對大數據的配網告警信號的重點信號的自動識別

摘 要：大數據時代背景下，配網告警信號中出現了大量的重點信號，嚴重影響了配網的安全運行和正常運轉。如何在海量的信號中識別出重點信號，則需要對大數據的配網告警信號的重點信號的識別方法進行研究，以通過合理科學的識別，提高識別結果的真實性和可信度。基于此，以下詳細介紹了重點信號的識別方法，通過自動識別，提高故障識別的效率和精準度，保障配網系統中告警信號的重點信號發揮出巨大的作用。

關鍵詞：大數據;配網告警信號;重點信號;識別方法

一、配網系統中告警信號識別的現狀

配網系統中告警信號發揮的作用主要是通過對重點信號的識別，進而能夠對配網系統發揮繼電保護的功效，同時借助重點信號，對某一部位的故障進行全面的檢測和識別。通過第一時間的識別，提高檢測的效率，減少不良故障的發生。因此如何對告警信號中的重點信號進行識別，并且識別的結果具有可靠性和精準性，已經成為當前的關鍵性問題。一般情況下告警信號在發出時其能量較低，幅值較小，主要存在相對穩定的狀態中，但是在這種情況下，配網系統中存在的大量噪音將會這掩蓋告警信號中發出的信號。同時，配網系統中的告警信息呈現了不規則存在的現象，在識別過程中很難對告警信號進行準確的識別。這些都是故障信號不能有效識別的重要原因，特別是很難對重點信號進行識別，從而大大降低和影響了配網中發生的故障和對故障進行的有效檢測。目前來看，配網告警信號中重點信號的識別方法存在識別精準度較低和識別效率較差等問題，需要對重點信號的識別方法進行深入的分析和探究，這樣才能提高識別的精準度，才能篩選出有價值的重點信號，維護配網系統的安全運轉。

二、配網系統告警信號分解和識別

配網系統一旦出現故障問題，系統能夠通過告警信號對發生的故障進行識別。這些信號中不僅僅是重點信號，還包含一些非基頻暫態信號。受到位置、時間和故障點過度電阻等方面的影響，其告警信號暫態分量也會順勢發生一定的變化。再利用時頻分析工具以對發生的故障進行檢測，例如：故障發生的部位和時間等，發出故障信號后能夠直接啟動保護裝置，系統再對告警信號進行深入的分析。另外，對大數據下的配電告警信號重點信號的識別也可以通過EMD時頻分析方法獲取重點信號。首先，在對EMD進行分解后，能夠得到告警信號的本征模態分量，在對Hilbert發生的變化進行了解，進而得出邊際譜和Hilbert譜。其中邊際譜在分析后能夠得出真實的頻率;Hilbert譜在發生變化時，能夠得出告警信號的特征信息和發生故障的時間，這對準確識別出配網告警信號中的重點信號提供了有利條件。由此可見，EMD時頻分析方法在分解后，能夠顯著提高識別的效率，通過篩選以識別告警信號中存在的重點信號。

三、大數據背景下配網告警信號中重點信號的識別方法

根據時域能量分布以對告警信號所發生的變化特征等進行全面的分析，一方面，通過利用時域信息測度的方法以掌握告警信號中能力發布的情況或者得出一定的標準差值。另一方面，再根據得出的標準差值對配網告警信號中的關鍵信號進行有效的識別。其識別的方法如下所示：

“N”為每個工頻周期內電流采集數據點的總數，其需要保障配網系統的固定采樣頻率，以對總數進行總結。“N/2”為配網告警信號在識別過程中的重點信號在識別中所需的數據窗寬度值，其寬度主要是電流采集數據點的一半。系統再利用采樣數據窗對發生的故障告警信號或者采集到的一些有用數據進行處理和分析。“xi”為采樣數據窗在采集之后所得出的序列值，設I為1，2，.....N/2。想要得出序列值，首先可以對采樣數據窗中兩個相鄰的數據點進行計算，在計算出兩者之間的差值后，應用到序列的分析中，從而得出序列值。為了保障各數據點存在的能量發揮作用，則需要對存在的數據進行平方的處理，站在能量角度分析，通過探究各數據點，保障電流行波中的數據點不小于0。通過分析能夠對發生的概率值進行模型的制作，在制作時應該保障該模型的實際意義。

設X為{Xi}，其通過平方處理后，表達方式為：

x=x2i（i=1，2，....，N/2-1）（12）

再利用這個公式推算出概率值，通過構建概率分布模型，以提供更多的參考和依據。其中概率分布模式公式為：p=pi=x2i/∑N/2-1i=1X2i，其中P主要代表概率分布向量，pi主要代表分布向量。通過該公式能夠得出信號序列的能量分布的情況。

信息熵測度統計的結果主要以H為代表，H是通過概率分布向量pi得出的。其中H的計算公式主要以：H=-k∑N/2-1i=1pilnpi進行代表。其中K主要表示常數，K=log2e，為了保障信息熵與物理熵相同，需要對常數進行表示，通過移動采樣數據窗以對不同電流序列中的信息熵測度值進行表示。ε主要代表識別閾值，S是能量信息熵測度標準差進行表示，根據S反映采樣數據窗在移動過程中能量的分布，找出變化的情況，在計算后，其得出的信息熵測度值標準差應該小于識別閾值ε時，從而對配網告警信號中的重點信號予以判斷，這能夠有效的對配網告警信號中的重點信號進行有效的識別，其計算公式為：

S=1M-1∑MI=1Hi=1-1M∑Mi=1Hi2

四、結語

大數據背景下，配網系統中存在著諸多的不確定性因素，其受到時間和非線性的影響，并不能對模型進行準確確定。在對配網中的故障點進行判斷后，能夠對配網系統中存在的告警信號進行有效的識別，在對重點信號進行提取后，能夠提高配網故障點的精準度。面對當前配網告警信號中存在的不足，如識別效率較低和識別精度不準確的問題，在大數據背景下的配網告警信號中存在的重點信號進行自動的識別，這不僅能夠對存在的問題進行彌補，還能夠通過對識別方法進行優化，以全面保障配網系統的安全性和可靠性。

參考文獻：

[1]刁柏青，姚剛，董學新，李曉志.強化學習在剔除配網告警信號中伴生信號的應用[J].自動化與儀器儀表，2019（04）：192-195+200.

[2]馮兆安.珠海電網調度監控系統告警信號優化設計[D].華南理工大學，2017.

作者簡介：焦洋（1986-），男，漢族，山東聊城人，中國石油大學（華東）碩士研究生，主要研究方向為大數據分析挖掘和智能電網監控運行分析建模研究。