國網(wǎng)山東省電力公司檢修公司 曹亞華 程鳳璐

在電力系統(tǒng)運行過程中，測量得到的數(shù)據(jù)通常會包含有效異常測量數(shù)據(jù)和測量誤差數(shù)據(jù)兩部分。通常后者是符合正態(tài)分布的白噪聲，在對其進行相應的處理后能基本消除其對檢測結(jié)果造成的影響。而異常數(shù)據(jù)在產(chǎn)生后，通常是由于誤差數(shù)據(jù)過大，且無法通過一般手段對其進行補償，進而造成數(shù)據(jù)變化脫離原本正常變化軌跡，最終將會導致電力系統(tǒng)的故障運行。

1 基于改進蟻群算法的電力系統(tǒng)異常數(shù)據(jù)檢測方法設計

1.1 基于改進蟻群算法的異常數(shù)據(jù)特征量提取與聚類

為提高電力系統(tǒng)在運行中的穩(wěn)定性，需在設計異常數(shù)據(jù)檢測方法前引進改進蟻群算法，進行數(shù)據(jù)特征量的提取?？紤]到此過程中異常數(shù)據(jù)以單數(shù)據(jù)與多數(shù)據(jù)的形式存在，因此需提取系統(tǒng)中單數(shù)據(jù)與多數(shù)據(jù)的特征，即可對異常數(shù)據(jù)特征量的提取。電力系統(tǒng)在正常運行時，在系統(tǒng)中呈現(xiàn)平穩(wěn)序列的數(shù)據(jù)屬于單數(shù)據(jù)，難以直接找到數(shù)據(jù)變化規(guī)律，無法使用統(tǒng)一函數(shù)進行表達的數(shù)據(jù)為多數(shù)據(jù)[1]。對于此部分數(shù)據(jù)，需要使用算法，利用蟻群的選擇性，進行簇族中任意一個中心距離與特征點距離的組合計算，并明確在任意一個蟻群中，異常數(shù)據(jù)中心距離與特征點之間的距離為固定的，因此可認為電力數(shù)據(jù)的變化隨著時間的動態(tài)變化而發(fā)生變化，此種變化可使用蟻群轉(zhuǎn)移概率表達，當提取后的數(shù)據(jù)不在概率表達范圍內(nèi)時，可認為系統(tǒng)在運行時產(chǎn)生的此部分數(shù)據(jù)為異常數(shù)據(jù)，完成異常數(shù)據(jù)的提取后，將數(shù)據(jù)整理成一個標準格式的數(shù)據(jù)組，根據(jù)蟻群的生存方式，進行特征數(shù)據(jù)的聚類處理[2]。

處理過程可用公式Xi=λ1Xi-1+λ2Xi-2+L+λmXi-p+β1表示，式中：Xi表示為基于改進蟻群算法的特征數(shù)據(jù)聚類處理結(jié)果；β1表示為聚類處理過程中系統(tǒng)運行受到外界干擾產(chǎn)生的白噪聲；λm表示為不同時刻下特征數(shù)據(jù)的變化程度，按照公式對單數(shù)據(jù)與多數(shù)據(jù)進行聚類處理。

1.2 電力系統(tǒng)異常數(shù)據(jù)檢測值確定

完成對電力系統(tǒng)運行中異常數(shù)據(jù)的檢測后，明確不同電力設備間傳遞的信息屬于不規(guī)則信息，因此要實現(xiàn)對其中異常數(shù)據(jù)的精準檢測，還需通過示警的方式，將系統(tǒng)在正常條件下產(chǎn)生的數(shù)據(jù)與非正常條件下產(chǎn)生的數(shù)據(jù)進行比對，根據(jù)比對后的結(jié)果確定數(shù)據(jù)具體檢測值[3]。檢測時，需先建立一個針對系統(tǒng)中異常數(shù)據(jù)展示的數(shù)學模型，假設在此過程中異常數(shù)據(jù)的特性表示為W，則數(shù)據(jù)對比的過程可用(W+T)/lgT≥1/2或(W+T)/lgT<1/2表示，式中T表示為異常數(shù)據(jù)檢測值，式中兩個不等式分別對應對檢測目標的“提取”與“不提取”。按照此公式即可實現(xiàn)標準的異常檢測值。

