基于智能索引算法的集控设备事故辅助预警方法研究

李 鹏，林 显，曾旭川

（三峡水利枢纽梯级调度通信中心，四川成都 610094）

在“流域主导型、市场导向型、决策智慧型、管理创新型”四型梯调建设中，智慧调度是很重要的组成部分。但集控中心设备多数为24 小时高强度运行状态，在长期运行过程中均存在不同程度的异常现象[1-2]，该类异常通常被划分为可承受风险和不可承受风险，其中可承受风险通过定期对集控设备进行保养和更换配件得到解决[3]，而不可承受风险则造成设备损毁的同时也威胁着其他设备安全运行。为此对集控设备进行事故辅助预警非常有必要。学者李丞曜等[4]利用推理方式获得设备当前运行风险程度，通过设置风险阈值实现事故辅助预警，马波等[5]提出将设备运行数据输入到无限学生t混合模型内，利用该模型迭代输出故障辅助预警结果。但上述两种方法在应用过程中受设备数据众多、数据维度不统一影响，使其辅助预警结果不够准确。

空间索引算法是从海量的大数据内检索到关键信息的算法，空间索引算法包含R-树、四叉树、八叉树等算法，其中R-树动态索引算法是运用最为广泛的算法。该算法在检索信息时具备较高的检索效率和较低的时间复杂度[6]。为解决调控值班中的痛点难点，提升电力集控中心远程调控及设备故障预警智能化水平，把调控值班人员从大量重复性工作中解放出来，更加专注于核心能力提升。将空间索引算法应用其中，研究基于智能索引算法的集控设备事故辅助预警方法。

1 集控设备事故辅助预警方法

1.1 集控设备数据采集

集控设备数据采集是其事故辅助预警的基础，但集控设备始终保持高速运行状态，电压互感器型号为JLSZV-10/6，该电压互感器精度较高且适用于较微小的集控设备电压采集，其采样偏差数值为0.08 V 左右。电流互感器和电压互感器参数如表1所示。

表1 电流与电压互感器详细参数

利用电流互感器和电压互感器采集集控设备运行数据，将该数据导出后获得集控设备的采样值序列，利用采样值序列建立集控设备数据样本集，对用户后续集控设备事故辅助预警。

1.2 基于智能索引算法的集控设备事故信息检索

R-树索引算法将集控设备数据样本集内信息放置于空间数据库内，并为每个数据对象分配一个具备唯一性的元组（tuple），且每个元组均具有独立的标识号。在R 树内，每个叶结点均记录一个空间数据对象，其可由下式描述：

式中，n表示集控设备数据空间维度，tupleideftifier 表示数据对象的元组和标识号；Q0表示集控设备数据的最小包围框；Qi表示在第i维度空间内数据对象范围[7-8]。

在R 树的非叶结点中，其每个索引记录均指向下一个结点，其可由(Q,child-pointer) 描述，其中child-pointer 表示指向下一个结点的指针。依据R树的叶结点和非叶结点描述，建立其检索索引后，利用该索引即可在集控设备数据样本内获取到其事故信息[9-10]。R-树检索集控设备事故数据过程如图1所示。

图1 R-树检索集控设备事故数据过程

将集控设备数据样本导入到R-树模型内，通过建立R 树索引后，计算查询集控设备事故数据坐标范围，并利用建立的R 树索引搜索集控设备事故数据，然后判断事故数据是否在该坐标范围内，若是则输出检索结果，反之则回到上一步重新计算集控设备事故数据坐标范围[11-12]。经过上述步骤，获取到集控设备数据内的相关事故数据。

1.3 基于滑动相似度的辅助预警方法

依据集控设备事故数据间关联规则，计算其滑动相似度，利用集控设备事故数据的滑动相似度，去除个别离群数据样本点，提升集控设备事故辅助预警的精准度。利用滑动相似度计算方式对集控设备事故辅助预警过程如下：

