全通信链路分配下的智能变电站安全光纤在线监测方法

冯宇，孙宝华，张磊，王准，董思蒙

（1.国网辽宁信通公司，沈阳 110006； 2.国网营口供电公司，营口 115002）

引言

智能变电站是未来电力系统的发展方向，其集成了现代通信技术、计算机技术、控制技术和传感器技术等多种技术手段，具有高效、可靠、安全、环保等特点。然而，由于变电站设备复杂、工作环境恶劣，其经常出现故障，导致电力系统的不稳定和停电等问题。因此，实现对智能变电站设备的快速、准确故障诊断和安全监测具有重要的现实意义。

就目前现阶段所采用方法而言，如钟鸣，陶军，刘洵宇等[1]与杨超，伏晓燕[2]提出方法所涉算法来看，其主要从优化目标点特征出发，通过数据映射与反馈信号的差异为判定依据，虽然能够有效快速的确定光纤节点状态，达到监测效果，但是忽略了智能变电站网络自身链路多层属性对状态节点传输的影响，局部单一节点状态并不能真实反映对应光纤链路服务状态，由此所得的监测结果与实际状态存在较大偏差。此类问题在国外文献[3, 4]中同样存在，虽然其中采用了神经网络来适应通信网络结构，但链路拓扑结构所形成的信息时延问题，依旧存在，监测偏差问题出现概率仍然很高。

为此，如何解决全通信链路下安全光纤在线监测偏差问题，成为了研究热门。本文将介绍一种基于全通信链路分配下的智能变电站安全光纤在线监测方法，通过将光纤传感器与全通信链路技术相结合，实现对变电站设备的安全监测和故障诊断。

1 在线监测参量及其规则的定义与计算

1.1 全通信链路分配下智能变电站安全光纤节点状态编码规则

1.1.1 异常光纤节点状态编码规则

为了解决智能变电站光纤在线状态辨别分析计算压力大的问题，通过降低分析计算的复杂度，从而提高了辨别效率。具体来说，全通信链路分配算法通过对异常表征节点进行状态编码规则定义，将复杂的通信链路分解为多个独立的子链路，并对每个子链路进行状态评估。得到编码规则评估关系式为：

式中：

nj(j=1, 2,…,m)—安全光纤状态节点所对应第j个位置上的当前状态；

—由多个虚节点特征的状态表征节点总数。

在全局状态链路中，节点编码的差异对状态反应的精准度具有重要影响。为了确保状态反应的准确性，需要对节点编码进行统一管理。基于全通信链路分配算法的结构特点，可以采用一种编码规则来评估节点状态与链路状态之间的关系。其中，直连链路结构下的节点状态，可以利用这种编码规则来确定其对应的链路状态编码。通过深入分析节点之间的关系，可以更好地理解链路状态的变化规律，从而更准确地评估节点状态对链路状态的影响。通过利用全通信链路分配算法的结构特点，链路下层的交换机链路与对应上层交互状态节点被统一定义为虚节点n′。链路连接结构如图1 所示。

图1 链路连接结构

基于上述分析，引入全通信链路分配算法后的智能变电站光纤安全节点状态编码N所对应构成节点的集合，可以描述为：

按照上述集合关系，智能变电站安全光纤链路中异常状态节点的编码存在两种形式，分别对应直连链路异常状态，其编码为N=[0010010]；另一种为交换链路异常状态，其编码为N=[0100010]，根据异常位置的不同，每一条链路均有唯一的状态编码标识。

1.1.2 全通信链路分配下的光纤链路状态编码

根据上述异常状态节点的编码规则，定义目标智能变电站全通信链路分配下链路异常状态为1，正常状态为0。 则全局连接状态编码集合L的关系函数式可以表达为：

式中：

li(i=1, 2,…,e)—第i条链路的状态编码；

e—优化分配链路总数。

1.2 变电站安全节点服务在线链路重要度计算

在智能变电站的运行体系中，核心层的运行状态与不同链路下的服务层紧密关联。这些服务对应层具有各自独特的优先级，进一步导致其对应链路层的重要度各具特点。考虑到一条链路通常情况下承载多个关键服务这一特性，在优化过程中不仅关注主传输链路，还特别为每个关键服务配置了备用安全链路。

为了确保系统的稳定性和安全性，这些设定的安全链路严格遵循最大不相交原则。这一原则的采纳旨在最大限度地减少与直连链路之间的重叠部分，从而降低潜在的干扰和风险。在直连链路出现离线等异常状况时，系统能够凭借预设的快速切换机制，迅速从主链路切换至安全链路。

在服务配置主备链路的传输过程中，其重要度的计算是一个关键环节。根据实际运行情况和数据反馈，总结出了以下三种主要情况，以供后续研究和应用参考：

1）针对全局分配链路下第x个0 保护链路的服务，其中，x=1, 2,…,X，X代表该状态特征类型服务的总数，其直连链路QM(Sx,Tx)如图2（a）所示。

图2 变电站安全节点服务在线链路有用性分析

2）针对全局分配链路下第y个配置交换机1 ∶1 保护链路的服务，其中，y=1, 2,…,Y，Y代表该状态特征类型服务总数，其QM(Sy,Ty)与安全链路QB(Sy,Ty)如图2（b）所示，其中红色为QM(Sy,Ty)，蓝色为QB(Sy,Ty)；

