智能調度故障操作票生成系統研究

傅軍棟 岳靖林

摘? 要： 由于傳統電網調度操作票系統應用環境較為固定，難以滿足多情景下的操作應用需求，故提出采用IEC61850標準構建變電站應用體系，提高系統的擴展應用性能，并將變電站的拓撲關系以樹狀結構描述，提高變電站設備之間的關聯性。目前主要研究正常倒閘操作票自動生成，但是調度人員處理事故完全靠經驗，直接口頭下令，人為失誤會導致更嚴重的停電后果，所以對故障操作票的研究很有必要。文中研究的故障恢復操作票系統主要分為故障定位、故障恢復供電路徑和故障操作票生成三部分。以上述處理結果為基礎，采用蜻蜓算法中的小波包灰度矩神經網絡精準定位操作故障，然后迅速隔離故障，最后，采用二進制差分算法尋找非故障供電恢復的路徑，并通過實際案例完成故障操作票的生成。

關鍵詞： 故障操作票生成系統; 二進制改進自適應差分進化算法; IEC61850標準信息模型; 變電站通用模型建立; 故障定位; 供電路徑尋優

中圖分類號： TN99?34; TM734? ? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）13?0138?05

Research on fault operation ticket generation system for intelligent dispatching

FU Jundong， YUE Jinglin

（School of Electrical and Automation Engineering， East China Jiaotong University， Nanchang 330013， China）

Abstract： The application environment of traditional power grid dispatching operation ticket system is relatively designated， which is difficult to meet the operation application requirements in multi scenarios. In view of the above， the IEC61850 standard is adopted to construct substation application system to improve the extended application performance of the system， and the topological relationship of the substations are described in tree structure to improve the correlation between substation equipment. At present， the research mainly focuses on the automatic generation of normal switching operation order， but the dispatchers deal with the accident completely by experience and direct verbal orders. However， human error will lead to more serious consequences of power failure， so it is necessary to study the fault operation order. In this paper， the fault recovery operation order system is divided into three parts， named fault location， fault recovery power supply path and fault operation order generation. Based on the above results， the wavelet packet gray moment neural network of the dragonfly algorithm is used to locate the operation fault accurately and then isolate the fault quickly. Finally， the binary difference algorithm is used to find the path of non fault power supply recovery， and the fault operation ticket is generated by the actual case.

Keywords： fault operation ticket generation system; modified binary self?adaptive differential evolution algorithm; IEC61850 standard information model; establishment of general substation model; fault location; power supply path optimizing

0? 引? 言

隨著智能變電站的高速發展，傳統通信規約需要接口轉換設備才能進行以太網通信[1]，在實際調度過程中調度員對現場接線不清楚[2]，考慮不周等誤操作直接口頭下令指揮故障恢復有可能造成嚴重的后果，所以開發故障恢復操作票系統很有必要。目前只有少量文獻對故障操作票進行研究，它與正常操作票的區別、開票過程中考慮的問題仍需要繼續研究。故障恢復操作票必須在線實時開票才能發揮最大作用，所以對故障電氣信息量的采集在準確度和快速性方面要求很高[3]。

文獻[4]提出了一種采用CIS服務來控制CIM數據后臺的方法，首先，將后臺CIM數據作為基礎數據，通過生產規則控制數據生產，利用面向對象技術對數據進行劃分，通過CIM模型實現數據分類，最后將CIM數據與CIS服務結合起來，完成知識庫的構建。文獻[5]通過通信協調策略與協作控制方法智能生成操作票，利用推理機制與通信合作機制對構建的多智能體模型進行校驗，同時對操作票數據進行循環式校驗，有效提高了出票準確性。文獻[6?7]對故障操作票核心模塊故障恢復決策模塊的算法實現做了詳細的討論，但是該算法已經不能滿足電網規模的不斷擴大。

本文通過對故障操作票分析，在正常操作票系統基礎上建立IEC61850標準信息模型，然后使用改進的蜻蜓算法能量灰度矩小波神經網絡進行故障定位，用二進制自適應差分進化算法進行供電路徑尋優，減少了誤差和時間，增加了準確率，最終通過實例自動生成故障操作票。

1? IEC61850標準和操作票系統

1.1? IEC61850信息建模

該類定義為IEC 61850?7?4，根據IEC61850建模方法抽象變電站中的斷路器，定義邏輯節點XCBR1。斷路器的數據定義為LN下的數據模式和位置，這些數據對象在IEC 61850?7?3節中定義[8?9]。實際設備的抽象虛擬化可以創建虛擬模型環境。XCBR信息可通過外部設備與ACSI服務接口連接獲取，得到實際斷路器電氣信息。具體建模如圖1所示。

