基于電網故障告警的智能風險預判分析

陽 浩，黃湛華，魏恩偉，何 亮

（1.深圳供電局有限公司，廣東深圳 510000；2.南方電網深圳數字電網研究院有限公司，廣東 深圳 518000）

直接面向電力用戶的為基層網絡，其具有多種類別配電網電力設備和復雜的保護裝置，拓撲結構的變化性和不確定性比較強，從而導致配電網電氣設備故障的預判和診斷越來越復雜。我國在這方面的發展比較晚，電氣設備的預判和診斷主要包括發生故障、查詢故障和排除故障。在配網設備故障后，將相應的理論作為基礎，通過對各級各類保護裝置信息的分析，結合運維人員實踐經驗，從而判斷故障發生的位置和性質，該診斷模式存在滯后性與被動性[1]。在科技不斷發展的過程中，逐漸使用大量的高精尖電氣設備，上述傳統診斷模式的功能比較單一，診斷的正確率比較低，依賴于運維人員，并且診斷速度比較慢，重視診斷忽視預判，影響了我國故障風險診斷技術的發展[2]。為了有效解決我國故障診斷技術在發展中的問題，突破目前發展瓶頸，文中研發了基于電網故障告警的智能風險預判系統，該系統將神經網絡與大數據分析相結合，使用電網運行過程中的信息進行分析，從而實現電網電能的質量監測、故障處理和前瞻性的預判。

1 系統結構

對于目前離線分析計算中的問題，基于復雜互聯電網背景，安全穩定的電網分析系統能夠滿足以下要求：

1）自動實現全網范圍中的N-1 或者N-2 全故障海量掃描；

2）和電網可靠性數據相結合，實現電網運行風險的量化評估[3]；

3）將目前PSASP/PSD 數據格式作為基礎，保證電網運行方式分析過程中參數模型的一致性。

電網全故障掃描和風險評估系統能夠利用電力系統分析軟件包數據與綜合程序，并創建電網模型，從而通過導入的生產管理系統PMS 電網設備故障數據創建可靠性數據。該系統基于電網潮流和暫態穩定計算，全面掃描對電網安全穩定運行的動態、靜態的故障影響，與電網實際運行數據和設備可靠性概率數據相互結合，綜合事故影響與發生概率，從而量化分析電網風險的概率性與確定性，對電網風險進行評價[4]。圖1 為系統的結構。

圖1 為系統的結構

2 系統設計

2.1 系統的硬件結構

2.1.1 數據采集和處理

收集和處理的數據主要包括運行狀態參數、電氣設備環境參數、配電網參數等信息，周邊環境參數指的是氣體濃度、溫濕度等；設備運行參數指的是開關狀態、電氣量參數、局放參數和弧光參數。利用通信管理單元將收集數據上傳到后臺監控中心，處理單元和數據中心對后臺監控中心和遠程客戶端下發指令并執行，比如變更開關狀態、門禁開啟等，使配電網相應設備運行狀態與環境得到改變，從而消除故障隱患[5]。

2.1.2 遠程客戶端

遠程客戶端包括手機移動端與PC 端，遠程用戶通過安裝瀏覽器來應用系統。用戶通過瀏覽器查詢監控電氣設備運行的歷史數據，通過系統提示判斷輸入電氣的設備信息，故障診斷系統通過后臺進行運算，展現用戶的預測與診斷結果。遠程用戶能夠對知識庫與數據庫進行更新，從而完善診斷系統。

2.1.3 通信管理單元

通信管理單元能夠上傳采集單元的數據，并且實現監控中心命令的下發，通過云服務器、監控大屏和事故打印機構成后臺監控中心。監控中心能夠存儲處理單元與數據采集的信息，實現信息查詢、故障預判、診斷的功能，并且將指令下發到處理單元及數據采集中，對遠程客戶端展現設備運行的狀態、診斷與預判結果[6]。

2.2 故障預判算法

智能風險保護架構見圖2，間隔層保護設備IED對應不同保護間隔，基于模塊化思想，通過多功能化模塊構成IED 保護，包括主功能模塊FM、本地協同模塊LCM、遠端協同模塊RCM。主功能模塊能夠處理采樣報文，在采樣過程中實現解析結果的發送，從而對一次設備進行操作[7]。

圖2 智能風險保護架構

根據IEC61850 通信規約，通過LAN 實現智能變電站中的過程總線，報文通信類型包括SV、GOOSE。考慮網絡負荷容量與協同信息數量，為了避免交換機采樣率與交換性能影響到網絡通信，要求系統保護方案配置雙過程總線。

