基于云平臺的電力系統運行異常告警算法

徐忠文，江雄烽，龔舒，阮詩迪，張雄寶

（廣西電網電力調度控制中心，廣西 南寧 530000）

0 引 言

隨著我國電網的大規模建設，電力系統中運行數據呈飛速增長狀態，運行數據的積累以及用戶端的非正常用電行為，造成電力系統運行數據異常的問題逐漸突出。當電力系統中出現異常數據時，如果系統或者工作人員無法準確識別并處理異常數據，將會危及電力系統運行狀態的穩定性，嚴重的話會造成電網癱瘓的事故。所以，電力行業亟需找到一種可靠方法來對電力系統運行異常進行告警，從而保障電力系統穩定運行。當下，我國電力系統在線告警研究正進行得如火如荼，文獻[1]通過BERT-DSA-CNN與知識庫，提升了電力系統告警識別的準確率。文獻[2]在電力系統智能告警的核心-故障診斷中，應用人工智能與信息融合技術，獲得了較高的診斷精度。基于此，本文設計了一種電力系統運行異常告警算法，以期從電力系統的海量運行數據中快速辨識出異常數據，并進行精準告警。

1 建設電力系統運行數據云平臺

云平臺是由網格計算與公用計算發展而來的，通俗來講就是通過遠端服務器為用戶提供所需的數據計算與存儲等服務[3]。建設電力系統運行數據云平臺的主要目的在于為異常告警算法提供可靠數據支持，在建設云平臺的過程中，一定要嚴格明確構建云平臺的要求，準確監測電力系統運行狀態，搭建一個精細的云平臺架構。本文所建設的電力系統運行數據云平臺主要包括狀態采集、核心處理以及數據展示這3個主要架構層次，如圖1所示。

云平臺的電力系統運行狀態采集層是在電力系統廣域網的基礎上，通過高采集速率的信息采集設備來實現，它在滿足電力系統運行狀態采集的同時，優化異常告警算法。采集層主要負責利用多個高效采集器獲取電力系統的實時運行狀態，同時將采集到的運行狀態數據傳輸至云平臺的核心處理層進行高效處理。云平臺的采集層可以起到電力系統運行數據實時監測的目的，進而確保異常告警算法的實時性。

云平臺的電力系統運行數據核心處理層主要負責存儲、計算以及管理電力系統運行數據，其中數據庫用于存儲并備份運行數據，部署工具與管理系統用于運行數據的整合、到期處理等管理工作，同時及時響應數據展示層的各類業務需求。

云平臺的電力系統運行數據展示層主要負責為異常告警算法提供數據展示，其中云用戶端是連接云平臺與異常告警算法的端口，異常告警算法通過云平臺用戶端來查看電力系統運行數據，服務目錄主要為異常告警算法定制相應的查詢、退訂等請求服務，根據異常告警算法所提服務請求將指令發送至核心處理層中，做出相應的響應，以此實現異常告警算法的數據支持。

2 提取電力系統運行數據特征

特征提取屬于1種數據分析技術，就是從電力系統運行數據云平臺的數據中提取出異常告警算法所需的有效信息[4]。提取電力系統運行數據特征主要就是，將高維度的電力系統運行數據進行變換和映射等處理，獲得低維度的數據空間樣本，再對其進行特征選擇操作，從而獲得有效的電力系統運行數據特征向量。假設初始電力系統運行數據特征向量為T=(T1,T2,…Tn)N，對其進行線性處理之后，獲得運行數據特征的m維向量D=(D1,D2,…Dm)N,m≤n，然后根據歐式距離度量的特征提取公式，獲得m維度的運行數據空間樣本與類之間的關系為

式中：L1表示運行數據空間樣本總體和類的協方差矩陣，也可以描述樣本總體和類的離散程度；L2表示類內的運行數據空間樣本和此類的協方差矩陣，同樣可以描述單獨樣本和此類的離散程度；j表示類j中運行數據空間樣本的平均值；表示運行數據空間樣本總體的平均值。根據式（1）獲得m維度的運行數據空間樣本有效特征向量為

