基于數據驅動的流域集控中心語音報警優化

黃海軍，黃東生

(1.華電云南發電有限公司，云南 昆明 650228；2.廣西百色銀海發電有限公司，廣西 百色 533615)

0 引言

各類電力生產信息紛繁復雜，層出不窮，給遠程集控運行值班工作帶來了很大的挑戰，“ 無人值班、少人值守” 的流域集控中心尤甚。運行值班時，僅依賴文本報警是無法高質量地完成生產工作的，需要充分地運用語音報警來有側重地對電力異常狀況做出反應[1-2]。語音報警及時、準確、高效高度依賴于運維人員對遠程集控生產經驗的掌握。通過對語音的必要性進行研究分析，有效篩選語音配置項并進行自動化批量生成，確保了語音報警內容的及時、清晰、有效和高可維護性。

1 流域集控的語音報警問題

1.1 語音報警的必要性

J 集控中心是某流域三個大型水電站的遠程集控中心，承擔受控電站的全監、全控任務，流域水電站原則上不安排運行人員值班。J 集控中心的生產實時值班平臺上每小時最高報出3 000 多條報警，3 名值班員平均每2 s 就必須對一條信息做出處理。由于電力生產包括各類事故、故障、異常、狀態信號以及各類預警信息、計劃信息等，而維護設備系統的穩態是電力生產的根本需要，因此必須通過語音來篩選重要的報警信息，才能確保事件得到及時有效的處理。

1.2 語音報警中的問題

語音報警是確保報警信息得到及時、高效處理的重要部分，其工作對象是電力生產中的關鍵風險信息，特別是各類具有時效性的風險，如事故信息、開機計劃信息以及特殊狀態變化信息等。

語音報警是需要篩選的，不能全部逐一播報。如果語音選點配置不當或者語句過長，后果是機組開停機、負荷調整等時段的報警量爆屏，甚至事件結束超過30 min 了，相關的語音仍在隊列中持續播放，這就失去報警的意義，而且可能延誤后續的正常報警[3-4]。

語音文本是需要優化的。若語音斷句不正確，語句將難以理解；多音字、羅馬字符、特殊英文簡稱等錄播不準確，將嚴重影響辨識效率；同樣的，若數字的語音不符合行業語言習慣，也將帶來信息轉換誤差，影響電力生產。

語音報警的數據量很大，往往是難以維護的。每次變更修改工作量大，管理難度及風險也很大。編號重復、反復錄制、漏錄制、關聯錯誤等都將嚴重影響錄音組態的工作效率，使語音維護工作不可持續，最終導致語音報警優化整體工作的失敗。

1.3 語音報警優化的基本思路

1) 對語音報警的頻次、重要性等進行分析，合理選擇語音測點(如采取表1 所述的專家策略)，補充完善預警、計劃曲線過程監管等語音配置，實現語音篩選的最優化[5-6]。

表1 語音優化的專家策略

2) 對語音的編號規則進行規范，有序分配和記錄錄音編號，確保編號的唯一性。

3) 對語音文本采取自動化規整，確保語音文本易于辨識、表述準確。

4) 對語音內容和文件名進行映射處理，自動編程組合。

5) 導入語音生成平臺進行自動化生成[7]。

通過上述自動化處理過程，確保關鍵異常語音提醒不缺失，實現語音低并發、高防漏的協調統一，最終達成語音報警優化的目標。

2 流域集控的語音報警優化

2.1 事件語音的權重

開關量報警是最常見的生產監控形式，其文本報警數據量占比非常高，必須設置語音進行摘要報警。具體權重考慮如下。

2.1.1 過濾高頻的非緊急性報警

密集報警導致信息量過大，增加語音系統的負擔。一般地，正常人的語速在120～200 字/min，計算機監控系統一分鐘播放語音10 條左右，數量增多則形成語音隊列積壓。

實際生產中，J 集控中心一分鐘可能產生50～300 條報警，因此，必須進行語音降頻處理(如表2 匹配的信息)，包括：

1) 重要性較低、不能反映重大狀態，或不能反映異常/報警、故障、事故的數據，不設語音。

2) 屬重要系統但頻繁報警的調管信號，如一次調頻動作、增/減閉鎖等，不設置語音。

如果集控中心不承擔“ 全監、全控” 職能，那么廠站管轄設備的報警信息也可以篩除；除非廠管信息為可能改變機組狀態的電源、網絡、事件信息。如技術供水四通閥反沖、柴油發電機故障及運行、10 kV 備自投投退、10 kV 母線告警、排水系統異常等，應當設置語音。

2.1.2 關鍵報警的防漏

1) 調管功能的狀態，應設語音。如AGC、AVC、PFC、PSS 等功能的投退及機組失備等。

2) 調管設備的重要運行方式切換，如開關分合、集控高高/低低越限報警、LCU 現地、(導葉/筒閥)開度全開/全關等，應設語音。

3) 調管設備的事故信號，應檢查確認語音無遺漏。包括各類保護動作、事故觸發、故障異常發生等，特殊的能夠反映水淹廠房、調速系統壓力等的模擬量變化也應當設置事故級語音。

4) 調管的重要異常狀態。如，調度通信的狀態變化，控制電源或板卡異常，水系統控制異常，勵磁、同期等關鍵控制系統的過程異常等。

5) 集控調管運行方式切換的復歸信號，如AGC/AVC 的機組及全廠投入復歸、只有一個信號的雙態點(自動/手動、現地/遠方/檢修)等，須設置復歸態觸發的語音。

6) 系統重要性較低的設備，但反映事故、異常狀態的，應當報警。如變壓器溫控器異常，空冷器、制動器等的異常狀態，輔助電源異常，備自投變化，外來電源工況變化等。

7) 被取反的事故/故障信號，須配置復歸態觸發的語音。如切換模塊正常、系統無事故等，增加復歸態報警，防范關鍵狀態漏監視的風險。

8) 檢查AGC、AVC、孤島、通信電源等報警配置，確保近期發生異動的系統不存在遺漏報警的情形。必要時，可復核各廠站上送集控的104 點表，重點檢查點名、路徑的變化情況，將變更情況作出標記，逐一做好報警、入庫等實時數據庫組態工作。

