新能源場(chǎng)站電力二次系統(tǒng)安全預(yù)警方法研究

蔣亞坤,王彬筌

(云南電力調(diào)度控制中心,云南 昆明 660011)

0 引言

我國風(fēng)電場(chǎng)建設(shè)已從初級(jí)發(fā)展到輸送能量大幅增長(zhǎng)的穩(wěn)定階段。傳統(tǒng)的電網(wǎng)架構(gòu)也逐漸被新能源場(chǎng)站取代[1]。新能源場(chǎng)站作為集合了變壓器、變流器、風(fēng)電機(jī)組、發(fā)電機(jī)組、無功調(diào)節(jié)設(shè)備以及太陽能電站的電網(wǎng)聯(lián)絡(luò)點(diǎn),能夠通過密集并網(wǎng)的方式接入電力二次系統(tǒng)[2],為系統(tǒng)輸送能量。然而,目前國內(nèi)外電力二次系統(tǒng)的網(wǎng)絡(luò)安全形勢(shì)不容樂觀。除2018年3月印度電力公司遭受黑客攻擊而導(dǎo)致大面積停電外,包括我國在內(nèi)的其他國家也受到了類似“震網(wǎng)”病毒的全面攻擊。這種病毒的攻擊目標(biāo)集中在電力二次系統(tǒng)的節(jié)點(diǎn)和線路。一旦病毒攔截不及時(shí),電力二次系統(tǒng)的節(jié)點(diǎn)和線路會(huì)受到故障錄波的干擾,從而給系統(tǒng)運(yùn)行帶來巨大壓力。為了填補(bǔ)系統(tǒng)安全漏洞、推進(jìn)我國風(fēng)光電場(chǎng)建設(shè)發(fā)展,相關(guān)人員開展新能源場(chǎng)站電力二次系統(tǒng)安全預(yù)警技術(shù)研究。

胡諒平等[3]通過主客觀權(quán)重相結(jié)合的方法,對(duì)合理表征不同故障因子的動(dòng)態(tài)電網(wǎng)數(shù)據(jù)賦權(quán),并將賦權(quán)結(jié)果映射至深度稀疏自編碼器網(wǎng)絡(luò)中。該方法利用網(wǎng)絡(luò)約束電網(wǎng)故障場(chǎng)景,對(duì)賦權(quán)結(jié)果分類,以實(shí)現(xiàn)系統(tǒng)故障安全預(yù)警。馬寧寧等[4]通過廣域監(jiān)測(cè)系統(tǒng)采集多模態(tài)下電網(wǎng)振蕩頻率,并將寬頻電磁無法覆蓋的振蕩頻率視為高頻振蕩頻率、寬頻電磁能夠覆蓋的振蕩頻率視為低頻振蕩頻率。通過提取低頻振蕩頻率,并將其輸入由電網(wǎng)安全風(fēng)險(xiǎn)評(píng)估體系建立的預(yù)警模型中,可以實(shí)現(xiàn)系統(tǒng)安全預(yù)警。周毅等[5]通過機(jī)器學(xué)習(xí)的方法提取電網(wǎng)實(shí)時(shí)故障特征,并利用風(fēng)險(xiǎn)概率評(píng)估標(biāo)準(zhǔn)對(duì)故障特征進(jìn)行超前量化預(yù)警,從而實(shí)現(xiàn)安全預(yù)警。

但是,新能源場(chǎng)站電力二次系統(tǒng)設(shè)備較多,其安全預(yù)警性相關(guān)數(shù)據(jù)相較于傳統(tǒng)電力網(wǎng)絡(luò)數(shù)據(jù)明顯存在高維性、復(fù)雜性的特點(diǎn),從而導(dǎo)致上述方法的安全預(yù)警性能較差。為了解決上述方法中存在的問題,本文提出新能源場(chǎng)站電力二次系統(tǒng)安全預(yù)警方法。該方法采用拉普拉斯映射方法,將新能源場(chǎng)站電力二次系統(tǒng)的電力數(shù)據(jù)從高維空間映射到低維子空間,從而降低數(shù)據(jù)維度。通過計(jì)算電力數(shù)據(jù)的行向量和對(duì)角權(quán)值,可以獲得優(yōu)化后的數(shù)據(jù),為系統(tǒng)安全預(yù)警提供訓(xùn)練樣本。同時(shí),本文從波動(dòng)程度、時(shí)間序列變化趨勢(shì)和能量隨機(jī)分布特點(diǎn)這三個(gè)方面提取電力數(shù)據(jù)安全預(yù)警特征,并將其輸入K-means聚類算法中,從而實(shí)現(xiàn)安全預(yù)警。經(jīng)過試驗(yàn)驗(yàn)證,所提方法具有較高的預(yù)警效率和預(yù)警精度。

