SCADA系统异常数据分析及治理建议

牛瑞，张望妮

（1.陕西省地方电力（集团）有限公司，陕西西安710061;2.陕西省地方电力（集团）有限公司渭南供电分公司，陕西渭南714000）

SCADA系统异常数据分析及治理建议

牛瑞，张望妮

（1.陕西省地方电力（集团）有限公司，陕西西安710061;2.陕西省地方电力（集团）有限公司渭南供电分公司，陕西渭南714000）

变电站无人值守化后，SCADA系统的重要性不容忽视，它是调度员进行远方操控的得力助手。因此，接入SCADA系统的所有信息必须具备完整性、准确性、一致性，以便达到提高系统对调控运行、生产管理的支持力度。其中，遥测数据是调度运行工作人员掌控全局的重要依据，是电网安全运行的重要因素[1-4]。但是，目前SCADA系统接入的遥测数据中存在着大量异常数据，且不易被发现而不能及时修正。这些异常数据的存在，不仅使调度运行工作人员对遥测数据的正确性产生怀疑，久而久之将会对SCADA系统产生一种不信任感，且因为异常数据与真实数据存在一定的偏差，影响负荷预测[5-10]和工作正常进行。本文分析了异常数据产生的可能原因，并依据数据的可用程度对异常数据分类，在此基础上结合实践经验给出治理异常数据的建议。

1 异常数据的产生

SCADA系统异常数据产生的主要原因有：

1）厂站现场测控装置、综自设备或者数据采集过程中相关元件故障，导致SCADA系统采集到的数据缺失或偏离正常值；

2）部分长时间处于户外的数据采集及数据传输设备因为环境适应能力较差，故障率偏高，当出现故障时会产生大量数据漏传、跳变等；

3）数据处理时参数、系数、单位等设置不够准确、合理，直接影响数据的可用程度。

2 异常数据分类及治理建议

2.1 错误数据

错误数据是指由于各种原因导致最终接入SCADA系统的数据严重偏离真实值，不能准确反映电网的真实运行状态。

2.1.1 双数跳转

表现形式为采集到的遥测数据始终在两个具体的数据之间来回跳转。原因可能为站端两台远动机设置为主备模式，由于切换程序异常导致主备机频繁切换；或者开关I与开关II的测控装置地址重复，类似情况会直接导致遥测数据时有时无，且遥信状态频繁切换。图1所示为实际运行中某站主变低压侧开关单相电流曲线图。

图1 双数跳转曲线图Fig.1 Even-numbered jump graph

治理建议：将站端的两台远动机设置为双主模式，避免由于切换程序的异常影响数据准确性；检查测控装置中相应的转发地址，排除地址重复引起双数间跳转。

2.1.2 突变数据

指在某一时刻系统数值突然大幅度变大或者变小，数据曲线是尖波状或者梯形状。遇到突变数据时应根据负荷性质或调度运行记录明确具体情况，例如设备调试后未及时将设备默认单位kW修改为系统要求单位MW，或变电站为双电源同时供电，事故导致一侧电源线路停运，此时负荷突然变为0，而另一侧电源的负荷必然会在定值允许条件下突然增大。

治理建议：工作人员必须认真仔细且严格按照工作要求执行，同时根据实际运行情况给相关数据设置上下限，防止跳变范围过大影响区域总加数据。

2.1.3 零飘

表现为在某时间段内某开关未带负荷甚至在冷备用状态，但是遥测数据并不为0。如图2、图3所示，分别为实际运行中某10 kV开关单相电流288点零飘数据及相应曲线图。

治理建议：对于电网内重要联络线则可在SCADA中用遥信位置作为逻辑判断条件，分位输出为0，合位输出真值；一般联络线则根据电网运行方式及历史数据合理设置阈值，在零值一定区间内输出为0。

图2 某10 kV开关单相电流零飘值Fig.2 Zero drift value of single-phase current for a 10 kV circuit breaker

图3 某10 kV开关单相电流零飘曲线Fig.3 zero drift graph of sigle current for 10kV circuit breaker

2.2 畸变数据

畸变数据是指偏离了真实数值一定范围内的数据。此类数据的产生一般情况下是在厂站端量测及传输过程无异常的情况下，由某些特殊事件的发生导致的，本文认为属于异常但非错误数据。在实际工作过程中常见情况如下。

