基于智能索引算法的集控設(shè)備事故輔助預(yù)警方法研究

李 鵬，林 顯，曾旭川

（三峽水利樞紐梯級(jí)調(diào)度通信中心，四川成都 610094）

在“流域主導(dǎo)型、市場(chǎng)導(dǎo)向型、決策智慧型、管理創(chuàng)新型”四型梯調(diào)建設(shè)中，智慧調(diào)度是很重要的組成部分。但集控中心設(shè)備多數(shù)為24 小時(shí)高強(qiáng)度運(yùn)行狀態(tài)，在長(zhǎng)期運(yùn)行過(guò)程中均存在不同程度的異常現(xiàn)象[1-2]，該類異常通常被劃分為可承受風(fēng)險(xiǎn)和不可承受風(fēng)險(xiǎn)，其中可承受風(fēng)險(xiǎn)通過(guò)定期對(duì)集控設(shè)備進(jìn)行保養(yǎng)和更換配件得到解決[3]，而不可承受風(fēng)險(xiǎn)則造成設(shè)備損毀的同時(shí)也威脅著其他設(shè)備安全運(yùn)行。為此對(duì)集控設(shè)備進(jìn)行事故輔助預(yù)警非常有必要。學(xué)者李丞曜等[4]利用推理方式獲得設(shè)備當(dāng)前運(yùn)行風(fēng)險(xiǎn)程度，通過(guò)設(shè)置風(fēng)險(xiǎn)閾值實(shí)現(xiàn)事故輔助預(yù)警，馬波等[5]提出將設(shè)備運(yùn)行數(shù)據(jù)輸入到無(wú)限學(xué)生t混合模型內(nèi)，利用該模型迭代輸出故障輔助預(yù)警結(jié)果。但上述兩種方法在應(yīng)用過(guò)程中受設(shè)備數(shù)據(jù)眾多、數(shù)據(jù)維度不統(tǒng)一影響，使其輔助預(yù)警結(jié)果不夠準(zhǔn)確。

空間索引算法是從海量的大數(shù)據(jù)內(nèi)檢索到關(guān)鍵信息的算法，空間索引算法包含R-樹(shù)、四叉樹(shù)、八叉樹(shù)等算法，其中R-樹(shù)動(dòng)態(tài)索引算法是運(yùn)用最為廣泛的算法。該算法在檢索信息時(shí)具備較高的檢索效率和較低的時(shí)間復(fù)雜度[6]。為解決調(diào)控值班中的痛點(diǎn)難點(diǎn)，提升電力集控中心遠(yuǎn)程調(diào)控及設(shè)備故障預(yù)警智能化水平，把調(diào)控值班人員從大量重復(fù)性工作中解放出來(lái)，更加專注于核心能力提升。將空間索引算法應(yīng)用其中，研究基于智能索引算法的集控設(shè)備事故輔助預(yù)警方法。

1 集控設(shè)備事故輔助預(yù)警方法

1.1 集控設(shè)備數(shù)據(jù)采集

集控設(shè)備數(shù)據(jù)采集是其事故輔助預(yù)警的基礎(chǔ)，但集控設(shè)備始終保持高速運(yùn)行狀態(tài)，電壓互感器型號(hào)為JLSZV-10/6，該電壓互感器精度較高且適用于較微小的集控設(shè)備電壓采集，其采樣偏差數(shù)值為0.08 V 左右。電流互感器和電壓互感器參數(shù)如表1所示。

表1 電流與電壓互感器詳細(xì)參數(shù)

利用電流互感器和電壓互感器采集集控設(shè)備運(yùn)行數(shù)據(jù)，將該數(shù)據(jù)導(dǎo)出后獲得集控設(shè)備的采樣值序列，利用采樣值序列建立集控設(shè)備數(shù)據(jù)樣本集，對(duì)用戶后續(xù)集控設(shè)備事故輔助預(yù)警。

