考慮數據特征聚類的電力系統網絡運行安全態勢感知

常富紅,李 麒,張文豐

(國網河南省電力公司 許昌供電公司,河南 許昌 461000)

0 引言

網絡技術的應用為電力系統日常的生產調度提供了極大的便利條件,但是降低了網絡環境的安全系數[1]。 因此,國內有研究學者提出了基于數據挖掘網絡運行安全態勢感知技術與基于BP 神經網絡網絡運行安全態勢感知技術來解決這一問題[2-3]。 雖然這兩種方法能夠完成預期的感知處理任務,但是易受到外部因素的影響,感知速度慢,誤差較難控制。

數據特征聚類技術可及時設定對應的特征感知目標,實現多維聚類處理[4]。 本文提出考慮數據特征聚類的電力系統網絡運行安全態勢感知方法,以期營造穩定的網絡感知、調度環境。

1 構建電力系統網絡運行安全態勢特征聚類感知方法

1.1 電力系統網絡運行標定數據預處理

為避免數據積壓過量導致電力系統卡頓,因此對所采集的標定數據信息進行預處理[5]。 設定基礎性標定指標,如表1 所示。

表1 基礎標定態勢感知指標設定

對相關的指標參數進行調整設定,構建電力系統的數據采集層級,分別為日志采集、感應采集和外部數據采集[6]。 完成采集后進行匯總轉換,導入電力系統實時數據存儲庫內部[7]。

1.2 聚類安全態勢感知特征提取

對電力系統網絡運行感知的區域進行劃分[8],構建對應的感知結構,結合感知的需求,對感知特征提取的原理進行設定,如圖1 所示。

圖1 感知特征提取原理

對多個周期的運行區域進行監測,利用特定的識別模型,關聯感知過程中的線索及元素,測算基礎性的感知網絡安全運行感知范圍,如下式所示。

公式(1)中,K 表示安全運行感知范圍,h 表示整合感知距離,γ 表示預設期望值,i 表示感知次數,d 表示定向感知識別區域,μ 表示感知單元。 綜合上述測定,最終可以得出實際的安全運行感知范圍。 在范圍之內,依據電力系統的運行周期,采集相關的運行數據、信息,并依據數據特征聚類技術,劃定對應的運行情況,總結出特征規律,作為后續運行態勢感知的基礎,確保運行感知效果的真實可靠。

1.3 關聯網絡感知節點部署

網絡運行感知節點的部署,一定程度上可以進一步擴大實際的感知范圍,從整體上簡化對應的感知環節,提升對電力系統運行態勢感知的精準度。 先構建一個定向的可控感知空間,依據設定的感知目標,對所采集的感知數據進行采集,完成匯總整合后,綜合數據特征聚類技術,預設基礎的感知位置,并測算節點的感知導向值,如下式所示。

公式(2)中,J 表示節點感知導向值,a 表示運行態勢偏差,m 表示定向感知區域,n 表示堆疊感知區域,表示可控覆蓋距離,t 表示單向感知次數。 綜合上述測定,最終可以得出實際的節點感知導向值。 依據導向距離,進行初始感知節點的布設,隨后,根據感知位置的變動,不斷調整感知節點的位置,針對各個位置的節點運行情況做出調整,如表2 所示。

表2 各位置感知節點運行情況調整設定

通過表2 完成對各位置感知節點運行情況調整的設定,隨后對相關感知區域的節點進行調度,完成關聯網絡感知節點的部署。

1.4 構建數據特征聚類安全態勢感知模型

根據上述關聯網絡感知節點的部署,綜合數據特征聚類技術,對電力系統安全態勢感知模型進行設計。 在初始的感知模型內部,設定多個具有不同目標的感知模塊,與周圍的節點搭接后,形成穩定的感知環境。 在此基礎上,通過各個周期電力系統運行數據的采集,分析周期內安全態勢的感知特征,并預設對應的時間感知序列,形成對應的信息化感知數據集,計算感知時長,如下式所示。

