基于機器學習的電力調度SCADA系統信號自動識別研究

章杜錫，吳昱浩，楊 淇

(國網浙江省電力有限公司寧波供電公司，浙江 寧波 310014)

0 引言

電力調度數據采集與監視控制(supervisory control and data acquisition，SCADA)系統作為電網運行的核心技術支撐手段，是保障電網安全運行的基礎。主廠站信息聯調工作是確保SCADA 系統精準反應變電站一二次設備運行狀況的關鍵工序。傳統的信息聯調采用人工“逐一比對”方式，即調度主站人員一邊電話聯系變電站端觸發信號，一邊根據SCADA 系統確認信息。該方式不僅耗費時間和精力，還存在指令出錯風險，給電網運行埋下安全隱患。當前的解決方案有兩種：一是基于現有調度自動化體系架構，利用數據庫關聯關系輔助開展信息聯調；二是利用專用工具對數據通信網關機的遠動配置進行靜態校核，通過報文比對，輔助開展信息聯調。但上述方案均無法解決SCADA 系統前端圖形畫面顯示、告警信息上窗等環節的信息核驗問題，需要一種更智能、高效的電力信息聯調技術用于支持信息聯調驗收。因此，提出應用人工智能技術實現SCADA 系統各類電氣設備狀態信息的自動辨識，并通過與廠站端智能對點裝置聯動，實現主廠站信息的自動聯調。

1 方案設計

根據現場需求，對人工業務流程重新進行設計，利用視覺識別、機器學習等新技術，以人工智能方式自動開展信息校收，并形成符合電力規范要求的自動信息校驗機制和方法，智能對點信息校驗機制架構如圖1 所示。通過部署運行在調度系統上的智能對點服務器，利用文字識別、電力圖像識別、機器人按鍵軌跡智能構建、電力主備調同步驗證等人工智能技術，實現對點信號和畫面信息的自動識別與分析處理，解決調度技術支持系統中圖像圖元、告警信息、前置信息、設備信息等信息的校驗問題，提升主站端對點驗收效率和智能化作業水平。

圖1 智能對點信息校驗機制架構

1.1 AI 控制鼠標操作軌跡智能構建技術

在電力系統管理自動化流程中，當收到信息聯調請求后，系統首先自動檢索與請求相關的信號參數，并分析這些參數在電力接線圖上的具體位置；其次，系統會智能地規劃一個高效的鼠標操作軌跡，確保鼠標按照最短和最直接的路徑快速移動到目標位置；最后，基于移動軌跡信息，系統可自動控制鼠標指針的行為，即按照預定軌跡，自動驅動鼠標穿越不同的界面和菜單，直至抵達目標圖形畫面，從而實現快速并準確地導航至需要校核的圖形界面位置。

1.2 電網模型數據信息一致性核驗技術

根據需要重新建立圖形畫面中的設備連接關系和信息關聯的校驗規則。基于電網CIM 模型和電力接線圖數據解析技術，實現校核圖形畫面與電網模型數據信息的一致性。

根據電力圖形畫面文件中相關標簽的屬性，系統可找到與待核驗信號參數中密鑰標識符(key_id)相同的圖形文件，以此確定待核驗信號所屬電力圖形畫面文件名，生成一致性分析文件并進行如下步驟的核驗。

1) 變電站圖形畫面按鈕關聯檢查。解析一致性分析文件，可列出所有重復的圖形畫面跳轉按鈕以及其坐標位置。

2) 遙信、遙測關聯重復性檢查。解析一致性分析文件，列出測點在同一個畫面圖形界中關聯的多個圖元的異常信息以及圖元坐標位置。

3) 測點關聯所屬間隔錯位檢查。解析一致性分析文件，列出測點存在多個間隔分圖的告警信息，以及所在間隔分圖的坐標位置。

1.3 文字自動訓練技術

采用文字分割及圖像識別技術，通過訓練文字自動組合及過濾算法，生成待訓練文字的圖片，由算法自動計算各個文字的位置及特征，利用Tesseract (一個開源的光學字符識別(OCR)引擎)對文字進行智能訓練，訓練的迭代結果可不斷提高文字識別的準確率。具體過程如下。

