基于最大流算法的電力負荷壞數據辨識系統

曾俊然，王長偉，陳 雪，黃文琦，梁凌宇

（1.廣東電網有限責任公司佛山供電局，廣東佛山 528000；2.南方電網數字電網研究院有限公司，廣東廣州 510000）

現代社會一切日常生活和生產活動都離不開電力系統，隨著電力系統運行的規模越來越大，其操作模式也越來越復雜化，雖在一定程度上提高了動力系統的高利用率和高工作效率，但電力系統的復雜化應用也導致提高了系統運行的危險性，從而減少了對電力系統行為的可預測性，使動力系統的安全無法獲得有效保證。在電力系統負荷預測實際工作中，負荷數據的記錄、轉換、傳輸等環節的故障均可能導致觀測數據出現反常態勢，導致負荷歷史數據中出現一些壞數據。且由于電力系統多數是相互關聯相互依存的狀態，及電網是一個整體系統，一旦有局部故障，整個電網都會受到影響，甚至會出現大范圍停電，嚴重影響了社會的生活和生產，甚至造成嚴重的經濟損失。

針對于此方面的課題研究也日益增多，文獻[1]提出了基于云計算的電力負荷內部損壞數據自動檢測方法。但是由于云計算采用的數據量龐大，在數據采集的步驟尤為困難，數據采集的數量和耦合性都對結果有著嚴重影響；文獻[2]應用基于數據流挖掘的算法，通過計算時間來完成對電力負荷的壞數據進行檢測，但是由于應用到的模型和算法較多，算法復雜，實用性較低。

針對以上問題，該文提出了基于最大流算法的電力負荷壞數據辨識系統，以優化電力負荷壞數據的監控和檢測效果。

1 系統硬件設計

該文基于最大流算法的電力負荷壞數據辨識系統的硬件方面主要包含三部分：采集器、處理器、信號識別器。電力負荷壞數據辨識系統硬件結構如圖1 所示。

圖1 電力負荷壞數據辨識系統硬件結構

1.1 采集器

系統算法正常的運行，需要數據的支撐，因此對數據進行準確、有效采集非常重要。基于最大流算法的電力負荷壞數據辨識系統硬件方面的采集器，需要具備實時采集、可自動化存儲、及時顯示并反饋的特性。結構方面需要對外接口為可隔離的NC 通信，在高壓電池側邊需要放置微控制單元，微控制單元的供電是從高壓電池側取電，提高檢測的準確性[3-4]。

1.2 處理器

處理器作為系統的控制處理核心，對其功率及內核容量要求較大，且需要具有自動化數據處理、自動化數據傳輸的特性[5-6]。該系統采用的處理器以波形發生功能來實現控制核心，同時加入其他的IP 核，包括調試用核、用來和中央控制端實現交流的通用異步數據傳輸模塊、數字顯示屏、按鍵控制模塊等，從而達到了控制系統的高度集成化。處理器硬件系統由數據系統產生數字量，將波形數據轉換為數字信息或模擬波形信號[7]。

1.3 信號識別器

文中采用最大流算法的電力負荷壞數據識別系統硬件方面的信息識別器，需要包括感應器、電力歸合器、讀寫芯片、獨立點機、通信狀態顯示器、載波發生器、調制器。信號識別器結構如圖2 所示。

圖2 信號識別器結構

感應器主要負責將采集器接收到的輸入信息進行轉換，轉化為無線射頻輸入信息，并使用電力歸合器和讀寫芯片把轉換后的無線射頻輸入信息作為輸入輸出信號，實現信息的傳遞；讀寫芯片負責對無線射頻信號進行轉換和調制；載波發生器負責將無線射頻信號轉化為信號波形式并傳輸到調制器進行信號波數字化調制[8-10]。

2 軟件設計

在電力系統中，由于電力網絡所處位置的不同、各網路性能的不同或者是承載負荷的不同，其中一些節點和邊很關鍵，節點上的細小故障和變化也會導致整個電力系統變得敏感。電力負荷壞數據辨識就是為了找到這些脆弱敏感的故障節點從而進行預防和保護，以防止災難性事件的發生。通過建立拓撲模型，基于最大流算法對壞數據進行評估，從而完成對電力負荷壞數據的辨識[11-12]。基于最大流算法的電力負荷壞數據辨識系統軟件流程如圖3 所示。

圖3 辨識系統軟件流程

2.1 拓撲模型建立

該文基于最大流算法，建立拓撲模型。將電力系統的總源頭到最終分布端看作一個整體網絡流，則中途電流經過的變電站、變壓器，及分布終端每個作用點都可以看作一個單獨的節點，則單獨節點處的切割流量可表示為式（1）：

