基于BN 算法的電力調(diào)度多源故障數(shù)據(jù)融合研究

陳方之，廖 華，鐘文明，申曉杰，陸 飛

（1.中國(guó)南方電網(wǎng)有限責(zé)任公司超高壓輸電公司南寧監(jiān)控中心運(yùn)維部，廣西 南寧 530029；2.國(guó)電南瑞南京控制系統(tǒng)有限公司，江蘇 南京 210000）

電網(wǎng)系統(tǒng)在近年來(lái)發(fā)展迅速，人們對(duì)于電的應(yīng)用直接影響到了電力系統(tǒng)的發(fā)展速度。在電力調(diào)度中，電力故障時(shí)有發(fā)生，因此經(jīng)常需要對(duì)電力系統(tǒng)進(jìn)行檢修和診斷，但電力調(diào)度中產(chǎn)生的故障具有種類(lèi)多、隱蔽性強(qiáng)、重疊性高等特點(diǎn)，在診斷與檢修時(shí)很難將故障全部修復(fù)。

為解決存在的問(wèn)題，一些學(xué)者進(jìn)行了相關(guān)研究，文獻(xiàn)[1]分析了深度學(xué)習(xí)技術(shù)在多源數(shù)據(jù)融合中的應(yīng)用，通過(guò)深度學(xué)習(xí)技術(shù)解決電力調(diào)度多源故障的問(wèn)題，但此方式并不能適用于所有電力調(diào)度故障的發(fā)生，對(duì)于一部分因素仍無(wú)法解決。文獻(xiàn)[2]提出了基于BP 神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合算法，通過(guò)建立滑坡模型檢測(cè)電網(wǎng)數(shù)據(jù)，并通過(guò)BP 神經(jīng)網(wǎng)絡(luò)算法融合電力調(diào)度的故障源數(shù)據(jù)，但BP 神經(jīng)網(wǎng)絡(luò)有繁瑣、復(fù)雜的特點(diǎn)，很難對(duì)其完成正確操作，不適用于電力調(diào)度多元故障方法的普及。

為解決上述問(wèn)題，文中提出基于BN 算法的電力調(diào)度多元故障數(shù)據(jù)融合。

1 電力調(diào)度多源故障數(shù)據(jù)診斷

1.1 故障信息組群模型

在電力調(diào)度的故障檢測(cè)中，只要發(fā)生一個(gè)小故障便可連環(huán)引起多種故障，并對(duì)檢測(cè)系統(tǒng)造成干擾[3-4]，因此在對(duì)電力調(diào)度故障檢測(cè)時(shí)，要完整地將所有故障信息匯集到一起并進(jìn)行分析，從而拆解出故障因素[5-6]。為了完整地分析電力故障因素，文中建立了電力調(diào)度故障信息組群模型，如圖1 所示。

圖1 電力調(diào)度故障信息組群模型

故障信息組群模型共含六個(gè)分析模型，分別為快速判斷子系統(tǒng)分析模型、數(shù)據(jù)庫(kù)模型、故障錄波分析模型、保護(hù)裝置啟動(dòng)模型、綜合分析系統(tǒng)模型、故障信息分析模型[7-8]。

快速判斷子系統(tǒng)分析模型主要由兩個(gè)模塊組成，分別為響應(yīng)時(shí)間記錄模塊以及識(shí)別故障設(shè)備模塊。前者可記錄故障設(shè)備的發(fā)生時(shí)間，后者可大致確定故障設(shè)備的范圍并建立存在可疑設(shè)備的集合。

數(shù)據(jù)庫(kù)模型描述了電力調(diào)度系統(tǒng)設(shè)計(jì)的各個(gè)分析源數(shù)據(jù)，其中包括保護(hù)動(dòng)作信息、開(kāi)關(guān)動(dòng)作信息、故障錄波文件、保護(hù)定值信息等儲(chǔ)存各類(lèi)數(shù)據(jù)的節(jié)點(diǎn)模塊。