1 電網(wǎng)運(yùn)行數(shù)據(jù)采集

無線傳感器網(wǎng)絡(luò)是由傳感器節(jié)點(diǎn)和多個(gè)信道共同組成的狀態(tài)信息采集網(wǎng)絡(luò)。該網(wǎng)絡(luò)不僅能與電力二次系統(tǒng)相互融合,還能通過壓縮感知技術(shù)采集電力二次系統(tǒng)的電網(wǎng)運(yùn)行數(shù)據(jù)[6-7]。無線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)雖然不能自由移動(dòng),但鄰域節(jié)點(diǎn)的傳輸距離和通信能力大幅降低了網(wǎng)絡(luò)鏈路負(fù)載,使網(wǎng)絡(luò)能夠并行處理龐大數(shù)據(jù),且不會(huì)由于信道衰落而出現(xiàn)采樣頻率下降或采樣能耗增加等問題。這種特有的數(shù)據(jù)處理方式使無線傳感器網(wǎng)絡(luò)在多種電力相關(guān)領(lǐng)域都有實(shí)際應(yīng)用價(jià)值。單位節(jié)點(diǎn)的能量消耗H的計(jì)算式如下。

(1)

本文將無線傳感器網(wǎng)絡(luò)與電力二次系統(tǒng)結(jié)合,采集電網(wǎng)運(yùn)行過程中的海量電力數(shù)據(jù)。電力數(shù)據(jù)采集結(jié)果L的計(jì)算式如下。

(2)

電力二次系統(tǒng)電網(wǎng)運(yùn)行數(shù)據(jù)具有時(shí)間跨度大、空間分布廣等特點(diǎn),在經(jīng)過無線傳感器網(wǎng)絡(luò)采集后主要以高維形式存儲(chǔ)在高維數(shù)據(jù)源空間中。為了在不破壞電力數(shù)據(jù)結(jié)構(gòu)的前提下降低計(jì)算復(fù)雜度,必須在電力數(shù)據(jù)預(yù)警系統(tǒng)安全預(yù)警前優(yōu)先采用拉普拉斯映射方法降低電力數(shù)據(jù)維數(shù)。拉普拉斯映射方法通過將高維數(shù)據(jù)源空間中的初始電力數(shù)據(jù)映射至低維子空間,并重新計(jì)算電力數(shù)據(jù)在x、y、z三個(gè)方向上的行向量和對(duì)角權(quán)值,以獲取優(yōu)化數(shù)據(jù)。拉普拉斯映射結(jié)果G的表達(dá)式如下。

(3)

高維數(shù)據(jù)源空間J的表達(dá)式如下。

(4)

低維子空間M的表達(dá)式如下。

(5)

式中:t為x軸行向量;s1為y軸行向量;s2為z軸行向量;r為高維數(shù)據(jù)源空間和低維子空間的接近度。

根據(jù)式(5)計(jì)算得到相應(yīng)結(jié)果,由此完成電網(wǎng)運(yùn)行數(shù)據(jù)降維采集。

2 電力二次系統(tǒng)安全預(yù)警方法

本文在采集電網(wǎng)運(yùn)行數(shù)據(jù)的基礎(chǔ)上,以電力數(shù)據(jù)為基礎(chǔ)提取電力數(shù)據(jù)特征,并結(jié)合K-means聚類算法實(shí)現(xiàn)電力二次系統(tǒng)的安全預(yù)警。

