融合多源數據的電網設備風險預警方法

南方電網大數據服務有限公司 楊榮霞

為了提高電網設備故障診斷的準確度，提出一種融合多源數據的電網設備風險預警方法，通過構建變電站設備明細表、描述電網設備運行風險，進行多源故障數據的融合，以此為依據，掌握電網設備風險事件之間的邏輯關系。在此基礎上，調用設備風險數據，按照數據清洗、數據結構轉換、數據集成、樣本刪除的順序，對電網設備風險數據進行預處理。

通過診斷風險與設定安全閾值的方式，實現對電網設備風險的預警。以此數據作為支撐，可構建具有“態勢感知、生產指揮、分析決策”三類應用功能的變電智能運維管控平臺，為設備、作業、人員、環境的集中管控和變電生產工作作業提供有力支持，從而實現關鍵指標、流程等作業行為的實時監控，滿足現場技術人員對電網設備運行場景信息的有效展示，在真正意義上達到為決策提供可視化輔助的目的。總之，加大對電網設備風險預警相關研究的投入，可提升設備狀態感知、輔助決策及生產指揮能力[1]。

基于物聯網與移動終端展示技術，可對電網設備的運行信息等進行全景可視化展現，保障終端可實時觀看到設備的運行情況；深度融合多源數據，可實現電網風險、設備風險、作業風險、環境風險等安全風險信息互聯互通；通過動態分析預警，可實現全面掌控風險、全局視角動態分析風險、智能指揮消除及防范風險；應用“云、大、物、移、智”等現代信息技術，匯集多源數據，通過大數據智能分析，可在變電智能運維管控平臺輔助開展變電站各類生產操作指令執行，輔助校核智能作業及程序化操作完成情況，同時將操作過程和實時信息展示。

1 融合多源數據的電網設備風險預警方法

1.1 融合多源數據分析電網設備風險事件邏輯關系

為實現對電網設備運行風險的有效預警，采用融合多源數據的方式構建一個針對電網設備的故障樹體系，以此為依據，掌握電網設備不同風險之間的邏輯關系[2]。在此過程中，需先進行電網設備運行故障信息的提取與描述，并調用變電站設備明細表，進行電網設備相關信息的統計。變電站設備明細表中的字段類型為string，字段名/字段描述分別為：SUBSTATION_ID/變電站ID；SUBSTATION_STATUS/狀態；SUBSTATION_STATUS/電壓等級ID；TRANSFORMER_AMOUNT/主變壓器數量；OUTLET_COUNT_500kV/500kV出線總回路；OUTLET_COUNT_220kV/220kV出線總回路。

對照以上內容，對電網設備風險進行描述，其指標名稱/統計維度分別為：嚴重狀態設備數/機構：局/所/巡維；異常狀態設備數/機構：局/所/巡維；注意狀態設備數/機構：局/所/巡維；風險設備總數/機構：局/所/巡維；各變電所下異常設備數/機構：局/所/巡維。

在完成對電網設備多源風險的描述后，綜合專家評估結果，將風險按照由高到低的方式進行排列。假定在此過程中不同風險的發生概率表示為P，P的分布可取值在[0，1]之間，但由于不同類型的風險均具有不確定性特點，因此又可將P看作一個模糊集合A，使用A%表示模糊隸屬度：A%=(n(1-a),n,n(1+a))，式中：n表示為模糊集合A隸屬度的平均值；a表示為層級關系，通常需根據風險集合的總數對其進行判定。

在此基礎上，需根據底層風險事件的模糊關系，按照層層遞推的方式將事件的風險進行映射處理[3]。此時假定電網設備故障E和其他多源故障風險事故呈現“與”的關系，則可認為E和其他多源故障風險事故之間的關系為PE-AND=Πni(1+ai)，式中：PE-AND表示為電網設備故障E與多源數據之間的關系；i表示為故障事件總數。按照上述計算公式依次對E1、E2…Ei間的邏輯關系進行計算，也通過此種方式，實現對多源數據的有效融合。

1.2 電網設備風險數據預處理

在掌握電網設備多源風險事件之間的邏輯關系后，應調用設備風險數據，按照數據清洗、數據結構轉換、數據集成、樣本刪除的順序，對電網設備風險數據進行預處理。

在進行設備風險數據清洗過程中，需根據多源數據間的邏輯關系進行數據結構中空缺位置的填補、異常值數據的專項處理、冗余數據或重復數據的處理等。當前端導出數據后，數據格式難免會受到外界相關因素的干擾，出現部分數據字節丟失的問題，針對此種類型的風險數據需采用一個有效的方法，使用“1”或“0”進行數據的填充，并在此基礎上篩查數據，檢索其中是否存在重復數據、與均值或隸屬度差異較大的數據值，在完成對所有數據的處理后，重整數據組，完成數據清洗處理。

在進行電網設備風險數據結構轉換過程中，需將原有數據集合中結構較為復雜、對應層次過高的數據進行量化，使復雜數據轉換成結構較為簡單的數據，以便于后期對數據進行統計與分析。在完成數據統計處理后，將所有符合標準的數據導入一個標準的數據庫內并設定一個專項表格，用于存儲電網設備饋線反饋的風險[4]。考慮到不同的饋線數據來源渠道不同，因此在進行風險數據集成處理過程中，需對原始數據進行合并。