故障錄波分析模型中包含經(jīng)過(guò)錄波分析的故障設(shè)備數(shù)據(jù)以及故障設(shè)備的數(shù)據(jù)模型等，該模塊主要用來(lái)存儲(chǔ)故障設(shè)備錄波的錄取結(jié)果，以便對(duì)錄波統(tǒng)計(jì)分析并調(diào)度[9-10]。

保護(hù)裝置啟動(dòng)模型可提取數(shù)據(jù)庫(kù)中的故障信息，并判斷是否符合保護(hù)裝置的啟動(dòng)條件，其設(shè)有裝置啟動(dòng)臨界值，由系統(tǒng)判斷是否大于臨界值。若大于臨界值，便啟動(dòng)保護(hù)裝置，保護(hù)電力調(diào)度設(shè)備不被損壞[11-12]。

綜合分析系統(tǒng)模型是通過(guò)分析上述模型產(chǎn)生的數(shù)據(jù)，對(duì)可疑設(shè)備數(shù)據(jù)分析，判斷是否為故障設(shè)備，在綜合分析中，對(duì)同一個(gè)故障的各類(lèi)故障因素進(jìn)行數(shù)據(jù)融合。

故障信息分析模型主要用于對(duì)電力系統(tǒng)中的故障信息進(jìn)行識(shí)別、分析和分類(lèi)。

1.2 故障信息分析

通過(guò)建立故障信息組群模型，以該模型為核心，針對(duì)一次電力調(diào)度故障，對(duì)其進(jìn)行故障信息分析，分析流程如圖2 所示。

圖2 故障信息分析流程

故障信息分析主要分為如下幾步。

步驟1：快速故障分析診斷。根據(jù)電力故障發(fā)生時(shí)電力系統(tǒng)運(yùn)行方式以及開(kāi)關(guān)分合閘的動(dòng)作、保護(hù)裝置等情況，利用快速判斷子系統(tǒng)信息模型快速分析診斷故障，確定故障的范圍與引起故障的設(shè)備，該模型可在故障發(fā)生幾分鐘內(nèi)作出響應(yīng)并完成判斷，是整個(gè)故障信息組群模型的重要模塊。

步驟2：故障組群管理系統(tǒng)協(xié)調(diào)。當(dāng)電力調(diào)度故障發(fā)生時(shí)，故障組群管理子系統(tǒng)開(kāi)始協(xié)調(diào)整個(gè)故障信息組群運(yùn)行，通過(guò)發(fā)布指令指揮各個(gè)模塊運(yùn)作，并接收快速判斷子系統(tǒng)傳輸?shù)拇篌w故障范圍信息，根據(jù)信息逐一分析可疑故障設(shè)備。

步驟3：數(shù)據(jù)采集。通過(guò)接收子系統(tǒng)指令，采集數(shù)據(jù)并記錄保存。

步驟4：對(duì)可疑故障設(shè)備的預(yù)處理。若故障組群管理子系統(tǒng)確定了可疑故障設(shè)備，則對(duì)該設(shè)備預(yù)處理，通過(guò)識(shí)別可疑故障設(shè)備的類(lèi)型，將其用于對(duì)應(yīng)類(lèi)型的故障錄波的分析，實(shí)現(xiàn)對(duì)故障設(shè)備的精確判斷。

步驟5：故障設(shè)備的保護(hù)動(dòng)作。當(dāng)對(duì)可疑設(shè)備的預(yù)處理完成后，故障保護(hù)裝置開(kāi)始對(duì)故障設(shè)備進(jìn)行臨界值的判定，其判定因素為故障設(shè)備錄波的電流電壓數(shù)值，通過(guò)電流電壓數(shù)值來(lái)判定是否啟動(dòng)保護(hù)裝置。

步驟6：綜合分析。當(dāng)達(dá)到啟動(dòng)保護(hù)裝置要求時(shí)，對(duì)故障設(shè)備綜合分析，從共享數(shù)據(jù)區(qū)間中提取子系統(tǒng)對(duì)故障設(shè)備分析的數(shù)據(jù)信息判定，尋找故障設(shè)備的故障點(diǎn)并分析故障源，公式如下：

