基于SCADA数据的电网故障和异常智能分析的辅助决策系统

吴俊杰, 罗宇, 戴雯菊, 李一荻, 刘亮

(贵州电网有限责任公司贵阳供电局, 贵州, 贵阳 550000)

0 引言

在电网出现紧急事故时,需依靠调控人员解决问题,但当出现较多事故信号时,调控人员无法实时高效制定决策[1-2],既增加了调控人员工作量,也无法快速解决事故问题,还会扩大事故范围[3-4]。因此,研究者们设计了辅助决策系统来帮助调控员制定智能化辅助决策。夏小琴等[5]设计了调度计划辅助决策系统,通过线性加权法求解电网发生故障时,电网运行的综合控制指标,利用启发式方法结合综合控制指标制定辅助决策,该系统可有效制定辅助决策。石正等[6]针对电网运行的安全问题,设计了电网资源调度辅助决策系统,利用关联匹配方法采集电网调度资源,通过校核方法评估电网保护策略的规范性,根据评估结果制定电网资源调度的辅助决策策略,在直流闭锁故障下,该系统可有效制定电网资源调度辅助决策。

以往研究方法的逻辑推理效果均较优,但容错效果较差,无法得到完整的电网故障信息,降低了辅助决策制定的合理性,导致调控人员难以根据实际运行数据对调度操作、异常处置、故障处理中涉及的故障设备作出快速及时的判断。SCADA系统拥有监测全网数据的功能,可从大量SCADA数据中挖掘有效故障表象信息[7],帮助调控人员作出正确的判断。为此,本文设计基于SCADA数据的电网故障和异常智能分析的辅助决策系统,以有效制定辅助决策策略。

1 基于SCADA数据的电网故障和异常智能分析的辅助决策系统

以网络通信规约方式采集SCADA数据,能够缩减数据传输流程、减轻后台监控负担,但该方式会占用较多的网络通信资源,导致系统通信堵塞;以监控系统方式采集SCADA数据,会扩展数据传输流程,影响数据传输精度,且其易受线程影响,仅在线程空闲时才能确保数据在规定时间内完成传递[8]。为此,为提升SCADA数据采集的安全性,利用电网综自子系统,利用数据单向转发接口,后台转发SCADA数据,并传输至辅助决策系统。以电网综自子系统后台采集SCADA数据为基础,设计电网故障和异常分析的辅助决策系统,系统总体结构如图1所示。

图1 辅助决策系统总体结构图

图1中:电网综自子系统利用数据单向转发接口以后台转发形式采集电网的SCADA数据;无线通信模块依据ZigBee技术传递采集的SCADA数据至数据库;利用数据库初步处理采集的SCADA数据,建立SCADA数据库;业务逻辑层通过ArcGIS Engine组件技术实现辅助决策系统内各模块间的数据交互,利用数据管理模块管理数据库内的数据,为应用层内各模块分配所需数据,还具备权限管理、与日志管理功能;应用层中故障和异常诊断模块以适配指标为目标函数,建立电网故障和异常诊断模型,利用带自适应变异的粒子群优化算法求解该模型,获取电网故障和异常诊断结果,通过辅助决策模块智能分析故障和异常诊断结果,确定事故性质,制定电网故障和异常事故处理的辅助决策,提高电网故障与异常事故处理的效率与水平。

1.1 SCADA数据的无线传输模块

利用ZigBee技术设计辅助决策系统的无线传输模块。ZigBee网络节点具备休眠功能,仅在需要传输SCADA数据时会启动无线传输模块,在传输SCADA数据时,可降低数据传输功耗。无线传输模块的硬件结构如图2所示。

图2 无线传输模块硬件结构图

无线传输模块的核心是CC2510芯片,该芯片内存在1个高性能的射频收发器与1个高效的控制器,能够提升SCADA数据的传输质量[9-10]。无线传输模块利用MAX235控制电平转换电路展开串口通信,完成SCADA数据的传输。CC2510芯片包含开关接口与模拟接口,能够接收不同类型的SCADA数据。

