柔性直流換流站異常監(jiān)控數(shù)據(jù)實時預警研究

王 林,姚發(fā)興,王 健,唐 力,桂輝陽

(中國南方電網有限責任公司超高壓輸電公司,貴州 興義 562499)

0 引言

柔性直流換流站是智慧化電力系統(tǒng)的重要組成部分之一,擔負著遠程輸電領域中直流轉換和交流轉換的關鍵作用[1]。柔性直流換流站位于遠程傳輸電源的兩端,傳輸端輸出的電能經站中的電源整流站后轉換為±800 kV或更高的直流電流[2]。相比于常規(guī)的換流站,柔性直流換流站的占地面積更大、輔助設備數(shù)量更多。在容量等級相同時,柔性直流換流站的運行維護投入更多,傳輸功率可達6 400 MW,更適用于大系統(tǒng)間的大規(guī)模功率傳輸。因此,柔性直流換流站在遠距離的電力傳輸中得到了廣泛的應用。相比于電力系統(tǒng)其他組成部分的監(jiān)控數(shù)據(jù),柔性直流換流站監(jiān)控數(shù)據(jù)數(shù)量更多、類型更復雜,因此對于監(jiān)控準確性的要求更高。實時預警柔性直流換流站異常監(jiān)控數(shù)據(jù),有利于柔性直流換流站的穩(wěn)定運行。

張愛楓等[3]根據(jù)五維建筑信息模型(building information modeling-5 dimension,BIM-5D)技術,提出了1種特高壓換流工程的管控方法,以提升對高壓換流電的管控能力。該方法以BIM-5D為基礎,通過構建預警模型,對建設工期與費用控制的范圍進行設置,并運用應力值法對該范圍進行修正,從而獲得適用于特高壓換流站工程施工的管控方法。劉可真[4]等根據(jù)改進的關聯(lián)準則,建立了1種新的直流換流站的故障診斷模型。該模型通過對換流站原始特征的提取與挖掘,對事件順序記錄(sequence of event,SOE)集合進行分析。根據(jù)分析結果,該模型可以從大量的、多態(tài)的 SOE集合中發(fā)現(xiàn)相關的規(guī)則,從而幫助維護人員判斷在換流臺切換和故障時的SOE丟失狀況。

基于以上研究背景,本文針對柔性直流換流站的監(jiān)控數(shù)據(jù),設計1種異常監(jiān)控數(shù)據(jù)實時預警方法,以避免換流站監(jiān)控時出現(xiàn)異常情況。

1 異常數(shù)據(jù)實時預警方法設計

1.1 檢測監(jiān)控數(shù)據(jù)中的異常數(shù)據(jù)

本文通過接收SOE數(shù)據(jù),根據(jù)經驗規(guī)則,對柔性直流換流站異常監(jiān)控數(shù)據(jù)流X進行描述,為異常監(jiān)控數(shù)據(jù)的檢測提供數(shù)據(jù)基礎。

X={xi|i∈n}

(1)

式中:xi為異常數(shù)據(jù)流中的數(shù)據(jù)。

xi=(Bi,Xi)

(2)

式中:Bi為監(jiān)控數(shù)據(jù)中第i個異常數(shù)據(jù)的標識;Xi為監(jiān)控數(shù)據(jù)中第i個異常數(shù)據(jù)的特征值。

當監(jiān)控數(shù)據(jù)中的某個數(shù)據(jù)出現(xiàn)異常時,更新相對應的統(tǒng)計量為:

E(xi)+b=Xi

(3)

式中:b為柔性直流換流站異常監(jiān)控數(shù)據(jù)的標識空間;E(xi)為監(jiān)控數(shù)據(jù)中異常數(shù)據(jù)標識為xi元素的統(tǒng)計量,個。

本文利用經驗規(guī)則,對異常數(shù)據(jù)的相似系數(shù)sij進行求解[5],以構建異常監(jiān)控數(shù)據(jù)的相似矩陣。

sij=1-αβ(ai,aj)

(4)

