基于數(shù)據(jù)驅(qū)動(dòng)的流域集控中心報(bào)警優(yōu)化方法

黃海軍

(華電云南發(fā)電有限公司，云南 昆明 650228)

0 引言

流域遠(yuǎn)程集控中心源源不斷地收到大量的生產(chǎn)現(xiàn)場(chǎng)信息，值班員面臨著巨大的信息甄別和處理困難。某大型水電集控中心(以下簡(jiǎn)稱(chēng)為“J集控中心”)管理裝機(jī)容量6 560 MW，是金沙江多個(gè)大型水電站的異地運(yùn)行值班單位，實(shí)施“全采、全監(jiān)、全控”的流域管控模式，電廠(chǎng)不進(jìn)行運(yùn)行值班。由于J集控中心約有8.31萬(wàn)個(gè)測(cè)點(diǎn)，每小時(shí)最高報(bào)出3 000多條文本報(bào)警和400多條語(yǔ)音告警，3個(gè)值班員平均每2 s就必須對(duì)一條信息做出處理；加上受控電廠(chǎng)“無(wú)人值班”，漏監(jiān)視、風(fēng)險(xiǎn)處理不及時(shí)是電網(wǎng)頻率波動(dòng)的最大隱患來(lái)源，網(wǎng)省兩級(jí)調(diào)度對(duì)大型廠(chǎng)站的值班監(jiān)視做了嚴(yán)格的要求[1]；而智能報(bào)警系統(tǒng)等新產(chǎn)品無(wú)法解決泛化力弱、穩(wěn)定性差、不可解釋、不能替代計(jì)算監(jiān)控系統(tǒng)等難題，如何有效地開(kāi)展運(yùn)行值班工作成為了集控中心的重大難題[2-4]。J集控中心提出了優(yōu)化報(bào)警、設(shè)置預(yù)警、組合報(bào)警的方法，建立基于數(shù)據(jù)驅(qū)動(dòng)的專(zhuān)家模型[5]，解決頻報(bào)、漏報(bào)、錯(cuò)報(bào)等問(wèn)題，提升系統(tǒng)的易用性，取得了顯著的流域生產(chǎn)效能提升效果，為集控中心的安全有序運(yùn)行提供了保障。

1 報(bào)警特征數(shù)據(jù)的采集

1.1 生產(chǎn)數(shù)據(jù)的處理需求

流域集控中心的報(bào)警，主要指的是計(jì)算機(jī)監(jiān)控系統(tǒng)中的系列事件。集控中心異地值班的主要目標(biāo)就是識(shí)別信息中的異常信號(hào)，及時(shí)有效地做出處理。J集控中心通過(guò)遙信、遙測(cè)組態(tài)信息的采集，分析其必要性、緊急性、冗余度等特征，建立報(bào)警專(zhuān)家模型，減少無(wú)關(guān)報(bào)警、提高報(bào)警識(shí)別率、組合化簡(jiǎn)報(bào)警，設(shè)置多級(jí)風(fēng)險(xiǎn)預(yù)警，從而減少人工分析、辨別的工作量，實(shí)現(xiàn)提取生產(chǎn)信息與輔助決策的目的。

1.2 特征數(shù)據(jù)的快速采集

報(bào)警數(shù)據(jù)的優(yōu)化建立在對(duì)大量特征數(shù)據(jù)的分析之上[6]。特征數(shù)據(jù)主要來(lái)源于組態(tài)數(shù)據(jù)庫(kù)和歷史事件的離線(xiàn)分析，必要時(shí)輔以實(shí)時(shí)事件的在線(xiàn)分析[7]。

組態(tài)數(shù)據(jù)庫(kù)含有海量事件的各種屬性數(shù)據(jù)，是主要的分析研究對(duì)象，通過(guò)采集整理大量的原始組態(tài)數(shù)據(jù)表獲得，如圖1所示。

圖1 組態(tài)數(shù)據(jù)庫(kù)的VBA采集示意

歷史信息的采集來(lái)源于歷史數(shù)據(jù)的導(dǎo)出，適用于疑難事件的專(zhuān)題分析和越復(fù)限限值的研究。

實(shí)時(shí)事件采集于系統(tǒng)報(bào)警窗口，適用于高頻告警的分析和報(bào)警模型的效果評(píng)估。

2 報(bào)警特征屬性的研究

2.1 高頻告警的篩除

解決報(bào)警過(guò)多的首要方法是：降頻、去重。采取詞頻分析技術(shù)，對(duì)汛期、枯期等典型時(shí)段以及開(kāi)停機(jī)、檢修等重要環(huán)節(jié)的報(bào)警日志進(jìn)行pandas (python軟件的一個(gè)數(shù)據(jù)分析包)數(shù)據(jù)清洗、jieba (python軟件的一個(gè)中文分詞庫(kù))分詞并剔除停用詞后，獲得詞頻分析表；其中高頻報(bào)警組成一個(gè)狹窄的頭部，剩余的長(zhǎng)尾部分須進(jìn)一步分析研究，如圖2所示。

