海量調度數據流在線智能辨識平臺建設研究

羅良，馬麟，李興美，徐韜，杜文佳，王煒，楊凱江，陳炯，楊儀源，楊洲，楊俊謙

（云南電網有限責任公司大理供電局，云南 大理 671000）

0 前言

隨著經濟的快速發展，人民生活水平日益提高，用電需求也急劇增加，電力調度系統逐漸成為我國電網系統的核心部分，其安全穩定運行和正確控制調節的重要性越來越突出[1]。隨著電網信息的急劇增長，電力調度系統時常會出現許多異常現象，這些異常現象對電力調度系統產生了不利的影響。從自動化運行分析報告來看，除常規功能性缺陷外，仍有大量異常現象難以確定具體原因，只能給出初步判斷，不利于電力調度系統異常的消除，成為提升電力調度系統運行水平的瓶頸。因此，為了應對海量調度數據帶來的風險，對電力調度系統提出了新的安全要求，也是如今電力調度系統必須關注的問題[2-6]，諸如云計算和大數據處理等技術都相應地被應用到了電網狀態安全與檢測等領域[7-12]，人工智能與深度學習技術也被廣泛用于電網故障檢測預警當中[13]。

通過對電力調度系統的客觀分析根本原因，主要體現在以下幾個方面：

1）缺乏對電力調度系統實時測控信息流的深入分析和在線研判；

2）尚未對電力調度系統實時測控信息流實現可視化展示，尚無一套在線分析電力調度系統實時測控信息流的可視化展示系統，尚未通過對電力調度系統實時測控信息流的在線分析研判展示各應用系統與廠站監控系統的通信健康狀況；

3）缺少電力調度系統實時數據無損采集裝置。

為了提高電力調度系統運行水平，降低海量調度數據給電力調度系統帶來的運行壓力，大量的研究人員提出了很多可行的建設方案。其中，為了解決電網系統日趨復雜的運行環境，提高電網運行監控穩定運行的能力，劉道偉等[14]設計了基于大數據及人工智能的大電網智能調控系統框架，通過將新一代信息、計算與控制技術相融合，建設了大電網“即測-即辨-即控”的在線智能調度平臺。

劉霡[15]通過對采集層、存儲層、分析層和應用層進行分析研究，提出了一種海量用電數據管理平臺的建設方案，實現了對電網系統采集到的海量實時/歷史用電數據進行傳輸、存儲、分析和應用。林靜懷[16]基于大數據平臺所提供的海量調度運行與調度管理數據以及高效的數據處理能力與挖掘分析能力，提出了一種基于大數據平臺的電網運行指標統一管控方案，解決了傳統電網運行指標管控的不足的問題，實現了多級調控中心多業務數據的融合與共享。

1 研究方案

本文針對數據流辨識，特別是電力調度系統測控數據流辨識的問題，基于調度數據網及調度自動化關鍵業務，提出了一種海量調度數據流在線智能辨識平臺建設方案，如圖1所示。通過研究電力實時測控數據流的在線解析技術、關鍵業務的故障智能判別及可視化展示技術、電力調度自動化信息流的“黑匣子”技術，形成一整套面向電力實時測控數據流的在線解析和業務可視化的系統，有效提高調度自動化運行管理水平和技術支撐能力，為電網的安全穩定運行提供技術保障。

圖1 海量調度數據流在線智能辨識平臺架構

1.1 基于海量數據的全過程無損采集及結構化存儲技術研究

如何對海量的電網數據進行有效的采集、處理和存儲是當前電力調度系統值得關注和研究的問題。文獻[17]利用分布式系統解決存儲問題和數據完備性問題，文獻[18]為了簡化電網數據的存儲結構，提出了一種電網數據關聯性的哈希分桶存儲算法，該算法有效的提升了對海量調度數據的處理速度，但該算法的數據存儲和傳輸耗時較長。面對海量的電網數據，電力調度系統需要極高的實時性要求。文獻[18]通過對當前監測數據的取值進行預測，計算實際值與預測值的殘差，并對殘差值進行改進的行程編碼與霍夫曼編碼，實現對智能配電網監測數據的無損壓縮采集。文獻[19]提出了一種基于前置數據處理環節的數據預檢技術，研究了電力系統中海量終端數據接入的通道并發和阻塞問題，提高了數據的處理速度和負載均衡度，實現了電網海量數據的實時傳輸。文獻[20]采用關系型數據庫和基于Hadoop分布式文件系統的分布式存儲系統搭建面向電網的分布式存儲處理模型，實現對電力大數據的存儲與處理，從而提高數據的計算效率和數據質量。