3）针对全局分配链路下第z个配置子链路1 ∶1 保护链路的服务，其中，z=1, 2,…,Z，Z为该状态特征类型服务总数，其服务主安全链路情况如图1（c）所示。同样，图2（c）中红色为QM(Sz,Tz)，蓝色为QB(Sz,Tz)。

针对0 保护链路下的服务状态，弱链路中任意一条链路状态处于离线时，其对应服务受其直接影响同处于中断状态，此时本地服务可用性直接决定该条链路是否能够恢复在线状态。由此，定义第x个0 保护链路下离线服务的服务可用性为OxBAS，则其关系函数可以表达为：

式中：

Ix—全通信链路中第x个0 保护链路的服务重要度；

此类情况可通过链路数据分配下同级数据交互特征进行描述，即当服务重要度参量为定值的条件下，服务所关联的链路越多，服务可用性越低。即Sx与xT的状态服务属性不变，若服务关联的链路数量越多，则该服务对应节点交互过程中的状态越容易受到链路失效因素的影响，导致其相应服务中断，链路处于离线状态。

配置与在线链路完全独立的交换机1 ∶1 保护链路所对应服务除已知参量QM(Sy,Ty)外，还需获取QB(Sy,Ty)参量。此类型服务所对应直连链路中任意一条链路离线后可直接切换至安全链路，保留原链路下服务；由此，定义全局分配链路下第y个满足交换机1 ∶1 保护条件下的链路服务可用性的关系函数为：

式中：

Iy—全局分配链路下第y个配置交换机1 ∶1 保护链路的服务重要度；

式中：

在智能变电站安全光纤链路运行中，针对局部链路根据控制电路需求采用同级并联结构传输的实际情境，提出方法在重要度计算中，根据对应链路对应服务的实际可用性，对链路的重要度系数进行适当调整。研究显示，当服务的重要程度一定时，服务传输链路的数量增加可以提高服务的可用性。反之，若其中任意一条链路所关联的链路数量过多，可能会导致服务的可用性降低。此外，相较于仅有0 保护链路的服务配置，采用1 ∶1 保护链路的服务除了直连链路外，还配备了安全链路。然而，无论是直连链路还是安全链路，经过的链路数量越多，因链路离线导致服务中断的可能性就越高。

因此，在计算过程中采用区块划分的优化方法能够有效提升全局链路对应服务重要度的计算精度，其链路区块划分比例按照上述链路配置1 ∶1 保护进行配置，以此实现对直连链路下部分子链路的分离处理，当相同类型服务所对应直连链路离线后，该链路下的服务会切换到安全链路，而直连链路中0 保护的链路离线后处于该链路中所有服务仍会进入服务中断状态。因此定义子链路1 ∶1 保护链路中0 保护下的链路为，其关系函数为：

定义全局分配链路下第z个配置子链路1 ∶1 保护链路所对应的服务可用性为，其计算公式可以表达为：

式中：

Iz—全局分配链路下第z个配置子链路1 ∶1 保护链路下对应服务的重要度。

式中：

在直连链路的环境中，当保护链路数量逐渐减少时，服务的中断概率呈现出上升的趋势。这意味着链路状态的重要度模型逐渐接近串联电路，进而导致服务的可用性降低。当保护链路数量增加时，链路状态的重要度模型更接近于并联电路，从而提高了服务的可用性。

如果相同类型服务处于0 保护链路下的状态为离线，则其对应服务的全局状态也会呈现离线状态。这类情况与0 保护链路的服务表现非常相似。值得注意的是，当保护链路处于离线状态时，其下的服务仍然可以正常运行，这与交换机1 ∶1 保护链路的服务特性具有相似之处。

总之，在直连链路下，保护链路数量的变化对服务可用性具有显著影响。为了确保服务的稳定性和可靠性，针对全局通信链路中所有0 保护链路、配置交换机1 ∶1 保护链路与配置子链路1 ∶1 保护链路对应服务而言，其服务可用性越大，所在链路重要度越高，其处于在线状态的可靠性越高。因此定义整个通信链路分配网络下服务层可靠性系数为Fservice(G)，计算关系式可以描述为：

链路离线后，该链路相关的服务全部转到安全链路或重新匹配交换机，变电站安全光纤链路的全局带宽占用率增加会直接带动与其相关链路的离线率增高。故此可以得到ei,j离线后服务层链路重要度为∆Fservice(ei,j)，其关系函数可以描述为：

式中：

1.3 全通信链路分配下的智能变电站安全光纤在线监测结果输出

基于上述链路重要度分析结果，对其在线监测结果进行结果整理输出。考虑到上述多组分配类型下状态监测评估结果多以发送SV 或GOOSE 消息信息为判断依据，因此可根据离线链路节点中断服务时，其对应位置信息的梯度概率，计算得到安全光线是否处于离线状态，进而判定其在线状态。具体操作如下：

