肖辅盛，吴俊杰，金 宇
（贵州电网有限责任公司贵阳供电局电力调度控制中心，贵州 贵阳 550000）
引言当前各级调度中心已经陆续配备能量管理系统，用于监控电网运行情况。但在运行模式上仍以人工分析为主，系统稳定性过度依赖调度人员，缺乏调控一体运行智能分析，特别是在突发事件时，可能出现大量事故信号与复杂电网接线，需要快速准确的做出决策，不但使调控人员负担加重，且很容易出现误操作，不仅没有妥善处理好故障装置，反而使故障扩大。对此，急需创建出符合调控一体化运行模式要求的智能辅助决策系统，为调控人员分析和决策提供辅助作用。
1 调控智能分析辅助决策系统的技术问题在智能配电网运行中，电网运行管理十分关键，且工作量庞大，尤其是在电网故障状态下，以往多采用人工分析、判断和决策的方式完成，需要耗费较多人力和物力，且最终决策可能不够科学。对此，可在大数据背景下，依靠数据思维创建智能分析辅助决策系统，充分发挥数据挖掘等先进技术优势，由此提高电网调度水平与科学决策水平，使供电站实现健康长远发展。但在实际工作中，南方电网公司面临着以下技术问题，严重阻碍电网调度创新发展的步伐。
1.1 告警智能分类低效无法对告警信息动态监视和自动分类，人工无法从中快速辨识出有意义的告警内容，尚未研究出在大量告警综合分析后准确提取有价值告警内容的工具，使从业者工作强度与告警监控压力增加，难以准确判断和定位故障设备，使故障因拖延处理而进一步恶化。
1.2 故障处理判断不准确在故障处理过程中，技术人员很难结合实际运行数据，对异常处理、调度操作以及涉及到的故障设备进行迅速准确的判断。同时，尚未研究出运行故障紧急处理辅助决策工具，导致故障影响范围进一步扩大，研发更为严重的后果。
1.3 调阅管理系统不健全当前在调度预案、处理方案存储、操作规程等方面没有统一的管理系统，只能输入标题进行检索。故障预案、处理方案调阅未能与运行故障异常进行联动。例如，在站内全部停电预案中，当某变电站失压后，可能同一时间出发多个预案，但因设备故障与预案之间没有真正联动，很可能使技术人员找不到主要问题，影响故障根源的准确定位和处理。针对上述问题，应研发出以设备故障为导向的健全的调阅管理系统，具备操作规程、方案智能调阅以及联动功能，在发生不同类型设备故障时，能够迅速准确地定位故障根源，并调出相应的处置方案、操作规程，为故障处理提供辅助支撑[1]。
1.4 信息传达发布不及时在发生电网安全运行故障后，应将信息即时发布出去，并通知相关人员、自动汇总故障处理流程等，将各类信息整理后汇总为故障通知内容，将其传递给指定人员，使故障信息能够高效传达。但是，当前该系统存在一定延迟，导致信息无法及时传达和发布，难以为故障处理提供强大支撑。
2 调控智能分析辅助决策系统的关键技术2.1 大数据挖掘技术在电网调控领域中，数据挖掘技术应用到电网故障分析中，可充分发挥其先进性、可行性优势，创建调控智能分析辅助决策系统，满足多种业务场景的应用需求。该项技术的应用重点体现在以下方面。一是数据汇集，在大数据计算中，应对芯片技术、服务器、存储器等软件定义的HPC 进行完善，创建出与调控系统相适应的计算架构。将不同系统与结构的数据汇集起来，以常规数据的方式接入数据库，再通过Flume、Sqoop 等方式进行数据全量抽取，根据校验规则引擎清洗数据；二是数据存储，为实现对外数据服务统一，可根据数据结构特征选择相应的存储方式，如关系型、分布式、列式等等，分别用于存储静态模型参数、实时数据、历史数据等；三是数据关联，因数据来源不尽相同，可采用引用、外键等形式使不同数据关联起来，总结电网设备故障成因与应急措施，为后期调控业务开展与科学决策提供数据支持。
