電網調度智能監控與事故處理輔助決策方法研究

劉永明, 宋子龍, 曲鑫, 周佳銘, 李璐

(國網山東省電力公司威海供電公司, 山東, 威海 264200)

0 引言

用電量逐漸增加,電網的規模不斷擴增,復雜的電網結構給電網調度運行工作帶來了新的問題,導致電網調度數據量增大,同時存在著多種電磁環網,給調度員帶來巨大的電網運行監控、電網事故處理的困難。

在此之前,部分文獻也做出了相應的研究,文獻[1]提出了一種基于CIM虛結構的電網調度智能監控與事故處理輔助決策的方法,該方法通過構建CIM虛結構,實現電網調度的自動化,進而實現電網調度的智能監控,結合事故處理輔助,降低調度員的運行工作量,但該方法存在著運行監控的不穩定性;文獻[2]提出了一種基于SCADA/EMS的電網調度智能監控與事故處理輔助決策方法,該方法利用SCADA/EMS系統,實現電網調度員對電網調度運行的監控和事故的處理,但該系統存在著信息混亂的現象,因此還需進行改進。

基于上述文獻中存在的問題,本文進行以下技術研究[3]。

1 電網調度智能監控與事故處理輔助決策系統

本文設計了電網調度智能監控與事故處理決策系統。該系統通過SCADA服務器、數據庫服務器和磁盤陣列構建了電網調度智能監控的數據存儲庫,監控、自動化工作站經過交換機對智能監控進行延伸,實現存儲調用調度監控數據,進而實現電網調度智能監控與事故處理輔助決策的一體化[4]。其中,電網調度智能監控與事故處理輔助決策系統的結構如圖1所示。

系統采用分布式雙網架構,在多個服務器節點都有分布應用部署,利用熱備方式運行的服務器,通過人機界面工作站,實現電網調度智能監控數據的圖形化展示。將歷史數據存儲在外接磁盤陣列上,采用磁盤陣列雙套配置,構建數據雙活,在各工作站之間采用以太網進行數據的通信。通過設置權限信息進行對系統訪問的監控和對使用人員的操作分配。通過控制系統對系統的參數進行修改、對故障進行處理,在人機界面系統可查詢數據信息以及歷史數據,并在監控后臺掌握數據通信情況[5]。

系統的事故處理輔助決策采用B/S模式,利用多層業務架構對監控數據進行分析處理,將事故處理輔助決策架構分為數據采集層、數據分析層以及數據表示層。數據采集層采用自動化數據讀取方式,對電網調度智能監控數據進行讀取與存儲,利用EMS系統、OMS系統對電網調度智能監控數據進行采集,實現對監控數據的篩選、整合;數據分析層對采集的監控數據進行動作信息以及子站中的保護,對接收的遙測、遙信信號等數據進行解析,并自動計算負荷損失情況,針對故障元件跳閘后進行事故診斷;數據表示層利用多樣化的數據分析展示,對區域負荷、線路負荷進行監控,并輸出智能化輔助決策生成數據。

2 關鍵技術

2.1 電網調度監控告警裝置

本文設計了電網調度監控告警裝置,該裝置由主控模塊、配出支路開關狀態監測模塊、顯示設備以及告警設備組成,通過告警設備對數據信息進行處理,發出告警信號[6]。其中,告警裝置結構如圖2所示。

告警裝置主控模塊采用HBJ-G1K處理器,實現對監測采集到數據的處理。通過HRIO-24監測器實現對電網調度的電壓、電流、頻率、開關等的監測,通過RS485通信接口與上位機相連接,利用4.3寸觸摸屏對數據進行顯示,若出現數據異常,告警設備會發出聲光報警,實現對電網運行監控告警的功能。

通過進線電壓、電流信號處理和支路電壓信號處理,實現對電網運行數據信號的處理,將告警信號分為一級告警和二級告警。一級告警有過壓告警,超過設定的電壓門限值產生告警,欠壓告警低于設定的電壓門限值,功率告警高于設定的功率門限值,過頻告警超過設定的頻率門限值,欠頻告警低于設定的頻率門限值;二級告警有過載告警,超過設定的電流門限值[7]。

①采用焦慮自評量表（SAS）、抑郁自評量表（SDS）評價負性情緒。②采用Karnofsky功能狀態評價生活質量。

告警裝置中采用了告警信息加延時處理,針對電網中動作頻繁且自動復歸的信號處理,在延時的時間段內接收到返回告警裝置的信息情況,表明此告警信息不重要同時被過濾掉,從而減少電網調度系統的負荷,進而實現電網調度監控告警的延時操作[8]。告警裝置采用告警信息單點或間隔抑制的方式,對無效的告警信息屏蔽,告警信息單點或間隔抑制有告警信息掛牌處理和加點、間隔。

2.2 基于量子遺傳優化粗糙Petri網的電網調度事故診斷

本文提出了一種基于量子遺傳優化粗糙Petri網的電網調度事故診斷,采用粗糙理論對數據進行劃分,利用量子遺傳算法對基因可能發生的情況進行判斷,通過使用量子旋轉門策略進行染色體更新,能夠妥善回避虛報事件。當出現虛報事件時,會出現粒子信息逃逸現象,最后利用Petri網模型進行故障診斷[9]。量子遺傳優化粗糙Petri網在解決電網調度事故時,通過將電網調度信息轉換為數字化信息能夠提高電網調度和運行能力,且故障診斷速度比較快。其中,量子遺傳優化粗糙Petri網的算法流程如圖3所示。

