智能變電站間隔內的可疑數據實時辨識方法

萬玉建 朱 峰 薛建中

（南京磐能電力科技股份有限公司，南京 210061）

隨著我國智能電網進入全面建設階段，對于智能變電站出線間隔采集數據辨識要求也越來越高，國家電網公司在《智能變電站一體化監控系統建設技術規范》一文中要求對于智能變電站一個間隔內的采集數據，監控系統要具有檢測可疑數據、辨識不良數據并可以向相關人員發出告警功能。

傳統的可疑數據識別技術基本上是在調度主站端使用狀態估計算法，狀態估計是面向全網數據，需要提供全網的網絡拓撲和所有變壓器和線路的阻抗參數參于計算，維護比較復雜，相對于一個間隔的數據辯識精度不夠。因而，這種方法不適合一個間隔小范圍內可疑數據的鑒別。

另一方面，一個間隔內數據通常使用凍結監控畫面，截取同一時間點數據，然后通過人工離線計算的方法得到不良數據，這種方法既麻煩又消耗人力并且還容易誤判。

這些問題的存在，就要求盡快形成一套解決方案，能實現在線地、實時地在間隔采集數據中找到可疑數據，并且利用系統的告警平臺發出告警。這套方案涉及兩個方面：一方面是實現小范圍內可疑數據辯識算法的優化，保證多個間隔可以同時準確并快速地檢測和鑒別出可疑數據，另一方面如何充分利用智能變電站一體化監控平臺現有功能模塊，既減少重復勞動，又保證與監控平臺無縫銜接，保持系統平臺的一體化特點和風格統一。

1 技術方案

本技術方案的目的是，基于智能變電站一體化監控系統，對傳統間隔可疑數據辨識方法進行改進，使其能夠實現根據智能變電站間隔實時數據鑒別出其中的可疑數據，并且集合智能告警模塊向相關人員發出告警。

如圖1所示智能變電站間隔可疑數據實時辯識方案圖，除了下面部分虛線框中新增模塊圖形展現的是智能變電站一體化監控系統部分數據流圖，本發明技術方案充分運用智能變電站一體化監控系統中現有的公式計算服務、系統內存庫、告警服務等模塊，利用公式計算引擎系統，擴展一種新的公式調用新增模塊—數據辯識模塊，并且通過告警服務模塊產生告警信息。

圖1 智能變電站間隔可疑數據實時辯識方案圖

用戶通過公式錄入工具，將智能變電站各間隔內需要參與計算的數據的數據源作為參數，生成這種新公式，每個公式計算一個間隔數據，將所有公式錄入到系統數據庫；公式計算服務模塊從系統數據庫中讀取公式列表，根據公式參數中的數據源從系統內存庫中讀取實時數據（系統內存庫中存放實時數據，由數據采集模塊實時采集放入），然后再根據公式名稱調用相關計算模塊，如果是新增公式則調用間隔數據辯識模塊，間隔數據辯識模塊將計算結果提交到系統內存庫；告警服務模塊實時調用系統內存庫判別產生告警信息，通知告警展示模塊，告警展示模塊可以通過告警窗口顯示、語音提示、發短信等多種方式通知用戶。

間隔數據辯識模塊輸入間隔數據有功P、無功Q、電流I、電壓U、功率因數cosφ等實時數據，以及判斷閾值和電壓基準值，共7個參數，根據電力系統中有功、無功、電流、電壓、功率因數5個物理量之間的數學關系，結合這些電力系統中物理量的實際應用中約束特點，逐個運用最小二乘法綜合判別每個物理量是否可疑，輸出判別結果：數據正常或者某個物理量可疑或者多個物理量可疑。

2 具體實現方法

2.1 智能變電站間隔數據和具體要求

一個智能變電站有十幾個到幾十個間隔，每個間隔內監控平臺采集數據主要包括：有功P、無功Q、電流I、電壓U和功率因數cosφ等5個數據，由于這5個數據在電力系統中是有著數字關系的物理量，當這5個數據中只有1個數據是錯誤時，根據5個數據之間關系，系統實時識別出錯誤的那個數據；如果有多個數據錯誤時理論上無法識別出具體是哪一個數據有錯誤，但至少需要識別出是否有錯誤數據；系統識別出上面兩種有錯誤數據的情況應同時發出相應的告警信息，提醒用戶檢查該間隔數據。

