基于末端數(shù)據(jù)融合的供電網(wǎng)風(fēng)險預(yù)警模型研究

王宏剛， 劉識, 馬寒梅, 王倩, 劉化龍

(1.國網(wǎng)電網(wǎng)有限公司大數(shù)據(jù)中心， 北京 100052；2.國網(wǎng)信通億力科技有限責(zé)任公司， 福建， 福州 350003)

0 引言

電能是日常生產(chǎn)生活中不可或缺的基礎(chǔ)能源，隨著電力規(guī)模的不斷擴大，對電力管理提出了更高的要求，為有效提高電力服務(wù)質(zhì)量，國家電網(wǎng)公司提出了一種新的供電服務(wù)模式，以此實現(xiàn)各類生產(chǎn)、營銷數(shù)據(jù)的全方位融合以及信息共享，營配數(shù)據(jù)和相關(guān)業(yè)務(wù)通過集成與圖形化展現(xiàn)方式的綜合運用實現(xiàn)了有效貫通，有效提高了具體業(yè)務(wù)(包括停電范圍確定、故障定位、業(yè)擴報裝等)的實施質(zhì)量和效率。隨著此種供電服務(wù)模式的深入應(yīng)用與發(fā)展，對供電風(fēng)險預(yù)警能力提出了更高的要求。

1 設(shè)計分析

現(xiàn)有供電風(fēng)險預(yù)警模型的構(gòu)建大多通過運用包括層次分析法、模糊評價算法等在內(nèi)的智能算法完成，但新的營配調(diào)一體化融合模式更注重實施，導(dǎo)致相關(guān)電力數(shù)據(jù)量快速增加，因此，基于上述算法的風(fēng)險預(yù)警模型的風(fēng)險預(yù)警效果難以滿足現(xiàn)代電力營配調(diào)工作需求，模型的預(yù)警精確度有待進一步提高。不斷發(fā)展完善的電網(wǎng)技術(shù)為電網(wǎng)的發(fā)展提供了技術(shù)支持，為了從整體上提升技術(shù)可靠性，設(shè)計與實施涵蓋應(yīng)急方案的綜合風(fēng)險預(yù)警模型逐漸成為了重要的研究方向，通過風(fēng)險預(yù)警系統(tǒng)實現(xiàn)對運行電網(wǎng)的配電設(shè)備、電壓及電流狀態(tài)的實時監(jiān)測，并對風(fēng)險故障發(fā)出預(yù)警。其中，電網(wǎng)可靠運行的基礎(chǔ)是電壓的穩(wěn)定，這一方面的預(yù)警難度較大，受到末端間較低的關(guān)聯(lián)性限制，導(dǎo)致傳統(tǒng)電壓風(fēng)險預(yù)警技術(shù)的預(yù)警精度及穩(wěn)定性較低，關(guān)于此方面的優(yōu)化和完善研究已取得了一定的成果，例如暫態(tài)電壓失穩(wěn)風(fēng)險預(yù)警是以失穩(wěn)風(fēng)險和靈敏度指標(biāo)為依據(jù)完成對關(guān)鍵故障集合與相關(guān)候選節(jié)點(具有動態(tài)無功補償?shù)奶攸c)的確定，利用煙花優(yōu)化算法進行求解，將補償裝置的容量設(shè)置為變量，但是這種方法的預(yù)警誤差較高；一種方法是輸電風(fēng)險評估，設(shè)計了輸電系統(tǒng)狀態(tài)概率模型及風(fēng)險評估指標(biāo)體系，但因穩(wěn)定性不佳而限制了其廣泛應(yīng)用；還有一種基于輸電網(wǎng)風(fēng)險評估技術(shù)的風(fēng)險評估系統(tǒng)，結(jié)合歷史數(shù)據(jù)通過引入故障相關(guān)性因子實現(xiàn)了事故鏈概率合理性的有效提高，使用打分法選擇和確定風(fēng)險指標(biāo)，但該方法存在復(fù)雜度及使用成本較高的不足。本文在現(xiàn)有研究成果的基礎(chǔ)上，通過營配調(diào)末端融合使電壓風(fēng)險預(yù)警的精確度得到有效提升，設(shè)計了一種供電綜合風(fēng)險預(yù)警模型。首先確定供電風(fēng)險預(yù)警指標(biāo)，然后通過標(biāo)準(zhǔn)化處理實現(xiàn)指標(biāo)量綱的有效去除，然后使用灰度關(guān)聯(lián)分析方法完成指標(biāo)關(guān)聯(lián)度的計算與排序，并將不重要的指標(biāo)去除后，在訓(xùn)練后的 BP 神經(jīng)網(wǎng)絡(luò)中輸入指標(biāo)，在此基礎(chǔ)上實現(xiàn)風(fēng)險預(yù)警功能[1-2]。

