基于异常数据溢出的电力调度系统监测预警的研究

王建树，王亚强，孟 荣，袁 龙，周 玲，曹一楠

（1.国网河北省电力有限公司检修分公司，河北石家庄 050000；2.国网河北省电力有限公司，河北石家庄 050000）

随着电网输配电规模的不断扩大，需要进行电力优化调度，提高电力优化输出控制能力。在电力调度系统的设计中，需要构建电力调度系统的优化监测预警模型，结合电力配电设备的工况特征进行电力调度和预警监测，提高电力系统的监测稳定性和自适应控制能力，因此，电力调度系统监测和预警方法研究在电力组网优化控制中具有重要的应用价值。

为了提高电力调度系统的监测预警精度，结合当前相关成果具备的优越性，提出基于异常数据溢出的电力调度系统监测预警方法。在电力调度系统中，结合异常数据溢出控制方法，进行系统均衡控制，通过确定阈值，设置预警等级，从而实现电力调度系统的监测预警，能够使调度员更加方便、直观地了解系统的运行状况，发现潜在的危险时，及时采取有效措施，消除电网安全隐患，提高电网安全稳定运行水平[1]。

1 相关工作

文献[2]提出了一种基于孤立森林算法的电力调度流数据异常检测方法，利用历史数据集训练构建多个子森林异常检测器，组成基森林异常检测器，据此，在线根据滑动窗口中数据的异常情况及缓冲区数据量大小，触发检测器更新。根据异常偏差率大小筛选子森林异常检测器的更新策略，解决因模型随机更新导致异常检测器整体性能下降的问题。文献[3]设计了智能电网在线安全稳定预警系统，从全网实时数据生成、安全稳定预警与辅助决策3 个层面来研究在线安全稳定预警系统的功能构建与应用模式。利用系统的在线实时状态及时发现电网运行中的薄弱点和风险点，给出相应的辅助控制策略，并进行预想方式和应急方式分析，制定相应的事故处理预案，以大幅提高电网安全运行水平，降低大范围停电风险。文献[4]设计了智能电网调度控制系统中的历史数据服务优化方案，增加历史数据缓冲区，缓存管理电网热点数据，提高数据处理效率，减轻历史库负载，优化任务分配器，协调数据缓存区与关系库分工作业，对历史数据服务进行有效的管理和调度，设计历史数据会话监听机制，实时监视数据库会话状态，保障历史数据服务的安全性和稳定性。文献[5]提出了一种新型基于径向基函数的自适应神经模糊推理方法进行短期负荷预测，用Matlab 编制电力系统短期负荷预测程序，并绘制预测结果曲线，结果表明，基于RBF 自适应神经模糊推理的预测精度是令人满意的，验证了该方法的有效性和实用性。文献[6]提出了基于信息物理接口矩阵的IEC61850 变电站自动化系统可靠性分析方法，以IEC61850 实际变电站自动化系统为例，基于变电站主接线建立信息物理融合框架，在该框架下将信息层保护元件对物理层主要设备的影响进行分类，提出用信息物理接口矩阵表征故障传播类别的概率，考虑信息层的影响，建立变电站自动化系统可靠性分析方法，以实际变电站为算例进行了可靠性计算分析，验证了所提方法的正确性。

2 构建电力调度系统的监测数据采集模型

电力调度数据是指电力系统运行时，各级调度中心及各发电厂、变电站之间传递的反映运行工况和进行控制调节的数据。电力调度系统是一个大型的网络，在运行中产生大量诸如电压、电流、功率等实时数据，这些数据通常以数字的形式在电力调度系统主接线图或地理接线图上显示。对于运行管理人员来说，维护的难度较大，不便于及时发现和处理故障。因此，必须对电力调度数据进行监测，强化电网运行状态的全面掌控能力。图1 为电力调度信息监测结构图。

图1 电力调度信息监测结构图

通过电力专用通道实时采集电力调度监测数据，采用空间信息聚类分析方法，进行电力调度系统的异常数据特征辨识处理。假设电力调度系统监测传感器模型中有N个簇首节点，在电力系统故障辨识中，通过异常数据溢出转换控制，得到电力系统异常耗能扩散矩阵BN×1，其表达式为：

式中，TL×1为时间矩阵；SN×L为数据的多属性融合调度矩阵。根据电力调度系统提取输电线路异常状态的相同特征[7-8]，结合正态分布进行电力系统监测预警的自动调度，得到电力调度系统的输出功耗特征量fij(n+1) 。在确定电力网络分布特性的条件下，捕获负荷随机行为，得到异常数据溢出的密度函数为：

基于深度学习理论进行电力系统调度过程中的空间负载均衡控制[9]，得到电力调度的负载均衡输出为：

式中，E为负载能量。在最大功率增益约束下，构建电力调度系统的监测数据采集模型，表达式为：

上式中，|yI,j(n) |为电力系统受扰响应特性；R2,I为符合最大功率增益约束下的样本参数集。

3 基于异常数据溢出的电力调度系统监测预警

3.1 电力调度系统的异常数据溢出控制

电力调度系统存在时空故障样本数据，导致采集到的电力调度系统监测数据出现异常，文中在构建电力调度系统监测信息采集模型的基础上，结合量化表征和模糊监测方法进行电力调度系统的异常数据溢出控制[10-12]。根据电力调度系统监测预警的负荷有功功率特征，分析异常数据溢出的联合概率密度特征，得到统计特征量μ(n)。采用量化表征方法，得到异常数据溢出的负荷水平特征量：

