基于聚類算法對主站與電廠、變電站的數據同步問題的研究

(廣東電網有限責任公司東莞供電局,廣東東莞 523000)

0 引言

電網發現電壓、電流、功率等不平衡時，主站調度員首先確認主站數據庫中變比、拓撲等是否及時更新，相關通知報文是否處理。若主站數據庫正常則調度員會聯絡電廠、變電站值班人員根據現場設備排查問題，查看是否是數據源問題或通訊問題。整個排查過程無自動化解決方案，需要多方協同手工實時聯絡排查，過程費時費力，急需自動化排查方案。具體表現為電廠、變電站端送到主站的電壓、電流、功率等數據與主站本地對應端的量測數據之間存在嚴重的不平衡。有兩個原因：線路、變壓器等設備已更新，而主站系統中的對應參數未及時更新和不同設備的量測數據的同步存在延遲，本文通過聚類算法實現主站與電廠、變電站的數據同步，實現了數據質量的提高。

1 算法模型

1.1 算法原理

線路功率平衡計算：一條母線所有端流入流出的功率與損耗功率應當平衡。若發現功率平衡誤差過大，結合報警信息，初步判斷數據同步出現問題。以圖1所示B2母線為例：

其中，PG2為發電機G2的有功功率輸出，PT2為變壓器T2的一次側有功功率輸入，PB2為母線B2的線路損耗。PB2一般遠小于PG2與PT2，因此當PG2與PT2差距過大時，可能是數據同步出現問題。其它參數說明如下PLi為負荷，Bi為母線，Gi為發電機和Ti為變壓器。

1.2 聚類算法

K-means[1，2]聚類算法是一種無監督機器學習算法，其過程首先隨機選取K個對象目標定為初始的聚類中心，接著計算每一個對象和其它所有種子聚類中心相隔的距離，隨后，每個對象分配給離它距離最近的聚類中心。聚類中心以及被分配的對象就代表一個聚類。如果每分配一個樣本，聚類的中心位置會按照聚類中現有的對象進行重新計算。此過程將不斷重復直到滿足某個條件為止。終止條件設定為：沒有對象被重新分配給不同的聚類，找不到聚類中心再發生變化，得出的誤差平方和局部最小，具體步驟如下：

（1）首先確定一個k值，數據集將經過聚類得到k個集合。（2）從待選數據集中隨機選擇k個數據點作為質心。（3）針對數據集中每個點，算出其與每個質心的長度（如歐式距離），劃分的原則遵循就近原則，離那個質心近，就劃分到質心所屬的集合。（4）如果所有數據被歸好集合后，合計有k個集合，接著重新算出每個集合的質心。（5）如果剛剛計算出來的質心和已有質心之間的長度小于預先設置的閾值，就可以得出初步結論，聚類已經達到期望的結果，算法終止。（6）假如新質心和原質心長度范圍變化很大，需要迭代第3、第4和第5步驟。

圖1 算法原理

2 整體流程

首先開始主網本地數據稽核，并檢查主網數據設備、臺帳、表記資產等信息的完整性（包含設備編號、臺帳類信息、表資產編號信息和設備最后修改時間戳信息），檢查主網未處理的消息報文，提取未處理消息報文信息（時間信息、設備信息和參數修改信息），檢查設備編號與修改信息真實性，參數修改信息是否真實，如果不真實，記錄報文數據，數據駁回，要求發送設備編號更多信息以檢驗數據真實性，如果數據真實修改參數信息、記錄修改報告；接著根據主網不平衡報警信息檢查主網線路平衡問題，通過有功平衡、無功平衡、電壓平衡和電流平衡四個指標篩選檢查真實存在不平衡設備，并記錄不平衡設備報警信息，使用K-Means聚類異常不平衡數據，隨機生成聚類樣本中心，修正聚類中心，計算樣本間歐式距離重新聚類，如果樣本簇發生改變，分析聚類中心樣本異常數據特征，據此分類提升效率，根據變比錯誤、拓撲更新不及時和數據源問題判斷是否完成，主網數據同步機制校驗，如果完成校驗[3，4]。記錄不同步設備編號，出具主網數據不同步報告。

2.1 數據質量檢查

設備臺帳表資產信息檢查是否完整，如果信息檢查不完整，就判斷是否多次不完整，如果不是多次信息檢查不完整，就重新下載設備臺帳表計資產信息檢查；如果多次信息檢查不完整，將數據駁回出具報告并要求整改。如果信息完整，出現不平衡告警，并判斷是否有報文未處理、數據是否有時間戳、所有現場設備數據是否已經獲得，如果沒有獲得，就判斷是否多次無法獲取完整數據，要求現場發送所有設備數據；如果上述3個條件都滿足，就可以結束質量檢查，進行數據真實性校驗[5]，數據質量檢查關鍵步驟如下：

（1）檢查臺賬信息是否完整；（2）出現不平衡告警時，檢查是否有未處理的報文；（3）檢查量測數據是否有時間戳；（4）檢查現場發送的顯示設備等設備的實時數據是否已完整。

2.2 數據校驗

使用k-均值聚類方法將所有已知的告警點的數據分類，并依據電網經驗，將每類異常數控（不平衡的有功數據）與實際錯誤數據（變比）建立對應關系，流程圖2如下。

圖2 數據校驗流程

詢問電網公司應將數據集劃分為多少個簇，并隨機分配k個異常數據向量作為初始簇質心位置[6]，輸入一條異常數據向量，并找到離其最近的簇質心，如果所有異常數據的中心已找到，輸入一個簇，并找到簇的質心并更新；如果異常數據的中心沒有找到，則返回初始簇質心位置。如果所有簇的質心已更新，則判斷是否滿足終止準則；如果所有簇的質心沒有更新，則返回到異常數據中心。如果數值不滿足終止準則，則返回到初始簇質心位置；如果滿足終止條件，則輸出所有簇質心，接著再輸入一個簇質心，并依據電網公司經驗賦值給一個對應的錯誤數據點；并判斷所有簇與錯誤點的對應關系是否建立，如果沒有建立，返回輸出所有質心，如果建立，輸出所有簇和對應關系。異常數據向量的構建方式如下：

聚類過程中，判斷距離的遠近使用歐式距離：

終止準則可以選取為均方誤差無明顯變化，均方誤差如下：N為樣本總數，k為簇數量，p表示Ci內的數據點，ci表示簇Ci的質心。

2.3 數據修正和駁回

當告警出現時，尋找本條告警數據的最近簇中心，對應錯誤類別即可判別為此告警的錯誤類別，當數據不完整時或要求修改參數不匹配時將數據駁回，要求電廠與變電站發送更多參數已檢查數據完整性與真實性。

3 結語

本文提出基于基于聚類算法對主站與電廠、變電站的數據同步問題的解決辦法，從數據質量檢查、數據校驗、數據修正和數據駁回三個個步驟解決了主站與電廠、變電站的數據同步問題，使數據質量大大得到很大的改善。