基于馬爾可夫模型的電力運(yùn)維異常自動(dòng)告警方法

趙小玲

（國(guó)電南瑞南京控制系統(tǒng)有限公司，江蘇南京，211000）

0 引言

電網(wǎng)的建設(shè)發(fā)展使得電網(wǎng)系統(tǒng)向著智能化方向發(fā)展成為了必然趨勢(shì)，經(jīng)過(guò)了十余年的建設(shè)，當(dāng)前電網(wǎng)的信息化和自動(dòng)化水平均已經(jīng)得到了顯著的提升，并且逐步向著智能化的方向邁進(jìn)[1]。電網(wǎng)的實(shí)時(shí)監(jiān)控以及數(shù)據(jù)的管理已經(jīng)經(jīng)過(guò)了迭代和優(yōu)化，并且引入了大量的數(shù)據(jù)可視化技術(shù)[2]。根據(jù)相關(guān)資料顯示，某省份電力運(yùn)維中心的運(yùn)維工作人員平均每天需要處理大約30萬(wàn)條的運(yùn)維信息，工作人員很難在短時(shí)間內(nèi)根據(jù)自身經(jīng)驗(yàn)發(fā)現(xiàn)異常信號(hào)，處理效率極低，可能造成故障嚴(yán)重化，對(duì)電力系統(tǒng)的安全穩(wěn)定運(yùn)行帶來(lái)威脅。為了保障電網(wǎng)的穩(wěn)定運(yùn)行，需要對(duì)其電力運(yùn)維情況進(jìn)行實(shí)時(shí)監(jiān)測(cè)，并針對(duì)其存在的異常現(xiàn)象進(jìn)行及時(shí)的告警，從而將電力運(yùn)維異常對(duì)電網(wǎng)運(yùn)行質(zhì)量的威脅程度降低到最低。

在電力運(yùn)維系統(tǒng)中包含大量的非結(jié)構(gòu)化中文短文本，包括專(zhuān)業(yè)詞匯、數(shù)字和特殊符號(hào)等，在告警信息處理時(shí)，容易出現(xiàn)運(yùn)維趨勢(shì)判定模糊的問(wèn)題。國(guó)內(nèi)外對(duì)電力運(yùn)維進(jìn)行了研究。如文獻(xiàn)[3]中，研究了人工智能在電力企業(yè)網(wǎng)絡(luò)安全運(yùn)維中的應(yīng)用，充分利用人工智能技術(shù)進(jìn)行數(shù)據(jù)采集，構(gòu)建自動(dòng)化事件處置機(jī)制。文獻(xiàn)[4]中，利用大數(shù)據(jù)技術(shù)，建立數(shù)據(jù)挖掘知識(shí)庫(kù)，以面向?qū)ο蟮姆绞綐?gòu)建運(yùn)維故障自動(dòng)告警系統(tǒng)。但上述方法在應(yīng)用中發(fā)現(xiàn)，對(duì)數(shù)據(jù)的區(qū)分不足，導(dǎo)致計(jì)算冗余度過(guò)大，告警效率低下。因此，研究一種快速電力運(yùn)維異常自動(dòng)告警系統(tǒng)是研究重點(diǎn)。

馬爾可夫模型是一種常見(jiàn)的統(tǒng)計(jì)學(xué)模型，當(dāng)前這種模型常被應(yīng)用于語(yǔ)音識(shí)別、概率文法等各類(lèi)自然語(yǔ)言的處理領(lǐng)域當(dāng)中[5]。在實(shí)際應(yīng)用中，該模型結(jié)構(gòu)的引入能夠進(jìn)一步提高預(yù)測(cè)結(jié)果的準(zhǔn)確性，為預(yù)測(cè)和統(tǒng)計(jì)提供更高的精度條件。因此，基于馬爾可夫模型的應(yīng)用優(yōu)勢(shì)，本文開(kāi)展對(duì)電力運(yùn)維異常自動(dòng)告警方法的設(shè)計(jì)研究。

1 基于馬爾可夫模型的電力運(yùn)維異常自動(dòng)告警方法設(shè)計(jì)

1.1 基于馬爾可夫模型的電力運(yùn)維趨勢(shì)預(yù)測(cè)