2.2 P、Q、I、U、cosφ 之間關系

電力系統中有功P、無功Q、電流I、電壓U、功率因數cosφ這個5個量之間的數學關系為

注：公式（1）sinφ是功率因數cosφ對應的正弦值，為了便于計算引入；

由公式（2）、公式（3）和公式（4）可以推導出每個量由其他幾個量表達的公式如下。

2.3 間隔數據辯識模塊

間隔數據辯識模塊是系統算法實現部分，也是系統的核心模塊。該模塊的輸入參數包括：P為有功值(kW)，Q為無功值(Kvar)，Ua為相電壓(kV)，Ia為線電流(A)、cosφ為功率因數等5個參于辯識的實時數據，以及判斷閾值yuzhi（默認0.065）和線電壓基準值vol（單位：kV，參見表1）。模塊通過一些列判別和計算返回一個整數結果：0為正常，1為P有問題，2為Q有問題，3為U有問題，4為Ia有問題，5為cosφ有問題，6為多個數據有問題。

表1 電壓基準值對照表

間隔數據辯識模塊流程圖如圖2和圖3所示，主要有電壓U值判斷、參數檢查、調用數據檢測模塊、判斷P、Q、I、cosφ值是否可疑等部分組成。

1）電壓U值判斷

在電力系統中電壓值是個穩定的值，正常在基準值附近，因此，只要以其基準值vol為參考值計算其誤差率deltaU（公式如下），如果誤差率deltaU小于判斷閾值yuzhi即認為電壓U值是正常，否則U值可疑，模塊返回3。

圖2 間隔數據辯識模塊流程圖

圖3 判斷P、Q、I、cosφ 值是否可疑流程圖

注：這里輸入參數電壓U是相電壓，而電壓基準值vol是線電壓，因此電壓U計算前要換算成線電壓值。

2）參數檢查

根據電力系統實際應用束約特點，對輸入參數進行數值大小的檢查是否在正常范圍內，并對0等特殊值進行處理。

例如：cosφ值只能大于等于0且小于等于1，如果cosφ值不在這個范圍，則返回5為cosφ有問題；再如：當有功P等于0，而電流I和cosφ值都不等于0時，則返回1為P有問題，等等。

3）調用數據檢測模塊

數據檢測模塊因為下面會多次調用，將其獨立為子模塊，該模塊的作用是運用最小二乘法判別輸入參數P、Q、U、I、cosφ五個數據估算值和輸入值的誤差率是否小于判斷閾值，如果5個數據的估算誤差率都小于判斷閾值yuzhi則認為這個5個數據都是正常的返回真，否則返回假，并返回最大估算誤差率delta。詳見“2.4數據檢測模塊”。

間隔數據辯識模塊主流程中調用數據檢測模塊，輸入參數即為本模塊的輸入參數P、Q、U、I、cosφ數值，如果返回為真，只說明5個輸入參數為正常，沒有可疑數據，模塊返回0－正常。

4）判斷P、Q、I、cosφ值是否可疑

上面調用數據檢測模塊如果返回假，說明5個數據中至少有1個數據可疑，而電壓U在前面已經判斷為真了，只剩下P、Q、I、cosφ四個數據里有可疑數據。如圖3所示判斷P、Q、I、cosφ值是否可疑流程圖，它判斷的思想是這樣的，假設P數據有問題，其他4個數據都沒有問題，則根據其他4個數可以由式（2）、式（5）、式（6）分別計算出三個沒有問題的有功P，用通過計算出來的三個ReplaceP分別替換原來P，這樣用Replace、Q、U、I、cosφ五個數據作為輸入參數調用數據檢測模塊，如果返回真，則說明P有可能真是有問題的，這里為什么說有可能P有問題而不能肯定問題，因為假如實際上P是沒有問題，而是其他三個數（Q、I、cosφ）有問題， 用式（2）、式（5）、式（6）計算出來數據ReplaceP實際是用有問題的數據算出來的，最終調用數據檢測模塊只要誤差率小于閾值就會返回真，所以說即使返回真只能說明原來的P極有可能有問題。那么如何確認究竟哪一數據有問題呢？思路是這樣的，將P、Q、I、cosφ四個數據，分別假設每一個數據有問題，其余數據沒有問題，分別用其對應的3個公式計算出3個替換數據，這樣4個數據每個數據3個公式，共12次調用數據檢測模塊，將當中所有返回值為真時的所返回的最大估算誤差率delta值中最小delta時所假設的那個數據即為最有可能的可疑數據。如果12次調用都返回假，說明P、Q、I、cosφ四個數據里有多個數據可疑。詳見圖3。

