一种基于交换机的智能变电站过程层监测系统

白晶石 张 威 李海龙

(1. 中国能源建设集团辽宁电力勘测设计院有限公司 沈阳 110179； 2. 国网锦州供电公司 锦州 121000； 3. 国网辽宁省电力有限公司 沈阳 110004)

1 引言

随着社会的发展，城市建筑以及公共区域的基础设施增加，人们对我国电力的需求越来越高，电力系统的规模也越来越大。目前我国已经进入了第三代电网时代[1]，工业交换机在智能变电站过程层中得到了广泛的应用，工业交换机组成的通信网络技术对智能变电站的可靠性和安全性具有重要的作用[2-3]。

由于电网规模大，电力管理员对智能变电站过程层网络的大数据进行监测和分析需要耗费大量的精力和时间[4-6]。当某个网路异常或故障时，可能造成多个相应的网络发出异常信号，管理员要从大量的数据中分析故障原因，工作量大，效率低，无法及时排除故障[7-8]。现有的智能变电站监测系统无法通过平台显示网络拓扑结构，在监测过程层交换机运行过程中，管理员无法看到其工作状态，不能及时排查故障发出指令[9-10]。

基于上述问题，本文将交换机应用于智能变电站监测系统，进而实现对变电站过程层交换机网络拓扑进行分析，监测交换机运行状态，实现了实时监测和故障定位，克服了变电站监测系统的弊端，对监测点系统的研究具有重要的作用[11]。

2 智能变电站监测系统需求

对智能变电站的基本要求是通信平台网络化、全站信息数字化，为了适应智能化变电站的发展并满足这些基本要求，降低继电保护系统的运维工作量，提高工作效率，保证过程层通信网络的数据采集、信息交互和程序处理的可靠性、实时性和安全性，需要选择一个适合智能变电站过程层交换机的网络拓扑结构[12-13]。

承载过程层通信网络的预先配置完成的数据内容和通信关系的报文可封装于全站系统配置文件(System configuration description，SCD)中，智能变电站监测系统需要通过SCD 获取预置的过程层网络拓扑结构，以便用于校验，实现网络监测和故障定位。在一种简单的监测系统架构中，主要由主站系统和交换机系统两部分组成，如图1 所示。监测系统的功能是利用计算机的软件显示主站系统运行状态，通过网络管理协议(Simple network management protocol，SNMP)获取过程层网络交换机的工作状态并进行分析判断，发出警告信号，从而实现对过程层网络的监测和故障定位，保障变电站安全[14-15]。

下面对图1 中的主要结构进行说明，在主站系统中，智能变电站过程层网络设备一般由两部分组成，一个是智能电力监测装置(Intelligent electronic device，IED)，监测对象一般指的是智能终端、合并单元、保护测控装置等。其中过程层网络交换机工作状态主要由两个报文组成，一是面向通向对象的变电站事件(Generic object oriented substation event，GOOSE)报文，二是采样值(Sampled value，SV)报文。主站系统有预置、实际、判断三个功能。预置功能主要通过SCD文件中的预先配置完成的过程层网络拓扑结构，其目的是为了对交换机的工作状态进行校验；在应用时，能够通过交换机的访问控制列表(Access control list，ACL)按照过程层网络拓扑结构进行；判断功能通过实际的网络拓扑结构和预置的网络拓扑结构进行对比，对GOOSE、SV 报文进行分析，结合交换机的工作状态，从而实现网络的监测和故障定位[16]。

在交换机应用中，过程层主要包括智能终端、合并单元两个设备，过程层网络交换机主要负责获取并分析一定的GOOSE 报文、SV 报文，获取通信链路状态、各种报文流量、介质访问控制(Medium、access control，MAC)地址，并通过SNMP 获取交换机网络拓扑结构。

3 交换机网络拓扑结构

3.1 解析网络拓扑结构

基于上述需求分析，智能变电站的SCD 模型具备完整的过程层网络拓扑模型，通过对网络拓扑结构模型进行分析，发现里面有两种不同层面的不同结构，分别是整体结构和局部结构[17]。

(1) 整体结构。

整体结构指的是交换机与交换机之间的分层级联结构，由于交换机之间存在着“一对多”关系的数据，利用树形层次结构图布局可通过主站系统展示交换机整体结构，如图2 所示。

在这种结构中，交换机以发散式的方式进行，变电站节点通过不同等级的交换机实现数据的交互。

(2) 局部结构。

局部结构指的是交换机与IED 之间的连接结构，根据相对位置关系不同，有三种不同的结构图，分别是上雁性、下雁行和双雁行。该结构简单，易于走线，如图3 所示。

通过这种关系，也能够实现交换机的智能变电站监测，不同之处在于，呈现的交换机架构、状态和监控变电站的方式不同。

3.2 网络拓扑结构图的生成过程流程

基于上述分析，对网络拓扑结构图的生成过程进行说明，通过将不同布局关系的交换机应用到拓扑结构图中，构建出智能变电站过程层网络拓扑结构图。其过程示意图如图4 所示，步骤如下。

