夏盛海，杨 攀，罗 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）
引言在南方电网整体战略部署下，当前贵州电网的网架结构日渐复杂、设备规模持续扩大，相应对于电网设备的故障处理和实时调度能力提出更高要求。虽然现阶段各级调度中心均已配备面向电网运行的能量管理系统，但仍沿用传统“人工分析型”模式进行电网运行状态调控，高度依赖于人力，智能分析处理能力不足。尤其面对电网中紧急事故下的海量信号分析、复杂电网接线等情况难以做出实时决策，易增加调控人员的工作负担，不利于提高故障处置及恢复效率。基于此，亟需建立一种适应一体化调控模式、满足输变电设备集中监控需要的调控智能分析辅助决策系统，为调控人员分析判断与决策规划提供辅助支持。
1 智能电网输变电设备监控模式1.1 需求分析在传统电网故障处理模式下，监控中心将接收到从设备处反馈的故障信息，由值班员对故障特征进行识别与快速分析，完成故障原因判定、生成故障维修方案，保障迅速恢复用户正常供电[1]。但在此过程中，主要依赖值班员进行故障类型判断、故障原因分析，所需调阅的文档、预案、规程均较为复杂，且耗时较长，无法适应电网规范化管理模式下的故障处置要求，现有调度自动化系统已难以满足设备监控要求。现有计算机辅助决策模式主要以SCADA 系统中的告警信息为基础，从中挖掘故障表象、发现知识，但其监控范围局限于系统主参数，缺少对设备健康状况的监测，影响到故障发生时值班员决策及处理效率[2]。智能电网建设对于系统的故障自愈功能提出现实需求，要求SCADA 系统支持对全网电力设备状态数据的实时监测与故障处理。在此背景下，亟需引入数据挖掘技术建立调控智能分析辅助决策系统，采集电网实时SCADA 告警数据进行有效分析，定位故障原因，并生成应急处理措施，为调度人员故障处置辅助决策支持。
1.2 技术瓶颈在辅助决策系统设计与开发环节，主要面临以下四项技术瓶颈：一是在告警信息监视环节，缺少对告警信息的自动分类，仅依靠人工判断难以快速有效识别出其中有意义的告警信息，缺乏综合分析工具，增加系统压力及人员工作量，无法实现对故障设备的快速判断与准确定位[3]。二是在故障处置辅助决策方面，当前在电网运行的调度操作、异常处置、故障处理等作业环节，值班员难以根据运行数据进行故障设备的快速判断与紧急处置，缺乏辅助决策的工具，无法有效抑制故障范围的扩大[4]。三是在系统联动功能方面，当前系统缺少对于调度预案、操作规程、处置方案存储与调阅等程序的一体化管理系统，现有调阅模式未与设备异常、系统事故等事件建立联动关系，影响到实际故障处置效率。四是在故障信息汇总与分析处理上，现有系统仍缺少智能分析功能，还需提供对各类运行故障信息自动汇总与处理的能力，保证及时向值班员及相关人员发送故障通知内容，辅助提升现场应急决策与调度处置效率[5]。
1.3 设计目标为解决上述技术瓶颈，拟围绕以下四个方面进行调控智能分析辅助决策系统设计目标的分析：一是对电网整体运行方式进行合理分析；二是提高设备信号辨识能力，在电网运行过程中支持对故障信号的识别、压缩及判别处理，生成故障分析结果；三是引入调度运行缺陷预警快速响应技术，将实时消息技术与实际故障处理流程进行整合，建立集“故障核心信息收集、多站端自动汇总、故障记录生成、故障信息通报、检查要求通知、检查结果反馈、消缺工作安排、故障设备恢复、信息汇报考评、故障汇编与故障查询统计”等功能于一体的全套闭环故障信息流；四是运用调度运行智能辅助决策技术，结合电网模型与实时数据进行电网大数据的收集处理与智能分析，生成结论性结果并提供预案，实现对调度运行数据的横向对比、纵向分析，为电网决策提供辅助支持。