預(yù)警流程如圖1所示。

圖1 預(yù)警流程圖

電力數(shù)據(jù)是隨時(shí)間變化的物理耦合數(shù)據(jù),具有典型的波動(dòng)性、趨勢(shì)性和變動(dòng)性。分別從波動(dòng)程度、時(shí)間變化趨勢(shì)和能量隨機(jī)分布特點(diǎn)三個(gè)角度描述數(shù)據(jù)特征,可以凝練出一些與時(shí)間序列緊密相關(guān)的特征向量,為后續(xù)安全預(yù)警奠定基礎(chǔ)。

①波動(dòng)程度。

波動(dòng)程度是一段時(shí)間內(nèi)電力數(shù)據(jù)最大波峰與最小波峰的極差,用于表征電力數(shù)據(jù)離散化分布特征。波動(dòng)程度Feature的計(jì)算式如下。

(6)

式中:m為離散系數(shù);fi為電力數(shù)據(jù)波動(dòng)范圍;δ為時(shí)間序列的算術(shù)平均值。

②時(shí)間變化趨勢(shì)。

時(shí)間變化趨勢(shì)是電力數(shù)據(jù)在時(shí)間序列變化前后的中值差,用于表征電力數(shù)據(jù)的趨勢(shì)特征。中值差B的計(jì)算式如下。

(7)

③能量隨機(jī)分布特點(diǎn)。

能量隨機(jī)分布特點(diǎn)是電力數(shù)據(jù)在時(shí)間序列變化前后的波形熵,用于表征電力數(shù)據(jù)的變動(dòng)特征[8-9]。波形熵R的計(jì)算式如下。

(8)

式中:ω為時(shí)間序列的總長(zhǎng)度,m;sk為隨機(jī)誤差。

K-means聚類算法通過聚類中心將散落且不相交的樣本數(shù)據(jù)劃分成高內(nèi)聚、低耦合的簇族,使原本隸屬于同一類的混疊數(shù)據(jù)在聚類中心的引導(dǎo)下修正隸屬度,并重新歸于一類。

本文將符合波動(dòng)程度、時(shí)間變化趨勢(shì)和能量隨機(jī)分布特點(diǎn)的電力數(shù)據(jù)作為訓(xùn)練特征集合,結(jié)合K-means聚類算法確定特征聚類中心。聚類中心F的確定式如下。

F=|Δc′|×|Δv|cosη2(h)×R

(9)

式中:Δc′為離群點(diǎn)數(shù)量;Δv為訓(xùn)練特征集合;η2為特征密集度;h為理想類簇中心。

在成功確定聚類中心后,分布不均的電力數(shù)據(jù)特征開始向相應(yīng)聚類中心靠攏。以波動(dòng)程度、時(shí)間變化趨勢(shì)和能量隨機(jī)分布特點(diǎn)三個(gè)聚類中心為原點(diǎn),最大近鄰半徑內(nèi)的電力數(shù)據(jù)特征被歸為一類[10]。最大近鄰半徑A的計(jì)算式如下。

(10)

式中:?為聚類中心的平均距離,m;ds為極限負(fù)荷。

每類電力數(shù)據(jù)的波動(dòng)程度、時(shí)間變化趨勢(shì)和能量隨機(jī)分布特點(diǎn)所反映的網(wǎng)損程度不同。如網(wǎng)損程度超越預(yù)警下限或預(yù)警上限,則其將被視為異常數(shù)據(jù)。一旦電力二次系統(tǒng)出現(xiàn)異常數(shù)據(jù),系統(tǒng)會(huì)發(fā)出針對(duì)該網(wǎng)損的預(yù)警提示。

3 試驗(yàn)與結(jié)果

為了驗(yàn)證新能源場(chǎng)站電力二次系統(tǒng)安全預(yù)警方法的整體有效性,需要進(jìn)行測(cè)試。本文隨機(jī)選擇某市新能源場(chǎng)站及場(chǎng)站內(nèi)部電力二次系統(tǒng)作為驗(yàn)證預(yù)警性能的試驗(yàn)環(huán)境。

