射狀線路說(shuō)明DistFlow 模型原理。

圖3 輻射狀線路示意圖

圖中，Pij、Qij為節(jié)點(diǎn)i流向節(jié)點(diǎn)j的有功和無(wú)功功率，Pjk、Qjk為節(jié)點(diǎn)j流向節(jié)點(diǎn)k的有功和無(wú)功功率，PLj、QLj為節(jié)點(diǎn)j處負(fù)荷的有功和無(wú)功功率。設(shè)線路ij的阻抗為zij=rij+jxij，則潮流方程為：

式中，Vi、Vj分別為節(jié)點(diǎn)i和節(jié)點(diǎn)j的電壓幅值。確定節(jié)點(diǎn)電壓幅值、有功功率和無(wú)功功率值，根據(jù)方程式可以計(jì)算出其他節(jié)點(diǎn)的未知量。

圖4 低壓故障研判分析流程圖

3 實(shí)驗(yàn)分析

假設(shè)當(dāng)單個(gè)低壓用戶發(fā)生故障以后，其故障研判的搜索過(guò)程如下：

1）通過(guò)輪詢的方式，查詢T分鐘內(nèi)所有低壓用戶的告警數(shù)據(jù)（T可進(jìn)行配置）；

2）通過(guò)低壓告警測(cè)量點(diǎn)標(biāo)識(shí)進(jìn)行低壓出線分組，標(biāo)識(shí)告警信號(hào)屬于哪一組低壓出線；

3）計(jì)算低壓出線下告警用戶占用戶總數(shù)的百分比，若百分比小于P1（P1可進(jìn)行配置），則說(shuō)明該告警信號(hào)屬于單戶故障引發(fā)的停電事件。

3.1 低壓分支線路故障引發(fā)的停電事件

1）若低壓出線下告警用戶占用戶總數(shù)的百分比大于或等于P1，則說(shuō)明該告警信號(hào)屬于低壓出線開(kāi)關(guān)或者其上游設(shè)備故障引發(fā)的停電事件；

2）根據(jù)配變對(duì)停電的低壓出線進(jìn)行分組，標(biāo)識(shí)停電的低壓出線屬于哪一組配變；

3）計(jì)算配變下停電的低壓出線占低壓出線總數(shù)百分比，若百分比小于P2（P2可進(jìn)行配置），則說(shuō)明告警信號(hào)屬于低壓分支線路故障引發(fā)的停電事件。

3.2 停電事件設(shè)置

1）若配變下停電的低壓出線占低壓出線總數(shù)百分比大于或等于P2，則說(shuō)明該告警信號(hào)屬于配變臺(tái)區(qū)或者其上游中壓饋線故障引發(fā)的停電事件；

2）根據(jù)動(dòng)態(tài)供電饋線對(duì)停電配變進(jìn)行分組，標(biāo)識(shí)停電配變屬于哪一條中壓饋線；

3）對(duì)每組配變分別分析最近共同上游中壓饋線上的開(kāi)關(guān)；

4）對(duì)開(kāi)關(guān)進(jìn)行供電范圍分析，提取配變總數(shù)；

5）計(jì)算停電配變占配變總數(shù)百分比，若百分比小于P3（P3可進(jìn)行配置），則說(shuō)明告警信號(hào)屬于配變臺(tái)區(qū)故障引發(fā)的停電事件。

3.3 實(shí)驗(yàn)結(jié)果分析

讀取到低壓告警信息以后，會(huì)自動(dòng)觸發(fā)低壓故障研判邏輯，相關(guān)聯(lián)的告警事件合并成一個(gè)故障研判事件。經(jīng)過(guò)研判，每個(gè)告警信號(hào)會(huì)與故障研判事件相關(guān)聯(lián)，同時(shí)顯示該事件從饋線往下一直到故障設(shè)備的完整路徑、最早的告警發(fā)生時(shí)間以及影響的配變數(shù)和用戶數(shù)。通過(guò)對(duì)歷史故障告警信息進(jìn)行查詢統(tǒng)計(jì)，并按照區(qū)域、類型、時(shí)段等多維度進(jìn)行分析和可視化展示，可以發(fā)現(xiàn)故障頻發(fā)的設(shè)備或者區(qū)域，進(jìn)而開(kāi)展供電薄弱環(huán)節(jié)分析和網(wǎng)架優(yōu)化。

使用參數(shù)對(duì)測(cè)試集數(shù)據(jù)進(jìn)行測(cè)試分類。在LSTM 深度學(xué)習(xí)模型參數(shù)中，對(duì)分類結(jié)果影響較大的參數(shù)有迭代次數(shù)、學(xué)習(xí)率、詞語(yǔ)向量維數(shù)和隱藏神經(jīng)元數(shù)導(dǎo)，需要經(jīng)過(guò)多組參數(shù)值的反復(fù)訓(xùn)練，才能找出最優(yōu)的參數(shù)值。參數(shù)取值情況如表1 所示。

表1 訓(xùn)練參數(shù)

通過(guò)實(shí)驗(yàn)對(duì)比，最終選擇了迭代次數(shù)200 次、學(xué)習(xí)率0.01、詞語(yǔ)向量維數(shù)30、隱藏神經(jīng)元數(shù)50 作為模型參數(shù)，此時(shí)的分類準(zhǔn)確率較高，達(dá)到85%以上。

3.4 應(yīng)用成效

廣東電網(wǎng)公司湛江供電局為提升低壓配電網(wǎng)故障研判的準(zhǔn)確度和效率，開(kāi)展基于告警信號(hào)的低壓配電網(wǎng)故障識(shí)別與定位示范應(yīng)用。研判正確率達(dá)到90%以上，與以往的依據(jù)人工經(jīng)驗(yàn)進(jìn)行研判相比，大大節(jié)省了研判時(shí)間，提升了研判準(zhǔn)確度和配網(wǎng)故障搶修效率。

4 結(jié)束語(yǔ)

文中主要開(kāi)展了基于告警信號(hào)的低壓配電網(wǎng)故障識(shí)別與定位方法研究，采用了基于LSTM 的深度學(xué)習(xí)篩選法對(duì)告警信號(hào)進(jìn)行分類，去除其中的干擾信號(hào)，針對(duì)低壓電表的故障告警信息，設(shè)計(jì)出了故障研判模型，將故障來(lái)源精確定位為單戶故障、低壓分支線路故障、配變臺(tái)區(qū)故障和中壓饋線故障，以便盡可能在用戶報(bào)修之前主動(dòng)開(kāi)展搶修工作，取得了良好的應(yīng)用效果，增強(qiáng)了低壓故障主動(dòng)識(shí)別、研判和處理的能力，提升了客戶滿意度。