1) 文字自動訓練首先通過OCR 將圖像內的文字內容轉化為機器可讀格式。

2) 其次利用深度學習模型實現高準確度的文字識別。為了增強模型的泛化性能和文字精準定位，數據增強技術和文字區域檢測技術被引入以豐富訓練數據；借助半監督或無監督學習，可以降低對大量手動標記的依賴；上下文的深度理解進一步提升了文字識別的精確性；實時的學習策略可以快速適應SCADA 系統的動態變化。

3) 最后將安全策略納入其中，確保數據的完整性和安全。

通過與先進識別技術、模型等的結合，SCADA 系統能夠更加高效和準確地解析與處理顯示的信息。

1.4 告警信息識別技術

在SCADA 系統中，告警識別是至關重要的，將直接影響到系統的安全和運行效率。基于Tesseract 和OpenCV 架構，設計一種高效的告警文字和顏色的識別方法，具體步驟如下。

1) 利用OpenCV 進行圖像處理，包括圖像閾值化以分離文字和背景。通過尋找連通域，可以定位到告警信息的具體區域，從而確保只對關鍵區域進行進一步處理，提高了整體效率。

2) 通過直方圖投影技術，將圖像按照水平或垂直方向進行投影生成直方圖。一旦確定了文字的行列位置，可進一步使用文字行分割技術將每一行或每一個字符分開，為后續的文字識別做好準備。

3) 利用Tesseract 的OCR 工具，可以將圖像中的文字轉化為機器可讀的文本；同時，OpenCV提供了顏色識別功能，系統不僅可以讀取到告警的文字內容，還可識別文字的顏色，這對于區分不同級別的告警尤為重要。

2 技術驗證

2.1 數據概述

2.1.1 數據來源

因技術開發主要針對電力調度技術支持系統，數據主要包括：電力CIM 模型(CIM-E 格式與CIM-G 格式)、變電站接線圖畫面的SVG 或者G格式圖形文件(可縮放的矢量圖形)、數據庫測點key_id 關系對應表(文本格式)、變電站電力監控信息表以及電力調度技術支持系統中廠站主接線圖、間隔圖和告警窗界面截圖(無損壓縮圖形)等。

2.1.2 數據預處理

為提高智能對點實時過程的處理速度和質量，對部分原始數據進行簡單預處理，解決包括數據關系對應混亂、信號缺失等問題，預處理方法如表1所示。

表1 數據預處理方法

2.2 模型算法

2.2.1 子模型1——圖形畫面識別算法

1) 模型輸入。變電站接線圖、電力調度技術支持系統元器件圖元、數據庫測點key_id 關系對應表。

2) 算法邏輯。圖像處理和識別系統由預處理、目標檢測、圖像分割、特征提取與選擇、目標分類等幾個步驟構成(見圖2)，根據圖形畫面上的文字、圖元形狀、圖元顏色、閃爍等特性，形成(非聯網環境)非深度學習方式的圖像識別方法。通過調用電力圖形畫面識別引擎，實現對電力接線圖畫面中測點信息的實時驗收。

圖2 圖像處理和識別系統步驟

采用圖像識別技術代替人工辨識，通過二值化處理、顏色提取分類、SIFT 圖像匹配算法、霍夫變換等，準確識別電力圖形畫面上圖元狀態，達到采用圖像識別技術代替人工辨識的目的。算法示意圖如圖3 所示。

圖3 圖形畫面識別算法示意

3) 模型輸出。圖形畫面測點狀態。

4) 算例應用。根據電網相關規范，調用電力圖形畫面識別引擎，實現對接線圖畫面中測點信息的驗收，包括遙測數據、遙信變位、圖元顏色、光字閃爍等。畫面測點識別正確率達99.2 %。