式中:α為異常數(shù)據(jù)參數(shù);β(ai,aj)為任意異常數(shù)據(jù)ai與aj之間的關聯(lián)性。

在此基礎上,本文對監(jiān)控數(shù)據(jù)中的異常數(shù)據(jù)進行檢測。其中,柔性直流換流站監(jiān)控數(shù)據(jù)中信息流的單元是換流站監(jiān)視系統(tǒng)的網際協(xié)議(internet protocol,IP)包[6]。單元識別的特性表示柔性直流換流站裝置供給中的消息個數(shù)恒定,而每個單元Xi的總數(shù)值都是1。通過檢測到達換流站監(jiān)控器同一個目標IP包的數(shù)量,可以發(fā)現(xiàn)柔性直流換流站監(jiān)控過程中的異常行為。

在柔性直流換流站監(jiān)控系統(tǒng)中,利用哈希值可以減少異常數(shù)據(jù)的產生[7]。其運算式如下。

(5)

式中:φi為柔性直流換流站監(jiān)控系統(tǒng)中的任意單元;ξ為大于柔性直流換流站異常數(shù)據(jù)標識空間單元的數(shù)量,個;k為通用散列的級別。

如柔性直流換流站監(jiān)控系統(tǒng)中的數(shù)據(jù)信息哈希函數(shù)出現(xiàn)異常問題,說明監(jiān)控數(shù)據(jù)中存在異常。假設柔性直流換流站監(jiān)控數(shù)據(jù)中異常數(shù)據(jù)共有f個,并根據(jù)動態(tài)模糊聚類結果將異常數(shù)據(jù)劃分成Y類,則監(jiān)控數(shù)據(jù)中異常數(shù)據(jù)第y個指標屬于第Y類的異常檢測結果μyY為:

(6)

式中:xiY為第i個異常數(shù)據(jù)中的第Y類異常值。

本文首先利用經驗規(guī)則描述監(jiān)控數(shù)據(jù)中異常數(shù)據(jù)信息流,通過構建異常數(shù)據(jù)的模糊相似矩陣判斷監(jiān)控到的換流站狀況;然后結合通用散列函數(shù)消除換流站監(jiān)控器中異常數(shù)據(jù)的碰撞,檢測出監(jiān)控數(shù)據(jù)中的異常數(shù)據(jù)。

1.2 設定異常數(shù)據(jù)預警閾值

當檢測到柔性直流換流器監(jiān)控數(shù)據(jù)存在異常時,本文通過設定異常數(shù)據(jù)預警閾值構建異常監(jiān)控數(shù)據(jù)的實時預警模型。

通過計算監(jiān)控數(shù)據(jù)的小波系數(shù)值,可以得到監(jiān)控數(shù)據(jù)的尺度參數(shù)λi。通過尺度參數(shù)λi,可以判斷柔性直流換流站在監(jiān)控過程中出現(xiàn)異常數(shù)據(jù)的概率[8]。

(7)

式中:ε*為異常監(jiān)控數(shù)據(jù)的衡量系數(shù);d為異常監(jiān)控數(shù)據(jù)之間的間距;L為異常監(jiān)控數(shù)據(jù)的區(qū)間長度。

本文根據(jù)柔性直流換流站在監(jiān)控過程中異常數(shù)據(jù)出現(xiàn)的概率,計算第j維監(jiān)控數(shù)據(jù)中異常數(shù)據(jù)屬性屬于第i′類別的聚合程度。

(8)

當?shù)趈維監(jiān)控數(shù)據(jù)中的異常數(shù)據(jù)屬性與第i′類別完全聚合時,則利用小波變換對監(jiān)控數(shù)據(jù)中的異常數(shù)據(jù)進行預處理[9]。

(9)

式中:φn為預處理前的小波系數(shù);n′為異常數(shù)據(jù)對應的小波變換編號;?為異常監(jiān)控數(shù)據(jù)中的基準值;μ為異常數(shù)據(jù)之間的標準偏差。

在智能電網的建設過程中使用的柔性直流換流站是1種較為精密的輸電裝置。在監(jiān)控系統(tǒng)監(jiān)測出異常數(shù)據(jù)時,為了確保柔性直流換流站的正常運轉,必須從異常數(shù)據(jù)中心提取關鍵變量信息,即:

(10)

式中:ζp為異常數(shù)據(jù)的樣本;l0為異常數(shù)據(jù)在監(jiān)控數(shù)據(jù)中的矩陣分布;ζu為異常數(shù)據(jù)檢測的線性曲線關系;τl為異常數(shù)據(jù)運行的軌跡向量。

