基于數(shù)據(jù)挖掘的電力系統(tǒng)調(diào)度異常檢測(cè)方法

中國石油集團(tuán)電能有限公司熱電二公司 高曉春 邢海軍

1 引言

為了支撐新時(shí)代電網(wǎng)穩(wěn)定運(yùn)行，電力系統(tǒng)調(diào)度數(shù)據(jù)耦合性因素增加，此時(shí)數(shù)據(jù)故障和異常概率有所提升，原有的模型無法滿足需求，在此種背景下，明確核心要求和功能需求，提出更為先進(jìn)的電力系統(tǒng)調(diào)度異常數(shù)據(jù)檢測(cè)方法成為必然，本文以現(xiàn)階段數(shù)據(jù)挖掘領(lǐng)域技術(shù)為核心，從技術(shù)角度和數(shù)據(jù)分析角度構(gòu)建數(shù)據(jù)調(diào)度和調(diào)節(jié)模型具有現(xiàn)實(shí)意義。

2 電力系統(tǒng)調(diào)度異常數(shù)據(jù)特征分析

電力系統(tǒng)是保證各行各業(yè)電力需求的關(guān)鍵。調(diào)離系統(tǒng)調(diào)度過程中異常調(diào)度模型是協(xié)調(diào)、調(diào)節(jié)電力數(shù)據(jù)、維持系統(tǒng)正常運(yùn)行的關(guān)鍵。發(fā)揮諧波抑制和振蕩性調(diào)節(jié)，保證電力系統(tǒng)閉環(huán)模型發(fā)揮優(yōu)勢(shì)，實(shí)現(xiàn)對(duì)異常數(shù)據(jù)的特征分析和精確檢測(cè)[1]。

電壓穩(wěn)態(tài)調(diào)節(jié)過程中，不同次數(shù)諧波并聯(lián)抑制使得控制階段和定子電壓動(dòng)態(tài)監(jiān)測(cè)模型發(fā)揮效用，在弱磁控制方法指引下，對(duì)電力系統(tǒng)各元器件的耦合特征進(jìn)行分析，以數(shù)據(jù)量直觀化展現(xiàn)系統(tǒng)調(diào)節(jié)現(xiàn)狀，然后促使諧波振控器對(duì)電力系統(tǒng)進(jìn)行耦合補(bǔ)償，以最大轉(zhuǎn)矩點(diǎn)六比為基礎(chǔ)，確保整體電力系統(tǒng)線路調(diào)度發(fā)揮作用?？梢詫⑵浞譃槿糠?，分別是應(yīng)用層、控制層和數(shù)據(jù)層。通過諧波抑制、結(jié)合復(fù)雜均衡控制，在交換機(jī)和模擬器科學(xué)發(fā)揮作用基礎(chǔ)上，達(dá)成異常數(shù)據(jù)特征分析目的[2]。電力系統(tǒng)調(diào)度的三層體系結(jié)構(gòu)如圖1所示。

圖1 電力系統(tǒng)調(diào)度的三層體系結(jié)構(gòu)圖示

結(jié)合電力系統(tǒng)調(diào)度三層體系結(jié)構(gòu)來看，在針對(duì)異常檢測(cè)時(shí)，可以通過公式明確各特征量，進(jìn)而判斷整體系統(tǒng)調(diào)離調(diào)度情況。

第一，借助脈沖注入檢測(cè)方式可以獲取差異性特征量。檢測(cè)過程中借助如式（1）、式（2）。明確直流母線電壓?；诖?，在借助變換器輸出電流比，結(jié)合不同變換器的1并聯(lián)特征，可以獲得特征檢測(cè)分量[3]。

式（1）、式（2）中，VDC為變換器下垂控制直流電壓；ω為下垂系數(shù)；t為時(shí)間動(dòng)態(tài)參數(shù)；INF計(jì)算時(shí)取整數(shù)即可，xpi表示第i 臺(tái)變換器對(duì)應(yīng)的線路阻抗；bi為電壓傳感分量；l為動(dòng)態(tài)頻率參數(shù)；xijmax，xijmin分別代表最大采樣頻率，最小采樣頻率；x(t)表示視域下電壓電流聯(lián)合配置信號(hào)。

