智能電網調控技術支持系統(tǒng)中設備監(jiān)控大數(shù)據(jù)分析研究★

夏盛海，楊 攀，羅 宇

（貴州電網有限責任公司貴陽供電局電力調度控制中心，貴州 貴陽 550000）

引言

在南方電網整體戰(zhàn)略部署下，當前貴州電網的網架結構日漸復雜、設備規(guī)模持續(xù)擴大，相應對于電網設備的故障處理和實時調度能力提出更高要求。雖然現(xiàn)階段各級調度中心均已配備面向電網運行的能量管理系統(tǒng)，但仍沿用傳統(tǒng)“人工分析型”模式進行電網運行狀態(tài)調控，高度依賴于人力，智能分析處理能力不足。尤其面對電網中緊急事故下的海量信號分析、復雜電網接線等情況難以做出實時決策，易增加調控人員的工作負擔，不利于提高故障處置及恢復效率?；诖?，亟需建立一種適應一體化調控模式、滿足輸變電設備集中監(jiān)控需要的調控智能分析輔助決策系統(tǒng)，為調控人員分析判斷與決策規(guī)劃提供輔助支持。

1 智能電網輸變電設備監(jiān)控模式

1.1 需求分析

在傳統(tǒng)電網故障處理模式下，監(jiān)控中心將接收到從設備處反饋的故障信息，由值班員對故障特征進行識別與快速分析，完成故障原因判定、生成故障維修方案，保障迅速恢復用戶正常供電[1]。但在此過程中，主要依賴值班員進行故障類型判斷、故障原因分析，所需調閱的文檔、預案、規(guī)程均較為復雜，且耗時較長，無法適應電網規(guī)范化管理模式下的故障處置要求，現(xiàn)有調度自動化系統(tǒng)已難以滿足設備監(jiān)控要求?，F(xiàn)有計算機輔助決策模式主要以SCADA 系統(tǒng)中的告警信息為基礎，從中挖掘故障表象、發(fā)現(xiàn)知識，但其監(jiān)控范圍局限于系統(tǒng)主參數(shù)，缺少對設備健康狀況的監(jiān)測，影響到故障發(fā)生時值班員決策及處理效率[2]。智能電網建設對于系統(tǒng)的故障自愈功能提出現(xiàn)實需求，要求SCADA 系統(tǒng)支持對全網電力設備狀態(tài)數(shù)據(jù)的實時監(jiān)測與故障處理。在此背景下，亟需引入數(shù)據(jù)挖掘技術建立調控智能分析輔助決策系統(tǒng)，采集電網實時SCADA 告警數(shù)據(jù)進行有效分析，定位故障原因，并生成應急處理措施，為調度人員故障處置輔助決策支持。

1.2 技術瓶頸

在輔助決策系統(tǒng)設計與開發(fā)環(huán)節(jié)，主要面臨以下四項技術瓶頸：一是在告警信息監(jiān)視環(huán)節(jié)，缺少對告警信息的自動分類，僅依靠人工判斷難以快速有效識別出其中有意義的告警信息，缺乏綜合分析工具，增加系統(tǒng)壓力及人員工作量，無法實現(xiàn)對故障設備的快速判斷與準確定位[3]。二是在故障處置輔助決策方面，當前在電網運行的調度操作、異常處置、故障處理等作業(yè)環(huán)節(jié)，值班員難以根據(jù)運行數(shù)據(jù)進行故障設備的快速判斷與緊急處置，缺乏輔助決策的工具，無法有效抑制故障范圍的擴大[4]。三是在系統(tǒng)聯(lián)動功能方面，當前系統(tǒng)缺少對于調度預案、操作規(guī)程、處置方案存儲與調閱等程序的一體化管理系統(tǒng)，現(xiàn)有調閱模式未與設備異常、系統(tǒng)事故等事件建立聯(lián)動關系，影響到實際故障處置效率。四是在故障信息匯總與分析處理上，現(xiàn)有系統(tǒng)仍缺少智能分析功能，還需提供對各類運行故障信息自動匯總與處理的能力，保證及時向值班員及相關人員發(fā)送故障通知內容，輔助提升現(xiàn)場應急決策與調度處置效率[5]。

