基于異常數據溢出的電力調度系統監測預警的研究

王建樹，王亞強，孟 榮，袁 龍，周 玲，曹一楠

（1.國網河北省電力有限公司檢修分公司，河北石家莊 050000；2.國網河北省電力有限公司，河北石家莊 050000）

隨著電網輸配電規模的不斷擴大，需要進行電力優化調度，提高電力優化輸出控制能力。在電力調度系統的設計中，需要構建電力調度系統的優化監測預警模型，結合電力配電設備的工況特征進行電力調度和預警監測，提高電力系統的監測穩定性和自適應控制能力，因此，電力調度系統監測和預警方法研究在電力組網優化控制中具有重要的應用價值。

為了提高電力調度系統的監測預警精度，結合當前相關成果具備的優越性，提出基于異常數據溢出的電力調度系統監測預警方法。在電力調度系統中，結合異常數據溢出控制方法，進行系統均衡控制，通過確定閾值，設置預警等級，從而實現電力調度系統的監測預警，能夠使調度員更加方便、直觀地了解系統的運行狀況，發現潛在的危險時，及時采取有效措施，消除電網安全隱患，提高電網安全穩定運行水平[1]。

1 相關工作

文獻[2]提出了一種基于孤立森林算法的電力調度流數據異常檢測方法，利用歷史數據集訓練構建多個子森林異常檢測器，組成基森林異常檢測器，據此，在線根據滑動窗口中數據的異常情況及緩沖區數據量大小，觸發檢測器更新。根據異常偏差率大小篩選子森林異常檢測器的更新策略，解決因模型隨機更新導致異常檢測器整體性能下降的問題。文獻[3]設計了智能電網在線安全穩定預警系統，從全網實時數據生成、安全穩定預警與輔助決策3 個層面來研究在線安全穩定預警系統的功能構建與應用模式。利用系統的在線實時狀態及時發現電網運行中的薄弱點和風險點，給出相應的輔助控制策略，并進行預想方式和應急方式分析，制定相應的事故處理預案，以大幅提高電網安全運行水平，降低大范圍停電風險。文獻[4]設計了智能電網調度控制系統中的歷史數據服務優化方案，增加歷史數據緩沖區，緩存管理電網熱點數據，提高數據處理效率，減輕歷史庫負載，優化任務分配器，協調數據緩存區與關系庫分工作業，對歷史數據服務進行有效的管理和調度，設計歷史數據會話監聽機制，實時監視數據庫會話狀態，保障歷史數據服務的安全性和穩定性。文獻[5]提出了一種新型基于徑向基函數的自適應神經模糊推理方法進行短期負荷預測，用Matlab 編制電力系統短期負荷預測程序，并繪制預測結果曲線，結果表明，基于RBF 自適應神經模糊推理的預測精度是令人滿意的，驗證了該方法的有效性和實用性。文獻[6]提出了基于信息物理接口矩陣的IEC61850 變電站自動化系統可靠性分析方法，以IEC61850 實際變電站自動化系統為例，基于變電站主接線建立信息物理融合框架，在該框架下將信息層保護元件對物理層主要設備的影響進行分類，提出用信息物理接口矩陣表征故障傳播類別的概率，考慮信息層的影響，建立變電站自動化系統可靠性分析方法，以實際變電站為算例進行了可靠性計算分析，驗證了所提方法的正確性。

2 構建電力調度系統的監測數據采集模型

電力調度數據是指電力系統運行時，各級調度中心及各發電廠、變電站之間傳遞的反映運行工況和進行控制調節的數據。電力調度系統是一個大型的網絡，在運行中產生大量諸如電壓、電流、功率等實時數據，這些數據通常以數字的形式在電力調度系統主接線圖或地理接線圖上顯示。對于運行管理人員來說，維護的難度較大，不便于及時發現和處理故障。因此，必須對電力調度數據進行監測，強化電網運行狀態的全面掌控能力。圖1 為電力調度信息監測結構圖。

圖1 電力調度信息監測結構圖

通過電力專用通道實時采集電力調度監測數據，采用空間信息聚類分析方法，進行電力調度系統的異常數據特征辨識處理。假設電力調度系統監測傳感器模型中有N個簇首節點，在電力系統故障辨識中，通過異常數據溢出轉換控制，得到電力系統異常耗能擴散矩陣BN×1，其表達式為：

式中，TL×1為時間矩陣；SN×L為數據的多屬性融合調度矩陣。根據電力調度系統提取輸電線路異常狀態的相同特征[7-8]，結合正態分布進行電力系統監測預警的自動調度，得到電力調度系統的輸出功耗特征量fij(n+1) 。在確定電力網絡分布特性的條件下，捕獲負荷隨機行為，得到異常數據溢出的密度函數為：

基于深度學習理論進行電力系統調度過程中的空間負載均衡控制[9]，得到電力調度的負載均衡輸出為：

式中，E為負載能量。在最大功率增益約束下，構建電力調度系統的監測數據采集模型，表達式為：

上式中，|yI,j(n) |為電力系統受擾響應特性；R2,I為符合最大功率增益約束下的樣本參數集。

3 基于異常數據溢出的電力調度系統監測預警

3.1 電力調度系統的異常數據溢出控制

電力調度系統存在時空故障樣本數據，導致采集到的電力調度系統監測數據出現異常，文中在構建電力調度系統監測信息采集模型的基礎上，結合量化表征和模糊監測方法進行電力調度系統的異常數據溢出控制[10-12]。根據電力調度系統監測預警的負荷有功功率特征，分析異常數據溢出的聯合概率密度特征，得到統計特征量μ(n)。采用量化表征方法，得到異常數據溢出的負荷水平特征量：

