基于Gabor變換的電網調度自動化設備運行狀態監控技術

李 敏,徐建航,岳振鐸,趙雙全,張 政

(1.國家電網有限公司華北分部,北京 100053;2.南瑞集團(國網電力科學研究院)有限公司信息化系統研發部,北京 100192)

0 引言

隨著信息技術的快速發展,電網成為人類生活不可或缺的重要組成部分。電網調度自動化設備作為融合自動化監測與控制的電力調度系統[1],起到存儲電力相關數據,按需求啟停調度各電廠用電量的作用。由于電網調度自動化設備主要依靠程序代碼實現電力數據存儲與用電量調度,因此該設備極易受到外界因素的干擾,出現設備運行不穩定等問題。電力調度自動化設備長期處于不穩定運行狀態將直接導致電力系統運行質量下降,威脅電網用戶用電安全。為了及時修復電力調度自動化設備缺陷,使該設備始終保持在結構和功能均無故障的穩定狀態,國內外學者展開對電網調度自動化設備運行狀態監控方法的研究[2-4],但電網調度自動化設備運行狀態監控精度仍有待進一步提高,因此,本文提出基于Gabor變換的電網調度自動化設備運行狀態監控技術。

1 采集電網調度自動化設備狀態信息

1.1 大規模數據庫技術

對于不斷演變運行狀態的電網調度自動化設備而言,其從接收上行系統派發的任務到執行任務這一線性時間段內接觸到的大批量電力相關數據均存儲于海量時序大規模數據庫(clickhouse)中。這意味著采集電網調度自動化設備狀態信息需要深入了解數據庫存儲方式和吞吐量,否則可能采集到無用的狀態信息。海量時序大規模數據庫存儲一次設備自動化調度數據需要部署3個節點,即JobCllent節點、JobTracker節點和TaskTracker節點。其中,JobCllent節點負責同步第3方接口,使存儲動作與調度動作在時間窗和業務邏輯方面完全吻合;JobTracker節點負責限制電網調度所涉及的鏈路開銷,使數據庫組內分離度和組間分離度維持在一定比例;TaskTracker節點作為唯一的聚合節點,能夠根據時間參數將大批量電力相關數據按最佳分組方式劃分為多個聚合小組。JobCllent節點的表達式為

(1)

式中:ηij為空閑節點;k為電網調度域;αi為節點內信息量;γij為數據庫磁盤;q為電網調度自動化設備使用率;n為節點存儲時間窗;xj為電網調度時間窗。

JobTracker節點的表達式為

(2)

式中:y為最小鏈路開銷;r為數據庫組內分離度;π為數據庫組間分離度;ρ為任意2組鏈路間的開銷差;di為組間鏈路開銷;m為組內鏈路開銷;i為電力相關數據傳輸壓力。

TaskTracker節點的表達式為

L=C′×v

(3)

式中:C′為異步分布聚合策略;v為時間參數。

通過分析3個節點的工作原理,詳細了解海量時序大規模數據庫的存儲方式。在忽略電力相關數據攜帶的數據流量壓力的前提下,計算海量時序大規模數據庫在該存儲方式的協助下能夠存儲的實際電力相關數據量,即吞吐量。數據流量壓力的計算公式為

(4)

式中:f為電力相關數據量;e為輸入變量隸屬度;ho為實時資源占用信息;σ為累積壓力。

實際電力相關數據量的計算公式為

(5)

式中:fr為數據庫最佳分組數;s為電網規模;λnm為鏈路總開銷;υ為電網調度中心的鏈路信息。

由于實際電力相關數據是電網調度自動化設備運行途中存儲的狀態信息,因此將實際電力相關數據視為待采集目標,利用智能電網數據采集網絡實現該目標的自動化采集。智能電網數據采集無線傳感器網絡的表達式為

(6)

