电力数据信息网络阻塞故障节点快速辨识研究

2024-03-11沈越欣许静萱唐志斌

电子设计工程 2024年5期

方圆，沈越欣，许静萱，丁鑫，唐志斌

（1.国网安徽省电力有限公司信息通信分公司，安徽合肥 230022；2.北京简易网安科技有限公司，北京 100000）

由于电力系统受到热容量和稳定性限制以及运行环境和复杂控制参数的不确定性的影响，导致电力数据信息网络出现了严重阻塞问题，路由节点故障频发。为提高网络寿命，必须对网络中路由故障节点进行有效检测。为此，对电力数据信息网络阻塞故障节点进行辨识具有重要意义。

文献[1]提出了基于改进生成式对抗网络的辨识方法，该方法对生成式对抗网络进行改进，生成异常数据样本，获取数据分布特性，由此确定样本扩充比例。在扩充得到的数据集上，利用孤立森林算法，实现故障节点辨识。文献[2]提出了基于高频测试信号注入的识别方法，该方法通过智能电表，获取阻抗参数，根据阻抗特性，辨识故障节点。然而由于故障节点中包括脆弱性节点，上述方法的辨识效果较差。

为此，提出了电力数据信息网络阻塞故障节点快速辨识方法。通过构建网络阻塞故障节点跟踪模型，形成故障节点跟踪集合。采用层次分析法和极差法，构造比较矩阵和判断矩阵，计算辨识指标权重向量。定量分析故障数据特征，获取故障节点信息特征矢量。利用神经网络模型，构建分析矩阵，得到故障节点分布结果，缩短了辨识时间，加快了辨识速率。通过量化指标，辨识故障节点，计算节点继电保护脆弱贡献度，实现了脆弱故障节点辨识。

1 基于神经网络的阻塞故障节点快速辨识

1.1 网络阻塞故障节点跟踪模型构建

在电力数据信息网络阻塞故障节点跟踪过程中，需要建立跟踪模型，如图1 所示。

图1 网络阻塞故障节点跟踪模型

由图1 可知，该模型用于描述网络中信息传输时节点的能量和负载转移情况[3]。在模型分析中，假定中间节点数目与边界数目相等的情况下，对电力数据信息网络阻塞原因进行了如下分析：在网络发生堵塞时，节点会超负荷，将其从电网中剔除，然后再重复，形成一组故障节点跟踪集合。整合全部跟踪数据，为目标辨识提供数据支持。

1.2 辨识指标权重向量计算

假设存在i、k两个节点，为了确定这个节点的指标权重，使用层次分析法[4-6]，首先构造比较矩阵E，然后利用设定(1，0.5，0)三标度作为权重对比依据，最后将比较矩阵转换为判断矩阵后，获取辨识指标权重向量。构造的比较矩阵E可表示为式（1）：

设定(1，0.5，0)三标度作为权重对比依据表示为：

使用极差法构造的判断矩阵R可表示为：

式中，xik表示电力数据信息网络阻塞程度值[7-9]。通过对判定矩阵的一致性检验，采用矢量规格化方法得到辨识指标权重向量。

1.3 故障数据特征数字化

通过对电网历史故障数据的采集，对其进行定量化，得出初始故障数据和最终故障规模[10]；初始故障信息矢量代表了节点数量和初始故障的严重性，如式（4）所示：

式中，xm、ym分别表示第m次模拟初始的网络阻塞故障时的位置所在节点号；Δrim、Δrjm分别表示第m次模拟初始的网络阻塞故障时的节点电压下降程度[11-13]。将模拟所得的故障数据进行特征数字化处理，以含有初始故障信息的矢量为输入，以含有最终故障规模分布概率的矢量为输出。

1.4 网络阻塞故障节点快速辨识

以初始故障节点与最终故障节点之间的高度非线性映射关系为基础，对不同故障类型下各节点的连锁故障风险进行了定量分析[14]。为了加快辨识速率，提出了一种基于神经网络分析模型，其节点分布如图2 所示。

图2 节点分布示意图

为了方便存储分析结果，在神经网络最内层设置一个循环层[15]。针对该原理，计算神经网络输出结果，公式为：

式中，λ(·)表示激活函数；ωi表示层与层之间的权重；zi表示隐藏层遗忘门数值。将历史电压数据划分为训练组和测试组，并由此构建分析矩阵，可表示为：

结合预处理后的Gm和分析矩阵，根据不同节点之间的非线性映射关系，估算出任何一次故障后的最终故障规模分布，可描述成如下公式：

式中，qloss、qall分别表示丢失负荷和总负荷，通过多次模拟能够得到最终概率分布矩阵[16]。根据所有节点在不同故障类型下的风险，通过量化指标辨识故障节点，各个节点故障风险量化值，如下所示：

式中，Wo表示包含节点i的初始故障位置向量；ho表示故障时不同节点故障严重程度向量；W表示所有故障位置集合；h表示所有故障严重程度集合；I表示索引函数。比较各个节点故障风险量化值，可确定各个节点故障程度。

2 脆弱性故障节点辨识

脆弱性易受电力数据信息网络拓扑影响，网络在遭受攻击时，会因渗透作用而扩展故障范围，从而造成整个系统的崩溃。由此可见，电网中脆弱性故障节点辨识的重要性。

脆弱性故障节点辨识流程，如下所示：

步骤1：区分电源节点和负荷节点，将具有网络通信特点的节点划分到待辨识节点范畴；

步骤2：利用基于映射分区的无功电压控制分区法，将电源节点和负荷节点进行分区，分别找出各个主要范畴的关键节点；

步骤3：在系统中，当一个节点发生故障时，它会立刻做出响应，并通过切换后备线路或跳闸来减少或避免节点故障所带来的损失，使非故障部件快速恢复到正常状态。基于此，计算节点i的继电保护脆弱贡献度，如式（9）所示：

式中，ςi表示j个节点的度。该公式表示了与节点i连接的网络节点的脆弱贡献度。

节点的脆弱贡献度可以较好地反映出节点脆弱性受保护装置影响的程度，数值愈大，则愈说明保护装置对节点脆弱性影响程度越大。

步骤4：选择最短路径传输节点间的信息。对于某一个无向无权网络，节点介数数学表达式为：

式中，nik表示i、k两个节点之间的有效路径数量；nik(e)表示i、k两个节点之间的有效路径经过边e的数量，通过该公式能够更加合理有效辨识出脆弱故障节点。

3 实验

为了验证电力数据信息网络阻塞故障节点快速辨识性能，进行实验验证。

3.1 实验准备

使用两台计算机进行电力数据信息网络路由通信，该通信主要为MAC 协议，通过IEEE 802.15.4 路由协议模型进行电力数据传输。采用Matlab 仿真工具，在簇头生成过程中形成25 个帧，时间间隔为100 ms，信道带宽为2 ms，对自动控制电力网路阻塞故障节点进行平均采样，节点样本值为41 个，节点分布如图2 所示。

根据上述节点分布结构，进行节点故障辨识，对采集到的故障信号样本分类后，得到100 个故障状态样本和100 个正常状态样本，由此能够获取200 个样本。将样本按照2∶1 分成训练集和测试集，由此得到的故障节点信息特征，如图3 所示。