式中，x(n)為電力調度的互動性特征值為樣本數據的負載特征，為協方差矩陣。結合樣本數據融合和溢出轉換控制方法[13-14]，描述不同分區的數據分布，得到的電力系統監測預警負載數據X符合標準的整體分布，記為X～Sα(σ,β,μ)。

以Xm為中心點、Xk為最近鄰點，進行電力調度系統的時空故障樣本數據分布：

根據上式，結合配電設備的工況特征進行時空故障樣本數據處理[15-16]，得到n+m+k(k＞0)時刻配電設備的工況狀態特征分布函數為：

其中，α和β均表示異常溢出數據的中心向量[17-18]。對中心向量的異常溢出數據成分進行調制處理，得到調制分量：

上式中，dm(0)表示電力調度系統的健康狀態模糊特征集，Xm+1(i)表示電力調度系統監測的負載均衡度，Xk+1(i)表示樣本個數。

根據調制分量，結合負荷樣本施加結果，采用模糊監測方法，對電力調度系統的異常數據溢出進行控制，其表達式為：

3.2 電力調度系統監測預警

在采用量化表征和模糊監測方法進行電力調度系統的異常數據溢出控制的基礎上，文中采用異常數據溢出控制方法進行電力調度系統均衡控制，從而修正監測故障信號特征曲線，提高異常數據溢出控制能力[19-20]。在電力調度系統監測數據為正常、異常以及嚴重等不同狀態下，進行監測預警，得到電力調度系統配電設備的關鍵特征量預測值的計算公式：

通過預測值分析電力系統受擾響應特性，確定電力調度系統監測預警的評價系數和指標參數集，通過異常數據溢出控制方法進行系統均衡控制，得到空間均衡聚類函數A：

引入電力系統運行數據的時空特征進行電力系統的監測預警輸出。首先需要確定權限閾值，然后建立預警模型，則權限閾值計算公式為：

式中，Je(k+1) 表示電力調度系統監測數據在k+1 時刻的預測值，表示模型階數。設μ0代表偏導區域的下限促進傳遞參數，μ1代表偏導區域的上限促進傳遞參數，根據上式的權限閾值，設置預警等級：

根據預警等級，構建電力調度系統監測數據預警模型模型：

其中，Q代表監測數據的邊限處置參量，f1、f2分別代表最小和最大的狀態權限判定系數，α1、α2分別代表兩個不同的冪次項計算條件。

4 仿真實驗與結果分析

4.1 實驗環境

為了驗證文中提出基于異常數據溢出的電力調度系統監測預警方法在實現電力調度系統監測預警中的應用性能，采用Matlab R2017 進行仿真測試分析。在PSS/E 電力系統仿真平臺上搭建了一個具有11 臺服務器和1 臺交換機的電力調度系統網絡結構模型，如圖2 所示。

圖2 電力調度系統網絡結構模型

4.2 監測故障信號頻率采集

通過電力調度系統網絡結構模型，設置電網用電負荷約為2 000 kW，其中受電1 600 kW，故障集中設置在1 000 kV 線路上，異常溢出數據采樣的樣本數為2 000，在API 接口中設定數據接收端進行電力系統監測預警的信息融合，設定電力調度系統的運行時間為0.15 s，在電力系統保持正常運行狀態0.01 s后施加故障，進行系統監測。電力調度系統監測原始信號與故障信號頻率如圖3 所示。

圖3 原始信號與故障信號頻率監測結果

根據圖3 可知，采用文中方法可通過故障信號頻率變化監測出故障位置。

4.3 異常數據溢出控制能力

通過采集到的監測故障信號進行歸一化處理后生成特征曲線，如圖4 所示。

圖4 監測故障信號特征曲線

根據圖4 可知，電力調度系統監測故障信號特征曲線與頻率中心之間的距離很小，圖中有明顯的毛刺，說明有異常數據存在。采用文中方法對異常數據溢出進行控制，修正監測故障信號特征曲線，修正結果如圖5 所示。

圖5 修正后的監測故障信號特征曲線

根據圖5 可知，采用文中方法修正了含有不良毛刺的數據曲線，很好地對異常數據溢出進行控制，使電力調度系統得到均衡控制。

4.4 監測預警精度

為了進一步驗證文中方法的有效性，對采用文中方法的電力調度系統監測預警結果與實際測試的電力調度系統監測預警結果進行對比分析，對比結果如表1 所示。

表1 電力調度系統監測預警誤差對比

根據表1 可知，采用文中方法的電力調度系統監測預警結果與實際測試的電力調度系統監測預警結果相差較小，誤差基本控制在0.002 mm 以內，說明文中方法的電力調度系統監測預警精度較高，對異常數據溢出控制能力較好。

5 結束語

由于傳統的電力調度系統監測預警方法存在監測預警準確率低，電力調度系統的異常數據溢出控制能力較差的問題，因此提出了基于異常數據溢出的電力調度系統監測預警方法。由于采集到的電力調度監測數據存在異常情況，因此采用量化表征和模糊監測方法進行電力調度系統的異常數據溢出控制，通過確定權限閾值，設置電力調度系統監測預警等級，從而構建電力調度系統監測預警模型。仿真實驗結果表明，采用文中方法進行電力調度系統監測預警的自適性較好，對異常數據溢出控制能力較好，電力調度系統監測預警精度較高，提高了電力系統的自動化監測預警能力。