(1) 制图。首先需要样式模板，用来创建或修改过程层网络拓扑结构图，以便于可视化。其次是命名样式参数，每个过程层网络都按照电压等级和A/B 网络划分，因此过程层网络拓扑结构的样式参数按以“过程层_电压等级_网络”命名。

(2) 获取模型。根据样式参数，通过SCD 模型获取交换机网络拓扑结构关系。

(3) 计算各层布局信息。结合整体结构和局部结构，通过深度优先递归算法，计算出中心交换机-间隔交换机-IED 装置的各层布局信息。

(4) 计算顶层交换机坐标。首先排序中心交换机，再从左到右，依次计算各个中心交换机的顶层布局，最后生成“中心交换机-中心交换机”间的物理链路走线。

(5) 制成绘图对象。将设备对象(端口、二次设备、连接线)的标识号(Identity document，ID)与绘图对象建立连接。

(6) 保存画面，以便以后对保存过的画面进行修改。

通过网络拓扑结构图的生成，能够实现基于交换机的智能变电站的可视化监测，有利于用户远程对智能变电站过程层进行监控。

4 交换机网络的故障关联性规则挖掘算法

在上述监控过程中，由于智能变电站交换机网络结构复杂，数据繁多，当变电站中的一个网络发生故障时，可能造成多个网络警告信号发出，需要耗费大量时间找出故障根源，效率很低。因此需要一定的规则把根源警告的网络挖掘出来，按照设备影响严重程度，可以将异常网络依次划分为轻度警告、中度警告、重度警告，超重警告。当异常网络的警告等级超过其他异常网络，该网络被称为故障根源。

本文提出加权的Apriori 关联规则算法，对过程层网络拓扑结构的交换机进行关联性规则挖掘，每个网络的权重可由网络流量、装置连接情况、交换机CPU 利用率等属性决定[18]。权重的大小决定了该网络的警告等级。关联性规则挖掘步骤如下。

(1) 对运行工作状态中的交换机列表进行扫描，然后根据样式参数的排列方式，得到所有交换机的网络运行参数。

(2) 根据网络的各属性值，如网络流量、装置连接情况、交换机CPU 利用率等，利用层次分析法计算各网络加权值。

(3) 根据网络加权值，计算各网络警告集t 的权重值，如式(1)所示

(4) 根据各网络集的权重，计算各网络警告的加权支持度，如式(2)所示

根据预先设置好的最小支持度阈值，产生加权的警告频繁k 项集。

(5) 将警告频繁k 项集，根据网络加权项目集的先验性质，采用优化拼接和减枝方法，产生警告项目的候选(k+1)项集，计算候选警告(k+1)项集的加权支持度，产生加权的警告频繁(k+1)项集。

(6) 重复步骤(4)，直到无法继续产生告警频繁项目集。

通过上述方法和步骤，能够从海量的故障变换器数据中获取故障信息，进而获取发生故障的变电站数据。

5 试验结果及分析

根据Q/GDW 1845-2012《智能变电站网络交换机技术规范》的要求，网络拓扑结构的形式下对交换机的进行监测。在试验时，通过采用电力专用交换机组网进行试验，在组网系统中，交换机根据SV和GOOSE 中的以太网报文标识，进而对传输中的数据进行解析和隔离，再根据应用标志(APPID)和目标介质访问控制(MAC)地址在应用层进行分组和隔离，使得数据仅向需要的端口转发，从而保证了试验过程中精确的延时控制和补偿。由于交换机在故障监测系统中作为中转单元而存在，其在组网测试系统中，能够提高组网测试的精度和稳定性。因此，在试验过程中，根据交换机应用到智能变电站过程层监测系统的误差精度来衡量其稳定性，如图5 所示。

在上述试验过程中，利用上述算法对智能配电站点的站点进行监控，通过采用树形层次结构图布局的交换机和未采用交换机的形式进行组网测试，再分别采用上雁性、下雁行和双雁行的交换机布局方式和未采用交换机的形式进行组网测试，分别进行对比分析变电站故障监测情况，对比数据如表1 所示。

表1 对比数据表

将上述数据随时间走向汇成误差数据图，如图6所示。

试验表明，本文设计的智能变电站监测系统具有较高的测量精度，在200 min 时间内，其测量误差不超过0.2%，这使得组网系统的故障监测效率得以大大提高。上述试验能够直观、动态地反映组网检测过程中网络的运行情况，可以通过快速的方式，高效、准确地测量出变电站检测的故障情况。

6 结论

文中设计了一种基于不同交换机形式的智能变电站监测系统，通过构思出不同形式的交换机组网方式，实现智能变电站的故障监测。并且利用数据挖掘算法实现各种组网误差数据的分析，实现对过程层网络拓扑结构的交换机进行关联性规则挖掘等。通过数据学习，能够有效地实现每个网络的权重的计算。通过实现对过程层网络的状态监测和故障诊断，构思出过程层网络监测和故障定位系统，有利于推动用户对智能变电站的故障监测，使得用户能够直观、便捷地在线监测过程层网络的运行状态，大大提高了电力系统自动化运维的管理水平。