基于趨勢分析技術的設備運行態勢自動感知建模研究

周宏輝 翁東雷 莫建國 邱云 盧俊

摘 要：態勢感知系統在電力設備運行的安全監測和異常控制中起著主要作用。以往增強態勢感知系統的方法主要集中在狀態估計、安全分析和視覺感知上。作為自動識別持續變化過程的趨勢特征的有效工具，趨勢分析系統技術可用于增強電力設備運行異常的態勢感知。通過定性的趨勢分析提出了一個增強的態勢感知框架。增強框架包括3個層次：信息的感知、對當前狀態的安全評估以及對未來系統狀態和趨勢的預測。在感知信息的基礎上，引入N-1穩態安全距離模型來評估當前電力設備狀態的安全水平。實際應用結果表明：穩態安全距離趨勢提取與電力設備原始數據擬合度較好，誤差大于97%，且基于趨勢的方法可以有效監測電力設備及線路異常，幫助電力設備操作人員監測設備運行異常問題。

關鍵詞：趨勢分析；電力設備；運行異常；態勢感知

中圖分類號：TP311

文獻標志碼：A

文章編號：1001-5922（2023）07-0175-04

Research on automatic perception modeling of equipment operational trends based on trend analysis techniques

ZHOU Honghui1，WENG Donglei1，MO Jianguo1，QIU Yun1，LU Jun2

（1.State Grid Ningbo Power Supply Company，Ningbo 315000，Zhejiang China;

2.Operation and Maintenance Branch of Ningbo Power Transmission and Transformation Construction Co.，LTD.，Ningbo 315000，Zhejiang China

）

Abstract：Situational awareness systems play a major role in the safety monitoring and anomaly control of power plant operations.Previous approaches to enhance situational awareness systems have focused on state estimation，safety analysis and visual perception.As an effective tool for automatically identifying trend characteristics of continuously changing processes，trend analysis techniques can be used to enhance situational awareness of abnormalities in power plant operation.An enhanced situational awareness framework is therefore proposed through qualitative trend analysis.The enhanced framework consists of three levels： perception of information，safety assessment of the current state and prediction of the future system state and its trends.Based on the perceived information，an N-1 steady-state safety distance model is introduced to assess the safety level of the current state of power equipment.The practical application results showed that the steady-state safety distance trend extraction fitted well with the original data of power equipment，with an error greater than 97%，and the trend-based approach could effectively monitor power equipment and line abnormalities and help power equipment operators to monitor abnormal equipment operation problems.

Key words：trend analysis; power equipment; operational anomalies; situational awareness

目前態勢感知系統已應用在電力設備異常監測中［1］。但態勢感知系統在電力設備異常狀態監測中無法有效識別異常數據，需要進一步提高態勢感知系統識別效率。

且已有眾多學者做了大量的態勢感知系統增強工作。在狀態估計方面，提出了相位測量單元放置策略，以增強態勢感知［2］。在視覺感知方面，安全數據共享機制和可視化技術被用來提高電力設備的可觀察性，實現直觀的態勢感知。然而，上述方法并沒有對電力系統狀態的持續變化提供精確的趨勢分析。此外，根據文獻［3］的研究，態勢感知系統需要不斷了解電力設備的健康狀況。通常情況下，收到的異常數據信息沒有以反映變化過程中的基本趨勢的方式呈現［4］。因此，有必要引入一個趨勢分析工具來捕捉電力設備狀態的演變趨勢，以增強態勢感知。

趨勢分析技術已經被應用于電力設備異常安全分析，以及復雜電力設備系統監測和決策支持［5］。在電力設備異常安全分析中，有學者提出了趨勢的概念［6］，還有提出了在設備異常概率下的安全指數，以確定設備異常狀態的趨勢變化［7］。為了支持復雜系統的監測和決策，提出了一種定性趨勢分析（QTA）的方法，以確定設備變化過程的趨勢特征［8］。用趨勢分析了電力系統歷史狀態的趨勢特征［9］。基于此，本文通過定性的趨勢分析提出了一個增強的態勢感知框架以自動識別電力設備異常安全狀態的趨勢特征。

1 N-1 STEADY-STATE 模型

為了更好地量化電力設備運行異常下的運行狀態，本文使用距離建模（N-1 SSD）的模型。建立距離建模的程序包括3個步驟： （1）建立N-1 STEADY-STATE SD（N-1 SSR）;（2）N-1 SSR邊界識別;（3）N-1 SSD計算。

3 研究結果與分析

3.1 測試用例概述

利用所提出的態勢感知模型用于某電網電力設備。該電力設備系統的總發電量為22.03 GW，994條母線，以及1 271條電壓等級在220 kV以上的分支。

案例研究時間為2022年9月23日00：00～21：00的運行數據。前1 h的預測數據基于每5 min的歷史實時測量數據，后1 h的預測數據由智能電網調度系統估算得出。圖1為2022年9月22日電力設備負荷數據，并標注了2個負荷峰值時間點。

3.2 設備運行中態勢感知應用

第2個小時內系統運行點的數據最終用于態勢感知預測。預先指定的電力設備運行異常事件集由系統中的分支組成。對于每個運行異常事件，進行N-1 SSD模型來量化操作狀態的安全級別，并獲得N-1 SSD結果的趨勢曲線，結果如圖2所示；表1為Cusum的分級閾值。數據的變化分為3個范圍，分別代表溫和變化、可觀察變化和廣泛變化。然后，為每個范圍確定Cusum的3個閾值，閾值根據給定實際電力設備運行中所選變量的變化來確定的。根據本文提出的基本概念，態勢感知的特征由3部分組成：穩態安全距離、趨勢方向和趨勢的變化率。在本文中，電力設備運行的整體顯示應以需求為基礎。