1.2? 故障恢復操作票系統

故障恢復操作票系統需要以下模塊做支持。

1） 電網故障信息模塊：與SCADA系統接口實時取得故障后開關、刀閘狀態收集故障信息，得到故障后新的電網拓撲結構;

2） 故障診斷模塊：判斷故障位置;

3） 利用故障恢復決策模塊：確定安全可靠的最優供電恢復路徑，得到故障恢復開關操作序列。

2? 基于蜻蜓算法的小波包能量灰度矩的小波神經網絡故障定位

本文提出一種基于蜻蜓算法的小波包能量灰度矩的小波神經網絡故障定位算法。

2.1? 小波神經網的網絡學習

利用最快速下降法對網絡學習進行訓練，修正加權系數[ω]，使[Eω]最小。根據獲取到的修正結果，在目標函數中加入附加動量[a]，并計算其偏導數，降低訓練過程中的振蕩幾率，提升收斂效率，則權值修正迭代方程的計算式為：

再次引入附加動量[a]，減少學習過程中產生的波動概率，使其能加快收斂速度，其權值修正迭代方程為：

2.2? 故障特征提取方法流程

基于卷積型小波包能量灰度矩的特征提取過程為：

此時，信息變為卷積小波包變換，分解過程為：

將經過分解的頻帶特征作為信號特征，通過求解得到信號特征的能量灰度矩，形成特征向量，對其進行進一步的預處理，將處理后的結果作為小波神經網絡中的故障特征，實現故障定位。

選取圖2進行特征提取的驗算。

假設按照上述方法通過相應測量設備故障狀態下的電氣信息，具體數據如表1所示。

結合表1可知，故障位置和過渡電阻對結果有影響。

2.3? 基于蜻蜓算法的小波神經網絡故障定位

本文采用蜻蜓算法優化小波神經網絡的參數。

蜻蜓算法[8]將小波神經網絡的權值和閾值作為個體位置向量進行尋優，適應度函數為：

2.4? 仿真結果

假設線路為24 m，從數據庫中隨機選擇過渡電阻在0～1 000 Ω的五組數據集作為訓練學習樣本。其中，規定故障相角為30°，隨機選取相角為45°的數據集作為測試樣本。

為了更清楚地了解算法的優點，在蜻蜓算法的基礎上，采用支持向量機方法對其中存在的故障點進行分類和確認，獲取的樣本訓練誤差曲線如圖3所示。

圖3中，DA?WNN為小波神經網絡故障定位算法，DA?SVM為支持向量機故障定位算法，WNN為純小波神經網絡故障定位算法。DA?WNN網絡訓練誤差由3在進行80次迭代后最終穩定在0.10;DA?SVM訓練誤差經過150次迭代才由3穩定在0.60;WNN網絡訓練誤差在200次時接近0.5，但此時并未穩定收斂。

各算法定位精度結果如表2所示。

各算法所需的定位時間如表3所示。

各算法定位結果相對誤差百分比如表4所示。

從表2～表4可知，本文提出的算法精度高，迭代次數少，且對故障的定位精度高，定位時間短。

3? 故障恢復供電路徑

本文將圖論算法與改進二進制自適應差分進化算法相結合來實現操作票供電恢復路徑尋優。

3.1? 二進制改進自適應差分進化算法

操作票主要研究開關組合離散性問題，對標準差分進化算法進行二進制編碼，用邏輯運算代替數學運算，從而保證個體取值只能選擇0或1。

引入二進制，用“[⊕]”表示異或操作，用“[?]”表示與，“+”表示或操作，則變異操作可表示為：

交叉方程為：

式中：[vk+1i，j]表示正常情況下操作邏輯函數;[xki，j]表示非正常情況下操作邏輯函數;[ηj]表示操作票約束值。

變異機制作為DE算法和其他智能算法的首要區別，對性能有很大影響。本文在兩種常用的變異機制策略算法基礎上對變異機制做出改進。

DE1對種群內第[i]個個體進行變異操作，全局搜索收斂性好，但是速度慢。表達式如下：

DE2取種群中當前最優個體搜索，局部搜索目的性強，但是容易陷入局部最優。表達式如下：

本文將兩者優點結合，進行如下變異改進：

式中，正數[δ∈0，1]，越大搜索速度越快，但全局收斂性變差。本文形成一個可變的個體變異比例因子[δ]的自適應微分進化算法MDE，表達式如下：

用Schaffer，Griewnak，Rastrigin測試函數對算法性能的比較如表5所示，種群設置為60，迭代最大次數為500，絕對誤差精度小于10-6。

由表5可知，在保持精度不變的情況下，本文改進算法在求解時間、迭代次數和成功率三個方面的優化度明顯。

3.2? 變電站模型

本文以某變電站為模型，進行操作票研究。為了便于分析供電路徑，將模型進行如下簡化：

1） 將原始連接節點存儲在圖的節點中;

