杜曉嵐,朱夢(mèng)楠
(陜西工業(yè)職業(yè)技術(shù)學(xué)院,陜西 咸陽 712000)
電爐變電站集控中心的告警信息遠(yuǎn)程聚合可以幫助集中監(jiān)控和管理多個(gè)電爐變電站的設(shè)備,識(shí)別潛在風(fēng)險(xiǎn)或故障,及時(shí)采取預(yù)防或修復(fù)措施。通過遠(yuǎn)程聚合告警信息,集控中心可以實(shí)時(shí)監(jiān)測(cè)電爐變電站的運(yùn)行狀況,減少維護(hù)成本和工作量,提高管理效率和運(yùn)行穩(wěn)定性。同時(shí),聚合告警信息還可以幫助集控中心進(jìn)行數(shù)據(jù)分析和趨勢(shì)預(yù)測(cè),提升決策和規(guī)劃能力。隨著智能電網(wǎng)和數(shù)字化轉(zhuǎn)型的推進(jìn),電爐變電站采用先進(jìn)的集控系統(tǒng)來實(shí)現(xiàn)遠(yuǎn)程監(jiān)測(cè)和管理,但是由于電爐變電站數(shù)量龐大、地理位置分散,其告警信息的處理和維護(hù)成本很高。在電網(wǎng)運(yùn)行過程中,對(duì)各變電所集中控制的警告數(shù)據(jù)進(jìn)行集中處理,這對(duì)電網(wǎng)的安全、穩(wěn)定和可靠性起到了很大的作用。
在此背景下,相關(guān)領(lǐng)域的學(xué)者已經(jīng)得到了一些較好的研究成果,例如周海飛等人[1]針對(duì)傳感網(wǎng)絡(luò)中的節(jié)點(diǎn)信譽(yù)度問題,研究了一種傳感器網(wǎng)絡(luò)數(shù)據(jù)并行聚集方法。首先,利用減法聚類法對(duì)各結(jié)點(diǎn)進(jìn)行聚類,以保證各結(jié)點(diǎn)在空間上的均勻分布,并提高分簇效率。在此基礎(chǔ)上,結(jié)合基于云理論可信度測(cè)度模型,獲得聚合數(shù)據(jù)的數(shù)量特性,并對(duì)聚類數(shù)據(jù)進(jìn)行分類,確定最優(yōu)聚類數(shù)據(jù)。李雅蘭等人[2]提出一種基于霧化技術(shù)的多維度的數(shù)據(jù)融合方法,具有隱私保護(hù)性,為不同粒度的數(shù)據(jù)服務(wù)提供支持。首先,在不引入任何第三方機(jī)構(gòu)的情況下,利用局部霧計(jì)算資源的優(yōu)勢(shì),建立分層聚集架構(gòu)。其次,將同態(tài) Paillier算法和霍納規(guī)則相結(jié)合,實(shí)現(xiàn)對(duì)數(shù)據(jù)的多維度隱私保護(hù),以適應(yīng)多種應(yīng)用的需要。但是,以上文獻(xiàn)方法在數(shù)據(jù)聚合之前忽略了對(duì)數(shù)據(jù)間相關(guān)性的分析,獲取的數(shù)據(jù)聚合結(jié)果可信度不夠理想。
由于采集數(shù)據(jù)設(shè)備的數(shù)量眾多、類型繁多,因此數(shù)據(jù)可能會(huì)有一些數(shù)據(jù)缺失、錯(cuò)誤或者重復(fù)的情況出現(xiàn),導(dǎo)致數(shù)據(jù)難以實(shí)現(xiàn)較高的聚合率,為此,本文提出一種新的電爐變電站集控告警信息遠(yuǎn)程聚合法。
通過對(duì)不同電爐變電站的告警信息之間的關(guān)聯(lián)度進(jìn)行分析,可以有效地降低誤報(bào)率和漏報(bào)率。例如,如果多個(gè)電爐變電站同時(shí)產(chǎn)生了同一類型的故障,那么在集控中心中,只需要提醒用戶一次,而不是針對(duì)每個(gè)電爐變電站都做出提示。且當(dāng)電爐變電站發(fā)生故障時(shí),集控中心需要快速確定故障的原因,并做出相應(yīng)的處理。對(duì)告警信息之間的關(guān)聯(lián)度的分析可以幫助工作人員更快地采集故障的位置信息,從而提高故障處理效率。