為實(shí)現(xiàn)對(duì)電力運(yùn)維異常現(xiàn)象的及時(shí)告警，引入馬爾可夫模型，針對(duì)電力運(yùn)維過(guò)程中的變化趨勢(shì)進(jìn)行實(shí)時(shí)預(yù)測(cè)。根據(jù)對(duì)電力系統(tǒng)運(yùn)維異常機(jī)制進(jìn)行分析，針對(duì)其薄弱環(huán)節(jié)對(duì)其可靠性參數(shù)進(jìn)行設(shè)置，并將其帶入到馬爾可夫模型當(dāng)中，構(gòu)建電力運(yùn)維可靠性模型χ：

公式（1）中，a1、a2和a3表示為電力系統(tǒng)中不同子系統(tǒng)故障率；b1、b2、b3表示為電力系統(tǒng)中不同子系統(tǒng)的修復(fù)率。根據(jù)上述公式，計(jì)算得出電力運(yùn)維的可靠性，并設(shè)置其穩(wěn)定運(yùn)維的閾值[3]。當(dāng)模型輸出的結(jié)果χ?jǐn)?shù)值不在設(shè)定的閾值范圍內(nèi)，則說(shuō)明電力運(yùn)維存在異常變化的趨勢(shì)；當(dāng)模型輸出的結(jié)果χ?jǐn)?shù)值在設(shè)定的閾值范圍內(nèi)，則說(shuō)明電力運(yùn)維仍然會(huì)保持穩(wěn)定的運(yùn)行狀態(tài)。

將上述馬爾可夫模型引入到基于TDengine開(kāi)源版本的電力運(yùn)維平臺(tái)當(dāng)中，結(jié)合該平臺(tái)線上線下聯(lián)合運(yùn)維功能，針對(duì)海量設(shè)備接入數(shù)據(jù)進(jìn)行采集、存儲(chǔ)、存儲(chǔ)和分析，從而完成對(duì)電力運(yùn)維趨勢(shì)的預(yù)測(cè)。

1.2 電力運(yùn)維異常告警指令序列事件化及自動(dòng)發(fā)出

完成對(duì)電力運(yùn)維趨勢(shì)的預(yù)測(cè)后，在出現(xiàn)電力運(yùn)維異常現(xiàn)象時(shí)，運(yùn)維人員能夠通過(guò)告警指令直接對(duì)告警事件進(jìn)行了解，需要對(duì)其指令序列進(jìn)行事件化處理，通過(guò)告警指令序列對(duì)告警事件進(jìn)行具體描述。在告警指令序列當(dāng)中引入事件具體發(fā)生時(shí)間、變電站名稱(chēng)、關(guān)鍵電力設(shè)備名稱(chēng)等定位信息，這些信息內(nèi)容為非結(jié)構(gòu)化中文短文本。同時(shí)，將序列劃分為兩部分，一部分為實(shí)體類(lèi)型，另一部分為告警，選擇具有描述性的信息對(duì)兩種類(lèi)型告警指令進(jìn)行描述。

由于各類(lèi)電力設(shè)備存在物理聯(lián)系，因此在告警指令序列當(dāng)中每個(gè)告警信號(hào)的定位信息、運(yùn)行信息等都十分相似[6]。因此，針對(duì)這一問(wèn)題，為了提高告警的精度，需要通過(guò)提取關(guān)鍵詞的方式，進(jìn)一步提高告警指令的描述詳細(xì)程度。引入自然語(yǔ)言處理技術(shù)，結(jié)合馬爾可夫模型，針對(duì)告警指令序列事件化后的內(nèi)容進(jìn)行詞性標(biāo)注、關(guān)鍵詞提取、摘要生成等，并從多個(gè)角度對(duì)自然語(yǔ)言進(jìn)行分析和處理。主要分為以下步驟：

(1)建立本體詞典。通過(guò)統(tǒng)計(jì)本體，標(biāo)注詞性。

(2)對(duì)故障樣本進(jìn)行向量化處理，通過(guò)導(dǎo)入故障樣本，對(duì)詞語(yǔ)進(jìn)行區(qū)分，去除停用詞，建立故障樣本向量。

部分告警指令的摘要及對(duì)應(yīng)部分告警指令序列如表1所示。

表1 部分告警指令的摘要及對(duì)應(yīng)部分告警指令序列

按照上述操作實(shí)現(xiàn)對(duì)告警指令的序列事件化處理后，將其處理流程同樣引入到基于TDengine開(kāi)源版本的電力運(yùn)維平臺(tái)當(dāng)中，由平臺(tái)自動(dòng)將告警指令發(fā)出，實(shí)現(xiàn)對(duì)其自動(dòng)告警。