2 供電電壓輸出末端設(shè)計與融合

2.1 單片機設(shè)計

針對電網(wǎng)供電電壓的電信號使用單片機完成采集過程，作為電壓風(fēng)險預(yù)警管控技術(shù)的關(guān)鍵部分，單片機電路設(shè)計時需兼顧計算能力和風(fēng)險預(yù)警性能，本文選用了具有能耗低、計算能力強、性價比高等優(yōu)勢的 STC89C52 單片機，其電路圖如圖1所示，STC89C52 芯片屬于一種 8 bit 微處理器，并選用 TLC2543作為A/D轉(zhuǎn)換器(12 bit )，包含 11 路模擬輸入通道，精度高且誤差較小，同時可有效節(jié)約轉(zhuǎn)換時間，10 μs即可完成。最終風(fēng)險預(yù)警結(jié)果顯示于 RT12864顯示屏上，其中DB5-DB12 接口與單片機的 P5-P12 接口對應(yīng)，P13 與RS連接，P14與RW相連，以此實時展示預(yù)警結(jié)果[3-4]。

圖1 單片機的電路分布圖

2.2 傳感器電路設(shè)計

電壓傳感器一共包括 5 個接線端子，主要用于采集輸出電壓。其中，信號輸出端對應(yīng)B 端，將串聯(lián)電阻Ra的被測電壓連接到傳感器原邊端子上，假設(shè)，傳感器原邊內(nèi)阻和串聯(lián)電阻分別由R0和Ra表示，被測電壓由Uc表示，額定輸入電流由Iin表示，串聯(lián)電阻Ra的計算表達式如下[5]:

(1)

串接電阻功率Pc的計算表達式如下:

Pc=Uc×Iin

(2)

設(shè)計電壓測量電路時，將傳感器輸出端與IN+相連，采集到的電壓信號通過A/D轉(zhuǎn)換后向單片機傳送。

2.3 風(fēng)險預(yù)警過程分析

上述設(shè)計均以電信號作為末端輸入和輸出信號，需使用 A/D 轉(zhuǎn)換器完成到數(shù)字信號的轉(zhuǎn)換后再繼續(xù)后續(xù)處理，屬于末端融合。轉(zhuǎn)換為數(shù)字信號后的輸出電壓電信號通過單片機完成輸出電壓電信號的持續(xù)轉(zhuǎn)換，單片機再根據(jù)電壓值完成對電壓的調(diào)整，形成電壓控制反饋回路，在此基礎(chǔ)上實現(xiàn)對輸出電壓的有效控制，確保電壓穩(wěn)定在給定區(qū)間值內(nèi)，單片機能夠及時判斷出輸出電壓是否存在超過給定值的情況，并在高于給定值時停止電壓輸出(關(guān)閉驅(qū)動信號)。假設(shè)，Rb和Rc均表示采樣分壓電阻，采樣電壓由VU表示，輸出電壓VO值的計算表達式如下:

VO=VU×(Rb+Rc)/Rc

(3)

3 供電綜合風(fēng)險預(yù)警模型

3.1 BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)實際上是一種多層前饋神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)具有誤差反向、信號前向傳遞的特點。BP神經(jīng)網(wǎng)絡(luò)進行信號的前向傳遞時，可通過輸入層實現(xiàn)信號的直接輸入，信號經(jīng)過隱含層的處理后，最終到達輸出層，通過輸出層可給定輸出結(jié)果。信號在前向傳遞過程中，下一層神經(jīng)元狀態(tài)僅能感受上一層神經(jīng)元的實際狀態(tài)，并受上一層神經(jīng)元狀態(tài)的影響。若輸出結(jié)果與實際結(jié)果存在差異，輸出層可對結(jié)果進行反向傳播，并不斷對BP神經(jīng)網(wǎng)絡(luò)的閾值和權(quán)值進行適當(dāng)?shù)卣{(diào)整，最終減小輸出結(jié)果與期望結(jié)果之間存在的誤差。BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖

圖中X1,X2,…,Xn代表的含義為BP神經(jīng)網(wǎng)絡(luò)的輸入值，Y1,…,Ym代表的含義為BP神經(jīng)網(wǎng)絡(luò)的預(yù)測值，ωij和ωjk代表的含義為BP神經(jīng)網(wǎng)絡(luò)的權(quán)值。可將BP神經(jīng)網(wǎng)絡(luò)比作非線性函數(shù)，BP神經(jīng)網(wǎng)絡(luò)中的預(yù)測值與輸入值即為非線性函數(shù)中的因變量與自變量。若BP神經(jīng)網(wǎng)絡(luò)輸出層的節(jié)點數(shù)目為m、輸出層的節(jié)點數(shù)目為n，則BP神經(jīng)網(wǎng)絡(luò)可表示因變量與自變量之間的關(guān)系[6]。

