SCADA系統異常數據分析及治理建議

牛瑞，張望妮

（1.陜西省地方電力（集團）有限公司，陜西西安710061;2.陜西省地方電力（集團）有限公司渭南供電分公司，陜西渭南714000）

SCADA系統異常數據分析及治理建議

牛瑞，張望妮

（1.陜西省地方電力（集團）有限公司，陜西西安710061;2.陜西省地方電力（集團）有限公司渭南供電分公司，陜西渭南714000）

變電站無人值守化后，SCADA系統的重要性不容忽視，它是調度員進行遠方操控的得力助手。因此，接入SCADA系統的所有信息必須具備完整性、準確性、一致性，以便達到提高系統對調控運行、生產管理的支持力度。其中，遙測數據是調度運行工作人員掌控全局的重要依據，是電網安全運行的重要因素[1-4]。但是，目前SCADA系統接入的遙測數據中存在著大量異常數據，且不易被發現而不能及時修正。這些異常數據的存在，不僅使調度運行工作人員對遙測數據的正確性產生懷疑，久而久之將會對SCADA系統產生一種不信任感，且因為異常數據與真實數據存在一定的偏差，影響負荷預測[5-10]和工作正常進行。本文分析了異常數據產生的可能原因，并依據數據的可用程度對異常數據分類，在此基礎上結合實踐經驗給出治理異常數據的建議。

1 異常數據的產生

SCADA系統異常數據產生的主要原因有：

1）廠站現場測控裝置、綜自設備或者數據采集過程中相關元件故障，導致SCADA系統采集到的數據缺失或偏離正常值；

2）部分長時間處于戶外的數據采集及數據傳輸設備因為環境適應能力較差，故障率偏高，當出現故障時會產生大量數據漏傳、跳變等；

3）數據處理時參數、系數、單位等設置不夠準確、合理，直接影響數據的可用程度。

2 異常數據分類及治理建議

2.1 錯誤數據

錯誤數據是指由于各種原因導致最終接入SCADA系統的數據嚴重偏離真實值，不能準確反映電網的真實運行狀態。

2.1.1 雙數跳轉

表現形式為采集到的遙測數據始終在兩個具體的數據之間來回跳轉。原因可能為站端兩臺遠動機設置為主備模式，由于切換程序異常導致主備機頻繁切換；或者開關I與開關II的測控裝置地址重復，類似情況會直接導致遙測數據時有時無，且遙信狀態頻繁切換。圖1所示為實際運行中某站主變低壓側開關單相電流曲線圖。

圖1 雙數跳轉曲線圖Fig.1 Even-numbered jump graph

治理建議：將站端的兩臺遠動機設置為雙主模式，避免由于切換程序的異常影響數據準確性；檢查測控裝置中相應的轉發地址，排除地址重復引起雙數間跳轉。

2.1.2 突變數據

指在某一時刻系統數值突然大幅度變大或者變小，數據曲線是尖波狀或者梯形狀。遇到突變數據時應根據負荷性質或調度運行記錄明確具體情況，例如設備調試后未及時將設備默認單位kW修改為系統要求單位MW，或變電站為雙電源同時供電，事故導致一側電源線路停運，此時負荷突然變為0，而另一側電源的負荷必然會在定值允許條件下突然增大。

治理建議：工作人員必須認真仔細且嚴格按照工作要求執行，同時根據實際運行情況給相關數據設置上下限，防止跳變范圍過大影響區域總加數據。

2.1.3 零飄

表現為在某時間段內某開關未帶負荷甚至在冷備用狀態，但是遙測數據并不為0。如圖2、圖3所示，分別為實際運行中某10 kV開關單相電流288點零飄數據及相應曲線圖。

治理建議：對于電網內重要聯絡線則可在SCADA中用遙信位置作為邏輯判斷條件，分位輸出為0，合位輸出真值；一般聯絡線則根據電網運行方式及歷史數據合理設置閾值，在零值一定區間內輸出為0。

圖2 某10 kV開關單相電流零飄值Fig.2 Zero drift value of single-phase current for a 10 kV circuit breaker

圖3 某10 kV開關單相電流零飄曲線Fig.3 zero drift graph of sigle current for 10kV circuit breaker

2.2 畸變數據

畸變數據是指偏離了真實數值一定范圍內的數據。此類數據的產生一般情況下是在廠站端量測及傳輸過程無異常的情況下，由某些特殊事件的發生導致的，本文認為屬于異常但非錯誤數據。在實際工作過程中常見情況如下。