2.2 提前預警的語音

提前預警是生產值班的高階需求，通過數據發展趨勢分析來設置預警語音，有利于提高報警的有效性。包括：

1) 基于定值單和歷史數據的預警。結合各廠站的熱工、直流等系統的定值單及歷史數據分析和設備風險估計值，建立一套越復限預警值，并勾選配置語音項。

2) 基于專家經驗的預警。對負荷設定、閘門遠控、頻率控制、電源供應等影響安全生產的非定值性關鍵數據，可基于專家經驗設置預警語音項。

類似地，重要的開關量、發電曲線等配置征兆性報警，提前播放預警信息，有助于提升應急處置和風險防范的成效[8]。

2.3 語音的準確性

語音報得準，值班處置工作才能有保障。確保語音文本的準確性，需要開展以下工作。

1) 切換把手、切換模式等存在多態含義的測點定義具體化。如自動/手動、投入/退出、網絡狀態、電源監視等含義不明確的，完善其定義。

2) 缺乏情景信息的，補充完善其定語、狀語表述。例如，沒有指明具體調度名稱的控制權限，沒有指明水導、推力等位置信息的外循環油泵，沒有指明是機組還是全廠的有功投入等。

3) 語言表述不一致的，須規范其語言表達。具體為：統一術語，確保調度名稱的規范、統一；統一各類設備的描述性前綴，如隔刀、地刀統一加500 kV 前綴，與線路、主變相連的斷路器保留功能性定語，主變高壓側T 區使用主變作為定語，而機組開關不標注電壓等級，機組隔刀、地刀依靠近的位置使用機組/主變定語等。

4) 因接入LCU 而添加的K4、公用等區域信息，語音刪除，避免不恰當的輔助信息影響語句的正確辨識。如，母線、電抗器、PMU、孤島等信息刪除“ 開關站K4” 前綴。

2.4 語音的及時性

語音過長影響播放的及時性，應當刪除非關鍵信息，使用樸素語句表達。語音文本一般不應超過30 字符，建議為20 字符左右，超過25 字符的重新組織表述，措施有：

1) 適當增加斷句符號以輔助閱讀和理解。

2) 無關語句可適當刪除，如報文優化中增加的“ _(通信量)” “ _(儀表柜)” 等字樣。

3) 500 kV 的斷路器、隔刀、地刀相應的描述性前綴予以刪除。

2.5 語音的易用性

狀態語音使用“ 處……” 來表述報文，使用“ 切至……” 或“ 不在……” 來播報語音，如表3 匹配的報警信息。

表3 提高語音易用性的專家策略

2.6 語音的完整性

設置在腳本內的獨立語音，需要單獨登記和錄制，避免語音漏生成，如采用腳本運算生成的頻率、功率、電壓突變報警等。

2.7 語音的自動化生成

如上所述，語音報警的優化涉及的數據庫組態工作量非常大，受專家經驗的累積漸進性規律的影響，相關的操作并非一蹴而就的，由此導致數據庫組態、語音生成等維護性操作量過大，可能存在整體優化工作被終止的風險。因此，通過VBA、BAT 等編程技術實現生成過程的自動化，從而減少維護操作量，確保了語音優化技改工作的可行性。

1) 實時數據庫中的語音組態自動化。通過Excel 數據列粘貼的形式來實現批量化設置。數據列屬性的編輯，采用分區域篩選的方式來操作。當專家模型中涉及的關鍵詞具有較強的標志性，或數據范圍較小可快速標定時，使用VBA 編程方法進行識別選擇則更為靈活高效。

2) 語音文本的自動化預處理。多音字、特殊字符、漢英混合、英文縮寫、數字、無意義后綴等采用VBA 方法批量處理，操作流程如圖1 所示。

圖1 語音內容的預處理流程

3) 語音文本文件的批量化預生成。采用Windows 批處理語言，將預處理生成的語音內容和編號進行逐行分切，生成預制的語音文本文件。

4) 語音文件的自動化生成。可以使用在線TTS 進行批處理生成語音，但生成效率只有本地工具的1/5 至1/3 左右，建議采用Balabolka、科大訊飛等本地工具批量導入文本文件，進行語音文件的批量生成。

2.8 語音的持續優化

良好的語音優化來源于生產實踐的持續性優化，通過對語音的播放頻次進行分析，或值班過程的實用性研究，優化播放次數過多、過頻的組態項，糾正處理語義表達不準確、不流暢、不地道的文本，從而提升語音報警的應用效果。經過PDCA 測試，J 集控中心經過3 輪修改即可形成較為完善的語音組態數據庫，但直到15 輪修改才取得較高的生產環境應用成效。

優化過程中，J 集控中心還開發研究了語音歷史記錄、分區屏蔽等功能，成功研發了基于Linux平臺的語音報警系統，為語音報警的過程研究和優化提供了基礎。

3 結束語

J 集控中心采用基于數據驅動的專家策略進行報警語音優化后，實現了語音報警模型的最優化。優化過程中，報警配置減少16 768 條，占比降低53.77 %；開關量報警增加561 條，完備性提升1.93 %；語音文本大幅調整優化，語句辨識度提升10.75 %，生產報警介入的及時性提升至5 s 以內，滿足了流域集控“ 全監、全控” 和安全生產的需要，為同類集控中心的優化提升提供了經驗參考。