2 调控智能分析辅助决策系统设计2.1 系统架构在系统总体架构设计上，主要划分为以下四个层级：一是数据源层，整合调度、生产、营销、计量、GIS及其他系统数据作为数据源，为支撑系统建设提供基础数据支持。二是数据库层，将不同数据源分别接入电网模型、量测数据、档案信息、图形信息和文件数据等数据库中，完成数据的初步加工。三是业务支撑层，包含专家知识库、网架分析模型、方式辅助模型、风险评估模型、故障诊断模型、供电能力模型、权限管理以及日志管理等模块，负责提供支撑业务的数据。四是应用场景层，包含电网监控可视化、电网故障智能告警、电网智能运行监视、电网风险智能评估、智能运行辅助决策、配置管理六类典型应用场景。
在系统网络架构设计上，东方E8000 系统、DCCS系统和OMS 系统分别通过交换机、防火墙与Ⅰ、Ⅱ、Ⅲ区核心交换机建立连接，在Ⅰ、Ⅱ区之前设有横向防火墙，通过正向隔离装置与Ⅲ核心交换机、汇聚交换机建立连接，应用服务器、数据库服务器经由交换机、防火墙实现与IV 终端的连接，并且在服务器与终端之间设有Ⅲ区边界防火墙。
2.2 算法支持传统K-Means 聚类算法主要以N 个数据对象xj为基准，从中随机抽选出K 个数据对象作为初始聚类中心，面对余下数据对象分别计算出其与各聚类中心μi的距离，并以最短距离为标准完成数据对象类簇Ci的划分，在此基础上重新完成聚类中心的计算，重复上述流程至标准测度函数收敛，其函数公式为：
然而K-Means 算法不适用于处理智能电网设备运行过程中产生的实时数据流，对此可将实时数据流调整为散列分布模式，保证各数据片相互独立、彼此不相交，将各单独数据片分别认定为K-Means 的聚类，借此减轻算法运行占据的内存空间，有效提高海量实时数据的处理效率。基于此，引入Spark Streaming流式计算方法进行传统聚类算法的改进，先将现有数据流进行分割处理，将各独立数据片分别缓存至内存空间中，利用Map 计算各数据片中含有的各样本点与聚类中心的间距，并完成各数据样本点的归类，随后利用Reduce 实现聚类中心的更新，以此完成迭代运算操作。
基于微簇方法进行算法建构，先将数据流以散列方式处理为若干时间片段，再利用原聚类算法将各时间片段划分为若干聚簇，获取各聚簇特征，并完成数据摘要的定义，每间隔一段时间进行微簇的维护处理，即可实现对智能电网环境下设备运行工况的实时监控与智能识别。其中数据摘要为：CF是涵盖微簇中含有数据点数目N，数据元素属性的线性和LS、平方和SS、立方和CS、四次方和BS，以及产生微簇时间t、最后更新时间t1的集合。在微簇维护流程设计上，先计算出相邻两个微簇的间距D，当D 小于设定阈值则将两微簇的数据摘要F1、F2进行合并。其计算公式分别为：
将经由改进后的聚类算法应用于智能电网设备监控中的运行工况识别环节，主要遵循以下四项步骤：第一步，取智能电网中输变电设备标准运行模式下的历史工况数据作为样本，基于传统K-Means 算法将其处理为q 个聚类、分别对应具体工况，并选取位于中心的数据点作为初始聚类中心。第二步，以当前时间窗口为基准，利用改进后的K-Means 聚类算法划分出K 个微簇，完成各微簇与聚类中心距离的计算。第三步，当计算得出某一微簇与初始聚类中心的间距小于Rmax，即可将其归入同一簇中；当某一微簇与q 个聚类中心的间距超过Rmax，则冲新建立簇。第四步，伴随时间窗口的向前推移，重复运行上述流程，直至满足收敛条件后判断聚类结束。
3 设备监控大数据分析及应用3.1 电网监控可视化单元该单元主要提供电网风险、电网异常与设备过载展示功能。利用可视化技术在一张图内集成电网运行在线监控信息，便于调度及值班人员直观查看电网整体运行情况。同时，以离线地图的形式将电网运行过程中的实时故障、风险、安全隐患、过载等信息进行分类、分级和分区域标记，更加清晰呈现出电网运行过程中的风险隐患，实现电网监控的可视化目标。
3.2 电网故障智能告警单元该单元主要提供事故/缺陷智能诊断、事故/缺陷逻辑运行维护/监视、历史事故/历史缺陷/频发信号查询、分段分类统计、实时报文接收监视功能。面向设备缺陷信号和重要信号建立分析程序，从变电站集中监控应用模块中获取前置采集的二次信号、缺陷设备配置、重要用户配置等信息，对系统中输入的调控操作序列实行设备信号匹配校验，并通过调阅信息库获得具体操作方案，借此实现对告警信息的智能分析判断，及时向调控人员发出提示及解决措施等信息。