1.3 設計目標

為解決上述技術瓶頸，擬圍繞以下四個方面進行調控智能分析輔助決策系統(tǒng)設計目標的分析：一是對電網整體運行方式進行合理分析；二是提高設備信號辨識能力，在電網運行過程中支持對故障信號的識別、壓縮及判別處理，生成故障分析結果；三是引入調度運行缺陷預警快速響應技術，將實時消息技術與實際故障處理流程進行整合，建立集“故障核心信息收集、多站端自動匯總、故障記錄生成、故障信息通報、檢查要求通知、檢查結果反饋、消缺工作安排、故障設備恢復、信息匯報考評、故障匯編與故障查詢統(tǒng)計”等功能于一體的全套閉環(huán)故障信息流；四是運用調度運行智能輔助決策技術，結合電網模型與實時數(shù)據(jù)進行電網大數(shù)據(jù)的收集處理與智能分析，生成結論性結果并提供預案，實現(xiàn)對調度運行數(shù)據(jù)的橫向對比、縱向分析，為電網決策提供輔助支持。

2 調控智能分析輔助決策系統(tǒng)設計

2.1 系統(tǒng)架構

在系統(tǒng)總體架構設計上，主要劃分為以下四個層級：一是數(shù)據(jù)源層，整合調度、生產、營銷、計量、GIS及其他系統(tǒng)數(shù)據(jù)作為數(shù)據(jù)源，為支撐系統(tǒng)建設提供基礎數(shù)據(jù)支持。二是數(shù)據(jù)庫層，將不同數(shù)據(jù)源分別接入電網模型、量測數(shù)據(jù)、檔案信息、圖形信息和文件數(shù)據(jù)等數(shù)據(jù)庫中，完成數(shù)據(jù)的初步加工。三是業(yè)務支撐層，包含專家知識庫、網架分析模型、方式輔助模型、風險評估模型、故障診斷模型、供電能力模型、權限管理以及日志管理等模塊，負責提供支撐業(yè)務的數(shù)據(jù)。四是應用場景層，包含電網監(jiān)控可視化、電網故障智能告警、電網智能運行監(jiān)視、電網風險智能評估、智能運行輔助決策、配置管理六類典型應用場景。

在系統(tǒng)網絡架構設計上，東方E8000 系統(tǒng)、DCCS系統(tǒng)和OMS 系統(tǒng)分別通過交換機、防火墻與Ⅰ、Ⅱ、Ⅲ區(qū)核心交換機建立連接，在Ⅰ、Ⅱ區(qū)之前設有橫向防火墻，通過正向隔離裝置與Ⅲ核心交換機、匯聚交換機建立連接，應用服務器、數(shù)據(jù)庫服務器經由交換機、防火墻實現(xiàn)與IV 終端的連接，并且在服務器與終端之間設有Ⅲ區(qū)邊界防火墻。

2.2 算法支持

傳統(tǒng)K-Means 聚類算法主要以N 個數(shù)據(jù)對象xj為基準，從中隨機抽選出K 個數(shù)據(jù)對象作為初始聚類中心，面對余下數(shù)據(jù)對象分別計算出其與各聚類中心μi的距離，并以最短距離為標準完成數(shù)據(jù)對象類簇Ci的劃分，在此基礎上重新完成聚類中心的計算，重復上述流程至標準測度函數(shù)收斂，其函數(shù)公式為：

然而K-Means 算法不適用于處理智能電網設備運行過程中產生的實時數(shù)據(jù)流，對此可將實時數(shù)據(jù)流調整為散列分布模式，保證各數(shù)據(jù)片相互獨立、彼此不相交，將各單獨數(shù)據(jù)片分別認定為K-Means 的聚類，借此減輕算法運行占據(jù)的內存空間，有效提高海量實時數(shù)據(jù)的處理效率?；诖?，引入Spark Streaming流式計算方法進行傳統(tǒng)聚類算法的改進，先將現(xiàn)有數(shù)據(jù)流進行分割處理，將各獨立數(shù)據(jù)片分別緩存至內存空間中，利用Map 計算各數(shù)據(jù)片中含有的各樣本點與聚類中心的間距，并完成各數(shù)據(jù)樣本點的歸類，隨后利用Reduce 實現(xiàn)聚類中心的更新，以此完成迭代運算操作。