在進行電網設備風險數據樣本刪除處理時，應區別原始數據集合中的異常樣本數據，此部分數據被稱之為離群樣本，針對此部分數據，可通過鄰近值或聚類集合的方式進行處理與識別[5]。按上文所述步驟完成電網設備風險數據的預處理，在此基礎上將數據集合按照x=(x-xmin)/(xmax-xmin)進行歸一化處理。式中：x表示為歸一化處理后的電網設備風險數據集合；x表示為電網設備風險源數據集合；xmin表示為風險變量取值的最小值；xmax表示為風險變量取值的最大值。按此公式完成對數據的預處理與集成。

1.3 基于小波轉換的電網設備風險診斷與決策

考慮到不同類型設備或不同頻段的電網設備出現的風險是不同的，不同風險對應的能量也是不同的。為實現對風險的有效預警，需根據風險能量的分布進行電網設備風險的診斷。在此過程中引進小波轉換技術對風險能量進行度量，并將系數的基準值作為能量分布信號，此時可根據能量值的大小進行風險信號強弱的劃分[6]。假定在此過程中，能量的分布表示為e1，e2，…，em， 小波轉換能量的過程可表示為W=ej/m,式中：W表示為小波轉換能量分布過程；ej表示為第j個信號的能量分布值；m表示為信號總數。

在完成上述相關研究后，按照能量信息獲取→風險特征提取→決策融合的流程，進行電網設備風險診斷（圖1）。根據電網的實際運行需求，進行電網設備異常的診斷，與此同時在終端控制設備上設定一個安全閾值，前端在進行電氣設備掃描時，每發送一個電氣信號，改進模糊模型將對信號的異常特征進行提取，與此同時，小波將發生轉換，后端根據轉換結果輸出一個奇異值與能量度結果。此結果將自動與閾值進行對接，一旦數據值超出閾值范圍將自動觸發預警，以此種方式便可實現對電網設備風險的有效預警。

圖1 電網設備風險診斷流程

2 實驗

本文通過上述論述實現對融合多源數據的電網設備風險預警方法的理論設計，為進一步驗證該方法在實際應用中的效果，將本文提出的預警方法帶入真實電網設備運行環境當中完成如下實例測試：設定電力企業中存在某一電網設備W1出現故障問題的現象發生。同時該電網設備的故障問題具有一定不確定性，因此可能出現故障程度以及影響范圍不斷擴大的問題，進而造成與該電網設備所連接的其他電網設備出現故障問題。詳細記錄在該電網設備W1出現故障后整個電網的故障過程：

首先，W1電網設備出現接地短路故障問題，此時W1電網設備的連接送端和受端都發生了保護動作，與W1電網設備相連接的B1斷路器發生跳閘動作；其次W1電網設備的另一側連接的B2斷路器并未出現跳閘動作，使得在W2電網設備的B3斷路器一側的零序段上出現了跳閘保護動作；最后，由于受到W1和W2電網設備的影響，在W4和W5電網設備上同樣出現了跳閘動作，影響其正常運行。將W1電網設備出現故障問題前后整個過程的電流信號變化情況進行記錄，并繪制成圖2。

圖2 電網設備故障前后電流信號變化記錄

從圖2中可看出，W1電網設備出現故障的時間在0.2s～0.4s。基于上述實驗測試條件，利用本文提出的預警方法對電網設備風險進行診斷和決策，并將得出的電網設備故障融合結果記錄如表1。

表1 基于本文預警方法的電網設備故障融合結果表

從表1得出的基于本文預警方法的電網設備故障融合結果可看出，通過本文預警方法的判斷和決策，得出W1、W2、W4、W5電網設備出現了融合結果不為0的現象，說明在上述四個電網設備上存在故障問題。表3中得出的結果與本文測試用例具體故障現象完全一致，可實現對電網故障的準確預警。同時，在實驗過程中，本文預警方法能夠準確預測得出各個設備出現故障問題的主要原因，并明確具體故障產生原因是：由于W1電網設備在0.2s～0.4s時間范圍內出現了故障問題所導致其他三個電網設備運行故障。因此，通過實驗證明，本文提出的電網設備風險預警方法在實際應用中能夠實現對故障電網設備的準確判斷，并且判斷和決策效率更快，可為電網設備的穩定運行提供更高保障。

3 結語

基于“多屏全網跨平臺”理念在電網建設工程中的應用，以“云大物移智”為代表的多種現代信息網絡技術被提出，在社會高新技術的支撐下，PMS系統、EMS系統、OMS系統、設備狀態評價系統、GIS系統、應急管理系統及變電站內設備在線監測系統、輔控系統等，在運行中產生的工程數據越來越多，此種數據被稱之為多源數據。為提高電網設備的綜合運營能力，本文以多源數據作為支撐，采用融合多源數據的方式，設計一種針對電網設備的風險預警方法。在完成此次設計后，通過實例應用的方式，對此方法的實用性進行了驗證，證明此方法具有真實的風險預警能力。因此，可在后期的相關研究中，將此方法集成到變電站系統與配電網集成運維系統中，通過實時預警電網設備故障的方式，提高供電與配電工作的綜合能力。