圖2 報(bào)警的“長(zhǎng)尾效應(yīng)”示意

優(yōu)化的策略是頭部的高頻信息原則上不設(shè)置報(bào)警，采用畫(huà)面、替代測(cè)點(diǎn)等方式來(lái)監(jiān)控；而長(zhǎng)長(zhǎng)的尾部信息原則上應(yīng)根據(jù)必要性設(shè)置報(bào)警。

2.2 報(bào)警名稱(chēng)的規(guī)范化

報(bào)警語(yǔ)句的規(guī)范、整齊，可有效提高報(bào)警信息的辨識(shí)度，確保同類(lèi)報(bào)警設(shè)置的一致性。不同廠(chǎng)站、不同系統(tǒng)的命名千差萬(wàn)別，如，某廠(chǎng)站測(cè)點(diǎn)名為“5311動(dòng)作”，可理解為“5311合閘動(dòng)作”“5311保護(hù)動(dòng)作”“5311三相不一致保護(hù)動(dòng)作”“5311操作條件具備動(dòng)作”等多種內(nèi)涵，給故障辨識(shí)、溝通匯報(bào)等工作造成了極大的困難，應(yīng)予以規(guī)范化處置。

2.2.1 解決表述多樣化的問(wèn)題

調(diào)管設(shè)備按《××電網(wǎng)雙重化配置繼電保護(hù)調(diào)度命名業(yè)務(wù)指導(dǎo)書(shū)》等電網(wǎng)規(guī)程修訂，并對(duì)廠(chǎng)管設(shè)備統(tǒng)一表述，避免同一設(shè)備、同一系統(tǒng)出現(xiàn)多種表述的情況。2.2.2 解決語(yǔ)義不明的問(wèn)題

為避免語(yǔ)義不明：

1) 增加LCU區(qū)域或系統(tǒng)名稱(chēng)作為前綴，以標(biāo)識(shí)不同區(qū)域(系統(tǒng))的同名信息。

2) 明確切換把手、設(shè)備狀態(tài)等定義，避免狀態(tài)不明。

3) 完善測(cè)點(diǎn)情景信息或定語(yǔ)、狀語(yǔ)，避免表述不全；使用通俗易懂的名稱(chēng)。

2.3 報(bào)警屬性的研究

基于測(cè)點(diǎn)的必要性、緊急性、冗余度等特征建立組合報(bào)警的組態(tài)數(shù)據(jù)庫(kù)，以實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)值班信息減負(fù)的目的。

2.3.1 數(shù)據(jù)關(guān)系的梳理

南瑞(南自)的計(jì)算機(jī)監(jiān)控系統(tǒng)中，組態(tài)數(shù)據(jù)庫(kù)的報(bào)警屬性都涉及到多個(gè)屬性的鏈?zhǔn)脚渲?，必須予以明確，避免遺漏。

1) 開(kāi)關(guān)量報(bào)警涉及時(shí)標(biāo)、文本、語(yǔ)音、窗口、歷史、雙節(jié)點(diǎn)等屬性，如圖3所示。

圖3 開(kāi)關(guān)量的報(bào)警屬性關(guān)系

2) 模擬量的報(bào)警屬性設(shè)置。模擬量報(bào)警涉及限值、文本、語(yǔ)音、死區(qū)等屬性，如圖4所示。

圖4 模擬量的報(bào)警屬性關(guān)系

2.3.2 報(bào)警權(quán)重的計(jì)算

信息過(guò)多，須根據(jù)權(quán)重來(lái)進(jìn)行篩選簡(jiǎn)化，權(quán)重計(jì)算用貝葉斯估計(jì)公式，如式(1)所示。

由式(1)可知，起關(guān)鍵作用的是重要性因子P(πxi)。重要性因子取值主要來(lái)源于生產(chǎn)經(jīng)驗(yàn)和設(shè)備原理，對(duì)集控中心而言，需要人工干預(yù)的事件設(shè)置報(bào)警，否則不建議報(bào)警。