基于傳統微機的保護，半波積分算法能夠分析電流、電壓保護數據及正弦曲線波形特征，對恒定不變的正弦量來說，半波記分值與積分起始點并沒有關系，并且積分面積S指的是常數[8]，即：

在故障暫態時，暫態電流諧波成分比較多，大部分為直流分量，利用半波積分面積得出電流有效值的公式[9]。

文中將半波積分原理作為基礎的故障預判算法，利用半波積分面積的計算反映電流變化故障的情況，通過半波積分面積數據能夠預測故障的發展，結合半波積分面積變化的趨勢和程度實現預判。為了避免由于個別數據擾動和突變出現誤判，設置預判數據窗為四分之一周波。針對滿足數據窗條件的任何時間段i，半波積分面積預判值表示為S*(i)，該值通過預判數據窗兩端時刻半波積分面積值進行計算[10]，預判的規則為：

式中，i和p指的是數據窗兩端的預判采樣點位置，t(i)與t(p)指的是兩個點所對應的采樣時間；S（i）指的是將采樣點i作為半周終點的積分面積。N指的是采樣點總數，NT指的是一個周期中的采樣點數。在計算過程中，導數值的近似計算公式為：

通過該方法直接處理采樣值，半波積分運算量小。所以，能夠提高計算速度。其次，該方法還能夠在單端電流保護、多端電流差動保護中使用[11]。

2.3 故障診斷的設計

系統使用上述算法對不同性質的問題進行診斷，利用并行方式實現故障診斷與預判系統的運行，進一步提高診斷效率。電氣設備通過收集在動態數據庫中傳輸的運行參數，預判系統與故障診斷系統能夠實現邏輯推理知識庫故障與動態數據庫數據信息的匹配，假如兩者相互匹配，就要在邏輯推理機中跳轉，利用傳統診斷思維進行診斷與預判，假如邏輯推理知識庫沒有相應的故障征兆，可以使用神經網絡推理機制實現計算，利用知覺推理機調用數據分析知識庫，以此計算推理結果[12]。在診斷結果出來后要解釋診斷過程，更新系統邏輯推理知識庫。邏輯推理知識庫更新過程中能夠積累經驗，隨著系統使用年限不斷增加，也豐富了推理知識庫，圖3為推理知識庫的工作流程。

圖3 推理知識庫的工作流程

該系統以故障診斷與定位為基礎實現各功能，重點為故障預判。成套系統分析采集數據，精準預判被監測的電氣設備未來可能出現的故障，利用多種命令、權限在出現故障前消除隱患[13]。

3 仿真實驗

表1 為相關因素和風險值符號對照表，對單個因素為0 進行調節，其他變量不改變，得出y′xn，斜率計算如式（7）所示：

表1 相關因素和風險值符號對照表

通過K值進行判斷，對于保障次數影響比較大，將6 個小時作為一個時間段，將一天劃分成4 個時間段，對每個時間段風險變化值進行計算。

對保障次數影響的因素通過4 個時間段來表示，包括故障可控風險值、負荷比風險次數、停電可控風險值等，在第一、三、四時間段中最小3 個因素為發布是否超時、影響總用戶數、停電總時長。需要重視的是，在第二時間段中“發布是否超時”因素凸現了0.023 9，在8個因素影響程度中排名第四位[14]。簡單來說，6 點～12 點時電網公司是否能夠根據設定的時間發布停電信息，用戶感知比較敏感，如果沒有及時的發布停電信息，用戶在沒有準備時對臺區停電，會增加用戶的保障次數。表2 為單因素K值分析，通過表2 可以看出，對每個因素第四個時間段斜率求平均值之后，得出所有因素總體平均K值。通過排序分析影響保障次數中各因素單一時間段的分布和重要程度，判斷是否有顯著性差異，并判斷是否負荷比風險次數的影響強。

表2 單因素K值分析

對于用戶來說，如果全部臺區設備都發生故障，用戶就要承受新增的斷電風險，如果感知到斷電，用戶就會立刻報告給電網公司[15-16]。

4 結束語

對電網故障風險的影響因素比較多，利用多方因素進行考慮，創建風險預測智能模型。利用模型能夠知道各因素是如何對故障風險值造成影響的，以此為電力部門維修、電力系統的決策提供參考。