1.2 基于智能索引算法的集控設(shè)備事故信息檢索

R-樹(shù)索引算法將集控設(shè)備數(shù)據(jù)樣本集內(nèi)信息放置于空間數(shù)據(jù)庫(kù)內(nèi)，并為每個(gè)數(shù)據(jù)對(duì)象分配一個(gè)具備唯一性的元組（tuple），且每個(gè)元組均具有獨(dú)立的標(biāo)識(shí)號(hào)。在R 樹(shù)內(nèi)，每個(gè)葉結(jié)點(diǎn)均記錄一個(gè)空間數(shù)據(jù)對(duì)象，其可由下式描述：

式中，n表示集控設(shè)備數(shù)據(jù)空間維度，tupleideftifier 表示數(shù)據(jù)對(duì)象的元組和標(biāo)識(shí)號(hào)；Q0表示集控設(shè)備數(shù)據(jù)的最小包圍框；Qi表示在第i維度空間內(nèi)數(shù)據(jù)對(duì)象范圍[7-8]。

在R 樹(shù)的非葉結(jié)點(diǎn)中，其每個(gè)索引記錄均指向下一個(gè)結(jié)點(diǎn)，其可由(Q,child-pointer) 描述，其中child-pointer 表示指向下一個(gè)結(jié)點(diǎn)的指針。依據(jù)R樹(shù)的葉結(jié)點(diǎn)和非葉結(jié)點(diǎn)描述，建立其檢索索引后，利用該索引即可在集控設(shè)備數(shù)據(jù)樣本內(nèi)獲取到其事故信息[9-10]。R-樹(shù)檢索集控設(shè)備事故數(shù)據(jù)過(guò)程如圖1所示。

圖1 R-樹(shù)檢索集控設(shè)備事故數(shù)據(jù)過(guò)程

將集控設(shè)備數(shù)據(jù)樣本導(dǎo)入到R-樹(shù)模型內(nèi)，通過(guò)建立R 樹(shù)索引后，計(jì)算查詢集控設(shè)備事故數(shù)據(jù)坐標(biāo)范圍，并利用建立的R 樹(shù)索引搜索集控設(shè)備事故數(shù)據(jù)，然后判斷事故數(shù)據(jù)是否在該坐標(biāo)范圍內(nèi)，若是則輸出檢索結(jié)果，反之則回到上一步重新計(jì)算集控設(shè)備事故數(shù)據(jù)坐標(biāo)范圍[11-12]。經(jīng)過(guò)上述步驟，獲取到集控設(shè)備數(shù)據(jù)內(nèi)的相關(guān)事故數(shù)據(jù)。

1.3 基于滑動(dòng)相似度的輔助預(yù)警方法

依據(jù)集控設(shè)備事故數(shù)據(jù)間關(guān)聯(lián)規(guī)則，計(jì)算其滑動(dòng)相似度，利用集控設(shè)備事故數(shù)據(jù)的滑動(dòng)相似度，去除個(gè)別離群數(shù)據(jù)樣本點(diǎn)，提升集控設(shè)備事故輔助預(yù)警的精準(zhǔn)度。利用滑動(dòng)相似度計(jì)算方式對(duì)集控設(shè)備事故輔助預(yù)警過(guò)程如下：

令xi、xj分別表示模糊推理得到的參考狀態(tài)向量和正常狀態(tài)向量，二者之間的歐氏距離用dij表示，其表達(dá)公式如下：

式中，o表示集控設(shè)備狀態(tài)向量維度；k表示向量?jī)?nèi)元素序號(hào)[13-15]。

令區(qū)間[0,1]范圍內(nèi)的標(biāo)準(zhǔn)化相似度為U(xi,xj)，其表達(dá)公式如下：

依據(jù)式（3）的相似度標(biāo)準(zhǔn)，計(jì)算集控設(shè)備狀態(tài)向量和參考向量的相似度數(shù)值[16-17]，其表達(dá)公式如下：

由于集控設(shè)備狀態(tài)變量?jī)?nèi)涵蓋的故障數(shù)據(jù)量不同，且某些變量間存在關(guān)聯(lián)關(guān)系，其可反映不同的集控設(shè)備故障，在此引入故障輔助預(yù)警的貢獻(xiàn)權(quán)重?k對(duì)式（4）進(jìn)行改進(jìn)，則有：