2.4 越復(fù)限的邊界設(shè)定

提前預(yù)警是生產(chǎn)值班的高階需求，通過(guò)數(shù)據(jù)發(fā)展趨勢(shì)分析來(lái)設(shè)置預(yù)警。

1) 基于定值單和歷史數(shù)據(jù)的預(yù)警。結(jié)合各廠(chǎng)站的熱工、直流等系統(tǒng)的定值單及歷史數(shù)據(jù)分析和設(shè)備風(fēng)險(xiǎn)估計(jì)值，建立一套越復(fù)限預(yù)警值。

2) 基于專(zhuān)家經(jīng)驗(yàn)的預(yù)警。對(duì)負(fù)荷設(shè)定、閘門(mén)遠(yuǎn)控、頻率控制、電源供應(yīng)等影響安全生產(chǎn)的非定值性關(guān)鍵數(shù)據(jù)，基于專(zhuān)家生產(chǎn)經(jīng)驗(yàn)設(shè)置預(yù)警。

類(lèi)似地，重要的開(kāi)關(guān)量、發(fā)電曲線(xiàn)等應(yīng)配置征兆性報(bào)警，提前播放預(yù)警信息。

3 報(bào)警數(shù)據(jù)模型的構(gòu)造

3.1 數(shù)據(jù)模型的應(yīng)用

3.1.1 報(bào)警屬性的泛化處理

因同類(lèi)LCU區(qū)域的測(cè)點(diǎn)順序、命名存在差異且無(wú)法消除，在建立報(bào)警模型時(shí)，須對(duì)同類(lèi)測(cè)點(diǎn)進(jìn)行泛化處理，以便確保報(bào)警設(shè)置的一致性，具體步驟如下：

1) 基于LCU列出基準(zhǔn)區(qū)和待處理區(qū)的信息。

2) 通過(guò)Excel的MID函數(shù)去除前綴、VBA去除數(shù)字等方法，實(shí)現(xiàn)命名配對(duì)，依次構(gòu)建基準(zhǔn)區(qū)、待處理區(qū)的映射關(guān)系表。

3) 通過(guò)INDEX+MATCH函數(shù)進(jìn)行一覽表、報(bào)警等相關(guān)屬性的整體遷移設(shè)置。

4) 人工檢查與糾正映射錯(cuò)誤。

5) 生成完整的報(bào)警屬性表。

3.1.2 報(bào)警組態(tài)的自動(dòng)化處理

對(duì)大量的報(bào)警特征屬性完成分析后，最終通過(guò)更新組態(tài)數(shù)據(jù)庫(kù)來(lái)實(shí)現(xiàn)數(shù)據(jù)模型的落地。步驟如下：

1) 導(dǎo)出原始組態(tài)數(shù)據(jù)表，采取圖1的方法獲得可便捷編輯的數(shù)據(jù)表集合Sx。

2) 探索分析，建立高頻報(bào)警、規(guī)范命名、開(kāi)關(guān)量、越復(fù)限等擬處理信息的關(guān)鍵詞表Ki。

3) 對(duì)上述關(guān)鍵詞表進(jìn)行分類(lèi)，提出優(yōu)化規(guī)則，并打上分類(lèi)標(biāo)識(shí)，形成關(guān)鍵詞和規(guī)則值的映射關(guān)系表Ti。

4) 對(duì)擬處理的數(shù)據(jù)表集合Sx逐一應(yīng)用映射關(guān)系表Ti中的規(guī)則；存在同類(lèi)屬性的，采取3.1.1中的方法進(jìn)行批量映射處理。

5) 檢查和測(cè)試設(shè)置是否得當(dāng)。

6) 進(jìn)行異動(dòng)統(tǒng)計(jì)與標(biāo)記。

7) 重復(fù)上述過(guò)程若干次，至模型收斂為不頻報(bào)、不漏報(bào)、易識(shí)別。報(bào)警組態(tài)的自動(dòng)化處理如圖5所示。

圖5 報(bào)警組態(tài)的自動(dòng)化處理示意

3.2 數(shù)據(jù)模型的適應(yīng)性改進(jìn)

為確保數(shù)據(jù)模型的適應(yīng)性，須加強(qiáng)試運(yùn)行時(shí)的抽樣測(cè)試，及時(shí)與原系統(tǒng)比較報(bào)警的完善率、漏報(bào)率和識(shí)別率，研判典型事件的處置效能，及時(shí)調(diào)整模型映射表。對(duì)必要性不強(qiáng)、頻報(bào)刷屏的測(cè)點(diǎn)，取消報(bào)警、調(diào)整定值或改用其他方式監(jiān)控；對(duì)漏報(bào)、易疏忽的隱患，增設(shè)報(bào)警、增設(shè)測(cè)點(diǎn)，完善文本、語(yǔ)音、畫(huà)面、聲光、曲線(xiàn)、腳本等立體化監(jiān)控功能；對(duì)未能診斷、識(shí)別困難的事件，設(shè)置對(duì)象腳本來(lái)輔助處理。