2.2.1 功率不平衡

表現為主變各側、母線兩側流入不等于流出，即不滿足基爾霍夫定理。有兩種常見原因：一是廠站端數據轉發點表或主站端數據接收點表中，將該部件部分數據的點號填反，如有功與無功或者相電壓與線電壓等；二是功率方向沒有遵守“流入母線為負、流出母線為正”的原則。

治理建議：維護人員在系統中添加母線、主變各側數據原值相加結果（應接近于0），并在維護界面顯示該數值，方便工作人員及時發現并處理。

2.2.2 數據不刷新

指在某時間區間內系統接收到的遙測數據值持續不變，歷史數據形成的曲線是一條平滑的直線。根據實踐工作經驗導致數據不刷新的原因最常見的有兩種，即遙測死區值設置過大或者數據溢出[11]。

1）死區值設置過大。死區是指輸入量的變化不致引起輸出量有任何變化的有限區間[12]，是人為設置用于判斷下一時刻采集到遙測數值較前一時刻值是否發生改變的門檻。死區又分為固定死區和變化死區。為表述方便，設定死區值為X，前一刻數值為N，任意時刻輸入數值為M，輸出值為T。

①固定死區，是指任意時刻輸入數值M大于死區值X時，輸出值T等于M，否則輸出值T保持前一刻數值N不變，如表達式（1）。

②變化死區，是指如果任意時刻輸入數值M，與前一刻數值N差值的絕對值大于等于死區值X時，輸出值為M，否則輸出值T保持前一刻數值N不變，如表達式（2）。

圖4所示即為實際運行中變化死區值設置不合理，導致有功功率數據不刷新（拉直線）的24小時曲線圖。

圖4 變化死區設置不合理情形Fig.4 Unreasonable change of dead zone settings

治理建議：死區值的大小不能隨意設置，因此需要根據電網實際運行情況，針對不同類型的數據設定不同的死區值。

2）數據溢出。IEC60870-5-101、103、104中指出遙測值上送支持3種標準：歸一化、標度化、短浮點數[13]。歸一化處理時會遇到滿碼值，滿碼值是通信雙方約定的一個值，這個值一般是真實值的上限，如果真實值大于滿碼值，將會發生數據溢出的現象，溢出后保持滿碼值不變[13]。圖5-7即為數據溢出前及經處理之后SCADA系統截圖。

治理建議：廠站、主站統一采用浮點數法確保數據位數充足或者根據數值大小合理設置數值單位，比如將功率單位由kW改為MW。

圖5 數據溢出現象Fig.5 Phenomenon of data overflow

圖6 數據溢出曲線圖Fig.6 Graph of data overflow

圖7 數據溢出處理后情形Fig.7 Processing diagram of data overflow

3 結論

SCADA系統基礎數據準確與否，直接影響調度運行工作人員對電網運行情況的判斷，但是數據質量的好與壞，不僅與維護人員的水平、自動化設備自身的質量有關，還與通信通道、測量回路、互感器二次繞組等多個環節密切相關。本文通過總結實踐工作經驗，有針對性地提出異常數據處理的方法及建議，希望能夠有益于自動化數據準確性的提升。

[1]張亮.電力調度數據中心數據質量問題研究[J].華東電力，2009，37（3）:403-406.ZHANG Liang.Research on data quality for electric power dispatch data centers[J].East China Electric Power，2009，37（3）:403-406.

[2]周京陽，于爾鏗，吳津.能量管理系統（EMS）第3講數據收集與監視（SCADA）[J].電力系統自動化，1997，（03）:76-79.ZHOU Jingyang，YU Erkeng，WU Jin.Energy Management System （EMS）：part three supervisory control and data acquisiton[J].Automation of Electric Power Systems，1997，（03）:76-79.

[3]廖峰，張澤良，黎永豪，等.考慮負荷特性的母線負荷異常數據修正方法[J].陜西電力，2014，42（11）:86-98.LIAO Feng， ZHANG Zeliang， LIYonghao， etal.Correction method for abnormaldata ofbus load considering load characteristics[J].Shaanxi Electric Power，2014，42（11）:86-98.

[4]楊雪芳.SCADA系統中遙測誤差的檢測計[J].上海電力學院學報2011，27（6）:568-570.YANG Xuefang.Detection and calculation of erroneous remote signal in SCADA system[J].Journal of Shanghai University of Electric Power，2011，27（6）:568-570.