優(yōu)先分析不同告警信息的強(qiáng)弱,其中連接信息關(guān)聯(lián)度取值越大,則說明連接關(guān)系越緊密,具體計(jì)算方式如下:
(1)
其中,
(2)
式中:Il(ai)為告警信息之間的關(guān)聯(lián)度;ai為告警信息的類別;disconnect(ai)為告警發(fā)生的相對(duì)概率;disconnect(all)為告警事件發(fā)生的概率總和。
對(duì)數(shù)據(jù)進(jìn)行更加精細(xì)地管理,獲取更好的運(yùn)行結(jié)果。針對(duì)不同類型的告警信息計(jì)算關(guān)系強(qiáng)度,其中直接關(guān)聯(lián)度采用Lai度量,如式(3)所示:
(3)
式中:lL(ai)和maxlL(ai)分別為關(guān)聯(lián)關(guān)系強(qiáng)度的賦值和最大賦值。告警時(shí)間的關(guān)系越緊密,說明關(guān)聯(lián)度的增長(zhǎng)速度越快。利用直接關(guān)聯(lián)度度量直接關(guān)聯(lián)強(qiáng)度為0的告警信息間接關(guān)聯(lián)度,得到全關(guān)聯(lián)度表示為Cr(i,j),如式(4)所示:
(4)
式中:dis(i,j)為告警信息i和j之間的最短距離值。通過Floyd算法計(jì)算不同告警事件的最短距離值dis(i,j),如式(5)所示:
(5)
利用不同類型電爐變電站告警信息之間的全關(guān)聯(lián)度的計(jì)算,可以初步衡量告警信息之間的相關(guān)性。但是,由于信息相關(guān)性只能衡量信息屬性差異程度,無法直接實(shí)現(xiàn)同類告警信息的聚合。因此,需計(jì)算屬性相似度,在信息遠(yuǎn)程聚合過程中,識(shí)別相似屬性可以將同屬性信息歸并處理,可以進(jìn)一步優(yōu)化告警信息的聚合精度。
設(shè)定sim(Ai,Bi)為告警信息A和告警信息B的第i個(gè)屬性相似度,則對(duì)應(yīng)的計(jì)算式為
(6)
設(shè)定電爐變電站中隨機(jī)兩個(gè)信息子地址為IPA和IPB,則IP地址之間的相似度sim(IPA,IPB)可以表示為以下的形式:
(7)
為了獲取理想的聚合效果,各告警信息的相似性SIM(A,B),計(jì)算如式(7)所示:
(8)
在電爐變電站中,一段持續(xù)性攻擊形成的原始告警信息一般發(fā)生在比較短的時(shí)間內(nèi)[3-4]。所以,時(shí)間屬性是告警信息的另一個(gè)重要屬性。只有在設(shè)定范圍內(nèi)的報(bào)警數(shù)據(jù)被聚合的概率才大。以鄰近報(bào)警的時(shí)間之隔為數(shù)據(jù)屬性,在對(duì)告警信息進(jìn)行遠(yuǎn)程聚合時(shí),將該時(shí)間間隔與1.1小節(jié)得出的判定告警信息的特性相結(jié)合,對(duì)目前的聚合情況進(jìn)行分析,具體如下所示:
(1)固定時(shí)間間隔。結(jié)合相關(guān)的先驗(yàn)知識(shí),將冗余報(bào)警的相鄰時(shí)刻間隔最大設(shè)置為T,若報(bào)警時(shí)刻低于T,表示該時(shí)刻滿足設(shè)置的限制;反之,則說明不滿足于時(shí)間約束。
(2)針對(duì)不同攻擊類型的告警信息,將告警時(shí)間設(shè)定在區(qū)間[Tmin,Tmax]內(nèi),其中告警信息A和告警信息B之間的告警時(shí)間計(jì)算公式為
Tmin=|Atime-Btime|
(9)
在電爐變電站實(shí)際工作的過程中,持續(xù)性攻擊主要具有以下幾方面的特征:
當(dāng)電爐變電站遭受連續(xù)攻擊時(shí),系統(tǒng)會(huì)產(chǎn)生報(bào)警,但由于其具有固定時(shí)間閾值,因此報(bào)警效果并不理想。當(dāng)時(shí)間閾值設(shè)置過大時(shí),將會(huì)使電爐變電站遭受持續(xù)的攻擊;如果時(shí)間閾值設(shè)置得太低,那么一次攻擊就會(huì)被聚集成多次。當(dāng)各時(shí)段的相對(duì)平均偏差小于某一給定的臨界值時(shí),該時(shí)段的平均偏差就會(huì)在該給定的區(qū)間內(nèi)出現(xiàn)波動(dòng)。