異常監(jiān)控數(shù)據(jù)的關聯(lián)變量信息可以體現(xiàn)異常數(shù)據(jù)的具體情況,反映柔性直流換流站的異常程度。通過獲得監(jiān)控數(shù)據(jù)的標準閾值,并將其與異常數(shù)據(jù)對比,可以判斷是否發(fā)出預警信號。標準閾值的計算式如下。

(11)

式中:γ為監(jiān)控數(shù)據(jù)中異常數(shù)據(jù)關鍵變量信息的標準差;m為柔性直流換流站監(jiān)控數(shù)據(jù)的總量,GB。

本文引入尺度參數(shù)計算柔性直流換流站在監(jiān)控過程中出現(xiàn)異常的概率,利用小波變換預處理異常數(shù)據(jù),通過提取出異常數(shù)據(jù)的關鍵變量信息,設定異常數(shù)據(jù)預警閾值。

1.3 構建異常監(jiān)控數(shù)據(jù)實時預警模型

本文基于設定的異常數(shù)據(jù)預警閾值,構建異常監(jiān)控數(shù)據(jù)實時預警模型。監(jiān)控數(shù)據(jù)的異常程度直接反映了柔性直流換流站運行的情況。通過計算異常數(shù)據(jù)的特征閾值,可以判斷異常監(jiān)控數(shù)據(jù)的異常程度。

(12)

式中:Ψf為異常數(shù)據(jù)的初始函數(shù);f′>kr為監(jiān)控數(shù)據(jù)f′在kr范圍內的異常程度。

為了獲得異常監(jiān)控數(shù)據(jù)的空間分布,本文基于數(shù)據(jù)空間概率密度函數(shù)的計算方法對異常數(shù)據(jù)的聚類空間進行求解:

(13)

式中:ηA為異常數(shù)據(jù)的空間概率密度函數(shù);h為異常數(shù)據(jù)的特征集;u為異常數(shù)據(jù)的空間分布權重系數(shù)。

當對異常監(jiān)控數(shù)據(jù)進行聚類分析時,可根據(jù)異常數(shù)據(jù)樣本之間閾值ds的距離確定異常數(shù)據(jù)的節(jié)點信息:

(14)

在對柔性直流變流器進行監(jiān)控的過程中,應確保所采集到監(jiān)控資料的實時性。監(jiān)控數(shù)據(jù)的傳遞和換流站作業(yè)的環(huán)境等因素,會造成監(jiān)控數(shù)據(jù)結果異常。因此,本文利用式(15)對異常數(shù)據(jù)進行重構:

x(c)=y(c)+f(c)

(15)

式中:y(c)為異常監(jiān)控數(shù)據(jù)的異常系數(shù);f(c)為異常數(shù)據(jù)的特征分量。

如果監(jiān)控數(shù)據(jù)A的異常數(shù)據(jù)為ag,則利用異常數(shù)據(jù)特征的重構結果,可以得到異常監(jiān)控數(shù)據(jù)預警函數(shù):

(16)

式中:kj′為監(jiān)控數(shù)據(jù)中的異常數(shù)據(jù)節(jié)點,j′為異常數(shù)據(jù)特征量;bj′為聚類中心;m′為異常數(shù)據(jù)預警函數(shù)的數(shù)量。

本文利用異常數(shù)據(jù)預警函數(shù),構建監(jiān)控數(shù)據(jù)中異常數(shù)據(jù)實時預警模型。

(17)

綜上所述,本文首先通過計算異常數(shù)據(jù)的特征閾值,確定異常數(shù)據(jù)的聚類空間;然后基于異常數(shù)據(jù)特征的重構,得到異常數(shù)據(jù)預警函數(shù);最后構建異常監(jiān)控數(shù)據(jù)實時預警模型。

2 試驗與結果分析

2.1 試驗數(shù)據(jù)處理

測試樣本數(shù)據(jù)的特征值如圖1所示。

圖1 測試樣本數(shù)據(jù)的特征值

在監(jiān)控柔性直流換流站的1個月時間內,本文采集歷史監(jiān)控數(shù)據(jù),并通過歷史監(jiān)控數(shù)據(jù)的匯總和分類,構建了柔性直流換流站監(jiān)控數(shù)據(jù)集。為了保證換流站監(jiān)控數(shù)據(jù)中異常數(shù)據(jù)預警的實時性,本文在試驗數(shù)據(jù)集中選取了57 328條監(jiān)控數(shù)據(jù)作為試驗數(shù)據(jù),并經過特征提取和分類,保存了51 346條監(jiān)控數(shù)據(jù)。這51 346條數(shù)據(jù)的冗余度在0.003～0.103之間,信噪比在70.5～105 dB之間。本文從試驗數(shù)據(jù)集中選取15 648條樣本數(shù)據(jù)作為訓練樣本。其中,正常監(jiān)控數(shù)據(jù)和異常監(jiān)控數(shù)據(jù)各占比50%。本文從試驗數(shù)據(jù)集中選取1 000條樣本數(shù)據(jù)作為測試數(shù)據(jù)。