式中：Xj表示類j中運行數據空間樣本有效特征向量參數；Bj表示類j中運行數據最佳變換系數。提取電力系統運行數據特征需要云平臺中大量電力系統運行數據，是本文設計異常告警算法中最關鍵的一步，為異常告警算法提供理論基礎。

3 異常告警算法設計

本文所設計的電力系統運行異常告警算法主要分3個步驟：創建電力系統運行異常告警數據庫；挖掘電力系統運行數據特征與數據庫中異常告警數據特征之間相關度；生成異常告警關聯規則，實現電力系統運行異常告警[5]。首先，在創建異常告警數據時，需要獲得2個關鍵參數即告警時間窗口與滑動步長。告警時間窗口就是一個告警序列，關系到后續關聯規則的時間粒度，而滑動步長與異常告警算法的執行效率和關聯規則精度存在直接聯系，綜上所述，本文通過合理的時間窗口與滑動步長，來遍歷云平臺中電力系統異常數據，進而創建告警數據庫。利用以下公式描述電力系統運行數據特征向量與數據庫中向量的相關度為

式中：x1、x2分別表示電力系統實際運行數據特征向量參數與異常告警數據庫中特征向量參數；n表示告警時間窗口數量；qi、qj分別表示告警向量i、j出現頻度的權值參數；分別表示權值參數qi、qj的平均值。利用式（3）過濾掉云平臺中非異常的電力系統運行數據特征向量。最后，本文引入可信度因子來設計電力系統運行異常告警算法，生成異常告警關聯規則為

式中：K(R→S)表示當告警場景R出現時，S也隨之出現的可信度，也就是告警場景R、S共同出現的條件概率P。根據此關聯規則，可以刪除云平臺中虛假的告警場景集合，進而實現電力系統運行異常告警。

4 算法運行效果

本章針對文中基于云平臺的電力系統運行異常告警算法，選取2個傳統告警算法：基于PrefixSpan的告警算法、基于Apriori的告警算法，設計對照實驗，通過告警精度與告警速度的對比來評估本文設計方法的性能。選取某電信公司網絡中心所提供的100萬條告警數據作為實驗數據，實驗之前需要對數據進行預處理，過濾掉錯誤與模糊的數據。搭建算法實驗環境如表1所示。

表1 算法實驗環境配置參數表

實驗告警數據過濾后剩余數據量為65萬條，對該電信公司的告警事件進行深入挖掘后，將告警時間窗口設置為8 min，滑動步長設置為4 min，然后通過改變告警數據支持度來進行這3個告警算法性能的對比實驗。當支持度由0.01增長到0.15時，算法告警精度與速度的對比結果如圖2所示。

如圖2所示，隨著支持度的增加，PrefixSpan算法與Apriori算法的告警準確率曲線出現大幅度的波動，其平均準確率分別為59.8%、58.4%，而本文算法的平均準確率為86.7%，其告警精度高于對照算法26.9%、28.3%，并且本文算法不會受支持度變化的影響，較為穩定。如圖3所示，隨著支持度的增加，數據庫中告警序列逐漸減少，告警算法的運行時間隨之降低，其平均運行時間分別為97.67 s、91.59 s，而本文算法的平均運行時間為31.46 s，低于對照算法66.21 s、60.13 s，這是由于本文算法中引入了云平臺，遍歷數據庫所需時間較短，告警速度較高。綜上所述，本文所提基于云平臺的電力系統運行異常告警算法可以高效運行。

5 結 論

本文針對電力系統運行異常問題，設計1種基于云平臺的異常告警算法，此算法以電力系統運行數據云平臺為基礎，結合運行數據特征，挖掘出告警場景的關聯規則，實現電力系統運行異常數據的精準報警，并通過算法實施效果對比實驗驗證了本文設計方法的精度與效率。本文雖然為電力系統運行異常提供了1種告警算法，但由于電力系統發展較快，還需對告警算法進行更深層次的研究，此算法所使用的數據均出自于運行狀態的實時監測數據，并未考慮到電力系統設備參數，所以后續研究中會在告警算法中加入其他數據進行綜合分析，來滿足應用前景廣闊的電力系統運行異常精準告警。