1.2 电网故障和异常诊断模块

电网故障和异常诊断模块结构如图3所示。

图3 电网故障和异常诊断模块结构图

电网故障和异常诊断模块依据专家知识与辅助决策人员的经验,利用编码器将文字转换为代码,存储于知识库内,为推理机提供服务。推理机接收经由事件API传递的电网故障和异常数据后,通过调用专家API获取电网故障和异常信息存储列表内的电网设备参数,利用综合API将故障和异常电网设备参数与知识库内的代码传递至合作模块,合作模块接收电网故障和异常设备参数后,通过调用故障和异常诊断模型实现电网故障和异常诊断,并将诊断结果经由综合API传递至人机界面,为调控人员提供帮助。

以电网内断路器、继电保护动作情况与假设故障为适配指标,并将其当成目标函数,建立电网故障和异常诊断模型,公式如下:

(1)

利用带自适应变异的粒子群优化算法求解电网故障和异常诊断模型。通过定义群体适应度方差与粒子聚集距离,分析粒子群优化算法是否跳出局部最优,避免早熟收敛。令粒子群的规模是电网故障和异常范围内元件数量,即粒子数量是n,将电网故障和异常诊断的目标函数作为粒子的适应度f,则粒子群的平均适应度是favg,适应度方差是σ2,计算公式如下:

(2)

其中,λ是归一化系数,i∈n。

通过σ2呈现粒子群内全部粒子的收敛情况可以发现σ2与粒子群收敛程度呈反比。

粒子平均聚集距离的公式如下:

(3)

其中,D是粒子维数,即电网故障和异常范围内元件的SCADA数据维度,d∈D,yld是粒子群当下寻找到的最佳位置,即全部元件状态的最佳信息,xid是各粒子当先寻找到的最佳位置,即各元件状态的最佳信息,l∈n,l≠i。

聚集程度阈值的公式如下:

(4)

其中,xmax是x的上限值。

在粒子的σ2接近0,同时M超过Z的情况下,说明粒子达到全局收敛。在粒子的σ2接近0,同时M低于Z的情况下,说明粒子未跳出局部最优,这时全局极值gbest为局部最佳解,若修正gbest,便可调整粒子的位置与速度,跳出局部最优,获取全局最优解。

通过变异操作修正gbest,帮助粒子跳出局部最优,即在gbest内添加随机扰动γ,令γ服从标准正态分布。gbest的修正公式如下:

gbest=(gbest+gbestγ)Q

(5)

其中,Q是变异概率,在σ2≈0、M

利用带自适应变异的粒子群优化算法求解电网故障和异常诊断模型的具体步骤如下。

步骤1:令粒子位置xi代表电网故障和异常范围内的元件状态,初始化种群规模,即电网故障和异常范围内元件数量n,初始化xi与粒子速度vi,设置最大迭代次数Tmax。

步骤2:令第i个粒子的个体极值pbest是这个粒子的当下位置,即第i个元件的当下状态,令gbest是初始种群内最佳粒子的位置,即电网故障和异常范围内最佳元件状态。

步骤3:更新粒子的xi与vi,求解粒子i的fi,即电网故障和异常诊断的目标函数,若fi比gbest的适应度好,那么将gbest更新成当下位置。

步骤4:分析算法是否达到Tmax。如果达到Tmax,那么输出gbest,即最佳的电网故障和异常范围内元件状态诊断结果,如果gbest是1说明该元件故障,如果gbest是0说明该元件正常;如果未达到Tmax,那么继续步骤5。

步骤5:利用式(5)修正gbest获取全局最优解,即最佳的电网故障和异常范围内元件状态诊断结果,结束算法。

1.3 电网故障和异常智能分析的辅助决策模块

电网故障和异常智能分析的辅助决策模块可为调控人员提供科学与智能化的辅助决策。辅助决策模块能够智能分析非故障停电区域,并提供最佳恢复供电策略,还能够智能分析电网故障和异常诊断结果,并制定辅助策略,帮助调控人员迅速采取处理措施。辅助决策模块结构如图4所示。

图4 辅助决策模块结构图

图4中:辅助决策模块接收电网故障和异常诊断结果后,利用故障和异常再现与缺陷分析单元在电网主接线图界面中反演电网故障和异常事故;通过智能调度可视化单元令电网设备在图上按顺序闪烁,依次凸显电网故障和异常事故;通过智能事故分析单元输出事故分析报告,设计事故处理方案;通过人机界面呈现在线辅助决策处理结果,完成调控操作。