依據(jù)式（5）計(jì)算得到集控設(shè)備狀態(tài)變量和參考變量間相似度后，利用該相似度數(shù)值組成相似度向量，然后利用滑動(dòng)窗口方法實(shí)現(xiàn)集控設(shè)備故障輔助預(yù)警，其過(guò)程如下：

令N表示滑動(dòng)窗口寬度即個(gè)數(shù)，由集控設(shè)備狀態(tài)變量和參考變量間相似度組成的相似度序列由式（6）表示：

計(jì)算式（6）在滑動(dòng)N個(gè)窗口后的滑動(dòng)相似度平均值，其表達(dá)公式如下：

利用式（7）計(jì)算所有集控設(shè)備故障數(shù)據(jù)相似度數(shù)值的平均值后，將該平均值組成向量U″，然后設(shè)定Um為最小滑動(dòng)平均相似度，其表達(dá)公式如下：

令ε表示輔助報(bào)警閾值系數(shù)，依據(jù)式（8）結(jié)果和輔助報(bào)警閾值系數(shù)確定集控設(shè)備故障預(yù)警閾值ε，其報(bào)警閾值系數(shù)為：

式中，輔助報(bào)警閾值系數(shù)是集控平臺(tái)人員依據(jù)以往經(jīng)驗(yàn)得到的，為降低集控設(shè)備故障輔助報(bào)警的誤報(bào)率，輔助報(bào)警閾值系數(shù)一般取值為0.85～0.98 之間。當(dāng)集控設(shè)備參考狀態(tài)向量與實(shí)際狀態(tài)向量的相似度數(shù)值低于式（9）數(shù)值時(shí)，則向用戶發(fā)出設(shè)備故障輔助預(yù)警信息。

2 實(shí)驗(yàn)分析

以某大型水電集控中心為實(shí)驗(yàn)對(duì)象，該集控中心內(nèi)涵蓋若干臺(tái)0.56 萬(wàn)千瓦的水輪發(fā)電機(jī)組，總裝機(jī)容量高達(dá)1.5 萬(wàn)千瓦。在該水電集控中心內(nèi)，一次、二次變電設(shè)備、轉(zhuǎn)接設(shè)備、負(fù)載調(diào)壓設(shè)備以及監(jiān)控設(shè)備眾多，為保障該水電集控中心各設(shè)備正常運(yùn)轉(zhuǎn)，應(yīng)用該文方法對(duì)其展開(kāi)設(shè)備事故輔助預(yù)警，同時(shí)驗(yàn)證所提方法實(shí)際應(yīng)用效果。為使實(shí)驗(yàn)結(jié)果更加準(zhǔn)確，使用Matlab 仿真軟件模擬該大型水電集控中心設(shè)備運(yùn)行環(huán)境，進(jìn)行模擬仿真實(shí)驗(yàn)。

2.1 數(shù)據(jù)采集

以水電集控中心的電壓轉(zhuǎn)換設(shè)備為實(shí)驗(yàn)對(duì)象，在Matlab 仿真軟件內(nèi)設(shè)置該設(shè)備電壓出現(xiàn)微小波動(dòng)狀況[18-19]，使用所提方法采集該設(shè)備電壓，測(cè)試所提方法對(duì)設(shè)備微小電壓的數(shù)據(jù)采集效果，結(jié)果如圖2所示。

圖2 微小設(shè)備電壓數(shù)據(jù)采集測(cè)試結(jié)果

分析圖2 可知，在Matlab 仿真軟件內(nèi)模擬電壓轉(zhuǎn)換設(shè)備電壓輕微波動(dòng)情況時(shí)，該文方法采集的設(shè)備電壓數(shù)值曲線與仿真軟件模擬數(shù)值曲線幾乎重合，僅在電壓出現(xiàn)波動(dòng)的波峰和波谷位置處存在輕微偏差。其中，最大偏差出現(xiàn)在時(shí)間為0.5 s時(shí)，該電壓轉(zhuǎn)換設(shè)備電壓出現(xiàn)下降的波谷位置，其偏差數(shù)值為0.05 V左右，該數(shù)值在電壓互感器采樣允許偏差數(shù)值內(nèi)。