隨著電力系統(tǒng)運(yùn)行，在復(fù)雜條件約束下，載波頻率和控制器直接存在聯(lián)系，此時(shí)電力調(diào)度綜合傳遞因素P 可以用P=[p1,p2,p3,...,pn]表示，其中。經(jīng)過系統(tǒng)計(jì)算，最終可以得到聯(lián)合特征匹配結(jié)果符合

3 基于數(shù)據(jù)挖掘的電力系統(tǒng)調(diào)度異常檢測(cè)

3.1 電力調(diào)度異常數(shù)據(jù)采集

在研究基于數(shù)據(jù)挖掘的調(diào)度異常檢測(cè)方法時(shí)，精準(zhǔn)識(shí)別異常數(shù)據(jù)是前提。因此，準(zhǔn)確獲取異常數(shù)據(jù)特征成為重點(diǎn)。當(dāng)前主要依據(jù)電力系統(tǒng)各組成元件之間耦合關(guān)系進(jìn)行闡述。借助最大轉(zhuǎn)矩電流比特征。在此構(gòu)建電力系統(tǒng)調(diào)度樣本抽取模型，發(fā)揮Mont-Carlo 隨機(jī)抽取方法優(yōu)勢(shì)，保證采樣具備代表性，進(jìn)而確?；诔槿颖緮?shù)據(jù)分析、檢測(cè)結(jié)構(gòu)具有可信度，可以作為后續(xù)電力系統(tǒng)調(diào)度異常檢測(cè)的參考依據(jù)[4]。

基于構(gòu)建的樣本抽取模型，以電力系統(tǒng)元器件故障為檢測(cè)核心，通過采集故障特征，進(jìn)而確定電力系統(tǒng)調(diào)度異常特征量，然后發(fā)揮大數(shù)據(jù)挖掘技術(shù)優(yōu)勢(shì)，挖掘異常特征分量，進(jìn)而在故障發(fā)生條件下，基于實(shí)際工況，發(fā)揮電流諧波抑制補(bǔ)償和振蕩性補(bǔ)償調(diào)節(jié)，達(dá)成異常調(diào)度檢測(cè)。為了更為直觀闡述基于數(shù)據(jù)挖掘的電力系統(tǒng)調(diào)度異常檢測(cè)方法應(yīng)用過程，在此以10臺(tái)直驅(qū)風(fēng)機(jī)為基礎(chǔ)，發(fā)動(dòng)機(jī)輸出功率端配置數(shù)字濾波器，便于采集相關(guān)數(shù)據(jù)，最終獲得電力調(diào)度系統(tǒng)MMC 系統(tǒng)主要參數(shù)[5]， 電力調(diào)度系統(tǒng)的MMC 系統(tǒng)參數(shù)總結(jié)見表1。

表1 電力調(diào)度系統(tǒng)的MMC 系統(tǒng)參數(shù)總結(jié)

基于表1相關(guān)數(shù)據(jù)，便可以構(gòu)建電力調(diào)度異常特征分析模型，以最大功率跟蹤控制方法為基礎(chǔ)，便可以通過采集電力系統(tǒng)元器件相關(guān)參數(shù)，確定電力調(diào)度特征，從而為后續(xù)優(yōu)化和提出更為先進(jìn)的檢測(cè)方法奠定基礎(chǔ)。

3.2 異常數(shù)據(jù)挖掘

結(jié)合文章分析，獲得基于電壓和電流聯(lián)合檢測(cè)模型函數(shù)：

式中，Uf代表電壓的高頻紋波值；if代表電流的高頻紋波值，ω代表開關(guān)周期頻譜；t表示周期性參數(shù)，U、i分別為最大穩(wěn)定電壓及穩(wěn)定電流；f代表母線采樣頻率參數(shù)。基于式（3）可以更好挖掘異常特征量，從而輔助判斷電力系統(tǒng)調(diào)度故障等情況。

電力系統(tǒng)異常數(shù)據(jù)挖掘之后，需要對(duì)采集的數(shù)據(jù)進(jìn)行整理，便于后續(xù)分析，此時(shí)借助有限信息融合法，對(duì)獲取的各項(xiàng)異常參數(shù)進(jìn)行整合，然后借助式（4）轉(zhuǎn)換為輸出能量檢測(cè)統(tǒng)計(jì)特征量。