3.2 綜合風(fēng)險預(yù)警模型構(gòu)建流程

作為一種概率事件，風(fēng)險的大小需以偏離預(yù)期的程度為依據(jù)進行確定，在營配調(diào)一體且末端數(shù)據(jù)融合模式下，實現(xiàn)電力供應(yīng)涉及多個領(lǐng)域，通過這些領(lǐng)域中工作間相互密切的聯(lián)系實現(xiàn)了供電服務(wù)質(zhì)量的有效提高。但同時也增加了綜合風(fēng)險，為有效預(yù)測風(fēng)險以減少損失，本文在灰度關(guān)聯(lián)分析理論的基礎(chǔ)上，結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法來設(shè)計綜合風(fēng)險預(yù)警模型。營配調(diào)末端融合下的供電業(yè)務(wù)風(fēng)險的影響因素較多，本文結(jié)合實際需要及相關(guān)文獻研究，確定了相關(guān)指標(biāo)并進行等級劃分。

3.3 指標(biāo)標(biāo)準(zhǔn)化

由于預(yù)警指標(biāo)為不同的量綱以及數(shù)量級，若是直接使用會影響綜合分析結(jié)果的準(zhǔn)確性。因此，為消除量綱及數(shù)量級差別，達到風(fēng)險評估的目的，需要將指標(biāo)標(biāo)準(zhǔn)化，轉(zhuǎn)化成標(biāo)準(zhǔn)指標(biāo)以便分析與計算。可根據(jù)實際情況采用如下兩種非線性指標(biāo)標(biāo)準(zhǔn)化計算方法，本文選用比重法完成指標(biāo)的標(biāo)準(zhǔn)化處理。

(1) 偏差法(不適用包括熵值法在內(nèi)的評價法)。假設(shè)，j表示具體的指標(biāo)，j的平均值和標(biāo)準(zhǔn)差分別由pj和kj表示，xij表示指標(biāo)系數(shù)，小于均值的xij經(jīng)處理后，yij<0。

(4)

(2) 比重法。將指標(biāo)進行標(biāo)準(zhǔn)化處理后，根據(jù)比重反映出與原始指標(biāo)的關(guān)系，考慮指標(biāo)差異僅需xij≥0即可。

(5)

3.3 灰度關(guān)聯(lián)分析

考慮到部分指標(biāo)的權(quán)重較低，如果指標(biāo)之間存在關(guān)聯(lián)性，則會出現(xiàn)性能重疊的問題，進而增加計算過程的復(fù)雜程度。因此，需先計算預(yù)警指標(biāo)的關(guān)聯(lián)度，剔除影響程度不大的指標(biāo)，選出其中的關(guān)鍵指標(biāo)，提升綜合風(fēng)險模型的計算效率，圖3為灰度關(guān)聯(lián)分析流程，先構(gòu)建比較數(shù)列(以選取的指標(biāo)為依據(jù)構(gòu)建序列)和參考數(shù)列(參考數(shù)據(jù)列由各指標(biāo)的最優(yōu)/劣值構(gòu)成，或以具體評價目的為依據(jù)進行選擇)，通過標(biāo)準(zhǔn)化處理參考數(shù)據(jù)列實現(xiàn)量綱差別的有效消除，求取數(shù)列中各相對應(yīng)指標(biāo)間的絕對差值并選出最大值和最小值，在此基礎(chǔ)上完成數(shù)列中指標(biāo)的關(guān)聯(lián)系數(shù)及灰度關(guān)聯(lián)度的計算，由于數(shù)列中的指標(biāo)同關(guān)聯(lián)系數(shù)一一對應(yīng)，導(dǎo)致信息過于分散，因此計算灰度關(guān)聯(lián)度即整個數(shù)列間的關(guān)聯(lián)系數(shù)，具體通過求平均值的方法完成，然后按照從大到小的順序排列數(shù)列間的灰度關(guān)聯(lián)度，再結(jié)合具體情況選取適當(dāng)數(shù)量的關(guān)聯(lián)度最大的指標(biāo)作為預(yù)警基礎(chǔ)輸入數(shù)據(jù)[7]。

圖3 灰度關(guān)聯(lián)分析流程

3.4 供電預(yù)警模型構(gòu)建

構(gòu)建預(yù)警模型時，首先，要根據(jù)過往經(jīng)驗對供電的風(fēng)險特征進行編碼量化，假設(shè)x(t)表示風(fēng)險事件的標(biāo)量時間序列，則可利用以下公式計算最大梯度差：