式中，x(n)为电力调度的互动性特征值为样本数据的负载特征，为协方差矩阵。结合样本数据融合和溢出转换控制方法[13-14]，描述不同分区的数据分布，得到的电力系统监测预警负载数据X符合标准的整体分布，记为X～Sα(σ,β,μ)。

以Xm为中心点、Xk为最近邻点，进行电力调度系统的时空故障样本数据分布：

根据上式，结合配电设备的工况特征进行时空故障样本数据处理[15-16]，得到n+m+k(k＞0)时刻配电设备的工况状态特征分布函数为：

其中，α和β均表示异常溢出数据的中心向量[17-18]。对中心向量的异常溢出数据成分进行调制处理，得到调制分量：

上式中，dm(0)表示电力调度系统的健康状态模糊特征集，Xm+1(i)表示电力调度系统监测的负载均衡度，Xk+1(i)表示样本个数。

根据调制分量，结合负荷样本施加结果，采用模糊监测方法，对电力调度系统的异常数据溢出进行控制，其表达式为：

3.2 电力调度系统监测预警

在采用量化表征和模糊监测方法进行电力调度系统的异常数据溢出控制的基础上，文中采用异常数据溢出控制方法进行电力调度系统均衡控制，从而修正监测故障信号特征曲线，提高异常数据溢出控制能力[19-20]。在电力调度系统监测数据为正常、异常以及严重等不同状态下，进行监测预警，得到电力调度系统配电设备的关键特征量预测值的计算公式：

通过预测值分析电力系统受扰响应特性，确定电力调度系统监测预警的评价系数和指标参数集，通过异常数据溢出控制方法进行系统均衡控制，得到空间均衡聚类函数A：

引入电力系统运行数据的时空特征进行电力系统的监测预警输出。首先需要确定权限阈值，然后建立预警模型，则权限阈值计算公式为：

式中，Je(k+1) 表示电力调度系统监测数据在k+1 时刻的预测值，表示模型阶数。设μ0代表偏导区域的下限促进传递参数，μ1代表偏导区域的上限促进传递参数，根据上式的权限阈值，设置预警等级：

根据预警等级，构建电力调度系统监测数据预警模型模型：

其中，Q代表监测数据的边限处置参量，f1、f2分别代表最小和最大的状态权限判定系数，α1、α2分别代表两个不同的幂次项计算条件。

4 仿真实验与结果分析

4.1 实验环境

为了验证文中提出基于异常数据溢出的电力调度系统监测预警方法在实现电力调度系统监测预警中的应用性能，采用Matlab R2017 进行仿真测试分析。在PSS/E 电力系统仿真平台上搭建了一个具有11 台服务器和1 台交换机的电力调度系统网络结构模型，如图2 所示。

图2 电力调度系统网络结构模型

4.2 监测故障信号频率采集

通过电力调度系统网络结构模型，设置电网用电负荷约为2 000 kW，其中受电1 600 kW，故障集中设置在1 000 kV 线路上，异常溢出数据采样的样本数为2 000，在API 接口中设定数据接收端进行电力系统监测预警的信息融合，设定电力调度系统的运行时间为0.15 s，在电力系统保持正常运行状态0.01 s后施加故障，进行系统监测。电力调度系统监测原始信号与故障信号频率如图3 所示。

图3 原始信号与故障信号频率监测结果

根据图3 可知，采用文中方法可通过故障信号频率变化监测出故障位置。

4.3 异常数据溢出控制能力

通过采集到的监测故障信号进行归一化处理后生成特征曲线，如图4 所示。

图4 监测故障信号特征曲线

根据图4 可知，电力调度系统监测故障信号特征曲线与频率中心之间的距离很小，图中有明显的毛刺，说明有异常数据存在。采用文中方法对异常数据溢出进行控制，修正监测故障信号特征曲线，修正结果如图5 所示。

图5 修正后的监测故障信号特征曲线

根据图5 可知，采用文中方法修正了含有不良毛刺的数据曲线，很好地对异常数据溢出进行控制，使电力调度系统得到均衡控制。

4.4 监测预警精度

为了进一步验证文中方法的有效性，对采用文中方法的电力调度系统监测预警结果与实际测试的电力调度系统监测预警结果进行对比分析，对比结果如表1 所示。

表1 电力调度系统监测预警误差对比

根据表1 可知，采用文中方法的电力调度系统监测预警结果与实际测试的电力调度系统监测预警结果相差较小，误差基本控制在0.002 mm 以内，说明文中方法的电力调度系统监测预警精度较高，对异常数据溢出控制能力较好。

5 结束语

由于传统的电力调度系统监测预警方法存在监测预警准确率低，电力调度系统的异常数据溢出控制能力较差的问题，因此提出了基于异常数据溢出的电力调度系统监测预警方法。由于采集到的电力调度监测数据存在异常情况，因此采用量化表征和模糊监测方法进行电力调度系统的异常数据溢出控制，通过确定权限阈值，设置电力调度系统监测预警等级，从而构建电力调度系统监测预警模型。仿真实验结果表明，采用文中方法进行电力调度系统监测预警的自适性较好，对异常数据溢出控制能力较好，电力调度系统监测预警精度较高，提高了电力系统的自动化监测预警能力。