2 实验分析

以某地区局部电网为实验对象,该电网内共包含2个变电站V34与V35、26个元件,分别是变压器D1～D2;母线Y1～Y7;线路L1～L12;28个断路器C1～C28;104个保护,40个主保护动作D1m～D2m、Y1m～Y7m、L1Sm～L12Sm、L1Rm～L12Rm,64个后备保护D1p～D2p、L1Sp～L12Sp、L1Rp～L12Rp、L1Sz～L12Sz、L1Rz～L12Rz,S与R是线路首端与末端,m是主保护,p是后备保护,z是远后备保护。该地区局部电网结构如图5所示。

图5 局部电网结构图

利用本文系统采集该局部电网内的SCADA历史数据,共2.5 G,以SCADA数据内的电网功率为例,综合测试本文方法的指标为电网功率采集结果、载荷分布分析效果、电网故障和异常诊断结果、电网故障和异常原因智能分析结果。

本文系统SCADA数据采集测试结果如图6所示。

(a) 实际电网功率

根据图6可知,本文系统可有效采集电网的功率信息,与实际功率间差距较小,证明本文系统可精准采集电网的SCADA数据。

载荷分布代表每传输100次数据后网络节点剩余能量的平均值。本文系统在不同通信轮次时的载荷分布分析结果如图7所示。

图7 载荷分布分析结果

根据图7可知,通信轮次越多,本文系统传输数据过程中的平均剩余能量随之下降。通信轮次较少时,平均剩余能量下降速度较慢,当通信轮次达到600次时平均剩余能量下降速度较快,当通信轮次达到1000次时平均剩余能量不再改变,最低平均剩余能量在0.35 J左右,明显高于最低阈值。证明本文系统在传输数据时的平均剩余能量较高,即载荷分布效果较优,原因是本文系统的无线传输模块设置了休眠功能,仅在需要传输数据时才会启动,有效降低了系统的能耗。

利用本文系统依据采集的SCADA数据进行电网故障和异常诊断,诊断结果如表1所示。

表1 电网故障和异常诊断结果

根据表1可知,对于不同的电网故障和异常信息,本文系统均可有效诊断电网故障和异常情况,且诊断结果与实际故障和异常情况完全相同,精准度达到100%,证明本文系统可精准诊断电网故障和异常情况,原因是本文利用带自适应变异的粒子群优化算法求解电网故障和异常诊断模型,提高了诊断的精准度。

当电网出现故障和异常时,本文系统可有效智能分析电网故障和异常原因,并根据智能分析结果制定辅助决策策略。本文系统的智能分析结果与辅助决策策略制定结果如图8所示。

图8 智能分析结果与辅助决策策略制定结果

根据图8可知,本文系统可有效智能分析电网故障和异常原因,并根据故障和异常智能分析结果,制定合理的辅助决策,生成事故分析及决策报告呈现给调控人员,帮助调控人员及时完成电网故障和异常事故处理操作。例如:当诊断出变压器D1=1时,利用故障和异常再现与缺陷分析单元分析出该变压器为故障和异常状态,后备保护D1p=0,说明该保护装置需要动作而未动作,出现漏报,分析出故障原因为本体故障;在主接线图界面中反演电网故障和异常事故,通过智能调度可视化单元依次凸显电网故障和异常事故;通过智能事故分析单元制定辅助决策为隔离故障,并启动故障处理流程,生成事故分析及决策报告,通过人机界面呈现给调控人员。将本文方法的智能分析结果与历史数据库中的实际故障原因和解决决策进行对比,发现内容一致,准确率为100%,说明本文系统可有效智能分析电网故障和异常事故,并制定合理的辅助决策。

3 总结

电网运行操作失误或保护装置与断路器动作错误等因素均会导致电网出现较大面积的停电事故,需要快速诊断电网故障和异常事故,并制定事故处理辅助决策来降低电网停电损失,确保电网安全运行。因此,本文设计基于SCADA数据的电网故障和异常智能分析的辅助决策系统,能够精准诊断电网故障和异常,制定合理的辅助决策,帮助调控人员完成电网事故处理操作。