本文提出了對電力調度系統實時測控數據流的在線解析，對電力調度系統實時測控數據流進行存儲后，利用報文解析技術進行解析，以供電力調度系統進行進一步分析。

1）數據流無損采集模塊：通過對電力調度系統實時測控數據流進行分析，研制數據流旁路采集設備，將數據流旁路采集設備分別旁路部署在一平面（A網）和二平面（B網）的服務器群的數據中心交換機上，對整個數據中心的流量進行采集以及協議識別。要求對已有的電力調度系統的運行不造成任何影響。無需電力調度系統提供任何數據接口，與原系統無任何數據連接。不依賴于電力調度系統的規約實現。

2）數據流結構化存儲模塊：通過分析旁路裝置無損采集的數據流結構特點和時序特點，從而建立一套完整的結構化數據流存儲模型，將特征不明顯的海量數據對象化到數據庫中，便于后期查詢和綜合分析。同時主動記錄所有的通信數據及操作日志并存儲，支持按年、季度、月份、周、日等多種周期循環記錄存儲，方便收集信息和故障定位，保證數據的準確性。

1.2 異常特征及故障判別技術研究

調度業務信息流的實時性、可靠性直接影響著各業務功能的實現，及時的識別出電網系統中的故障異常可以幫助電網安全穩定的運行。李鵬等[21]提出一種利用專家系統完成電網運行異常狀態診斷分析的有效方法，該方法通過對電網常見故障進行分析，當電網出現故障異常時可以及時的給出參考信息和輔助決策信息。王文嘉等[22]提出了一種基于電網監測數據的智能化故障研判與處置平臺，利用電網數據中的邏輯關聯性來識別電網故障的類型和故障位置，并通過故障的歷史數據生成出故障處置策略，實現了對故障的及時處置。

電網數據信息流的實時性和可靠性體現為傳輸延時在合理的范圍內，并且不會發生數據的丟失或數據的多次傳輸。本文基于信息流的特性分析，研究信息流異常形態形成機理以及特征量，形成信息流異常特征識別方法。同時，依托風險警示指標閾值確定技術，設定異常發生數量、間隔時間等警示指標閾值，實現靈活響應的調度業務信息流異常告警。

1）信息流的異常分類模塊：電網調度數據通常會出現一些“四遙”信息的異常，這是由于通道、設備、系統往往存在一些無法完全消除的設計、設置和維護不善等方面的問題。這些異常信息一部分是現場真實狀態的反應，通常是一些重要的運行狀態改變，另一些則是由各種差錯引起的，屬于干擾信息，這些重要信息的異常會給電網調度系統帶來干擾。因此，可以按照調度業務信息流異常形成機理及特征量來對調度業務信息流的異常進行分類。

2）信息流的異常特征識別模塊：通過實時監視遙測值大小，可以實現遙測值出錯異常特征識別，當出現在設定的出錯上下限范圍內時，主動識別出異常并及時推送；通過實時分析子站上送的帶時標的信息，可以實現時間信息異常特征識別，若出現較大偏差則識別出異常并及時推送；通過分析主站與廠站之間的格式報文數據，可以實現信息流延遲異常特征識別，提取數據時標，將格式報文之間的時標與超時時間進行比較，提取超時數據，診斷信息流響應延遲原因；通過新遙信事件觸發，剔除最早的超出設定時間間隔的記錄，計算設定時間段內的遙信變化次數，可以實現遙信/SOE抖動異常特征識別，如變化次數超出設定值則識別出異常并及時推送。

3）信息流故障分析及判別模塊：從通道問題、廠站端輸出回路、輸入回路或其他智能裝置問題、相關設備斷電或重啟，及規約處置不當問題等問題入手，對調度業務信息流故障成因進行分析，快速定位信息流故障原因，實現基于業務關聯的多維信息融合故障判別。通過對104協議時間、空間維度分析，實時監測類似遠動裝置104協議假在線、主站遙控失敗、站端遠動裝置頻繁切換等異常事件，為運維人員提供定位決策支持建議，消除自動化系統運行中存在的安全隱患。

4）故障異常評價指標體系模塊：結合目前電力調度系統信息采集的現狀、日常運維中常見缺陷故障的總結，以及對故障異常場景特征識別的研究，綜合系統性能、遙信準確率、遙測準確率、系統缺陷等方面考慮，建立調度自動化數據流的故障異常評價指標體系。通過該體系能直接、有效反映設備運行狀況，以及設備發生故障的趨勢，且對設備狀態的判斷有明確的標準、規范。