其中，C為設(shè)備可信度，通過(guò)C的值來(lái)確認(rèn)故障設(shè)備；n為子系統(tǒng)分析結(jié)果數(shù)量；R為從第i個(gè)分析結(jié)果源獲取的該設(shè)備是否故障。C=1 代表設(shè)備故障；C=0 表示無(wú)設(shè)備故障[13-14]。

2 基于BN算法的故障數(shù)據(jù)融合

2.1 幅值故障度

當(dāng)電力調(diào)度系統(tǒng)發(fā)生故障時(shí)，故障設(shè)備電流大幅度增加，設(shè)備信號(hào)的幅值便隨著故障設(shè)備電流增加而增大，因此可根據(jù)信號(hào)幅值的大小來(lái)表示電力調(diào)度系統(tǒng)的故障度。通過(guò)貝葉斯網(wǎng)絡(luò)算法，當(dāng)故障發(fā)生時(shí)，第i個(gè)元件(i=1,2,3,…,n)的幅值為Ai，則有：

根據(jù)式（2）、（3）得到幅值故障度計(jì)算公式，如下所示：

其中，AD表示得到的幅值故障度。

2.2 頻率故障度

當(dāng)電力調(diào)度系統(tǒng)發(fā)生故障時(shí)，故障設(shè)備產(chǎn)生的信號(hào)中含有高頻分量，頻率的變化幅度也可以看作電力調(diào)度系統(tǒng)故障度。通過(guò)貝葉斯算法計(jì)算，當(dāng)故障發(fā)生時(shí)，第i個(gè)元件的頻率幅度為Bi，因此頻率故障度計(jì)算公式如下：

其中，BD表示頻率故障度。

2.3 能量故障度

在確定幅值故障度與頻率故障度后，根據(jù)貝葉斯網(wǎng)絡(luò)算法可得到電力調(diào)度故障的能量，以故障設(shè)備發(fā)生故障時(shí)能量的變化量，量化故障設(shè)備的故障度。

能量故障度的計(jì)算公式為：

其中，WD表示得到的能量故障度。

2.4 開(kāi)關(guān)量故障度

將貝葉斯計(jì)算融入到電力調(diào)度故障中，是該領(lǐng)域常用檢測(cè)開(kāi)關(guān)量的算法，根據(jù)開(kāi)關(guān)量的故障程度擴(kuò)大對(duì)電網(wǎng)調(diào)度故障的檢測(cè)范圍，通過(guò)貝葉斯算法計(jì)算設(shè)備故障的總概率，統(tǒng)計(jì)計(jì)算出的結(jié)果并進(jìn)行歸一化數(shù)據(jù)處理?？傻瞄_(kāi)關(guān)量故障程度，其計(jì)算公式如下：

其中，PD表示開(kāi)關(guān)量故障度。

在獲取了以上數(shù)據(jù)后，即可開(kāi)始逐步融合故障度數(shù)據(jù)，共分為三層結(jié)構(gòu)。第一層為信息獲取層，從該層獲取幅值、頻率、能量、開(kāi)關(guān)量的數(shù)據(jù)信息，并傳輸?shù)降诙犹卣魈崛?。在特征提取層中通過(guò)貝葉斯算法對(duì)分析數(shù)據(jù)提取故障度[15-16]。最后將以上四種故障度數(shù)據(jù)匯總后傳輸?shù)綌?shù)據(jù)融合層，通過(guò)DS 證據(jù)理論完成對(duì)四種故障度的數(shù)據(jù)融合。

3 實(shí)驗(yàn)研究

為了驗(yàn)證提出的基于BN 算法的電力調(diào)度多源故障數(shù)據(jù)融合方法的實(shí)際應(yīng)用效果，設(shè)計(jì)如下實(shí)驗(yàn)。選用文中方法和傳統(tǒng)的基于深度學(xué)習(xí)算法的融合方法和基于多源數(shù)據(jù)的融合方法進(jìn)行實(shí)驗(yàn)對(duì)比。