公式(3)中,U 表示感知時長,x 表示動態化的檢測區域,r 表示特征識別距離,e 表示感知次數,θ 表示特征差值,δ 表示堆疊感知位置,Y 表示運行偏差。 綜合上述測定,最終可以得出實際的感知時長,將其設定為模型的感知標準,根據電力系統的運行狀況,測定數據特征的可識別標準。 將相關的標準設定在模型之中,通過數據集中器,對每一個周期進行集中分析,同時設定感知異常警示裝置,形成循環式的感知結構,完成數據特征聚類安全態勢感知模型的構建。

1.5 特征有功校正實現安全態勢感知處理

采用構建的數據特征聚類安全態勢感知模型,獲取模糊感知結果,將其與初始的感知標準進行比照,如果出現的感知誤差超出合理的范圍,則需要依據感知特征,采用多維有功的形式進行感知結果的校正。

此模型可以利用節點進行周期性數據的采集,隨后,對數據進行解析,測定分析階段性的感知情況,并利用感知模型對實際的結果進行修正,標記出有功校正的位置,逐步形成一個動態化的感知處理結構,實現對最終電力系統運行安全態勢感知工作的處理。

2 方法測試

本次主要是對數據特征聚類的電力系統網絡運行安全態勢感知實際應用效果進行分析與研究,考慮到最終測試結果的分析與研究,選定A 配電站作為測試的主要目標對象,并設定3 個網絡覆蓋區域作為測試對象,明確網絡運行安全態勢的標定范圍,參考王艷[5]和趙冬梅等[6]的研究,設定傳統數據挖掘網絡運行安全態勢感知測試組、傳統BP 神經網絡運行安全態勢感知測試組以及本文設計的數據特征聚類網絡運行安全態勢感知測試組。 測試得出的結果以對比的方式進行分析,下面根據實際的感知需求及標準,搭建相應的測試環境。

2.1 測試準備

為對數據特征聚類的電力系統網絡運行安全態勢感知的實際應用效果進行分析與研究,結合實際的態勢感知需求,進行基礎性感知環境的搭建。

在選定的A 配電站電力系統的控制程序中接入一個動態化的監督程序,與周圍設定的定向感知節點進行關聯,逐步形成一個具有多元性的感知結構。 隨后,設定3 個具有特定攻擊性的指令,將其布設在測試程序中,營造一個專業的測試程序,對3 個網絡覆蓋區域設定的感知點位做出調節,并設計對應的感知時間窗,測算感知時間窗的有效感知距離,如下式所示。

公式(4)中,D 表示時間窗有效感知距離,π 表示定向感知點位間距,? 表示感知偏差,σ1和σ2分別表示時間窗的初始感知范圍和實測感知范圍。 將得出的時間窗有效感知距離設定在感知模型中,與電力系統的控制程序形成對應的關聯結構,完成測試環境的搭建。

2.2 測試過程及結果分析

在電力系統中下發攻擊指令,營造測試環境,綜合數據特征聚類技術,可以測算電力系統的運行狀態,計算運行安全態勢感知邊界值,如下式所示。

公式(5)中,M 表示感知邊界值,ζ 表示既定值,F表示感知周期,v 表示感知單向頻率,S 表示感知次數。 綜合上述測定,最終可以得出實際的感知邊界值進行具體的分析與研究,具體如表3 所示。

表3 測試結果對比分析

根據上述分析,最終可以得出實際的測試結果。相比于傳統數據挖掘網絡運行安全態勢感知測試組和傳統BP 神經網絡運行安全態勢感知測試組,本文設計的數據特征聚類網絡運行安全態勢感知測試組最終得出的感知邊界值較低,在對電力系統進行實際感知的過程中,感知速度快,誤差小,邊界偏差可控,具有實際的應用價值。

3 結語

本文基于特征聚類技術,設計了電力系統網絡運行安全態勢感知方法,增強了網絡安全運行感知結構的穩定性與可調度性。 在強化電力系統的應用能力的同時,逐步營造更加安全的網絡環境,推動電力及相關行業的進一步發展。