基于趋势分析技术的设备运行态势自动感知建模研究

2023-08-08周宏辉翁东雷莫建国邱云卢俊

粘接 2023年7期

周宏辉翁东雷莫建国邱云卢俊

摘要：态势感知系统在电力设备运行的安全监测和异常控制中起着主要作用。以往增强态势感知系统的方法主要集中在状态估计、安全分析和视觉感知上。作为自动识别持续变化过程的趋势特征的有效工具，趋势分析系统技术可用于增强电力设备运行异常的态势感知。通过定性的趋势分析提出了一个增强的态势感知框架。增强框架包括3个层次：信息的感知、对当前状态的安全评估以及对未来系统状态和趋势的预测。在感知信息的基础上，引入N-1稳态安全距离模型来评估当前电力设备状态的安全水平。实际应用结果表明：稳态安全距离趋势提取与电力设备原始数据拟合度较好，误差大于97%，且基于趋势的方法可以有效监测电力设备及线路异常，帮助电力设备操作人员监测设备运行异常问题。

关键词：趋势分析；电力设备；运行异常；态势感知

中图分类号：TP311

文献标志码：A

文章编号：1001-5922（2023）07-0175-04

Research on automatic perception modeling of equipment operational trends based on trend analysis techniques

ZHOU Honghui1，WENG Donglei1，MO Jianguo1，QIU Yun1，LU Jun2

（1.State Grid Ningbo Power Supply Company，Ningbo 315000，Zhejiang China;

2.Operation and Maintenance Branch of Ningbo Power Transmission and Transformation Construction Co.，LTD.，Ningbo 315000，Zhejiang China

）

Abstract：Situational awareness systems play a major role in the safety monitoring and anomaly control of power plant operations.Previous approaches to enhance situational awareness systems have focused on state estimation，safety analysis and visual perception.As an effective tool for automatically identifying trend characteristics of continuously changing processes，trend analysis techniques can be used to enhance situational awareness of abnormalities in power plant operation.An enhanced situational awareness framework is therefore proposed through qualitative trend analysis.The enhanced framework consists of three levels： perception of information，safety assessment of the current state and prediction of the future system state and its trends.Based on the perceived information，an N-1 steady-state safety distance model is introduced to assess the safety level of the current state of power equipment.The practical application results showed that the steady-state safety distance trend extraction fitted well with the original data of power equipment，with an error greater than 97%，and the trend-based approach could effectively monitor power equipment and line abnormalities and help power equipment operators to monitor abnormal equipment operation problems.

Key words：trend analysis; power equipment; operational anomalies; situational awareness

目前態势感知系统已应用在电力设备异常监测中［1］。但态势感知系统在电力设备异常状态监测中无法有效识别异常数据，需要进一步提高态势感知系统识别效率。

且已有众多学者做了大量的态势感知系统增强工作。在状态估计方面，提出了相位测量单元放置策略，以增强态势感知［2］。在视觉感知方面，安全数据共享机制和可视化技术被用来提高电力设备的可观察性，实现直观的态势感知。然而，上述方法并没有对电力系统状态的持续变化提供精确的趋势分析。此外，根据文献［3］的研究，态势感知系统需要不断了解电力设备的健康状况。通常情况下，收到的异常数据信息没有以反映变化过程中的基本趋势的方式呈现［4］。因此，有必要引入一个趋势分析工具来捕捉电力设备状态的演变趋势，以增强态势感知。

趋势分析技术已经被应用于电力设备异常安全分析，以及复杂电力设备系统监测和决策支持［5］。在电力设备异常安全分析中，有学者提出了趋势的概念［6］，还有提出了在设备异常概率下的安全指数，以确定设备异常状态的趋势变化［7］。为了支持复杂系统的监测和决策，提出了一种定性趋势分析（QTA）的方法，以确定设备变化过程的趋势特征［8］。用趋势分析了电力系统历史状态的趋势特征［9］。基于此，本文通过定性的趋势分析提出了一个增强的态势感知框架以自动识别电力设备异常安全状态的趋势特征。

1 N-1 STEADY-STATE 模型

为了更好地量化电力设备运行异常下的运行状态，本文使用距离建模（N-1 SSD）的模型。建立距离建模的程序包括3个步骤：（1）建立N-1 STEADY-STATE SD（N-1 SSR）;（2）N-1 SSR边界识别;（3）N-1 SSD计算。

3 研究结果与分析

3.1 测试用例概述

利用所提出的态势感知模型用于某电网电力设备。该电力设备系统的总发电量为22.03 GW，994条母线，以及1 271条电压等级在220 kV以上的分支。

案例研究时间为2022年9月23日00：00～21：00的运行数据。前1 h的预测数据基于每5 min的历史实时测量数据，后1 h的预测数据由智能电网调度系统估算得出。图1为2022年9月22日电力设备负荷数据，并标注了2个负荷峰值时间点。