2.2 知识谱图智能决策技术根据大量实践经验可知，人工智能的应用可使电网调控智能水平显着提升，知识谱图以图的形式展现数据结构，在检索、推理与分析等方面功能显着，可将知识间的关系准确形象的描述出来，作为知识推理分析引擎投入使用。在电网调控方面，知识谱图包括以下内容。一是知识表现，依靠图谱的方式展现知识间的关联，并将其存储到知识语义网络；二是知识计算，利用检索与推理等方式采集知识信息，为科学决策提供辅助。例如，在故障处置预案图谱中，事先对预案内容进行学习，采集预想故障设备名称、处置方式等等，并创建知识图谱，当故障真正发生时便可通过智能告警出发图谱，并显示处置预案。通过知识推理服务的应用，将故障信息调取出来，在故障发生后可由调控系统自动汇总处置任务表，根据实际量测在线辅助决策，再由人工确认后依靠自动发电等完成故障处理。三是稳定断面智能限额，当前电网运行描述标准不断优化，可依靠自然语言采集电网运行与断面限额间的联系，为动态断面稳定限额更新提供更多便利。对此，应不断学习模拟调度操作，能够灵活运用深度神经网络等技术，当相似事件发生后可自动推送故障处理策略[2]。
2.3 预测技术与调度智能助手技术电网预测技术是借助大数据、人工算法等，通过样本训练对未来电网运行趋势进行预测，再与可再生能源受影响因素结合起来，在调控大数据基础上集成学习、自主学习等，依靠多样化预测模型与算法，总结数据内部规律，并将多类预测模型与算法整合起来，进而提高预测精准度。在南方电网公司中，分布式电源接入量不断增加，要求循环神经网络进一步完善，提高各类算法的应用效果，创建综合预测模型，才可符合电网负荷预测需求。以设备故障跳闸为例，其成因包括设备自身老化、天气因素影响，应结合以往跳闸事件、外部气象因素等创建设备状态评估模型，采用训练学习的方式挖掘跳闸潜在诱发因素，并利用评估方法提高跳闸风险的辨识度与控制能力。通过语音识别、虚拟现实等技术的应用，可使调控系统中的人机交互性极大提升，成为带有语音交互功能的智能助手，如人脸识别、语音识别、触屏控制等等，借助强大的搜索引擎设备，在服务端实现用键盘、语音输入进行信息搜集、加工和处理的目标，使交互方式更加智能人性。根据服务对象类型的不同，智能引擎可部署在本地或者云端。在展示方式方面，对电网内不同场景可利用VR 技术丰富展示效果，再利用自动构图技术自动生成多个场景，如停电区、电气分区、供电路径以及潮流图等等。
3 调控智能分析辅助决策系统的设计与应用3.1 系统架构调控智能分析辅助决策系统主要由四个层次构成，即预警应用层、数据分析层、集成计算层、数据采集层，依靠调控一体化运行支撑平台建成，实现对电网信息与故障处置的统一化管理。该系统可对海量电网信息高效挖掘，在故障发生前准确定位、分析成因、及时发布故障预警，并提出应急处理措施，使电网运维整体水平得到显着提升。该系统总体架构如图1所示[3]。
1）数据采集层。在SNMP 数据采集协议支持下，对电网运行与信息资源应用情况进行采集，包括运维数据、基础设施数据、故障信息以及其他外部数据。
2）集成计算层。将多源异构数据汇集起来、存储和清洗，提供批量数据与实时数据计算服务。该系统还利用Hadoop+Spark streaming 计算框架获得关键指标运行数据，如生产、营销、计量和调度等等，为系统建设提供基础数据支撑。
3）数据分析层。利用大数据对基础算法库、故障告警库进行挖掘，并提供强大的智能分析支持。大数据挖掘基础算法库中的聚类分析、回归分析与关联规则等内容；故障告警则共有六种方式可供选择，支撑后续业务开展。
4）预警应用层。该层在底部支撑下实现上层应用，并提供前台交互服务。该系统共由采集监控、预警分析与决策辅助构成。应用场景包括电网故障智能告警、电网监视可视化、电网风险智能评估以及辅助决策等方面。
3.2 功能设计3.2.1 电网故障智能告警