2.2.1 功率不平衡

表现为主变各侧、母线两侧流入不等于流出，即不满足基尔霍夫定理。有两种常见原因：一是厂站端数据转发点表或主站端数据接收点表中，将该部件部分数据的点号填反，如有功与无功或者相电压与线电压等；二是功率方向没有遵守“流入母线为负、流出母线为正”的原则。

治理建议：维护人员在系统中添加母线、主变各侧数据原值相加结果（应接近于0），并在维护界面显示该数值，方便工作人员及时发现并处理。

2.2.2 数据不刷新

指在某时间区间内系统接收到的遥测数据值持续不变，历史数据形成的曲线是一条平滑的直线。根据实践工作经验导致数据不刷新的原因最常见的有两种，即遥测死区值设置过大或者数据溢出[11]。

1）死区值设置过大。死区是指输入量的变化不致引起输出量有任何变化的有限区间[12]，是人为设置用于判断下一时刻采集到遥测数值较前一时刻值是否发生改变的门槛。死区又分为固定死区和变化死区。为表述方便，设定死区值为X，前一刻数值为N，任意时刻输入数值为M，输出值为T。

①固定死区，是指任意时刻输入数值M大于死区值X时，输出值T等于M，否则输出值T保持前一刻数值N不变，如表达式（1）。

②变化死区，是指如果任意时刻输入数值M，与前一刻数值N差值的绝对值大于等于死区值X时，输出值为M，否则输出值T保持前一刻数值N不变，如表达式（2）。

图4所示即为实际运行中变化死区值设置不合理，导致有功功率数据不刷新（拉直线）的24小时曲线图。

图4 变化死区设置不合理情形Fig.4 Unreasonable change of dead zone settings

治理建议：死区值的大小不能随意设置，因此需要根据电网实际运行情况，针对不同类型的数据设定不同的死区值。

2）数据溢出。IEC60870-5-101、103、104中指出遥测值上送支持3种标准：归一化、标度化、短浮点数[13]。归一化处理时会遇到满码值，满码值是通信双方约定的一个值，这个值一般是真实值的上限，如果真实值大于满码值，将会发生数据溢出的现象，溢出后保持满码值不变[13]。图5-7即为数据溢出前及经处理之后SCADA系统截图。

治理建议：厂站、主站统一采用浮点数法确保数据位数充足或者根据数值大小合理设置数值单位，比如将功率单位由kW改为MW。

图5 数据溢出现象Fig.5 Phenomenon of data overflow

图6 数据溢出曲线图Fig.6 Graph of data overflow

图7 数据溢出处理后情形Fig.7 Processing diagram of data overflow

3 结论

SCADA系统基础数据准确与否，直接影响调度运行工作人员对电网运行情况的判断，但是数据质量的好与坏，不仅与维护人员的水平、自动化设备自身的质量有关，还与通信通道、测量回路、互感器二次绕组等多个环节密切相关。本文通过总结实践工作经验，有针对性地提出异常数据处理的方法及建议，希望能够有益于自动化数据准确性的提升。

[1]张亮.电力调度数据中心数据质量问题研究[J].华东电力，2009，37（3）:403-406.ZHANG Liang.Research on data quality for electric power dispatch data centers[J].East China Electric Power，2009，37（3）:403-406.

[2]周京阳，于尔铿，吴津.能量管理系统（EMS）第3讲数据收集与监视（SCADA）[J].电力系统自动化，1997，（03）:76-79.ZHOU Jingyang，YU Erkeng，WU Jin.Energy Management System （EMS）：part three supervisory control and data acquisiton[J].Automation of Electric Power Systems，1997，（03）:76-79.

[3]廖峰，张泽良，黎永豪，等.考虑负荷特性的母线负荷异常数据修正方法[J].陕西电力，2014，42（11）:86-98.LIAO Feng， ZHANG Zeliang， LIYonghao， etal.Correction method for abnormaldata ofbus load considering load characteristics[J].Shaanxi Electric Power，2014，42（11）:86-98.

[4]杨雪芳.SCADA系统中遥测误差的检测计[J].上海电力学院学报2011，27（6）:568-570.YANG Xuefang.Detection and calculation of erroneous remote signal in SCADA system[J].Journal of Shanghai University of Electric Power，2011，27（6）:568-570.