本文參考試驗(yàn)環(huán)境繪制電網(wǎng)節(jié)點(diǎn)、線路的拓?fù)浣Y(jié)構(gòu)?；陔娏Χ蜗到y(tǒng)的區(qū)域電網(wǎng)如圖2所示。

圖2 基于電力二次系統(tǒng)的區(qū)域電網(wǎng)示意圖

由圖2可知,在電力二次系統(tǒng)實(shí)際運(yùn)行過程中,各節(jié)點(diǎn)、線路的電壓和載流量存在超越預(yù)警限制的可能。圖2中標(biāo)注出的節(jié)點(diǎn)(a、d、i、j)和線路(2、5、8、14)是越線可能性較高的點(diǎn)位。本文已知圖2電網(wǎng)的線路載流量預(yù)警上限為5 000 A、預(yù)警下限為2 000 A;節(jié)點(diǎn)電壓預(yù)警上限為1 100 V、預(yù)警下限為500 V。低于預(yù)警下限或高于預(yù)警上限都會(huì)造成電網(wǎng)容量過載及網(wǎng)損。

①預(yù)警效率。

本文分別采用所提方法、基于深度稀疏自編碼網(wǎng)絡(luò)和場(chǎng)景分類器的電網(wǎng)氣象故障預(yù)警方法(文獻(xiàn)[3]方法)和“雙高”電力系統(tǒng)寬頻振蕩廣域監(jiān)測(cè)與預(yù)警系統(tǒng)(文獻(xiàn)[4]方法),預(yù)警區(qū)域電網(wǎng)中節(jié)點(diǎn)、線路的電壓和載流量。根據(jù)不同方法驗(yàn)證預(yù)警結(jié)果。本文利用上述三種方法分別判斷區(qū)域電網(wǎng)中節(jié)點(diǎn)a、節(jié)點(diǎn)d、節(jié)點(diǎn)i、節(jié)點(diǎn)j發(fā)生網(wǎng)損的預(yù)警效率,以及區(qū)域電網(wǎng)中線路2、線路5、線路8、線路14在流量過載情況下的預(yù)警效率,以比較所得預(yù)警結(jié)果和實(shí)際結(jié)果。

不同節(jié)點(diǎn)的預(yù)警結(jié)果對(duì)比如圖3所示。

圖3 不同節(jié)點(diǎn)的預(yù)警結(jié)果對(duì)比

圖3中:電壓預(yù)警上限為1 100 V;電壓預(yù)警下限為500 V;節(jié)點(diǎn)實(shí)際電壓與所提方法曲線一致。

不同線路的預(yù)警結(jié)果對(duì)比如圖4所示。圖4中:載流量預(yù)警上限為5 000 A;載流量預(yù)警下限為2 000 A;線路實(shí)際載流量與所提方法曲線一致。

圖4 不同線路的預(yù)警結(jié)果對(duì)比

由圖3和圖4可知,在預(yù)警限以內(nèi)時(shí),采用所提方法對(duì)各線路和節(jié)點(diǎn)的預(yù)警結(jié)果與實(shí)際結(jié)果均吻合。該結(jié)果說明所提方法能夠準(zhǔn)確預(yù)警各節(jié)點(diǎn)、線路的網(wǎng)損程度和過載容量。這是因?yàn)樗岱椒ㄔ陬A(yù)警電力二次系統(tǒng)的安全前優(yōu)先降低電力數(shù)據(jù)維數(shù),使獲取的預(yù)警結(jié)果可信度更高。采用文獻(xiàn)[3]方法和文獻(xiàn)[4]方法對(duì)電力二次系統(tǒng)安全預(yù)警時(shí),兩者對(duì)各線路和節(jié)點(diǎn)的預(yù)警結(jié)果與實(shí)際結(jié)果均呈現(xiàn)整體偏離的趨勢(shì)。這說明文獻(xiàn)[3]方法和文獻(xiàn)[4]方法既無法準(zhǔn)確預(yù)警各節(jié)點(diǎn)、線路的網(wǎng)損程度或過載容量,也無法在第一時(shí)間預(yù)警電力二次系統(tǒng)故障。經(jīng)上述對(duì)比可知,所提方法的預(yù)警效率明顯較優(yōu)。