在圖2中，最小距離的趨勢表明，電力設備運行異常水平先下降后上升。從11：15開始，N-1穩態安全距離經歷了非線性下降。同時，隨著電力設備運行時間的增加，N-1 SSD迅速下降到底部（11：49）。盡管在這個時間段內設備運行仍然是安全的（N-1 SSD都是正數），但穩態安全距離越來越接近安全邊界。這導致電力設備運行異常趨勢并觸發警報。因此，電力設備運行監測人員可以根據警報內容實時對電力設備進行檢測。在11：55～12：15，N-1穩態安全距離呈非線性上升趨勢，且逐漸遠離設備安全邊界，進一步表明電力設備運行越來越安全，無明顯異常。同時可觀察到，電力設備一直在低N-1穩態安全距離（小于50MVA）的范圍內運行，并且滿足N-1安全標準，有一定的安全裕度（主要因為N-1 SSD總是正的）。這表明該電力設備目前在良好的情況下運行。只有當N-1穩態安全距離急劇下降時，表征電力設備運行異常。需要電力設備檢測人員對異常情況作出快速分析反應。且可觀察到穩態安全距離趨勢提取與電力設備原始數據擬合度較好，誤差大于97%。

3.3 電力設備線路穩態安全距離分析

為進一步提高電力設備運行異常的全面檢測，對電力設備線路的穩態安全距離進行分析，由于線路負載能力大于設備，因此其安全邊界也將大于設備正常運行時的安全邊界。根據“3.2”N-1 SSD的研究結果，選擇了4條在N-1運行異常事件后安全系數排名最低的設備線路，并在11：15～12：15進行觀察。這4條線路都位于1 000 V的關鍵設備輸電段，負荷流量大。每條線路對整個設備都是至關重要的。只要其中一條線路停止服務，電力設備的運行就會受到嚴重影響。對這4條線路進行穩態安全距離分析，結果如圖3所示。隨著設備運行時間增加，不同支線的穩態安全距離均呈非線性上升趨勢，4支線路均在12：15達到最高。其中支線4在11：30時穩態安全距離最大，約為28MVA。在接下來的45 min內，這條線路的穩態安全距離急劇增加到51MVA，而電力設備異常運行期間的平均穩態安全距離只在50 MVA附件變化，表明這條線路在設備運行期間，存在異常。同時支線3的穩態安全距離為48MVA，已接近安全邊界，該線路也存在異常需要給予關注，否則線路一旦發生異常，也會誘使電力設備發生異常。

4 結語

本文提出了一種基于趨勢的方法，利用已確定的趨勢特征，運行點的移動方向和趨勢的變化率來增強態勢感知。N-1 SSD模型被用來評估當前電力設備運行異常狀態的安全水平。案例研究結果表明，基于趨勢的方法可以作為電力設備異常檢測的智能助手，具有先進的監督和有效的決策支持。在所提出基于趨勢的方法幫助下，電力設備的安全可以在控制中心環境下得到有效的加強。此外，動態安全的態勢感知也可以通過動態穩態安全距離模型和基于趨勢的方法的結合來實現，可以進一步提高電力設備運行異常監測。

【參考文獻】

［1］ 王文君，路國正，趙杰.基于設備行為分析的電力監控網絡態勢感知系統［J］.信息技術與標準化，2019（9）：90-93.

［2］ 劉晴，劉旭，龍姣，等.電力通信調度智能指揮平臺研究與應用［J］.粘接，2020，41（1）：189-192.

［3］ 彭梟萌.基于大數據的電力通信網絡狀態感知分析［J］.電氣應用，2022，41（10）：25-30.

［4］ 于斌，劉曦.態勢感知系統在電力網絡中的應用［J］.電子技術與軟件工程，2020（21）：221-222.

［5］ 王立峰，馬超，牛永光，等.基于大數據背景下電站設備狀態監測及故障檢修管理系統仿真設計［J］.粘接，2022，49（10）：176-179.

［6］ 劉旭，湯瑋，龍姣，等.電力調度平臺全景化管控的實現方式研究［J］.粘接，2020，44（12）：149-152.

［7］ 李軍.分析電力技術中電力節能技術應用［J］.粘接，2020，42（6）：158-161.

［8］ 吳旻哲，張潔華.電力調度自動化系統應用現狀及發展趨勢［J］.產業創新研究，2023（6）：21-23.

［9］ 彭翠紅.多源數據分析的電力信息物理系統安全態勢預測研究［J］.能源與環保，2022，44（10）：272-277.

［10］ 呂鵬鵬，王少影，周文芳，等.基于進化神經網絡的電力信息網安全態勢量化方法［J］.計算機科學，2022，49（S1）：588-593.

［11］ 朱炳銓，郭逸豪，郭創新，等.信息失效威脅下的電力信息物理系統安全評估與防御研究綜述［J］.電力設備保護與控制，2021，49（1）：178-187.

［12］ 梁曉偉，朱琳艷，胡呂龍，等.電力設備的潮流計算和可視化技術研究［J］.粘接，2022，49（11）：161-164.

［13］ 劉林，祁兵，李彬，等.面向電力物聯網新業務的電力通信網需求及發展趨勢［J］.電網技術，2020，44（8）：3114-3130.

［14］ 楊家全.基于IEC61850的變電站監測系統設計［J］.云南電力技術，2012，40（5）：25-27.

［15］ 李卓，顏少偉，符樹雄，等.基于自然語言處理的電力調控智能搜索引擎關鍵技術研究［J］.粘接，2021，46（5）：85-87.