[5]苏舟，李灿，姚李孝，等.电力负荷数据预处理研究及应用[J].电网与清洁能源，2017，33（5）:43-50.SU Zhou，LICan，YAO Lixiao，etal.Research and application of pretreatment of electrical load data[J].Power System and Clean Energy，2017，33（5）:43-50.

[6]杨韬，刘崇新，李鹏，等.咸阳市电力系统短期负荷预测分析与研究[J].陕西电力，2008，36（10）:5-9.YANG Tao，LIU Chongxin，LI Peng，et al.Analysis and research of power system short-term load forecasting in xianyang[J].Shaanxi Electric Power，2008，36（10）:5-9.

[7]谢杰，陶伶俐，张红燕，等.基于灰色马尔柯夫模型的电力系统负荷预测[J].陕西电力，2011，39（1）:19-21.XIEJie，TAOLingli，ZHANGHongyan，etal.Probeinto greymarkovmodelbasedpowersystemloadforecasting[J].Shaanxi Electric Power，2011，39（1）:19-21..

[8]张宏涛，祁静.热负荷预测的RBF神经网络预测方法研究[J].节能技术，2004，22（4）:57-58.ZHANG Hongtao，QI Jing.Study on predicting thermal loadsbased on REF neuralnetworks [J].Energy Conservation Technology，2004，22（4）:57-58.

[9]王滨，胡林献，徐艳.基于粒子群法的母管制锅炉负荷优化分配算法[J].节能技术，2007，25（6）:501-503.WANG Bin，HU Linxian，XU Yan.Optimal algorithm of load assignment of pipe-main scheme boilers based on PSO[J].Shaanxi Electric Power，2007 ，25（6）:501-503.

[10]陈文鼎，赵哲身.基于BP神经网络的空调负荷预测[J].节能技术，2010，28（1）:15-17.CHEN Wending，ZHAO Zheshen.Prediction ofair conditioning load based on BP neural network[J].Energy Conservation Technology，2010，28（1）:15-17.

[11]卢建刚，庞新穗，赵小燕.广东省网SCADA遥测数据溢出问题研究[J].电力系统自动化，2005（24）:98-100.LU Jiangang，PANG Xinsui，ZHAO Xiaoyan.Research on SCADA telemetry data overflow in Guangdong power grid[J].Automation of Electric Power Systems，2005（24）:98-100.

[12]丁璐.仪表“死区”对暖通、动力系统的影响[J].科协论坛，2013（8）:67-68.DING Lu.The influence of instrument “dead zone”on HVAC and power system[J].Forum on Scienceand Technology，2013（8）:67-68.

[13]王永龙.归一化值与真实值的转换关系[Z/OL].[2017-04-03].http://www.wangyonglong.com/2012/11.

Abnormal Data Analysis and Treatment Recommendations for SCADA System

NIU Rui1，ZHANG Wangni2
（1.Shaanxi Regional Electric Power Group Co.，Ltd.，Xi’an 710061，Shaanxi，China;2.Weinan Power Supply Branch of Shaanxi Regional Electric Power Group Co.，Ltd.，Weinan 714000，Shaanxi，China）

This paper introduces causes of the abnormal data of SCADA system in the actual operating process.According to the degree of its deviation from the real data in the actual operation，the abnormal data can be divided into two types of data:erroneous data and distorted data.Moreover，suggestions are proposed on how to prevent abnormal data from being produced or how to treat the abnormal data that has been formed for each cause of the abnormal data according to the practical experience summarized in the operation and maintenance process.

SCAD A system;abnormal data;distortion data;dead zone

介绍了实际运行过程中SCADA系统形成异常数据的原因，按照异常数据与实际运行中真实数据的偏离程度，将多种异常数据分为错误数据、畸变数据两类，并依据运行维护过程中总结的实践经验，针对每种异常数据产生的原因，提出了预防异常数据产生或对已经形成的异常数据进行治理的建议。

SCADA系统；异常数据；畸变数据；死区

1674-3814（2017）09-0068-04

TM73

A

陕西省科学技术研究发展计划项目（2014kjxx-03）。

Project Supported by the Science and Technology Research Development Program of Shaaxi Province（2014kjxx-03）.

2017-04-03。

牛 瑞（1985—），男，硕士，主要研究方向为电力系统调度自动化、调度运行管理；

张望妮（1989—），女，硕士，主要研究方向为输电线路自适应重合闸、电力系统调度自动化。

（编辑 徐花荣）