②預(yù)警精度。

我國電網(wǎng)調(diào)度運(yùn)行風(fēng)險(xiǎn)管理部門規(guī)定電力二次系統(tǒng)有四級(jí)預(yù)警。Ⅰ級(jí)預(yù)警用藍(lán)色表示,指電網(wǎng)節(jié)點(diǎn)、線路供電停滯。Ⅱ級(jí)預(yù)警用黃色表示,指電網(wǎng)節(jié)點(diǎn)、線路存在供電缺口,局部負(fù)荷流失。Ⅲ級(jí)預(yù)警用橙色表示,指電網(wǎng)節(jié)點(diǎn)、線路電壓過高、流量過載。Ⅳ級(jí)預(yù)警用紅色表示,指網(wǎng)損面積達(dá)到區(qū)、縣及以上。由于試驗(yàn)環(huán)境不存在Ⅳ級(jí)預(yù)警,因此可以忽略Ⅳ級(jí)預(yù)警。本文分別采用所提方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法預(yù)警電力二次系統(tǒng)安全,并視不同方法的預(yù)警結(jié)果為預(yù)測(cè)值、實(shí)際預(yù)警等級(jí)為實(shí)際值。通過對(duì)比不同方法的預(yù)測(cè)值和實(shí)際值,判斷不同方法對(duì)電力二次系統(tǒng)的預(yù)警精度。

不同方法的節(jié)點(diǎn)對(duì)比結(jié)果如表1所示。

表1 不同方法的節(jié)點(diǎn)對(duì)比結(jié)果

不同方法的線路對(duì)比結(jié)果如表2所示。

表2 不同方法的線路對(duì)比結(jié)果

根據(jù)表1和表2可知,所提方法獲取的預(yù)警等級(jí)與實(shí)際預(yù)警等級(jí)重合度高,說明所提方法能夠準(zhǔn)確預(yù)測(cè)電力二次系統(tǒng)的預(yù)警等級(jí),即所提方法的預(yù)警精度高。文獻(xiàn)[3]方法和文獻(xiàn)[4]方法獲取的預(yù)警等級(jí)與實(shí)際預(yù)警等級(jí)重合度低,說明文獻(xiàn)[3]方法和文獻(xiàn)[4]方法無法準(zhǔn)確預(yù)測(cè)電力二次系統(tǒng)的預(yù)警等級(jí),即文獻(xiàn)[3]方法和文獻(xiàn)[4]方法的預(yù)警精度低。經(jīng)上述對(duì)比可知,所提方法的預(yù)警精度相較于對(duì)比方法更優(yōu)。

4 結(jié)論

現(xiàn)代電力技術(shù)推進(jìn)智能電網(wǎng)發(fā)展,新能源場(chǎng)站也朝著信息化、數(shù)字化、智能化方向邁進(jìn)。電力二次系統(tǒng)作為新能源場(chǎng)站的接入端,如出現(xiàn)異常將直接影響電網(wǎng)運(yùn)行安全。因此,相關(guān)人員投入到新能源場(chǎng)站電力二次系統(tǒng)安全預(yù)警方法的研究中。本文首先降低新能源場(chǎng)站電力二次系統(tǒng)的電力數(shù)據(jù)維數(shù),將初始電力數(shù)據(jù)映射至低維子空間;然后分別計(jì)算在x、y、z三個(gè)方向上電力數(shù)據(jù)的行向量和對(duì)角權(quán)值,以獲取優(yōu)化數(shù)據(jù),為系統(tǒng)安全預(yù)警提供訓(xùn)練樣本;最后,將提取的電力數(shù)據(jù)安全預(yù)警特征輸入K-means聚類算法中,以確定特征聚類中心,實(shí)現(xiàn)新能源場(chǎng)站電力二次系統(tǒng)安全預(yù)警。試驗(yàn)結(jié)果表明,所提方法的預(yù)警效率和預(yù)警精度明顯優(yōu)于對(duì)比文獻(xiàn)方法,具有較好的效果。