選用的實(shí)驗(yàn)對(duì)象為瞬時(shí)故障電路，如圖3 所示。

圖3 實(shí)驗(yàn)對(duì)象

根據(jù)圖3 所示的實(shí)驗(yàn)對(duì)象，設(shè)定對(duì)比實(shí)驗(yàn)，同時(shí)判斷不同方法的故障信息重演時(shí)間，得到的實(shí)驗(yàn)結(jié)果如圖4 所示。

圖4 故障信息重演時(shí)間實(shí)驗(yàn)結(jié)果

由圖4 可知，隨著故障信息數(shù)量的增多，文中提出的方法和傳統(tǒng)方法花費(fèi)的故障信息重演時(shí)間都有所增加，但文中提出的融合方法重演時(shí)間始終低于傳統(tǒng)方法的重演時(shí)間。當(dāng)故障信息量達(dá)到600 GB時(shí)，文中提出的融合方法和傳統(tǒng)方法存在明顯差距，中文提出的融合方法僅需要10 min 即可完成故障重演，而傳統(tǒng)的基于深度學(xué)習(xí)的融合方法需要花費(fèi)17 min 才能實(shí)現(xiàn)重演，基于多源數(shù)據(jù)的融合方法需要花費(fèi)20 min 才能順利完成重演。

造成這種現(xiàn)象的原因是文中提出的融合方法利用BN 算法對(duì)數(shù)據(jù)定量分析，在快速得到故障波形之后，根據(jù)信息波形和文件實(shí)現(xiàn)定位檢測(cè)，確定故障信息，實(shí)現(xiàn)波形分析，快速完成故障重演，而傳統(tǒng)方法需要花費(fèi)大量時(shí)間才能完成故障信息數(shù)據(jù)采集，因此重演時(shí)間難以達(dá)到用戶要求[17]。

對(duì)電力調(diào)度故障分析后，便需要對(duì)其進(jìn)行分析數(shù)據(jù)的融合，由于融合數(shù)據(jù)量較大，故文中進(jìn)行三組實(shí)驗(yàn)，每組實(shí)驗(yàn)進(jìn)行5 次，分別針對(duì)500 GB、1 000 GB和1 500 GB 電網(wǎng)故障信息融合，融合實(shí)驗(yàn)結(jié)果分別如表1-3 所示。

由表1 可知，在融合數(shù)據(jù)為500 GB 時(shí)，雖然文中方法融合能力較強(qiáng)，但是傳統(tǒng)的融合方法也展現(xiàn)出很好的融合效果。

表1 500 GB電網(wǎng)故障信息融合結(jié)果

由表2 可知，在融合數(shù)據(jù)為1 000 GB 時(shí)，文中方法融合能力明顯優(yōu)于傳統(tǒng)方法。

表2 1 000 GB電網(wǎng)故障信息融合結(jié)果

由表3 可知，當(dāng)融合數(shù)據(jù)為1 500 GB 時(shí)，傳統(tǒng)方法融合時(shí)間過(guò)長(zhǎng)，花費(fèi)大量時(shí)間進(jìn)行了數(shù)據(jù)分析，難以滿足用戶要求。由于文中方法已確定了電力調(diào)度故障中的故障源，故采用貝葉斯網(wǎng)絡(luò)算法融合多源故障數(shù)據(jù)。通過(guò)貝葉斯網(wǎng)絡(luò)算法以及DS 證據(jù)理論結(jié)合，融合計(jì)算出的四種故障值，以此實(shí)現(xiàn)電力調(diào)度多源故障數(shù)據(jù)快速融合，達(dá)到用戶要求。

表3 1 500 GB電網(wǎng)故障信息融合結(jié)果

4 結(jié)束語(yǔ)

在電網(wǎng)系統(tǒng)飛速發(fā)展的今天，解決電力調(diào)度故障問(wèn)題十分重要，文中提出的基于BN 算法的電力調(diào)度多源數(shù)據(jù)融合研究有效解決了傳統(tǒng)方法存在的問(wèn)題，可以應(yīng)用到實(shí)際的電力調(diào)度故障處理中，并可為后續(xù)研究此方面的學(xué)者提供有關(guān)參考。