同时，为解决电网中发生复杂故障情况下海量信息分析与处理问题，通过对主网故障智能诊断技术进行研发，引入人工智能技术进行多平台数据分析处理、完成故障事件推理，在此过程中排除扰动事项，对故障损失负荷、故障等级判定进行智能分析，并生成复电方案，实现信息全局自动扁平化、对象化发布，有效提升电网事故应急协同水平、发挥辅助决策价值。
此外，面向不同类别信号分别建立针对性研判与分析处理机制，例如对于一、二类信号，综合考虑网架结构、挂牌、开关数据、刀闸状态等信息进行研判，生成科学的处置方案，并将处置要求推送至相关人员处；对于三、四、五类信号，选取一定时间范围进行信号检索，判断有无漏发信号，并生成对于越限信号、信号越限设备电压的动态监视机制。
3.3 电网智能运行监视单元该单元主要提供关键设备负载监视、电网运行断面监视、母线电压监视、主变温度监视与电压监测功能。在具体功能实现上，建立对于关键设备电流、电压越限情况，电流重载次数、持续时间的自动监视；对主网自动化系统的关键断面进行监视，便于在断面过载情况下辅助生成转供方案；此外，支持对母线电压数据、主变负荷温度数据、设备电压越限等情况的自动监测，并提供告警提示。
3.4 电网风险智能评估单元该单元主要提供电网实施运行风险、限电策略序位评估、负荷预警、操作序列风险评估与设备健康水平展示功能。在具体功能实现上，对电网主设备建立不间断扫描机制，动态分析引发失压现象的成因及其可能诱发的事故事件等级，并结合风险等级生成相应管控方案，保证实现风险可视化处理；在当前网架中对关键设备负荷、潮流与稳定水平等数值进行模拟，对限电序位、操作序列等进行评估；引入专家规则库、机器学习、BP 神经网络、自然语言识别等技术，建立电网48 h 负荷曲线，实现分钟级预测功能，并批量化生成转供方案，自动消除安全隐患。
3.5 智能运行辅助决策单元该单元主要提供供电范围分析、事故事件评级、转供预案自动生成、检修计划统计分析、断面绘制与调度日报等功能。在具体功能实现上，结合电网实际运行状态提供当前供电设备及供电通道的可视化信息，辅助完成对供电范围的分析；提供当前网架架构或任意时刻的电网运行断面，支持对设备失压、故障情况的模拟，并整合故障损失负荷、变电站及用户数等信息进行事故事件等级的评定；对事故通道建立智能识别与排序机制，面向特定通道匹配定值，并以自动扫描的方式完成运行方式判定，生成转供预案；利用OMS 系统进行检修申请单、停电指标统计的自动生成，并且完成数据筛选与统计分析；针对电网运行断面进行实时监视，借助人工方式进行断面信息维护，通过输入名称即可查询断面数据；结合电网拓扑结构与智能推理规则进行调试道闸操作逻辑建构，依据调试设备状态进行道闸、开关等操作顺序的推理，实现智能成票目标，有效释放人力；建立自动开关巡检机制，整合EMS 数据进行关键设备开关的自动巡检；自动生成调度日报、值班日志分析报告，辅助调度日常管理。
3.6 配置管理单元该单元主要提供知识库、限电序位策略配置与通讯录配置等功能。通过建立知识库，支持对“过滤关键字”“判定关键字”“动作类型”等信息的维护；支持对安自装置、通讯录进行配置，执行稳控执行站编辑操作。此外，该系统还提供交接班人员同步登陆管理功能，辅助值班人员自动登录系统。
4 结语通过引入数据挖掘算法、大数据分析技术进行调控智能分析辅助决策系统的结构框架与功能模块设计，可实现对电网整体运行状态及各输变电设备运行情况的实时监控与智能预警，帮助调控人员直观了解电网整体运行情况，及时发现网架结构的薄弱环节、精确定位设备缺陷及故障点，并基于K-Means 聚类算法实现对智能电网设备状态监测数据的实时处理、辅助决策，更好地维护电网系统的安全稳定运行，也为其他调度中心及电网设备运行中的监控信息分析及应用处理提供良好示范价值。