圖3 量子遺傳優化粗糙Petri網的算法流程圖

假設S=(U,A,V,f)表示一個信息服務器,若有屬性集合為D≠φ和一個條件屬性集合C≠φ,使屬性集合A=(C∪D),且C∪D≠φ,此消息系統為一個決策表,記為T=(U,A,C,D)。決策表T=(U,A,C,D)由2個信息系統Sc=(U,C,V,f)和SD=(U,D,V,f)組成。

量子比特可能是|0>和|1>以任意概率的疊加,根據疊加原理,量子比特表達式為

|ψ>=α|0>+β|1>

(1)

式(1)中,α和β表示復數,代表量子態|ψ>因測量導致坍縮到|0>態和|1>態的概率幅值[10],且滿足的歸一化條件為

(2)

使用量子比特的概率幅進行對染色體編碼為

(3)

在QGA算法中,通過量子旋轉門中旋轉角的變化實現基因的更新和變異,其中表達式為

(4)

給定決策表S=(U,A,V,f),對于種群P={p1,p2,…,pn}中的某一個個體pj(j=1,2,…,n),其適應度函數f(pj)的表達式為

(5)

式(5)中,|pj|表示個體pj中所含的條件屬性個數,|c|表示s條件屬性個數,Yc(D)的表達式為

(6)

式(6)中,Yc(D)表示c對決策D的近似分類質量。

Petri網由事故診斷數據庫所、數據變化和有相弧3個基礎數據集合組成。假設七元組=(P,T,F,M0,M1,U,C)表示一個有限的P/T系統,其中庫所結點的集合為P={p1,p2,…,pm}(m≥0),變遷結點的集合為T={t1,t2,…,tn}(n≥0),M1表示事故數據變化后點火后的提醒要素,關聯矩陣C代表事故診斷數據庫所與數據變化之間的發送與接收關系,轉移控制矢量U表示系統變遷點火序列。根據約簡后的決策表S,提取出條件屬性B計算出的報警信息,用條件屬性的狀態值代表Petri網初始事故診斷數據庫所,庫所中托肯的分布,即為Petri網模型初始標識向量N0。依據點火規則,對已經滿足觸發條件的變化數據節點按照順序點火,待點火完成后,Petri網進入穩定狀態,得到終態標識向量M1,根據終態標識向量M1,保護設備動作進行評價,得出故障區域并自行診斷。

3 實驗結果與分析

實驗采用Proteus仿真軟件對系統進行仿真,通過對系統功能的測試,來測試電網調度智能監控的穩定性與電網事故診斷的準確性,進而驗證本文系統的有效性,搭建的實驗架構示意圖如圖4所示。

圖4 實驗架構示意圖

在結合系統仿真構建的過程中對實驗測試的環境參數進行了記錄,其中實驗環境參數如表1所示。

表1 實驗環境參數

本實驗采用的實驗數據是某電力有限公司在3月份電網調度監控的數據,實驗數據如表2所示。

表2 實驗數據

通過上述實驗前的準備,接著進行實驗的操作,首先對本文系統進行電網調度智能監控的穩定性測試,測試結果與文獻[1]和文獻[2]的實驗結果進行比較,實驗結果比較如圖5所示。

圖5 實驗結果比較

由圖5可知,本文系統在進行電網調度智能監控的穩定性測試時,電網調度智能監控的穩定性在80%到100%之間波動,波動的幅度較穩定,并且穩定向相對較高。在進行第15次實驗時,電網調度智能監控的穩定性最高為95%,電網智能監控的結果具有可信度;文獻[1]穩定性在40%到70%之間波動,在進行第30次實驗時,電網調度智能監控的穩定性為70%;文獻[2]穩定性在40%到80%之間波動,在進行第15次實驗時,電網調度智能監控的穩定性為75%,與本文系統相比還有一定的差距。因此,本文系統電網調度智能監控穩定性高,具有一定的可信度。

本文測試結果仍與文獻[1]和文獻[2]測試結果進行比較,實驗結果對比如圖6所示。

圖6 實驗結果比較

由圖6可知,本文系統在進行電網調度事故診斷的準確性測試時,在進行的5次實驗中,電網調度事故診斷準確性均高于80%,并且在進行第2次實驗時,電網調度事故診斷的準確性最高為97%;文獻[1]進行第3次實驗時84%,準確性最低在第2次實驗為65%,中間有19%的波動率,文獻[2]在進行電網調度事故診斷的準確性測試時,電網調度事故診斷的準確性最高在進行第1次實驗時80%,準確性最低在第3次實驗為48%,中間有32%的波動率,由此可見,本文系統對于電網調度事故診斷的準確性相對較高,具有一定的使用價值。

4 總結

為了解決電網擴增帶來的電網調度監控與電網事故處理困難的問題,本文設計了電網調度智能監控與事故處理輔助決策系統,通過SCADA服務器、數據庫服務器和磁盤陣列,實現存儲調用調度監控數據,進而實現電網調度智能監控與事故處理輔助決策的一體化進行。其中,關鍵技術是設計了電網調度監控告警裝置,通過對電網運行數據的處理與分析,采用聲光告警方式,實現告警信息及時通知給調度員,最后利用量子遺傳優化粗糙Petri網,實現了電網調度事故診斷。