电网调度智能监控与事故处理辅助决策方法研究

刘永明, 宋子龙, 曲鑫, 周佳铭, 李璐

(国网山东省电力公司威海供电公司, 山东, 威海 264200)

0 引言

用电量逐渐增加,电网的规模不断扩增,复杂的电网结构给电网调度运行工作带来了新的问题,导致电网调度数据量增大,同时存在着多种电磁环网,给调度员带来巨大的电网运行监控、电网事故处理的困难。

在此之前,部分文献也做出了相应的研究,文献[1]提出了一种基于CIM虚结构的电网调度智能监控与事故处理辅助决策的方法,该方法通过构建CIM虚结构,实现电网调度的自动化,进而实现电网调度的智能监控,结合事故处理辅助,降低调度员的运行工作量,但该方法存在着运行监控的不稳定性;文献[2]提出了一种基于SCADA/EMS的电网调度智能监控与事故处理辅助决策方法,该方法利用SCADA/EMS系统,实现电网调度员对电网调度运行的监控和事故的处理,但该系统存在着信息混乱的现象,因此还需进行改进。

基于上述文献中存在的问题,本文进行以下技术研究[3]。

1 电网调度智能监控与事故处理辅助决策系统

本文设计了电网调度智能监控与事故处理决策系统。该系统通过SCADA服务器、数据库服务器和磁盘阵列构建了电网调度智能监控的数据存储库,监控、自动化工作站经过交换机对智能监控进行延伸,实现存储调用调度监控数据,进而实现电网调度智能监控与事故处理辅助决策的一体化[4]。其中,电网调度智能监控与事故处理辅助决策系统的结构如图1所示。

系统采用分布式双网架构,在多个服务器节点都有分布应用部署,利用热备方式运行的服务器,通过人机界面工作站,实现电网调度智能监控数据的图形化展示。将历史数据存储在外接磁盘阵列上,采用磁盘阵列双套配置,构建数据双活,在各工作站之间采用以太网进行数据的通信。通过设置权限信息进行对系统访问的监控和对使用人员的操作分配。通过控制系统对系统的参数进行修改、对故障进行处理,在人机界面系统可查询数据信息以及历史数据,并在监控后台掌握数据通信情况[5]。

系统的事故处理辅助决策采用B/S模式,利用多层业务架构对监控数据进行分析处理,将事故处理辅助决策架构分为数据采集层、数据分析层以及数据表示层。数据采集层采用自动化数据读取方式,对电网调度智能监控数据进行读取与存储,利用EMS系统、OMS系统对电网调度智能监控数据进行采集,实现对监控数据的筛选、整合;数据分析层对采集的监控数据进行动作信息以及子站中的保护,对接收的遥测、遥信信号等数据进行解析,并自动计算负荷损失情况,针对故障元件跳闸后进行事故诊断;数据表示层利用多样化的数据分析展示,对区域负荷、线路负荷进行监控,并输出智能化辅助决策生成数据。

2 关键技术

2.1 电网调度监控告警装置

本文设计了电网调度监控告警装置,该装置由主控模块、配出支路开关状态监测模块、显示设备以及告警设备组成,通过告警设备对数据信息进行处理,发出告警信号[6]。其中,告警装置结构如图2所示。

告警装置主控模块采用HBJ-G1K处理器,实现对监测采集到数据的处理。通过HRIO-24监测器实现对电网调度的电压、电流、频率、开关等的监测,通过RS485通信接口与上位机相连接,利用4.3寸触摸屏对数据进行显示,若出现数据异常,告警设备会发出声光报警,实现对电网运行监控告警的功能。

通过进线电压、电流信号处理和支路电压信号处理,实现对电网运行数据信号的处理,将告警信号分为一级告警和二级告警。一级告警有过压告警,超过设定的电压门限值产生告警,欠压告警低于设定的电压门限值,功率告警高于设定的功率门限值,过频告警超过设定的频率门限值,欠频告警低于设定的频率门限值;二级告警有过载告警,超过设定的电流门限值[7]。

①采用焦虑自评量表（SAS）、抑郁自评量表（SDS）评价负性情绪。②采用Karnofsky功能状态评价生活质量。

告警装置中采用了告警信息加延时处理,针对电网中动作频繁且自动复归的信号处理,在延时的时间段内接收到返回告警装置的信息情况,表明此告警信息不重要同时被过滤掉,从而减少电网调度系统的负荷,进而实现电网调度监控告警的延时操作[8]。告警装置采用告警信息单点或间隔抑制的方式,对无效的告警信息屏蔽,告警信息单点或间隔抑制有告警信息挂牌处理和加点、间隔。

2.2 基于量子遗传优化粗糙Petri网的电网调度事故诊断

本文提出了一种基于量子遗传优化粗糙Petri网的电网调度事故诊断,采用粗糙理论对数据进行划分,利用量子遗传算法对基因可能发生的情况进行判断,通过使用量子旋转门策略进行染色体更新,能够妥善回避虚报事件。当出现虚报事件时,会出现粒子信息逃逸现象,最后利用Petri网模型进行故障诊断[9]。量子遗传优化粗糙Petri网在解决电网调度事故时,通过将电网调度信息转换为数字化信息能够提高电网调度和运行能力,且故障诊断速度比较快。其中,量子遗传优化粗糙Petri网的算法流程如图3所示。