1.2 自動化電網調度技術

自動化電網調度技術是電網調度自動化設備的核心技術,由復雜網絡管理協議(DNMP)和實時數據傳輸調度模型[5]共同組成,起到按需求啟停調度各電廠用電量的作用。各電廠用電量與不間斷電源耗電量有關,當各電廠機房的相量測量裝置[6]越線、跳變、刷新頻率較快時,不間斷電源耗電量升高,電廠用電量升高,電網調度自動化設備收到主站系統下發的調度任務,開始向用電量升高的電廠合理調度電力相關數據。計算一次設備自動化調度過程中,參與調度的電力相關數據量。相量測量裝置越線、跳變、刷新頻率的計算公式為

(7)

式中:rs為越線規劃時長;z為相量測量間隔;?為跳變轉移時間;ψ為跳變瞬時狀態;l3為跳變瞬時可用度;yo為刷新開始時段;gs為期望負荷量。

不間斷耗電量的計算公式為

(8)

式中:cnm為非計劃耗電損失;αn為單位負荷價值;αm為期望耗電量;ni為規劃時間內電網運行風險;nj為相量測量裝置內絕緣度。

一次設備自動化調度過程中參與電網調度的電力相關數據量的計算公式為

(9)

式中:2dREF為電網調度響應時長;?為分布式任務時間序列。

將參與調度的電力相關數據視為待采目標,利用智能電網數據采集網絡實現該目標的自動化采集。

2 電網調度自動化設備運行狀態監控

2.1 電網調度自動化設備狀態信息分析

利用智能電網數據采集網絡采集的電網調度自動化設備狀態信息由于存在干擾性較強的高斯白噪聲[7],尚不能作為可靠樣本監控電網調度自動化設備運行狀態。想要獲取可靠性更高的樣本數據,提升設備運行狀態的監控精確度,需要優先消除狀態信息的噪聲。Gabor交換又稱改進經驗小波變換[8],是具有非平穩信號處理能力的時頻分析降噪方法。相較于傳統降噪方法的局部噪聲離散手段,Gabor交換以時域、頻域雙周期擴展的時間序列為基礎,通過自適應濾波的歸一化處理,實現噪聲信號的消除。Gabor變換消除狀態信息噪聲主要包括2個步驟,即聚集性度量和自適應濾波降噪。

2.1.1 聚集性度量計算

聚集性指噪聲信號在時域波段和頻域波段上的聚集程度,可以指導自適應濾波[9]的分布情況,為狀態信息降噪奠定基礎。聚集性越大,說明時、頻域波段聚集的噪聲信號越密集。計算電網調度自動化設備狀態信息的信息熵[10],并按熵值大小將其重新排列,通過限制上界狀態信息與下界狀態信息的虛數單位,將狀態信息約束在正態分布矩陣中。視正態分布矩陣為目標降噪矩陣,通過將矩陣映射至時頻域空間,獲取該矩陣的時域波段和頻域波段,并計算各波段的聚集性度量,即噪聲信號聚集性。信息熵計算公式為

(10)

式中:yr為狀態信息的噪聲標準差;τ2為受噪聲干擾丟失的狀態信息量;hv為狀態信息實時序列。

(11)

時頻域空間的表達式為

(12)

時域波段和頻域波段的表達式為

(13)

式中:ε為時域噪聲幅值;βi為負荷向量;ωn+1為頻域噪聲幅值;ωn為含噪小波分解程度。

時域波段和頻域波段聚集性度量的計算公式為

(14)

2.1.2 自適應濾波降噪技術

1.調查總括。采用自編問卷《戒毒人員回歸社會生活狀況調查》對“多進宮”男性戒毒人員后續照管情況進行了解，將操守期作為此次調查的重要變量。（操守期指前一次強制隔離戒毒結束與本次強制隔離戒毒開始的時間間隔）。問卷內容包括個人基本情況、入所前生活情況及解戒后生活情況三部分，除個人基本情況外有33道客觀題。收集數據后，采用SPSS17.0統計軟件對數據進行分析。同時對48名戒毒人員后續照管情況進行了訪談。