根據(jù)監(jiān)控數(shù)據(jù)的特征,本文在試驗前劃分異常監(jiān)控數(shù)據(jù)預警的訓練集和測試集,并得到測試樣本數(shù)據(jù)的特征,為柔性直流換流站異常監(jiān)控數(shù)據(jù)預警提供數(shù)據(jù)支持。

2.2 異常數(shù)據(jù)檢測

本文在對異常監(jiān)控數(shù)據(jù)預警之前,先利用1.2小節(jié)的方法,設定異常數(shù)據(jù)的預警閾值為0.4;利用1.1小節(jié)的方法,對測試樣本中的異常數(shù)據(jù)進行檢測。

異常數(shù)據(jù)檢測結果如圖2所示。

圖2 異常數(shù)據(jù)檢測結果

由圖2可知,本文方法在對異常監(jiān)控數(shù)據(jù)預警之前,能夠檢測出異常監(jiān)控數(shù)據(jù),并及時作出預警,以保證柔性直流換流站的正常運行。

2.3 設置評價指標

為了驗證本文方法在異常監(jiān)控數(shù)據(jù)預警中的性能,本文利用誤報率指標和平均絕對誤差指標衡量異常數(shù)據(jù)的預警性能。

(18)

式中:F為誤報率;Ntrue為異常數(shù)據(jù)的正常報警數(shù)量,個;Nall為異常數(shù)據(jù)的報警總數(shù),個。

(19)

式中:M為平均絕對誤差;uij為報警結果的數(shù)量,個;vij為達到報警閾值的報警結果的數(shù)量,個。

2.4 性能分析

為了對本文預警方法進行對比分析,本文引入基于BIM-5D技術的預警方法和基于改進關聯(lián)規(guī)則的預警方法作對比,測試了監(jiān)控數(shù)據(jù)中異常數(shù)據(jù)預警的誤報率和平均絕對誤差。

誤報率測試結果如圖3所示。

圖3 誤報率測試結果

由圖3可知,采用基于BIM-5D技術的預警方法和基于改進關聯(lián)規(guī)則的預警方法,當測試樣本達到100個時,異常數(shù)據(jù)預警的誤報率分別超過了30%和20%;隨著測試樣本數(shù)量的增加,異常數(shù)據(jù)預警的誤報率逐漸增大。而采用本文方法時,異常數(shù)據(jù)預警的誤報率始終控制在20%以內。因此,本文方法能夠避免異常數(shù)據(jù)預警出現(xiàn)誤報的情況。

平均絕對誤差測試結果如圖4所示。

圖4 平均絕對誤差測試結果

由圖4可知,與基于BIM-5D技術的預警方法和基于改進關聯(lián)規(guī)則的預警方法相比,本文方法在對異常監(jiān)控數(shù)據(jù)進行預警時,平均絕對誤差可以控制在0.12以內。這說明本文方法能夠及時發(fā)現(xiàn)異常監(jiān)控數(shù)據(jù),并及時發(fā)出報警信號。

3 結論

為了有效保障柔性直流換流站的穩(wěn)定運行,本文針對換流站異常監(jiān)控數(shù)據(jù),提出了一種實時預警方法。該方法在消除數(shù)據(jù)碰撞問題后,能準確檢測出其中的異常數(shù)據(jù)。本文根據(jù)監(jiān)控過程中出現(xiàn)異常數(shù)據(jù)的概率,先設定預警閾值,再利用預警函數(shù)建立了實時預警模型。通過試驗發(fā)現(xiàn),該方法在異常數(shù)據(jù)預警中,可以有效降低誤報率和平均絕對誤差。后續(xù)研究將考慮引入大數(shù)據(jù)分析方法,對柔性直流換流站異常數(shù)據(jù)的來源和時序特征展開分析,并根據(jù)分析結果及時對柔性直流換流站的異常情況作出調整。