(6)

其中，m、n為相關(guān)系數(shù)。然后，利用統(tǒng)計算法進行指數(shù)評估，風(fēng)險特征之間的關(guān)聯(lián)性表達式為

(7)

由此，得出如下綜合風(fēng)險預(yù)警評估的判決式。

(8)

假設(shè)，τ表示半定量化延遲，pi表示綜合等級信息量、pj表示發(fā)生頻率的評估系數(shù)，通過使用風(fēng)險矩陣方法完成風(fēng)險預(yù)警模型的構(gòu)建，具體表達式如下。

(9)

4 預(yù)警性能仿真測試

4.1 綜合風(fēng)險預(yù)警模型測試

為了驗證本文設(shè)計的綜合預(yù)警模型的準(zhǔn)確性，以某營配調(diào)一體末端數(shù)據(jù)融合模式下的供電公司的數(shù)據(jù)進行驗證與測試，分析預(yù)測供電綜合風(fēng)險需基于一定的歷史數(shù)據(jù)完成，選擇2017-2019年時間范圍內(nèi)的用電總量、欠費總量兩個指標(biāo)，通過數(shù)據(jù)分析顯示最高的用電量和欠費分別出現(xiàn)在第 10 個月和第 16 個月，存在較大風(fēng)險。因此，將這兩份數(shù)據(jù)作為實驗樣本，制定預(yù)警指標(biāo)并進行標(biāo)準(zhǔn)化處理，根據(jù)各指標(biāo)的灰度關(guān)聯(lián)度的計算結(jié)果選出 15 項指標(biāo)，作為輸入層的輸入值，輸出層節(jié)點數(shù)量為 1 個，假設(shè)，n和m分別表示輸入和輸出的節(jié)點個數(shù)，a表示常數(shù)、取值范圍在1～10間，輸入層與輸出層間隱含層個數(shù)的計算表達式如下[8]：

(10)

據(jù)此得出隱含層節(jié)點數(shù)量為 20 個，最終構(gòu)建 15-20-1的模型結(jié)構(gòu)。首先，初始化權(quán)值以及閾值，其次，選擇 20 組數(shù)據(jù)完成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。得到模型最終的訓(xùn)練結(jié)果與實際評估值進行比較，最大誤差為1%，說明可使用該模型進行預(yù)測，基于訓(xùn)練好的模型完成測試檢驗，對比基于層次分析法的預(yù)警模型的預(yù)警效果，以上述最高的用電量和欠費月份的數(shù)據(jù)作為實驗數(shù)據(jù)，分別對供電風(fēng)險和欠費風(fēng)險進行預(yù)測，并匯總評價結(jié)果，風(fēng)險預(yù)警按照警告程度從高到底分為綠色(1級)、藍色(2級)、橙色(3級)和紅色(4級)4 個預(yù)警等級；欠費風(fēng)險值包括欠費(表示用戶欠費)和不欠費(用綠色預(yù)警表示) 2 種，具體實驗結(jié)果分別如表1、表2所示，實驗結(jié)果表明本文灰度關(guān)聯(lián)與BP神經(jīng)網(wǎng)絡(luò)綜合預(yù)警模型的預(yù)測結(jié)果同實際結(jié)果較為吻合，預(yù)警準(zhǔn)確率及預(yù)警效果較好，具有一定的實際應(yīng)用價值。

表1 供電風(fēng)險預(yù)警結(jié)果

表2 欠費風(fēng)險預(yù)警結(jié)果

5 總結(jié)

深入實施的營配調(diào)末端融合模式在帶來業(yè)務(wù)管理便利的同時，也增加了供電風(fēng)險，構(gòu)建實用的供電風(fēng)險預(yù)警系統(tǒng)成為有效降低風(fēng)險的有效手段，為有效彌補傳統(tǒng)供電風(fēng)險預(yù)警模型的不足，本文基于末端數(shù)據(jù)融合設(shè)計了一種綜合風(fēng)險預(yù)警模型，將預(yù)警指標(biāo)標(biāo)準(zhǔn)化處理以統(tǒng)一量綱及數(shù)據(jù)級，然后利用灰度關(guān)聯(lián)分析法完成指標(biāo)之間關(guān)聯(lián)度的計算，并根據(jù)風(fēng)險指標(biāo)標(biāo)量的時間序列計算得出預(yù)警的最大梯度差，在此基礎(chǔ)上得到最終的綜合風(fēng)險預(yù)警判決式，經(jīng)測試表明本文模型的預(yù)警結(jié)果的準(zhǔn)確率較高，具有較好的供電風(fēng)險預(yù)警效果，為確保供電穩(wěn)定性、提升供電管理水平提供了技術(shù)保障。