以時域波段和頻域波段的聚集性度量為基礎,在目標降噪矩陣中分配與度量值相等的自適應濾波,即可實現狀態信息的自動化降噪。自適應濾波降噪公式為

(15)

2.2 設備運行狀態監控模型

經過降噪優化的電網調度自動化設備狀態信息的可靠度顯著提升。將模糊神經網絡[11]與電網調度自動化設備健康評估體系結合,建立設備運行狀態監控模型,通過將狀態信息輸入該模型,實現設備運行狀態的自動化監控。設備運行狀態監控模型的表達式為

(16)

式中:Qnm為警告窗;In為冗余特征;μ為網口狀態;dn為CPU溫度;Im為板卡溫度。

3 實驗與結果

為驗證基于Gabor變換的電網調度自動化設備運行狀態監控技術的整體有效性,需要對其測試。

選擇2個型號不同的電網調度自動化設備作為驗證算法監控性能的實驗對象,實驗對象如圖1所示。

圖1 實驗對象

實驗對象相關參數如表1所示。

表1 實驗對象相關參數

3.1 設備突發故障監控效果

采用MATLAB仿真軟件搭建攻擊模型,在實驗對象運行至第10 min時發起攻擊。分別采用本文方法、文獻[2]方法和文獻[3]方法監控實驗對象的運行狀態,通過觀察不同方法各時間節點的電壓監控幅值,判斷不同方法對電網調度自動化設備運行狀態的監控性能。不同方法各時間節點的電壓監控幅值如圖2所示。

圖2 不同方法各時間節點的電壓監控幅值

由圖2可知,采用本文方法監控電網調度自動化設備運行狀態,當設備出現突發故障時,本文方法的反應速度靈敏,及時出現了電壓監控幅值變化,說明本文方法對電網調度自動化設備突發故障的監控效果較好;而文獻[2]方法和文獻[3]方法的反應速度較慢,并未出現與故障對應的電壓監控幅值變化,對電網調度自動化設備突發故障的監控效果較差。

3.2 設備持續故障監控效果

采用攻擊模型持續攻擊電網調度自動化設備,且攻擊強度隨設備運行時間延長而增加。分別采用本文方法、文獻[2]方法和文獻[3]方法監控實驗對象的運行狀態,通過觀察不同方法各時間節點的電壓監控幅值,判斷不同方法對電網調度自動化設備運行狀態的監控性能。不同方法各時間節點的電壓監控幅值如圖3所示。

圖3 不同方法各時間節點的電壓監控幅值

由圖3可知,采用本文方法監控電網調度自動化設備運行狀態,當設備出現持續且強度遞增的故障時,本文方法的電壓監控幅值隨設備運行時間的延長而逐漸下降;而文獻[2]方法和文獻[3]方法的電壓監控幅值隨設備運行時間的延長并未出現明顯變化。經上述對比,進一步驗證了本文方法的監控效果較好。

3.3 監控精確度

為進一步驗證本文方法的實用性,分別采用本文方法、文獻[2]方法和文獻[3]方法監控實驗對象的運行狀態,并記錄不同方法的監控功率,通過計算各方法的監控功率與實際功率之差,判斷不同方法的監控精確度。不同方法的監控功率與實際功率之差如圖4所示。

圖4 不同方法的監控功率與實際功率之差

由圖4可知,采用本文方法獲取的監控功率與實際功率誤差較小,在各時間節點二者之差的平均值均在±0.05 W以內;而采用文獻[2]方法和文獻[3]方法獲取的監控功率與實際功率差距較大。

4 結束語

根據國家電網公司發布的調度自動化系統預控計劃,可知提前預警電網調度自動化設備危險狀態對擴大電網充裕度、降低電網運行風險起到舉足輕重的作用。為及時檢測電網調度自動化設備異常,提出基于Gabor變換的電網調度自動化設備運行狀態監控技術。實驗結果表明,該方法能夠迅速監控電網調度自動化設備運行故障狀態,監控精確度高。