3.2 设备运行中态势感知应用

第2个小时内系统运行点的数据最终用于态势感知预测。预先指定的电力设备运行异常事件集由系统中的分支组成。对于每个运行异常事件，进行N-1 SSD模型来量化操作状态的安全级别，并获得N-1 SSD结果的趋势曲线，结果如图2所示；表1为Cusum的分级阈值。数据的变化分为3个范围，分别代表温和变化、可观察变化和广泛变化。然后，为每个范围确定Cusum的3个阈值，阈值根据给定实际电力设备运行中所选变量的变化来确定的。根据本文提出的基本概念，态势感知的特征由3部分组成：稳态安全距离、趋势方向和趋势的变化率。在本文中，电力设备运行的整体显示应以需求为基础。

在图2中，最小距离的趋势表明，电力设备运行异常水平先下降后上升。从11：15开始，N-1稳态安全距离经历了非线性下降。同时，随着电力设备运行时间的增加，N-1 SSD迅速下降到底部（11：49）。尽管在这个时间段内设备运行仍然是安全的（N-1 SSD都是正数），但稳态安全距离越来越接近安全边界。这导致电力设备运行异常趋势并触发警报。因此，电力设备运行监测人员可以根据警报内容实时对电力设备进行检测。在11：55～12：15，N-1稳态安全距离呈非线性上升趋势，且逐渐远离设备安全边界，进一步表明电力设备运行越来越安全，无明显异常。同时可观察到，电力设备一直在低N-1稳态安全距离（小于50MVA）的范围内运行，并且满足N-1安全标准，有一定的安全裕度（主要因为N-1 SSD总是正的）。这表明该电力设备目前在良好的情况下运行。只有当N-1稳态安全距离急剧下降时，表征电力设备运行异常。需要电力设备检测人员对异常情况作出快速分析反应。且可观察到稳态安全距离趋势提取与电力设备原始数据拟合度较好，误差大于97%。

3.3 电力设备线路稳态安全距离分析

为进一步提高电力设备运行异常的全面检测，对电力设备线路的稳态安全距离进行分析，由于线路负载能力大于设备，因此其安全边界也将大于设备正常运行时的安全边界。根据“3.2”N-1 SSD的研究结果，选择了4条在N-1运行异常事件后安全系数排名最低的设备线路，并在11：15～12：15进行观察。这4条线路都位于1 000 V的关键设备输电段，负荷流量大。每条线路对整个设备都是至关重要的。只要其中一条线路停止服务，电力设备的运行就会受到严重影响。对这4条线路进行稳态安全距离分析，结果如图3所示。随着设备运行时间增加，不同支线的稳态安全距离均呈非线性上升趋势，4支线路均在12：15达到最高。其中支线4在11：30时稳态安全距离最大，约为28MVA。在接下来的45 min内，这条线路的稳态安全距离急剧增加到51MVA，而电力设备异常运行期间的平均稳态安全距离只在50 MVA附件变化，表明这条线路在设备运行期间，存在异常。同时支线3的稳态安全距离为48MVA，已接近安全边界，该线路也存在异常需要给予关注，否则线路一旦发生异常，也会诱使电力设备发生异常。

4 结语

本文提出了一种基于趋势的方法，利用已确定的趋势特征，运行点的移动方向和趋势的变化率来增强态势感知。N-1 SSD模型被用来评估当前电力设备运行异常状态的安全水平。案例研究结果表明，基于趋势的方法可以作为电力设备异常检测的智能助手，具有先进的监督和有效的决策支持。在所提出基于趋势的方法帮助下，电力设备的安全可以在控制中心环境下得到有效的加强。此外，动态安全的态势感知也可以通过动态稳态安全距离模型和基于趋势的方法的结合来实现，可以进一步提高电力设备运行异常监测。

【参考文献】

［1］王文君，路国正，赵杰.基于设备行为分析的电力监控网络态势感知系统［J］.信息技术与标准化，2019（9）：90-93.

［2］刘晴，刘旭，龙姣，等.電力通信调度智能指挥平台研究与应用［J］.粘接，2020，41（1）：189-192.

［3］彭枭萌.基于大数据的电力通信网络状态感知分析［J］.电气应用，2022，41（10）：25-30.

［4］于斌，刘曦.态势感知系统在电力网络中的应用［J］.电子技术与软件工程，2020（21）：221-222.

［5］王立峰，马超，牛永光，等.基于大数据背景下电站设备状态监测及故障检修管理系统仿真设计［J］.粘接，2022，49（10）：176-179.

［6］刘旭，汤玮，龙姣，等.电力调度平台全景化管控的实现方式研究［J］.粘接，2020，44（12）：149-152.

［7］李军.分析电力技术中电力节能技术应用［J］.粘接，2020，42（6）：158-161.

［8］吴旻哲，张洁华.电力调度自动化系统应用现状及发展趋势［J］.产业创新研究，2023（6）：21-23.

［9］彭翠红.多源数据分析的电力信息物理系统安全态势预测研究［J］.能源与环保，2022，44（10）：272-277.

［10］吕鹏鹏，王少影，周文芳，等.基于进化神经网络的电力信息网安全态势量化方法［J］.计算机科学，2022，49（S1）：588-593.

［11］朱炳铨，郭逸豪，郭创新，等.信息失效威胁下的电力信息物理系统安全评估与防御研究综述［J］.电力设备保护与控制，2021，49（1）：178-187.