令xi、xj分别表示模糊推理得到的参考状态向量和正常状态向量，二者之间的欧氏距离用dij表示，其表达公式如下：

式中，o表示集控设备状态向量维度；k表示向量内元素序号[13-15]。

令区间[0,1]范围内的标准化相似度为U(xi,xj)，其表达公式如下：

依据式（3）的相似度标准，计算集控设备状态向量和参考向量的相似度数值[16-17]，其表达公式如下：

由于集控设备状态变量内涵盖的故障数据量不同，且某些变量间存在关联关系，其可反映不同的集控设备故障，在此引入故障辅助预警的贡献权重ϕk对式（4）进行改进，则有：

依据式（5）计算得到集控设备状态变量和参考变量间相似度后，利用该相似度数值组成相似度向量，然后利用滑动窗口方法实现集控设备故障辅助预警，其过程如下：

令N表示滑动窗口宽度即个数，由集控设备状态变量和参考变量间相似度组成的相似度序列由式（6）表示：

计算式（6）在滑动N个窗口后的滑动相似度平均值，其表达公式如下：

利用式（7）计算所有集控设备故障数据相似度数值的平均值后，将该平均值组成向量U″，然后设定Um为最小滑动平均相似度，其表达公式如下：

令ε表示辅助报警阈值系数，依据式（8）结果和辅助报警阈值系数确定集控设备故障预警阈值ε，其报警阈值系数为：

式中，辅助报警阈值系数是集控平台人员依据以往经验得到的，为降低集控设备故障辅助报警的误报率，辅助报警阈值系数一般取值为0.85～0.98 之间。当集控设备参考状态向量与实际状态向量的相似度数值低于式（9）数值时，则向用户发出设备故障辅助预警信息。

2 实验分析

以某大型水电集控中心为实验对象，该集控中心内涵盖若干台0.56 万千瓦的水轮发电机组，总装机容量高达1.5 万千瓦。在该水电集控中心内，一次、二次变电设备、转接设备、负载调压设备以及监控设备众多，为保障该水电集控中心各设备正常运转，应用该文方法对其展开设备事故辅助预警，同时验证所提方法实际应用效果。为使实验结果更加准确，使用Matlab 仿真软件模拟该大型水电集控中心设备运行环境，进行模拟仿真实验。

2.1 数据采集

以水电集控中心的电压转换设备为实验对象，在Matlab 仿真软件内设置该设备电压出现微小波动状况[18-19]，使用所提方法采集该设备电压，测试所提方法对设备微小电压的数据采集效果，结果如图2所示。

图2 微小设备电压数据采集测试结果

分析图2 可知，在Matlab 仿真软件内模拟电压转换设备电压轻微波动情况时，该文方法采集的设备电压数值曲线与仿真软件模拟数值曲线几乎重合，仅在电压出现波动的波峰和波谷位置处存在轻微偏差。其中，最大偏差出现在时间为0.5 s时，该电压转换设备电压出现下降的波谷位置，其偏差数值为0.05 V左右，该数值在电压互感器采样允许偏差数值内。

2.2 设备事故信息检索测试

以水电集控设备某段时间内的20 000 个运行数据为实验对象，应用所提方法在20 000 个运行数据内检索其事故数据，结果如表2 所示。为更明确呈现所提方法设备事故信息检索功能，同时使用文献[4]方法和文献[5]方法展开对比实验。

表2 设备事故信息检索测试结果

分析表2 可知，所提方法在开始检索水电集控设备事故信息的第0.2s时，其检索到的设备事故信息数量均高于文献[4]方法和文献[5]方法。随着检索时间的增加，所提方法在检索时间为0.8s时其检索设备事故信息数量与实际设备事故信息数量完全相同，而文献[4]方法和文献[5]方法分别在检索时间为1.4s和1.6s时其检索设备事故信息数量与实际设备事故信息数量相同，说明所提方法可有效检索设备数据内的事故信息的同时，其检索时间消耗较少，检索设备事故信息速度较快。

2.3 辅助预警效果测试

以模糊置信度衡量该文方法辅助预警精度，测试在不同集控设备运行数据量情况下，该文方法在辅助预警过程中的模糊置信度变化情况，结果如图3所示。

图3 辅助预警模糊置信度变化情况

分析图3 可知，该文方法在辅助预警集控设备事故时的模糊置信度数值随着设备运行数据量的增加呈现轻微波动趋势，其数值始终保持在0.9 左右。而文献[4]方法和文献[5]方法的模糊置信度数值则随着设备运行数据量的增加呈现降低趋势，其中文献[5]方法的模糊置信度数值降低趋势尤为明显。说明该文方法在辅助预警集控设备事故时的模糊置信度数值较高，说明其预警精度较好。

进一步验证该文方法对水电集控设备事故的预警能力，在Matlab 仿真软件内模拟不同次数的设备运行事故，同时使用三种方法对其进行预警，结果如图4 所示。

图4 水电集控设备预警测试结果

分析图4 可知，三种集控设备事故辅助预警方法在模拟集控设备事故次数为1 000 次之前时，其辅助预警次数和模拟次数完全相同，但在模拟集控设备事故次数为2 500 次时，该文方法预警次数与模拟次数之间的差值最小。

3 结论

该文研究了基于智能索引算法的集控设备事故辅助预警方法，应用到了智能索引算法内的R-树算法，利用其搜索集控设备运行数据内的事故信息，具备较好的集控设备运行数据采集能力和设备事故信息检索能力，同时其具备较为准确的集控设备事故辅助预警能力。