時(shí)間間隔的相對(duì)平均方差V表達(dá),將其作為時(shí)間間隔的變異系數(shù),根據(jù)該表達(dá)式設(shè)Tv為動(dòng)態(tài)時(shí)間間隔閾值,表達(dá)式如下所示:
(10)
式中:Tavg為時(shí)間間隔的平均值,s;S為電爐變電站告警信息的時(shí)間間隔方差,s2;Ti為相鄰告警時(shí)間的時(shí)間間隔,s。
優(yōu)先設(shè)定一個(gè)初始時(shí)間閾值,當(dāng)全新的告警信息ei達(dá)到設(shè)定時(shí)間,需要計(jì)算和前一個(gè)告警信息之間的時(shí)間間隔。合并全新的告警信息,形成告警信息集合E。告警信息每合并一次,對(duì)應(yīng)的變異系數(shù)也會(huì)更新。所以,隨著告警序列中告警信息數(shù)量的持續(xù)增加,V會(huì)逐漸趨于穩(wěn)定,同時(shí)獲取初始告警信息的變異系數(shù)。
告警信息遠(yuǎn)程聚合是將同一攻擊形成的多個(gè)告警信息合并成一個(gè)超告警,同時(shí)將其提交給管理員[5-6]。由于信息遠(yuǎn)程聚合可以實(shí)時(shí)完成,所以系統(tǒng)保持現(xiàn)階段的攻擊類型告警。當(dāng)出現(xiàn)一個(gè)全新的告警信息時(shí),需要計(jì)算電爐變電站告警信息和超告警信息之間的相似度[7-8]以及時(shí)間間隔。
時(shí)間間隔變異系數(shù)C和攻擊類型之間存在密切關(guān)聯(lián),采用式(10)計(jì)算全新的變異系數(shù):
(11)
式中:C為學(xué)習(xí)型參數(shù);Tsum為原始告警信息數(shù)量;Tn代表告警信息的時(shí)間間隔總和。
在上述分析的基礎(chǔ)上,需要將變異時(shí)間系數(shù)對(duì)已經(jīng)采集到的告警信息時(shí)間波動(dòng)特征進(jìn)行分析,將告警信息屬性劃分為兩種不同的類型,分別為時(shí)間約束屬性和相似度約束屬性,同時(shí)以此為依據(jù)聚合處理電爐變電站集控告警信息,最終實(shí)現(xiàn)用于電爐變電站集控告警信息遠(yuǎn)程聚合方法的優(yōu)化。
選取某220 kV電爐變電站集控中心為實(shí)驗(yàn)對(duì)象,依托三維中國(guó)地圖,通過在Matlab2022中使用 Simulink對(duì)某模擬電爐變電站進(jìn)行三維仿真,實(shí)現(xiàn)對(duì)變電所集中控制中心的實(shí)時(shí)監(jiān)測(cè)。
建模和仿真的過程中,可以利用Simulink工具箱提供的各種模塊來設(shè)定不同的參數(shù)。同時(shí),Matlab 2022軟件還提供了豐富的可視化工具,以幫助用戶更直觀地觀察和分析3D電爐變電站的模擬結(jié)果。在3D電爐變電站的建模中(見圖1),設(shè)置工作電壓、工作電流分為220 kV和600 A,選用設(shè)置變壓器,選用陶瓷絕緣子、開關(guān)為模型主要元件。劃分三維空間,將其分割成多個(gè)小網(wǎng)格。單位網(wǎng)格的大小為30 mm×30 mm。
圖1 3D仿真電爐變電站
利用數(shù)據(jù)遠(yuǎn)程采集器、數(shù)字傳感器、相機(jī)以及無人機(jī)采集電爐變電站的相關(guān)告警信息。數(shù)據(jù)采集器能夠?qū)@取的信息通過網(wǎng)絡(luò)傳輸?shù)皆品?wù)器或者在本地進(jìn)行存儲(chǔ)。相機(jī)用于對(duì)電爐變電站進(jìn)行攝影,并對(duì)其狀況進(jìn)行分析,以確定是否存在故障。