基于微簇方法進行算法建構，先將數(shù)據(jù)流以散列方式處理為若干時間片段，再利用原聚類算法將各時間片段劃分為若干聚簇，獲取各聚簇特征，并完成數(shù)據(jù)摘要的定義，每間隔一段時間進行微簇的維護處理，即可實現(xiàn)對智能電網環(huán)境下設備運行工況的實時監(jiān)控與智能識別。其中數(shù)據(jù)摘要為：CF是涵蓋微簇中含有數(shù)據(jù)點數(shù)目N，數(shù)據(jù)元素屬性的線性和LS、平方和SS、立方和CS、四次方和BS，以及產生微簇時間t、最后更新時間t1的集合。在微簇維護流程設計上，先計算出相鄰兩個微簇的間距D，當D 小于設定閾值則將兩微簇的數(shù)據(jù)摘要F1、F2進行合并。其計算公式分別為：

將經由改進后的聚類算法應用于智能電網設備監(jiān)控中的運行工況識別環(huán)節(jié)，主要遵循以下四項步驟：第一步，取智能電網中輸變電設備標準運行模式下的歷史工況數(shù)據(jù)作為樣本，基于傳統(tǒng)K-Means 算法將其處理為q 個聚類、分別對應具體工況，并選取位于中心的數(shù)據(jù)點作為初始聚類中心。第二步，以當前時間窗口為基準，利用改進后的K-Means 聚類算法劃分出K 個微簇，完成各微簇與聚類中心距離的計算。第三步，當計算得出某一微簇與初始聚類中心的間距小于Rmax，即可將其歸入同一簇中；當某一微簇與q 個聚類中心的間距超過Rmax，則沖新建立簇。第四步，伴隨時間窗口的向前推移，重復運行上述流程，直至滿足收斂條件后判斷聚類結束。

3 設備監(jiān)控大數(shù)據(jù)分析及應用

3.1 電網監(jiān)控可視化單元

該單元主要提供電網風險、電網異常與設備過載展示功能。利用可視化技術在一張圖內集成電網運行在線監(jiān)控信息，便于調度及值班人員直觀查看電網整體運行情況。同時，以離線地圖的形式將電網運行過程中的實時故障、風險、安全隱患、過載等信息進行分類、分級和分區(qū)域標記，更加清晰呈現(xiàn)出電網運行過程中的風險隱患，實現(xiàn)電網監(jiān)控的可視化目標。

3.2 電網故障智能告警單元

該單元主要提供事故/缺陷智能診斷、事故/缺陷邏輯運行維護/監(jiān)視、歷史事故/歷史缺陷/頻發(fā)信號查詢、分段分類統(tǒng)計、實時報文接收監(jiān)視功能。面向設備缺陷信號和重要信號建立分析程序，從變電站集中監(jiān)控應用模塊中獲取前置采集的二次信號、缺陷設備配置、重要用戶配置等信息，對系統(tǒng)中輸入的調控操作序列實行設備信號匹配校驗，并通過調閱信息庫獲得具體操作方案，借此實現(xiàn)對告警信息的智能分析判斷，及時向調控人員發(fā)出提示及解決措施等信息。

同時，為解決電網中發(fā)生復雜故障情況下海量信息分析與處理問題，通過對主網故障智能診斷技術進行研發(fā)，引入人工智能技術進行多平臺數(shù)據(jù)分析處理、完成故障事件推理，在此過程中排除擾動事項，對故障損失負荷、故障等級判定進行智能分析，并生成復電方案，實現(xiàn)信息全局自動扁平化、對象化發(fā)布，有效提升電網事故應急協(xié)同水平、發(fā)揮輔助決策價值。

此外，面向不同類別信號分別建立針對性研判與分析處理機制，例如對于一、二類信號，綜合考慮網架結構、掛牌、開關數(shù)據(jù)、刀閘狀態(tài)等信息進行研判，生成科學的處置方案，并將處置要求推送至相關人員處；對于三、四、五類信號，選取一定時間范圍進行信號檢索，判斷有無漏發(fā)信號，并生成對于越限信號、信號越限設備電壓的動態(tài)監(jiān)視機制。