图3 量子遗传优化粗糙Petri网的算法流程图

假设S=(U,A,V,f)表示一个信息服务器,若有属性集合为D≠φ和一个条件属性集合C≠φ,使属性集合A=(C∪D),且C∪D≠φ,此消息系统为一个决策表,记为T=(U,A,C,D)。决策表T=(U,A,C,D)由2个信息系统Sc=(U,C,V,f)和SD=(U,D,V,f)组成。

量子比特可能是|0>和|1>以任意概率的叠加,根据叠加原理,量子比特表达式为

|ψ>=α|0>+β|1>

(1)

式(1)中,α和β表示复数,代表量子态|ψ>因测量导致坍缩到|0>态和|1>态的概率幅值[10],且满足的归一化条件为

(2)

使用量子比特的概率幅进行对染色体编码为

(3)

在QGA算法中,通过量子旋转门中旋转角的变化实现基因的更新和变异,其中表达式为

(4)

给定决策表S=(U,A,V,f),对于种群P={p1,p2,…,pn}中的某一个个体pj(j=1,2,…,n),其适应度函数f(pj)的表达式为

(5)

式(5)中,|pj|表示个体pj中所含的条件属性个数,|c|表示s条件属性个数,Yc(D)的表达式为

(6)

式(6)中,Yc(D)表示c对决策D的近似分类质量。

Petri网由事故诊断数据库所、数据变化和有相弧3个基础数据集合组成。假设七元组=(P,T,F,M0,M1,U,C)表示一个有限的P/T系统,其中库所结点的集合为P={p1,p2,…,pm}(m≥0),变迁结点的集合为T={t1,t2,…,tn}(n≥0),M1表示事故数据变化后点火后的提醒要素,关联矩阵C代表事故诊断数据库所与数据变化之间的发送与接收关系,转移控制矢量U表示系统变迁点火序列。根据约简后的决策表S,提取出条件属性B计算出的报警信息,用条件属性的状态值代表Petri网初始事故诊断数据库所,库所中托肯的分布,即为Petri网模型初始标识向量N0。依据点火规则,对已经满足触发条件的变化数据节点按照顺序点火,待点火完成后,Petri网进入稳定状态,得到终态标识向量M1,根据终态标识向量M1,保护设备动作进行评价,得出故障区域并自行诊断。

3 实验结果与分析

实验采用Proteus仿真软件对系统进行仿真,通过对系统功能的测试,来测试电网调度智能监控的稳定性与电网事故诊断的准确性,进而验证本文系统的有效性,搭建的实验架构示意图如图4所示。

图4 实验架构示意图

在结合系统仿真构建的过程中对实验测试的环境参数进行了记录,其中实验环境参数如表1所示。

表1 实验环境参数

本实验采用的实验数据是某电力有限公司在3月份电网调度监控的数据,实验数据如表2所示。

表2 实验数据

通过上述实验前的准备,接着进行实验的操作,首先对本文系统进行电网调度智能监控的稳定性测试,测试结果与文献[1]和文献[2]的实验结果进行比较,实验结果比较如图5所示。

图5 实验结果比较

由图5可知,本文系统在进行电网调度智能监控的稳定性测试时,电网调度智能监控的稳定性在80%到100%之间波动,波动的幅度较稳定,并且稳定向相对较高。在进行第15次实验时,电网调度智能监控的稳定性最高为95%,电网智能监控的结果具有可信度;文献[1]稳定性在40%到70%之间波动,在进行第30次实验时,电网调度智能监控的稳定性为70%;文献[2]稳定性在40%到80%之间波动,在进行第15次实验时,电网调度智能监控的稳定性为75%,与本文系统相比还有一定的差距。因此,本文系统电网调度智能监控稳定性高,具有一定的可信度。

本文测试结果仍与文献[1]和文献[2]测试结果进行比较,实验结果对比如图6所示。

图6 实验结果比较

由图6可知,本文系统在进行电网调度事故诊断的准确性测试时,在进行的5次实验中,电网调度事故诊断准确性均高于80%,并且在进行第2次实验时,电网调度事故诊断的准确性最高为97%;文献[1]进行第3次实验时84%,准确性最低在第2次实验为65%,中间有19%的波动率,文献[2]在进行电网调度事故诊断的准确性测试时,电网调度事故诊断的准确性最高在进行第1次实验时80%,准确性最低在第3次实验为48%,中间有32%的波动率,由此可见,本文系统对于电网调度事故诊断的准确性相对较高,具有一定的使用价值。

4 总结

为了解决电网扩增带来的电网调度监控与电网事故处理困难的问题,本文设计了电网调度智能监控与事故处理辅助决策系统,通过SCADA服务器、数据库服务器和磁盘阵列,实现存储调用调度监控数据,进而实现电网调度智能监控与事故处理辅助决策的一体化进行。其中,关键技术是设计了电网调度监控告警装置,通过对电网运行数据的处理与分析,采用声光告警方式,实现告警信息及时通知给调度员,最后利用量子遗传优化粗糙Petri网,实现了电网调度事故诊断。