無人機(jī)可以飛越電爐變電站進(jìn)行航拍,獲取電爐變電站的全貌,進(jìn)行高空檢測(cè)和巡檢。電爐變電站信息采集結(jié)果如圖2所示。
圖2 采集的告警信息
由圖2可知,電爐變電站的告警信息包括系統(tǒng)故障率、系統(tǒng)健康度和系統(tǒng)性能比等。右側(cè)顯示重要事件列表。當(dāng)電爐變電站出現(xiàn)預(yù)警、事故或異常時(shí)發(fā)出警告,方便技術(shù)人員及時(shí)發(fā)現(xiàn)并處理。電爐變電站的報(bào)警信息類型包括事故信號(hào),異常信號(hào),預(yù)警信號(hào)和變位信號(hào)4種,分別記為a、b、c、d。
為了研究方法的告警信息的聚合效果,實(shí)驗(yàn)選取告警率ReduceRatesnort作為評(píng)價(jià)指標(biāo),具體的計(jì)算方式為
(12)
式中:srcsnort為真實(shí)告警信息量;dstsnort為本文方法應(yīng)用后的告警信息量。利用圖3和圖4分別給出不同類型告警信息的總量和研究方法應(yīng)用下的告警率。
圖3 告警信息的總量
圖4 精簡(jiǎn)前后不同類型電爐變電站信息告警信息所占比例
分析圖4可知,利用研究方法聚合電爐變電站告警信息后,告警率得以優(yōu)化提高,對(duì)于不同類型告警信息類型,告警率均提高至98%以上。
為驗(yàn)證聚合方法性能,選擇文獻(xiàn)[1]提出的以節(jié)點(diǎn)信譽(yù)度為基礎(chǔ)的數(shù)據(jù)合成方法與文獻(xiàn)[2]提出的以霧輔助的數(shù)據(jù)合成方法為對(duì)照,用不同的期望值來對(duì)三種方法的合成效果進(jìn)行比較。
聚合算法的期望值是對(duì)一組隨機(jī)變數(shù)進(jìn)行多項(xiàng)試驗(yàn)后所得出的加權(quán)平均值,而各所得權(quán)值為該所得發(fā)生概率。
期望值可理解為隨機(jī)變量在長(zhǎng)期實(shí)驗(yàn)中的平均表現(xiàn)在本次實(shí)驗(yàn)中,隨機(jī)變量為告警信息量,設(shè)置其期望值以及不同方法的信息遠(yuǎn)程聚合率如表1所示。
表1 不同期望值下各個(gè)方法的聚合率測(cè)試對(duì)比
分析表1中的實(shí)驗(yàn)數(shù)據(jù)可知,所提方法具有較高的聚合率,主要是因?yàn)樗岱椒ㄔ谶M(jìn)行告警信息遠(yuǎn)程聚合的過程中,先構(gòu)建了信息關(guān)聯(lián)度矩陣,獲取高精度的信息相似度,提高所提方法的聚合率。
在電爐變電站集控中心中運(yùn)用本文聚合方法,將電爐變電站斷路器SF6氣壓低報(bào)警、儲(chǔ)能電源回路故障、斷路器控制回路斷線、失靈裝置電流啟動(dòng)、冷卻器故障和有載調(diào)壓裝置異常等信息進(jìn)行聚合,聚合后的信息占比情況如圖5所示。
圖5 電爐變電站集控告警信息遠(yuǎn)程聚合占比圖
如圖5所示,電爐變電站斷路器SF6氣壓低報(bào)警、儲(chǔ)能電源回路故障、斷路器控制回路斷線、失靈裝置電流啟動(dòng)、冷卻器故障和有載調(diào)壓裝置異常信息遠(yuǎn)程聚合后占比分別為30%、3%、2%、15%、49%及1%,與實(shí)際配電網(wǎng)信息占比誤差為0.1。實(shí)驗(yàn)結(jié)果表明本文方法聚合的信息與實(shí)際信息情況一致,聚合效果好,獲取準(zhǔn)確的電爐變電站集控告警信息。
隨著電網(wǎng)數(shù)字化的不斷發(fā)展和進(jìn)步,促使相互可連接的設(shè)備范圍也越來越廣泛,數(shù)量也越來越多。在疊加新冠疫情的背景下,電爐變電站告警信息量的劇增導(dǎo)致其日常維護(hù)困難,為此,設(shè)計(jì)并提出一種電爐變電站集控告警信息遠(yuǎn)程聚合方法。經(jīng)實(shí)驗(yàn)測(cè)試證明,所提方法能夠有效提升電爐變電站告警信息遠(yuǎn)程聚合率,同時(shí)還具有較好的告警信息精簡(jiǎn)性能。