2.4 數據檢測模塊

數據檢測模塊運用最小二乘法判別輸入參數P、Q、U、I、cosφ五個數據估算值和輸入值的誤差率是否小于判斷閾值，如果5 個數據的估算誤差率都小于判斷閾值yuzhi則認為這個5 個數據都是正常的返回真，否則返回假，并返回最大估算誤差率delta。

最小二乘法（又稱最小平方法）是一種數學優化技術。它通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘法可以簡便地求得未知的數據，并使得這些求得的數據與實際數據之間誤差的平方和為最小。

假設數據X是個客觀存在物理量，通過n種測量方法可以得到X1X2…Xn共n個X的數值，那么可得到函數J(X)等于X與每一個Xi的誤差的平方和：

當函數J(X)最小時的X 值最接近真實值，可以通過對函數J(X)求一次導數等于0時J(X)最小的方法求得X值：

即X值等于X1X2…Xn的平均值時最接近其真實值。

由上面推導可以看出，只對一個未知數據的估算的最小二乘法演變成了平均值法了，這樣相對于多個未知量用矩陣法求解方法，平均值法計算速度大大提高。

輸入參數P、Q、U、I、cosφ五個數據是通過采集裝置、測量儀表、傳感器產生，再經過數字化轉換、編碼，通過通信規約傳輸到監控平臺，最終監控平臺獲得的數據與真實值總會有一些誤差，以有功P為例，假設有功P的最接近真實值為Pr，那么除了P本身，還可以通過式（2）、式（5）、式（6）由其他采集的數據計算得到有功值，共有4 個有功值，根據上述理論，Pr等于4 個數據平均值，再通過本身P值用下面公式計算誤差率deltaP

依此類推，計算出其他4 個量的各自的誤差率deltaQ、deltaU、deltaI、deltacosφ，統計這5 個誤差率中最大的誤差率maxdelta，模塊輸出最大誤差率，同時如果maxdelta小于閾值yuzhi則表示輸入的5 數據誤差在正常范圍內，模塊返回真true，否則返回假false。

3 應用舉例

某變電站10kV 母線五條出線某時間刻數據如表2所示，此時母線電壓為10.36kV，折算為相電壓為5.982kV，判斷閾值為0.065。通過上述方法計算結果如表2所示（此處的有功和無功是指單相A相功率，不是三相總功率）。

表2 某變電站10kV 母線五條出線數據辯識計算表

當表2中的某些數據重新設置成其他數據時計算結果將隨之改變。如表3所示，1#出線有功P由原來的602kW 設置為802kW時，計算結果變為1有功可疑；2#出線無功Q由原來的505kVar 設置為705kVar時，計算結果變為2 無功可疑；3#出線電壓U由原來的5.982kV 設置為6.982kV時，計算結果變為3 電壓可疑；4#出線電流I由原來的544A 設置為644A時，計算結果變為4 電流可疑；5#出線功率因數cosφ由原來的0.87 設置為0.77時，計算結果變為5 功率因數可疑；5#出線無功Q由原來的2436kVar 設置為3436kVar，同時電流I 由原來的819A 設置為719A時，計算結果變為6 多數據可疑。

表3 數據變化后數據辯識計算結果表

4 結論

這種辨識方法，實時、準確地完成了間隔可疑數據的鑒別和告警，系統充分利用數據間的數學關系，對數據中蘊涵的信息進行進一步地挖掘，使得用戶能即時發現錯誤數據，迅速排除電力安全隱患，滿足了用戶的需求，同時也提高了系統平臺的智能性和可維護性。本辯識方法已經通過申請發明性專利保護。