在J集控中心的實(shí)踐中，4輪大調(diào)整后，報(bào)警模型已明顯趨于收斂，可在生產(chǎn)環(huán)境中正式使用。

3.3 報(bào)警名稱(chēng)規(guī)范化的評(píng)價(jià)

報(bào)警名稱(chēng)的規(guī)范化通過(guò)名稱(chēng)差異率來(lái)評(píng)價(jià)，一方面可以復(fù)核差異較大的測(cè)點(diǎn)，及時(shí)調(diào)整命名優(yōu)化規(guī)則；另一方面則是將關(guān)鍵性的命名差異通報(bào)電廠(chǎng)，確保信息的一致性。命名差異率計(jì)算如式2所示。

其中，Count(S1x/S2)是字符串匹配計(jì)算的函數(shù)，將舊字符串S1的第x個(gè)字符與新字符串S2進(jìn)行匹配，若配對(duì)成功則計(jì)數(shù)加1。Len(S2)是字符串S2長(zhǎng)度計(jì)算函數(shù)。

4 報(bào)警數(shù)據(jù)模型的應(yīng)用

4.1 效果分析

J集控中心基于數(shù)據(jù)分析形成了100多子項(xiàng)的專(zhuān)家策略(見(jiàn)表1)，5.16萬(wàn)測(cè)點(diǎn)實(shí)現(xiàn)分級(jí)、分層、分類(lèi)調(diào)整，4.24萬(wàn)測(cè)點(diǎn)報(bào)警屬性被大幅調(diào)整，6 250個(gè)測(cè)點(diǎn)設(shè)置了限值報(bào)警；18 071個(gè)名稱(chēng)被優(yōu)化，8 361項(xiàng)語(yǔ)音被清理，80 %以上的頻報(bào)事件被消除；678個(gè)錯(cuò)誤被糾正，3 827項(xiàng)模擬量刷新死區(qū)不合理問(wèn)題被解決。

表1 報(bào)警優(yōu)化的專(zhuān)家策略

優(yōu)化后，每分鐘產(chǎn)生5～10條告警，人工干預(yù)量降至原來(lái)的1/3以下，關(guān)鍵故障定位時(shí)間從1 min級(jí)降低到10 s級(jí)，多次發(fā)現(xiàn)了傳感器異常、調(diào)速器油壓持續(xù)性下降等重大隱患或隱秘故障。

4.2 方法總結(jié)

基于數(shù)據(jù)構(gòu)建報(bào)警模型，充分適應(yīng)了調(diào)管關(guān)系、生產(chǎn)經(jīng)驗(yàn)等的變化情況，有助于后期反復(fù)調(diào)整。數(shù)據(jù)驅(qū)動(dòng)的報(bào)警優(yōu)化方法，實(shí)現(xiàn)了全過(guò)程量化、可視化管理，提高了經(jīng)驗(yàn)應(yīng)用的自動(dòng)化、規(guī)范化。

J集控中心采用Excel和VBA方法進(jìn)行數(shù)據(jù)驅(qū)動(dòng)報(bào)警模型的建立和優(yōu)化，優(yōu)點(diǎn)是準(zhǔn)確度高、操作性強(qiáng)，缺點(diǎn)是專(zhuān)家經(jīng)驗(yàn)要求高、優(yōu)化過(guò)程漫長(zhǎng)。后續(xù)擬用Shell腳本增強(qiáng)嵌入式報(bào)警功能[8]，擬用深度學(xué)習(xí)等方法開(kāi)展典型工況的診斷與決策研究，以提高靈活性和泛化能力[9-10]。

5 結(jié)束語(yǔ)

J集控中心采用基于數(shù)據(jù)驅(qū)動(dòng)的專(zhuān)家模型進(jìn)行報(bào)警優(yōu)化后，實(shí)現(xiàn)了報(bào)警信息的輔助診斷功能，報(bào)警監(jiān)視率降低45.02 %，完備性提升14.78 %，辨識(shí)度提升21.51 %，滿(mǎn)足了流域集控“全監(jiān)、全控”和安全生產(chǎn)的需要，為同類(lèi)集控中心的優(yōu)化提升提供參考。