式中，Ci、rn分別代表直流調(diào)配的變流器數(shù)量和下垂控制的頻率特征量?；谑剑?）組成電力調(diào)度智能統(tǒng)計(jì)分析模型，可以對(duì)采集的異常情況進(jìn)行補(bǔ)償調(diào)節(jié)，這對(duì)于科學(xué)應(yīng)對(duì)電力系統(tǒng)調(diào)度異常情況極為有利。

4 仿真測(cè)試

為了驗(yàn)證文章提出的檢測(cè)方法實(shí)用價(jià)值和技術(shù)可行性，在此借助RT-LAB 系統(tǒng)模擬實(shí)際工作環(huán)境，在虛擬環(huán)境中驗(yàn)證提出的電力系統(tǒng)調(diào)度異常檢測(cè)方法具體應(yīng)用價(jià)值。

4.1 仿真環(huán)境及數(shù)據(jù)

借助RT-LAB 系統(tǒng)，模擬電力系統(tǒng)運(yùn)行情況，設(shè)定載波頻率為2kHz，最大工作頻率為6.3mH。負(fù)載等效電阻為40Ω，母線電容為5000μF。借助仿真環(huán)境獲取電力調(diào)度系統(tǒng)的試驗(yàn)參數(shù)見表2。

表2 試驗(yàn)各項(xiàng)參數(shù)設(shè)定總結(jié)表

4.2 仿真研究結(jié)果分析

結(jié)合表2各參數(shù)數(shù)據(jù)，和仿真環(huán)境模擬情況，進(jìn)行電力系統(tǒng)調(diào)度異常檢測(cè)，最終發(fā)現(xiàn)，本文提出的檢測(cè)方法在仿真平臺(tái)上應(yīng)用時(shí)，可以準(zhǔn)確展示電力系統(tǒng)調(diào)度異常檢測(cè)輸出波峰，且可以有效分辨故障，對(duì)系統(tǒng)各構(gòu)成元器件工況特征有較為直觀的分析。

目前最常見的檢測(cè)方法如下。方法一是基于物聯(lián)網(wǎng)的電力系統(tǒng)調(diào)度數(shù)據(jù)自動(dòng)采集檢測(cè)方法，該方法與聯(lián)合特征方法融合應(yīng)用，可以發(fā)揮檢測(cè)電力系統(tǒng)調(diào)度異常目的，其主要通過采集主成分特征量，然后借助物聯(lián)網(wǎng)感知層，實(shí)現(xiàn)數(shù)據(jù)采集優(yōu)化，最終進(jìn)行檢測(cè)。方法二是基于數(shù)據(jù)驅(qū)動(dòng)的電力調(diào)度智能告警及系統(tǒng)設(shè)計(jì)方法，主要借助現(xiàn)代化智能技術(shù)，實(shí)現(xiàn)電力系統(tǒng)智能化管理，進(jìn)而以直流電壓最大波動(dòng)為依據(jù)，作出判斷，明確是否發(fā)生故障，并自動(dòng)示警，對(duì)系統(tǒng)進(jìn)行優(yōu)化。兩種方法各有不足，方法一精度較差，方法二計(jì)算較為復(fù)雜，穩(wěn)定性難以保證。

基于此，將本文提出的檢測(cè)方法與仿真測(cè)試方法進(jìn)行比較分析，本文提出的檢測(cè)方法精度最高達(dá)到98.5%，相比較現(xiàn)階段已有的兩種方法，方法一檢測(cè)精度為80.3%，方法二檢測(cè)精度為79.8%，相比較而言，本文提出的方法更為先進(jìn)科學(xué)。

5 結(jié)語

本文基于電力系統(tǒng)實(shí)際情況，結(jié)合現(xiàn)代化技術(shù)發(fā)展情況，基于數(shù)據(jù)挖掘技術(shù)，提出一種更為先進(jìn)的電力系統(tǒng)調(diào)度異常檢測(cè)方法，借助電流諧波振動(dòng)，采集特征數(shù)據(jù)參數(shù)，從而實(shí)現(xiàn)異常情況精確管控，針對(duì)性提出對(duì)應(yīng)方案，有效解決出現(xiàn)的異常情況。經(jīng)過仿真分析，本文提出的檢測(cè)方法相比較傳統(tǒng)的兩種常用方法在精度方面更具有優(yōu)勢(shì)，最高可達(dá)到98.5%，科學(xué)應(yīng)用這一檢測(cè)方法，對(duì)保證我國電力系統(tǒng)穩(wěn)定運(yùn)行有積極作用。