[5]蘇舟，李燦，姚李孝，等.電力負荷數據預處理研究及應用[J].電網與清潔能源，2017，33（5）:43-50.SU Zhou，LICan，YAO Lixiao，etal.Research and application of pretreatment of electrical load data[J].Power System and Clean Energy，2017，33（5）:43-50.

[6]楊韜，劉崇新，李鵬，等.咸陽市電力系統短期負荷預測分析與研究[J].陜西電力，2008，36（10）:5-9.YANG Tao，LIU Chongxin，LI Peng，et al.Analysis and research of power system short-term load forecasting in xianyang[J].Shaanxi Electric Power，2008，36（10）:5-9.

[7]謝杰，陶伶俐，張紅燕，等.基于灰色馬爾柯夫模型的電力系統負荷預測[J].陜西電力，2011，39（1）:19-21.XIEJie，TAOLingli，ZHANGHongyan，etal.Probeinto greymarkovmodelbasedpowersystemloadforecasting[J].Shaanxi Electric Power，2011，39（1）:19-21..

[8]張宏濤，祁靜.熱負荷預測的RBF神經網絡預測方法研究[J].節能技術，2004，22（4）:57-58.ZHANG Hongtao，QI Jing.Study on predicting thermal loadsbased on REF neuralnetworks [J].Energy Conservation Technology，2004，22（4）:57-58.

[9]王濱，胡林獻，徐艷.基于粒子群法的母管制鍋爐負荷優化分配算法[J].節能技術，2007，25（6）:501-503.WANG Bin，HU Linxian，XU Yan.Optimal algorithm of load assignment of pipe-main scheme boilers based on PSO[J].Shaanxi Electric Power，2007 ，25（6）:501-503.

[10]陳文鼎，趙哲身.基于BP神經網絡的空調負荷預測[J].節能技術，2010，28（1）:15-17.CHEN Wending，ZHAO Zheshen.Prediction ofair conditioning load based on BP neural network[J].Energy Conservation Technology，2010，28（1）:15-17.

[11]盧建剛，龐新穗，趙小燕.廣東省網SCADA遙測數據溢出問題研究[J].電力系統自動化，2005（24）:98-100.LU Jiangang，PANG Xinsui，ZHAO Xiaoyan.Research on SCADA telemetry data overflow in Guangdong power grid[J].Automation of Electric Power Systems，2005（24）:98-100.

[12]丁璐.儀表“死區”對暖通、動力系統的影響[J].科協論壇，2013（8）:67-68.DING Lu.The influence of instrument “dead zone”on HVAC and power system[J].Forum on Scienceand Technology，2013（8）:67-68.

[13]王永龍.歸一化值與真實值的轉換關系[Z/OL].[2017-04-03].http://www.wangyonglong.com/2012/11.

Abnormal Data Analysis and Treatment Recommendations for SCADA System

NIU Rui1，ZHANG Wangni2
（1.Shaanxi Regional Electric Power Group Co.，Ltd.，Xi’an 710061，Shaanxi，China;2.Weinan Power Supply Branch of Shaanxi Regional Electric Power Group Co.，Ltd.，Weinan 714000，Shaanxi，China）

This paper introduces causes of the abnormal data of SCADA system in the actual operating process.According to the degree of its deviation from the real data in the actual operation，the abnormal data can be divided into two types of data:erroneous data and distorted data.Moreover，suggestions are proposed on how to prevent abnormal data from being produced or how to treat the abnormal data that has been formed for each cause of the abnormal data according to the practical experience summarized in the operation and maintenance process.

SCAD A system;abnormal data;distortion data;dead zone

介紹了實際運行過程中SCADA系統形成異常數據的原因，按照異常數據與實際運行中真實數據的偏離程度，將多種異常數據分為錯誤數據、畸變數據兩類，并依據運行維護過程中總結的實踐經驗，針對每種異常數據產生的原因，提出了預防異常數據產生或對已經形成的異常數據進行治理的建議。

SCADA系統；異常數據；畸變數據；死區

1674-3814（2017）09-0068-04

TM73

A

陜西省科學技術研究發展計劃項目（2014kjxx-03）。

Project Supported by the Science and Technology Research Development Program of Shaaxi Province（2014kjxx-03）.

2017-04-03。

牛 瑞（1985—），男，碩士，主要研究方向為電力系統調度自動化、調度運行管理；

張望妮（1989—），女，碩士，主要研究方向為輸電線路自適應重合閘、電力系統調度自動化。

（編輯 徐花榮）