2 對(duì)比實(shí)驗(yàn)

按照本文上述邏輯，實(shí)現(xiàn)對(duì)電力運(yùn)維異常自動(dòng)告警方法的理論設(shè)計(jì)后，為了進(jìn)一步驗(yàn)證該方法在實(shí)際應(yīng)用中的效果，選擇將基于人工智能技術(shù)的告警方法作為對(duì)照組，通過(guò)設(shè)置對(duì)照組和對(duì)照條件的方式，完成下述實(shí)驗(yàn)，并通過(guò)得出的實(shí)驗(yàn)結(jié)果對(duì)比證明本文告警方法的應(yīng)用優(yōu)勢(shì)。選擇將某電力企業(yè)當(dāng)中正在運(yùn)行使用的兩臺(tái)配置三層運(yùn)行的電力系統(tǒng)作為研究對(duì)象，分別利用本文提出的告警方法和基于人工智能技術(shù)的告警方法對(duì)該電力系統(tǒng)在運(yùn)維過(guò)程中的異常情況進(jìn)行預(yù)測(cè)，并對(duì)其異常行為發(fā)出相應(yīng)的告警結(jié)果。在確保其他實(shí)驗(yàn)因素不發(fā)生改變的前提條件下，通過(guò)引入控制變量法，對(duì)實(shí)驗(yàn)過(guò)程中各項(xiàng)數(shù)據(jù)的具體走向及變化趨勢(shì)進(jìn)行記錄并分析。實(shí)驗(yàn)過(guò)程中的主要參數(shù)包括，PMI（電力運(yùn)維指標(biāo)）：0.67；SLP（運(yùn)維平臺(tái)穩(wěn)定性極限）：89.56%；IAS（指令告警標(biāo)量）：0.48；SIE（標(biāo)準(zhǔn)指令運(yùn)行效率）6.58×109T/min。本文選擇將兩種告警方法的告警指令運(yùn)行效率作為對(duì)比指標(biāo)，其計(jì)算公式為：

公式（2）中，γ表示為兩種告警方法的告警指令運(yùn)行效率；m表示為告警指令數(shù)據(jù)信息量；t表示為告警結(jié)束時(shí)間；′t表示為發(fā)現(xiàn)電力運(yùn)維異常時(shí)間。根據(jù)上述公式，計(jì)算得出兩種告警方法的干凈指令運(yùn)行效率，并繪制成表2。

表2 兩種告警方法告警指令運(yùn)行效率記錄表

從表2記錄的數(shù)據(jù)可以得出，本文方法的告警指令運(yùn)行效率與基于人工智能技術(shù)的方法相比在電力系統(tǒng)運(yùn)行的過(guò)程中數(shù)值始終更高，同時(shí)本文方法運(yùn)行效率表現(xiàn)出隨著電力系統(tǒng)運(yùn)行時(shí)間增加而增加的趨勢(shì)，而另一種方法恰恰相反，隨著電力系統(tǒng)運(yùn)行增加而出現(xiàn)了遞減的趨勢(shì)。因此，結(jié)合實(shí)驗(yàn)及數(shù)據(jù)可知，本文提出的基于馬爾科夫模型的告警方法在實(shí)際應(yīng)用中具有更高的運(yùn)行效率，能夠在第一時(shí)間發(fā)出電力運(yùn)維異常指令。

為進(jìn)一步驗(yàn)證本文設(shè)計(jì)方法的性能，在上述實(shí)驗(yàn)的基礎(chǔ)上，設(shè)計(jì)四類(lèi)故障，利用本文方法進(jìn)行異常告警，統(tǒng)計(jì)該方法的漏報(bào)次數(shù)和誤報(bào)次數(shù)，結(jié)果如下表3所示。

表3 異常告警結(jié)果對(duì)比

主變壓器故障 31 31 0 0所用變壓器故障 10 10 0 0直流換流站故障 24 24 0 0

由表3可知，本文設(shè)計(jì)方法在對(duì)電力運(yùn)維系統(tǒng)異常告警中，無(wú)漏報(bào)和誤報(bào)的情況發(fā)生，表明本文設(shè)計(jì)方法的異常自動(dòng)告警結(jié)果具有有效性和準(zhǔn)確性。