3.3 電網智能運行監(jiān)視單元

該單元主要提供關鍵設備負載監(jiān)視、電網運行斷面監(jiān)視、母線電壓監(jiān)視、主變溫度監(jiān)視與電壓監(jiān)測功能。在具體功能實現(xiàn)上，建立對于關鍵設備電流、電壓越限情況，電流重載次數(shù)、持續(xù)時間的自動監(jiān)視；對主網自動化系統(tǒng)的關鍵斷面進行監(jiān)視，便于在斷面過載情況下輔助生成轉供方案；此外，支持對母線電壓數(shù)據(jù)、主變負荷溫度數(shù)據(jù)、設備電壓越限等情況的自動監(jiān)測，并提供告警提示。

3.4 電網風險智能評估單元

該單元主要提供電網實施運行風險、限電策略序位評估、負荷預警、操作序列風險評估與設備健康水平展示功能。在具體功能實現(xiàn)上，對電網主設備建立不間斷掃描機制，動態(tài)分析引發(fā)失壓現(xiàn)象的成因及其可能誘發(fā)的事故事件等級，并結合風險等級生成相應管控方案，保證實現(xiàn)風險可視化處理；在當前網架中對關鍵設備負荷、潮流與穩(wěn)定水平等數(shù)值進行模擬，對限電序位、操作序列等進行評估；引入專家規(guī)則庫、機器學習、BP 神經網絡、自然語言識別等技術，建立電網48 h 負荷曲線，實現(xiàn)分鐘級預測功能，并批量化生成轉供方案，自動消除安全隱患。

3.5 智能運行輔助決策單元

該單元主要提供供電范圍分析、事故事件評級、轉供預案自動生成、檢修計劃統(tǒng)計分析、斷面繪制與調度日報等功能。在具體功能實現(xiàn)上，結合電網實際運行狀態(tài)提供當前供電設備及供電通道的可視化信息，輔助完成對供電范圍的分析；提供當前網架架構或任意時刻的電網運行斷面，支持對設備失壓、故障情況的模擬，并整合故障損失負荷、變電站及用戶數(shù)等信息進行事故事件等級的評定；對事故通道建立智能識別與排序機制，面向特定通道匹配定值，并以自動掃描的方式完成運行方式判定，生成轉供預案；利用OMS 系統(tǒng)進行檢修申請單、停電指標統(tǒng)計的自動生成，并且完成數(shù)據(jù)篩選與統(tǒng)計分析；針對電網運行斷面進行實時監(jiān)視，借助人工方式進行斷面信息維護，通過輸入名稱即可查詢斷面數(shù)據(jù)；結合電網拓撲結構與智能推理規(guī)則進行調試道閘操作邏輯建構，依據(jù)調試設備狀態(tài)進行道閘、開關等操作順序的推理，實現(xiàn)智能成票目標，有效釋放人力；建立自動開關巡檢機制，整合EMS 數(shù)據(jù)進行關鍵設備開關的自動巡檢；自動生成調度日報、值班日志分析報告，輔助調度日常管理。

3.6 配置管理單元

該單元主要提供知識庫、限電序位策略配置與通訊錄配置等功能。通過建立知識庫，支持對“過濾關鍵字”“判定關鍵字”“動作類型”等信息的維護；支持對安自裝置、通訊錄進行配置，執(zhí)行穩(wěn)控執(zhí)行站編輯操作。此外，該系統(tǒng)還提供交接班人員同步登陸管理功能，輔助值班人員自動登錄系統(tǒng)。

4 結語

通過引入數(shù)據(jù)挖掘算法、大數(shù)據(jù)分析技術進行調控智能分析輔助決策系統(tǒng)的結構框架與功能模塊設計，可實現(xiàn)對電網整體運行狀態(tài)及各輸變電設備運行情況的實時監(jiān)控與智能預警，幫助調控人員直觀了解電網整體運行情況，及時發(fā)現(xiàn)網架結構的薄弱環(huán)節(jié)、精確定位設備缺陷及故障點，并基于K-Means 聚類算法實現(xiàn)對智能電網設備狀態(tài)監(jiān)測數(shù)據(jù)的實時處理、輔助決策，更好地維護電網系統(tǒng)的安全穩(wěn)定運行，也為其他調度中心及電網設備運行中的監(jiān)控信息分析及應用處理提供良好示范價值。