2） 將包含2個端子的設備存儲在圖的邊上;

3） 將隔離開關和斷路器封裝成小車便于分析。

最終簡化模型如圖4所示。

圖4? 變電站簡化模型

3.3? 目標函數

不同開關狀態對應不同的結構，開關狀態是離散量，用“0”表示開關閉合狀態，“1”表示開關斷開狀態，以開關操作次數最少為目標函數[11]：

4? 實例分析

4.1? 初始化數據

從圖4可以看出，在線路正常運行過程中，高壓母線的運行方式為單母線分段式，而低壓母線則與之不同，其運行方式為雙母線并列式。圖4中，承擔為負荷9提供電能任務的是閉合母線1（[K1，K5]），承擔為負荷10提供電能任務的是閉合母線2（[K3，K7]）。

通過分析變電站連接方式可知，其中存在一個節點?開關關聯矩陣[M]，該矩陣由某一開關在某一時刻的狀態向量組成，通過對該矩陣的計算與分析，獲取某一節點與開關的連接狀態向量，根據該向量與其轉置的乘積，得到節點鄰接矩陣：

4.2? 實例分析得出故障操作票

當發生故障，假設由蜻蜓算法的小波包能量灰度矩神經網絡故障定位算法得知，1節點進線發生故障，進行故障隔離，斷開Q1，這樣由該進線供電的負荷要恢復供電，先將Q4，Q6，Q8進入熱備用狀態，然后尋優負荷最佳供電路徑。

二進制自適應差分進化算法尋優結果如表6所示。

根據表6可以看出，在將開關次數最少作為優化目標時，倒閘操作票的選擇路徑為9?7?5?3?4?2。這一線路中，只需要將母聯Q3閉合便可恢復節點9的供電路徑。

具體操作票執行過程如表7所示。

5? 結? 語

本文以某省變電站模型進行故障定位、故障路徑恢復和故障操作票生成，實現故障恢復操作票系統的自動生成，得出以下結論：

1） IEC61850的引入很好地解決了設備互操作性，使終端和主站之間的數據傳輸變得更快、更高效。

2） 基于蜻蜓算法的小波包能量灰度矩神經網絡算法定位精度更高，迭代次數少，定位時間更短。

3） 二進制自適應差分進化算法很好地解決了全局搜索和局部最優搜索的矛盾，使算法性能更優。

4） 自動生成故障恢復操作票，大大減輕了調度員的壓力，減少了誤操作從而提高可靠性。

參考文獻

[1] 朱正誼，徐丙垠，陳羽.IEC61850應用于分布式饋線自動化系統的模型[J].電力系統自動化，2018，42（43）：4?5.

[2] 李澤榮.故障恢復操作票系統的研究與開發[J].電力電氣，2014，33（9）：3?4.

[3] 白煜.順序控制在智能變電站中的應用[D].天津：天津大學，2015.

[4] 齊旭.基于CIM/SVG及全面防誤策略的操作票專家系統研究[D].杭州：浙江大學，2006.

[5] 陳素芳，王凱.基于多智能體的電網操作票自動生成系統[J].電力系統自動化，2008，28（3）：534?541.

[6] 趙恒亮，李澤榮.地區電網潮流越限處理的研究[J].浙江電力，2012，31（1）：1?5.

[7] 李澤榮，張小娟，任建文，等.地區電網運行方式制定中的供電路徑搜索研究[J].山西電力，2011（4）：5?10.

[8] MIRJALILI S. Dragonfly algorithm： a new meta?heuristic optimization technique for solving single?objective， discrete， and multi?objective problems [J]. Neural computing & applications， 2016， 27（4）： 1053?1073.

[9] 徐露.含分布式發電配電網多目標優化重構研究[D].南昌：華東交通大學，2018.

[10] 林曉慶，任建文，張丙合，等.基于網絡重構的電網智能調度操作票系統開發研究[J].電力系統保護與控制，2012，40（7）：4?5.