1.3 基于通信過程的調度業務故障追朔技術研究

電網調度業務故障追溯對電網運行的安全可靠起著舉足輕重的作用。文獻[23]以時間維度、廣度拓撲的方法找出電網事故與電網生產數據的內在關系，通過電網歷史數據對電網故障產生的原因進行追蹤回溯，為快速定位問題提供可視化輔助分析數據，有效持續地降低電網運行安全風險。文獻[24]提出了一種基于供電追溯陣的配電自動化終端告警缺陷辨識方法，通過供電追溯陣PTM建立了終端告警缺陷辨識數據模型，解決了配電網自動化終端故障告警漏報和誤報問題。

本文基于全過程無損采集及實時解析技術存儲的時間序列報文數據庫，可自定義獲取響應時間段內的具有時間戳的全網時序變化量測數據。主要包括事故追溯控制單元、歷史告警數據獲取、歷史數據庫、歷史變化數據獲取、時間序列報文數據庫、圖形展示模塊、告警顯示模塊。

1）歷史數據庫模型模塊：歷史數據庫用于存儲事故發生時的電力調度系統中的數據，包括事故追溯需要的電網歷史模型、圖形及起始斷面數據，以及用來在追溯時告警的歷史告警數據。

2）時間序列報文數據庫模型模塊：時間序列報文數據庫用于存儲歷史變化的報文解析數據，能夠具備全系統全部采集數據變化存儲及追憶能力，可以將所有量測變化數據帶時間戳方式存入到時序庫中，在進行事故追溯時可以根據時間戳從時序報文數據庫中獲取系統所有變化數據。

3）事故場景追溯模塊：作為本系統的驅動，將兩個數據庫中的數據進行條件檢索、分析整合后進行圖形展示及告警顯示。通過事故追溯控制單元獲取用戶需要追溯的事故追溯時間，從歷史數據庫中裝載與事故追溯時間相匹配的電網歷史模型、圖形及起始斷面數據。根據事故追溯時間的變化，將事故追溯時間分別送給歷史告警數據獲取模塊和歷史變化數據獲取模塊；收到歷史告警數據后，將歷史告警數據發送給告警顯示模塊；接收到歷史變化數據后，將歷史變化數據發送給圖形顯示模塊。

2 平臺建設方案

以調度自動化關鍵業務為基礎，通過電力實時測控數據流的在線解析技術、關鍵業務的故障智能判別及可視化展示技術等技術手段，實現電力調度自動化信息流的“黑匣子”，形成一整套面向電力實時測控數據流的在線解析和業務可視化的系統，如圖2所示。

圖2 智能辨識平臺處理流程

1）調度業務信息流可視化模塊

運用可視化技術，結合海量數據的全過程無損采集及結構化存儲研究成果，將調度業務信息流以可視化的形式展示，支持通道差異化展示，支持業務分類展示、時間域分類展示；支持業務、時間等綜合條件搜索；支持多維度報表、圖標統計。

2）信息流異常分析可視化模塊

運用可視化技術，結合基于海量信息流的異常特征及故障判別技術研究成果，將調度業務信息流異常與故障信息以可視化的形式展示，支持遙測值出錯異常可視化、時間信息異常可視化、信息流延遲異常可視化、遙信/SOE抖動異常可視化；支持主備通道數據不一致分析、下行命令否定應答診斷分析、通道通信重新連接診斷分析、通道通信中斷節點診斷分析、遙測不刷新（協議假在線）診斷分析、站端遠動裝置頻繁切換診斷分析、主站遙控不成功診斷分析、主站頻繁總召喚診斷分析等故障診斷可視化。支持歷史異常、故障查閱；支持多維度報表、圖標統計。

3）故障場景追溯可視化模塊

運用可視化技術，結合基于通信過程的調度業務故障追朔技術研究成果，提供調度業務故障場景追溯可視化模塊，支持歷史故障過程可視化，可根據歷史故障，形成當時調度業務信息流圖像，根據時序當時異常分析故障診斷等斷面數據；支持故障追溯可視化，收到歷史告警數據后，將歷史告警數據發送給告警顯示窗口；接收到歷史變化數據后，將歷史變化數據發送給圖形顯示窗口。

3 結束語

隨著我國電力的大力發展，電力調度系統需要接入海量的數據輸入，這些海量的電網數據是我國電網運行生產中的重要資產，是保證電網安全穩定運行的重要基礎。本文提出了一種海量調度數據流在線智能辨識平臺建設方案，通過對海量調度數據進行無損采集和存儲，保證了數據的實時傳輸，方便了歷史故障數據的追溯。同時，本文提出了海量信息流的異常特征及故障判別技術及基于通信過程的調度業務故障追朔技術的研究思路，可為電網海量數據流在線故障識別和故障追溯建設提供了一種研究方向。