其中，x(a,b)表示兩個相交邊界的共同節點；Vx表示將相交節點看作一個整體的單獨節點處切割流量。通過公式求得最小切割流量處節點，則此節點處為最小切割點，為最大流節點處[13-14]。

將傳輸電能的高壓線看作是邊，這樣就得到一個復雜的網絡流。其中最大流需要根據每一條單獨的預流的函數公式求值，選取其中最大值作為最大流。通過超額流來確定預流，將預流超額流定義為函數f(u)，則可以表示為式（2）：

其中，f(u)表示進入節點u的超額流，一個節點的超額流是流入該節點的流超出流出該節點的流的部分；?表示節點流量常數值，數值大小和所處地點、性能、負荷的影響變化相關。經過公式計算，最終所有可能到達匯點的流都到達匯點，統計所有預流函數值的大小，以搭建拓撲模型。

2.2 基于最大流算法的電力負荷壞數據評估

綜合上文兩個公式可以求得最大流，最大流數值可表示如式（3）所示：

其中，Vmax表示最大流數值。結合最大流數值，根據復雜網絡理論，對電力系統進行拓撲模型的搭建，生成一個有向有權流網絡，將復雜流電力網絡轉化為簡單流電力網絡，將多源點多匯點轉化為單源點單匯點，以簡化的方式計算復雜度，計算網絡中的最大可行流[15]。

中心性指標可以用式（4）表示：

式中，m、n分別表示e、d各自對應的匯點[16]；M、N分別表示e、d各自對應匯點的最大值。

根據上文搭建的模型以及函數數值的計算，基于最大流算法完成對電力負荷壞數據評估。評估邏輯的執行可以分為兩個階段。首先，對數據進行預處理，將最大可能的預流壓入源點和匯點，并推送到相鄰的節點，當數值儲存后將源點刪除。將每個節點都推送一次，在容量超出限制時進行反推并重新推送，直到網絡中的所有網絡流匯聚到匯點為止。最后，將滿足條件的數值進行存儲，不滿足條件的數值作為電力負荷壞數據進行反饋和傳達，以完成對壞數據的辨識篩選。

3 實驗研究

為了驗證該文提出的基于最大流算法的電力負荷壞數據辨識系統的可行性，設定實驗。同時采用目標性攻擊和隨機性攻擊兩種方式對電網進行攻擊，實驗過程的攻擊次數共有10 次，分析在不同攻擊狀態下網絡剩余流量，得到的實驗結果如表1-2所示。

表1 隨機攻擊剩余流量

根據表1 和表2 可知，在電網遭受攻擊后，引入提出的辨識系統可以很好地提高網絡剩余流量，確保電網在經過攻擊后，剩余流量高于95%。由此可以證明，該文提出的辨識系統對隨機攻擊和目標攻擊都有很強的魯棒性，能夠很好地分析電力負荷壞數據，防止由于壞數據出現而導致的系統過負荷，進而出現的電網崩潰，提出的辨識系統能夠更早發現電網內部問題，從而保護關鍵運行路徑，防止災難發生。

表2 目標攻擊剩余流量

為進一步驗證提出的基于最大流算法的電力負荷壞數據辨識系統的實際應用效果，選用該文辨識系統和傳統的基于云計算的電力負荷壞數據檢測方法和基于數據挖掘的電力負荷壞數據辨識方法進行實驗對比，得到的辨識準確率實驗結果如表3 所示。

表3 不同系統的準確率測試結果

根據表3 可知，該文設計的辨識系統辨識準確率明顯高于傳統系統，說明該文提出的辨識系統具有很好的網絡連通性，通過最大流進行數據溝通，在分析信息數據后，實現數據連通。而傳統方法的連通性較差，在連通過程中，會出現很強的損失率，電網在受到網絡攻擊時，無法正常運行。

保證電力網絡系統的安全和穩定對生活生產尤為重要，只有通過更深入的認識與把握供電的實際工作狀況，及時預測可能發生的故障與問題，對可能發生的問題深刻把握，才可以避免故障的出現或是在故障發生時準確迅速地進行解決。提出的基于最大流算法的電力負荷壞數據辨識系統能夠很好地確定網絡中的電力負荷壞數據，根據數據信息，實現關鍵保護，為電網安全運行提供有力依據。

4 結束語

該文從硬件和軟件兩個方面完成了電力負荷壞數據辨識系統的設計。首先，選用符合條件的采集器、處理器、信號識別器三部分硬件設施，然后，通過數據搭建拓撲模型，通過多源多匯網絡修正，基于最大流算法根據中心性指標對邊排序，對電力系統壞數據進行篩選和評估，從而完成對電力負荷壞數據的辨識，該方法不受限于數據采集數量，也不被數據的耦合性所限制，能夠很好地應用在電網辨識工作中。