在站内集中监控中采集二次信号数据、关键用户配置信息、缺陷设备配置信息等内容，对输入的调控操作系列进行信号匹配校验，并根据关键信号与缺陷提示信息制定操作方案，对操作设备的主要缺陷进行判断分析，并及时告警、显示解决措施信息。对于电网出现复杂故障的情况，此时告警信息量庞大，调控者很难从海量信息中找出主要内容做出正确判断。对此，可采用主网故障智能诊断技术，将多个平台数据整合起来，借助人工智能进行故障推理，包括110 kV、220 kV 与500 kV 等多种等级线路、电容等设备，根据专家知识库推理思路，与SOR 报文相结合，通过数据采集、重组和推理等，将扰动事项剔除，最后获得准确的事故信息，对故障等级进行智能化判断与分析。在辅助决策技术应用下，制定科学可行的复电方案，将故障信息传递整体流程扁平化，由此提高事故应急处理效率。对于一类、二类重要信号，可与挂牌、网架结构、刀闸状态与开关数据等综合分析，并根据规定的处置要求推送给相关人员。对于三到五类信号，可在特定时间内检索信号，判断信号是否存在疏漏[4]。
3.2.2 故障智能诊断
在事故智能诊断中，在SOE 报文基础上，与当前工作站点、检修情况相结合，将工作信号剔除，再结合知识库内的相关配置，抽取数据并做出智能判断，最终准确诊断故障类型；还要将没有归档的事故展示出来，如故障编号、时间、厂站、故障设备名称、预案信息等等。在实际诊断中，还应提供故障影响因素、故障归档、原始和判断报文、发送短信等功能。在故障影响分析中，包括正常设备、备自投设备、事故分析、损失用户数量与负荷等等；当发生事故跳闸事件时，可通过弹出卡片的方式展示出来。在监视人员信息汇总中，鼠标点击“汇总”按键，便可进入到报文审核界面，根据审核人、报文信息，对判断报文进行修改，再点击“确定”按键，便可对审核者信息进行记录，再点击“取消”按键便可关闭。
3.2.3 智能运行辅助决策
在供电范围方面，结合当前电网运行情况，通过可视化展示出任意电网设备的供电通道；在事故事件评级方面，根据现有网架结构运行断面，对任意设备失压或者故障情况进行模拟，在与用户数量、损失负荷等可能引发故障的事件等级进行评定。在自动生成转供预案方面，创建智能识别事故通道，根据优先级进行通道排序，再结合所识别的事故通道匹配相应额度，依靠自动扫描的方式进行定额维护。在自动开关巡检方面，采用监控系统对音视频、环境安全等进行监控，与EMS 设备电压、电流以及功率数据相结合，完成重点设备开关自动巡检工作。在调度日常管理方面，可从电网运行现状、供电信息、实时运行风险和年内电量值等方面生成智能化日报，并参考实际数据计算出各项指标，此举可节约大量人工成本，使工作效率得到显着提升。
3.2.3 电网风险智能评估
1）实时运行风险评估。在此类风险评估中，对负荷潮流、运行方式综合分析，使智能辅助电网中的薄弱之处暴露出来，便于加强管控。针对电网主设备持续扫描，重点探究N-1 导致失压的用户数量、负荷量以及关键用户等引发的事件等级，达成风险可视化目标。根据实时分析结果，不但可使调控人员制定更具针对性的事故处置方式，还可将风险发布到运行单位，从整体上加强管控力度，使风险事件的发生率进一步降低。
2）负荷预警。将10 kV 馈线历史负荷、元件拓扑连接关联、设备检修方案等信息结合起来，采用专家规则库、自然语言识别、BP 神经算法等，对设备与断面在48 h 内的负荷曲线分级情况进行预测，并根据关系数据进行设备与断面过载预警。在主配网数据的基础上，还可制定主网侧自动生成风险与处理方案，在没有相关手段的情况下，可在自动分析区域提高配网线路转供电水平，通过减少用户数量、转移负荷等方式，生成大量配网馈线转供电方案，使风险等级得以降低，有效控制过载隐患对电网运行产生的干扰。
3）操作序列风险评估。在调度人员下达指令之前，应对调度操作的电网进行稳定性评估，由此减少调度操作产生的安全问题。结合当前潮流水平与超短期预测信息，制定调度操作预计实施的安全稳定校核断面，针对调度引发的系统潮流进行转变，并以安全稳定评估结果为依据，提出操作处理预案，有效减少和消除因调度指令不科学引发的安全隐患[5]。
4 结语当前电网设备规模日益扩大，网架结构更加复杂，对电网运行管理提出更高要求，特别是在电网故障处理准确性、及时性方面更加关键。对此，供电局应在大数据背景下，充分发挥大数据调控、知识谱图智能决策、调度智能助手等技术优势，创建出适应调控一体化运行模式要求的智能辅助决策系统，为调控人员分析和决策提供辅助作用，推动供电行业的可持续发展。