首先，通过SCD 文件中状态权重信息的分析与其时间变化间隔之间对应光纤区段标识，可生成IED 安全设备下对应光纤区段X 的在线状态信息数据集：

式中：

f(x1,xn)—安全光纤设备下区段x1与区段xn之间的状态联系，当区段 1x与区段xn的信息存在状态关联。则其对应状态系数为1，当区段 1x与区段xn的信息不存在状态关联，则区段xn的状态自相关数据集为：

当智能变电站安全光纤链路断链出现时，离线服务节点数据中每个区段的集合，可以表达为：

若区段xn包含离线节点信息，则在链路分配下其对应f的参数值为1，若不包含离线节点信息，则对应参数值为0；此时，IED 安全设备所对应光纤区段xn的在线状态输出结果为：

注意到智能变电站安全链路网络结构与分配参量的不同，其对应IED 安全设备下的状态S 值大小可以作为光纤在线与否的判定指标，从而得出精准的监测结果。

2 应用测试

为了验证提出监测方法在实际场景中的有效性，采用仿真对比实验设计，通过模拟真实智能变电站安全链路场景，与对比方法在相同环境条件下共同完成相关指标量的测试，通过数据采集、对比、分析，得出测试结论，验证提出方法。其中作为验证方法的对比样本方法的构成监测方法设置为两种不同算法的监测方法，分别简称为参CY-1 与CY-2；提出方法简称为YZ-0。

2.1 测试环境搭建

根据测试需要搭建测试环境，其中包括：光纤传感器，用于监测光纤的温度、应变、振动等参数；数据采集模块，负责接收传感器网络传输的数据，并对数据进行预处理；数据处理模块，对预处理后的数据进行进一步的分析和处理，以提取出光纤的状态信息；数据传输模块，将处理后的数据传输至监控中心，实现数据的远程传输和共享；监控中心，负责接收和处理来自数据传输模块的数据，对光纤的状态进行实时监测和预警。测试网络结构如图3 所示。

图3 测试网络结构

图3中，测试过程中所涉数据样本采用历年变电站故障样本，通过测试工具matlab 随机抽取的方式配置其数量与类型，以此确保测试结果更加接近实际应用场景。

2.2 监测偏差测试

随机抽取3 000 条异常状态数据，分别配置到3 路变电站链路下的测试机组，每路各1 000条异常状态数据；分别有三种不同监测方法分别对其进行监测，所得数据由matlab 测试工具下SCD-SV 数据分析统计插件分析整理后，输出为统计图，如图4 所示。根据所得指标对比分析，得出测试结论。

图4 不同监测方法不同链路通道下所得结果偏差统计

根据图4 的测试结果的对比分析可以发现，三组安全光纤状态监测方法在不同层级链路上的监测效果各不相同，且各自监测结果偏差较大。其中CY-1 所得监测偏差权重整体表征为缓慢增长趋势，说明该方法在测试网络环境下，监测结果的偏差大小随链路层深度的增长而增大；按照偏差权重越大，对应方法监测结果偏差值越大的判定规则，CY-1 测试结果无法满足测试要求。按照上述分析与判定方法，分析得到CY-2 所得指标性能同样无法满足测试要求，但是其性能整体表征优于CY-1，主要表现在偏差权重值小于CY-1 权重值与其整体变化趋势中存在收敛痕迹。相比上述两种方法所得测试结果，YZ-0 的指标更能满足测试要求，其权重值相比两种对比方法所得权重值小，说明其具有较好的监测精准度，另外其波动小，有收敛痕迹，说明该方法具有较好的控制性与稳定性，综合上述分析，YZ-0 的监测偏差最小，更能满足实际应用要求。

2.3 可靠性测试

为了验证提出监测方法检测效果的可靠性，在搭建3 层链路网络结构中随机配置光纤服务在“在线”与“离线”两种状态之间切换，每条链路通道对应切换次数5 000 次，切换时间间隔为100 ms，每种监测方法所得结果经过统计后生成表1，通过对比分析表1 数据，得出测试结果。

表1 光纤随机状态监测结果可靠性统计

根据表1 所示的数据可以直观的展现出YZ-0 的整体可靠性优于另外两种监测方法。除指标值大于CY-1与CY-2 外，3 组链路通道所得指标值之间的变化幅度也能说明YZ-0 具有更好的监测鲁棒性，因此YZ-0 对应的可靠性最好。

3 结束语

针对智能变电站安全光纤链路结构，采用全通信链路分配优化方案，对当前智能变电站安全光纤在线监测方法存在的偏差问题进行研究，并取得了预期效果，彻底解决监测偏差较大问题。但是，需要注意到智能变电站网络结构的复杂程度日益加深，其对应变量的可控程度不断减弱，因此监测效果的稳定周期处于递减状态。为了延长监测效果的稳定周期，需要在未来的研究中，针对智能化链路分布特征展开研究，精简链路状态计算过程，提升问题链路区域感知能力，优化多链路、多层级、多尺度下的超分计算能力，以此确保提出方法时刻处于最佳的监测状态。