2.2.2 子模型2——文字模型離線自動訓練

1) 模型輸入。變電站電力監控信息表，電力調度技術支持系統廠站主接線圖、間隔圖和告警窗界面截圖。

2) 算法邏輯。采用文字分割及圖像識別技術，通過訓練文字自動組合及過濾算法，以及Tesseract 對文字進行自動智能訓練，提高文字識別的準確率。同時該算法簡化了文字訓練的步驟，能快速實現文字訓練，生成所需的訓練模型，提高訓練效率。文字自動訓練流程如圖4 所示。

圖4 文字自動訓練流程

3) 模型輸出。文字模型離線自動訓練識別。

4) 算例應用。調度主站系統因安全性無法具備在線環境，且配置的工作站、服務器不具備GPU 等圖像硬件設備，因此，采用OpenCV+識別引擎Tesseract，通過非深度學習的方式進行離線環境下的接線圖圖像識別和告警窗文字識別，實現對告警窗內容的自適應識別處理(包含信息推送方式、時標、字體顏色、告警內容格式等)，自動判別告警內容及信號等級是否有誤，并自主完成對點信號的驗證及記錄。文字識別通過率達98.3 %。

2.2.3 子模型3——智能核驗關聯一致性算法

1) 模型輸入。變電站接線圖可縮放矢量圖形、電力CIM-E 模型、電力CIM-G 圖形、數據庫測點key_id 關系對應表、變電站電力監控信息表。

2) 算法邏輯。該算法通過分別解析調度技術支持系統中的CIM-E 模型和CIM-G 圖形，得到所有間隔對象的連接信息。以CIM-E 模型解析得到的對象連接信息為基準，與CIM-G 圖形的對象連接信息進行核對，以此核驗調度系統圖形畫面關聯的一致性。具體流程如圖5 所示。

圖5 智能核驗圖形關聯一致性算法流程

3) 模型輸出。圖形畫面關聯、按鈕跳轉校核結果。

4) 算例應用。智能對點前會完成對測試變電站的調度圖形畫面關聯工程一致性校驗，包括變電站圖形畫面按鈕關聯檢查、遙信遙測關聯重復性檢查、測點關聯所屬間隔錯位檢查等，及時發現糾正人工關聯的失誤。

2.2.4 子模型4——圖形畫面切換路徑規劃算法

1) 模型輸入。變電站接線圖、數據庫測點key_id 關系對應表、變電站電力監控信息表。

2) 算法邏輯。該算法實現了從當前畫面依次切換跳轉至某一測點全部所屬畫面的路徑規劃，以最短路徑為原則，畫面切換速度快，效率高，且畫面切換瀏覽準確無誤。圖形畫面切換路徑規劃算法流程如圖6 所示。

圖6 圖形畫面切換路徑規劃算法流程

3) 模型輸出。智能跳轉切換電力接線圖畫面。

4) 算例應用。基于電力調度系統圖形畫面切換路徑軌跡算法，解析目標位置相對屏幕坐標系的精準坐標等信息，自動驅動鼠標實現SCADA系統圖形畫面及時準確的切換跳轉，正確率可達100 %，且支持動態指令鼠標操作(移動、按鍵)等；可同時自動按鍵切換多個程序或窗口，例如告警窗、圖形畫面主接線圖、間隔分圖、前置多通道數據界面等，可實現聯調對點過程中的畫面自動切換。

3 工程實踐

基于前述理論基礎，研制開發了調度主廠站信息聯調裝置并投入應用，截至目前，該信息聯調裝置應用效果良好，識別效率和準確率得到有效提升，改變了傳統的人工信息聯調工作易遺漏、易出錯的狀態。

4 結束語

基于機器學習的電力調度SCADA 系統信號自動識別技術可有效解決電力調度主站SCADA 系統中海量的圖像圖元、告警信號、前置信息、設備狀態的校驗問題，實現主廠站信息的自動聯調，從根本上發現和消除信息聯調工作不到位帶來了的安全隱患，有效提升了電網安全運行的水平。