2.2 設(shè)備事故信息檢索測(cè)試

以水電集控設(shè)備某段時(shí)間內(nèi)的20 000 個(gè)運(yùn)行數(shù)據(jù)為實(shí)驗(yàn)對(duì)象，應(yīng)用所提方法在20 000 個(gè)運(yùn)行數(shù)據(jù)內(nèi)檢索其事故數(shù)據(jù)，結(jié)果如表2 所示。為更明確呈現(xiàn)所提方法設(shè)備事故信息檢索功能，同時(shí)使用文獻(xiàn)[4]方法和文獻(xiàn)[5]方法展開(kāi)對(duì)比實(shí)驗(yàn)。

表2 設(shè)備事故信息檢索測(cè)試結(jié)果

分析表2 可知，所提方法在開(kāi)始檢索水電集控設(shè)備事故信息的第0.2s時(shí)，其檢索到的設(shè)備事故信息數(shù)量均高于文獻(xiàn)[4]方法和文獻(xiàn)[5]方法。隨著檢索時(shí)間的增加，所提方法在檢索時(shí)間為0.8s時(shí)其檢索設(shè)備事故信息數(shù)量與實(shí)際設(shè)備事故信息數(shù)量完全相同，而文獻(xiàn)[4]方法和文獻(xiàn)[5]方法分別在檢索時(shí)間為1.4s和1.6s時(shí)其檢索設(shè)備事故信息數(shù)量與實(shí)際設(shè)備事故信息數(shù)量相同，說(shuō)明所提方法可有效檢索設(shè)備數(shù)據(jù)內(nèi)的事故信息的同時(shí)，其檢索時(shí)間消耗較少，檢索設(shè)備事故信息速度較快。

2.3 輔助預(yù)警效果測(cè)試

以模糊置信度衡量該文方法輔助預(yù)警精度，測(cè)試在不同集控設(shè)備運(yùn)行數(shù)據(jù)量情況下，該文方法在輔助預(yù)警過(guò)程中的模糊置信度變化情況，結(jié)果如圖3所示。

圖3 輔助預(yù)警模糊置信度變化情況

分析圖3 可知，該文方法在輔助預(yù)警集控設(shè)備事故時(shí)的模糊置信度數(shù)值隨著設(shè)備運(yùn)行數(shù)據(jù)量的增加呈現(xiàn)輕微波動(dòng)趨勢(shì)，其數(shù)值始終保持在0.9 左右。而文獻(xiàn)[4]方法和文獻(xiàn)[5]方法的模糊置信度數(shù)值則隨著設(shè)備運(yùn)行數(shù)據(jù)量的增加呈現(xiàn)降低趨勢(shì)，其中文獻(xiàn)[5]方法的模糊置信度數(shù)值降低趨勢(shì)尤為明顯。說(shuō)明該文方法在輔助預(yù)警集控設(shè)備事故時(shí)的模糊置信度數(shù)值較高，說(shuō)明其預(yù)警精度較好。

進(jìn)一步驗(yàn)證該文方法對(duì)水電集控設(shè)備事故的預(yù)警能力，在Matlab 仿真軟件內(nèi)模擬不同次數(shù)的設(shè)備運(yùn)行事故，同時(shí)使用三種方法對(duì)其進(jìn)行預(yù)警，結(jié)果如圖4 所示。

圖4 水電集控設(shè)備預(yù)警測(cè)試結(jié)果

分析圖4 可知，三種集控設(shè)備事故輔助預(yù)警方法在模擬集控設(shè)備事故次數(shù)為1 000 次之前時(shí)，其輔助預(yù)警次數(shù)和模擬次數(shù)完全相同，但在模擬集控設(shè)備事故次數(shù)為2 500 次時(shí)，該文方法預(yù)警次數(shù)與模擬次數(shù)之間的差值最小。

3 結(jié)論

該文研究了基于智能索引算法的集控設(shè)備事故輔助預(yù)警方法，應(yīng)用到了智能索引算法內(nèi)的R-樹(shù)算法，利用其搜索集控設(shè)備運(yùn)行數(shù)據(jù)內(nèi)的事故信息，具備較好的集控設(shè)備運(yùn)行數(shù)據(jù)采集能力和設(shè)備事故信息檢索能力，同時(shí)其具備較為準(zhǔn)確的集控設(shè)備事故輔助預(yù)警能力。