1.3 基于大數(shù)據(jù)分析的系統(tǒng)異常數(shù)據(jù)檢測示警

完成上述研究后，引進大數(shù)據(jù)分析技術(shù)，進行提取檢測值最大似然值的計算，可計算此數(shù)值的過程作為一個動態(tài)數(shù)據(jù)變化規(guī)律深度挖掘的過程，根據(jù)歷史數(shù)據(jù)的有限長度，構(gòu)建一個可用于描述系統(tǒng)不同運行狀態(tài)的模型[4]。在檢測異常數(shù)據(jù)時，根據(jù)前端提取異常數(shù)據(jù)特征量對應的時間序列，進行電力參數(shù)隨機干擾項的分析，并根據(jù)現(xiàn)有的干擾項階層建立一個針對干擾結(jié)果的回歸函數(shù)：

式中：Q表示為系統(tǒng)異常數(shù)據(jù)檢測回歸函數(shù)；j表示為待檢測的異常數(shù)據(jù)量；s表示為數(shù)據(jù)總量。根據(jù)數(shù)據(jù)的時空序列表達方式，進行不同類型數(shù)據(jù)模糊關(guān)系的確定，采用對特定數(shù)據(jù)加時窗的方式得到一個具體的檢測結(jié)果。通常情況下，檢測結(jié)果是以數(shù)據(jù)正態(tài)分布方式呈現(xiàn)的，當數(shù)據(jù)正態(tài)分布范圍在0～1之間時，證明數(shù)據(jù)在電力系統(tǒng)中運行產(chǎn)生的數(shù)據(jù)呈現(xiàn)規(guī)律分布、即不存在異常，當計算后數(shù)值超出預設范圍時，證明此部分數(shù)據(jù)存在異常，提取此部分數(shù)據(jù)即可認為完成對電力系統(tǒng)異常數(shù)據(jù)的檢測。綜上實現(xiàn)基于改進蟻群算法的檢測方法設計。

2 對比實驗

2.1 實驗準備

在完成對基于改進蟻群算法的檢測方法理論設計后，為進一步驗證該方法在真實電力系統(tǒng)運行環(huán)境中，是否能實現(xiàn)對異常數(shù)據(jù)的準確檢測，并驗證改進蟻群算法在電力系統(tǒng)運行領域當中的可行性，開展如下對比實驗：選擇將某電力企業(yè)作為實驗環(huán)境，將從GEphi當中采集到的的電力系統(tǒng)運行數(shù)據(jù)集作為實驗對象，從該數(shù)據(jù)集當中隨機抽取10000個數(shù)據(jù)作為樣本數(shù)據(jù)集。在該樣本數(shù)據(jù)集當中，包含了100個存在異常的數(shù)據(jù)。為確保實驗結(jié)果具有可對比性，選擇將本文提出的基于改進蟻群算法的檢測方法作為實驗組，將傳統(tǒng)基于區(qū)塊鏈技術(shù)的檢測方法作為對照組，分別利用兩種檢測方法對相同的樣本數(shù)據(jù)集進行檢測，并對比其檢測結(jié)果。

在上述實驗準備的基礎上，為了進一步突出本文改進蟻群算法的應用優(yōu)勢，在實驗過程中設置利用相似工具代替原本的異常數(shù)據(jù)，并對異常數(shù)據(jù)進行隱寫處理。為在實驗過程中能應對電力系統(tǒng)運行異常突發(fā)狀況，將其運行環(huán)境的溫度參數(shù)和電流限制參數(shù)設定在標準范圍內(nèi)。在實驗過程中共設置電力系統(tǒng)的三種負載運行狀態(tài)，配電電力設備與大型電力設備所對應的電流和溫度參數(shù)設定分別為：正常周期性負載。1.25p.u./115℃、1.25p.u./115℃；短期負載。1.50p.u./115℃、1.25p.u./115℃；大型電力設備長期負載的電流和溫度為1.65p.u./135℃。這些數(shù)據(jù)為電力系統(tǒng)中各設備電流與溫度的上限數(shù)值，將其作為本文對比實驗的參數(shù)約束條件，在完成實驗后針對其得出的實驗結(jié)果進行比較。

2.2 實驗結(jié)果與分析

按照上述實驗準備內(nèi)容，在完成兩種方法的檢測后將得出的實驗結(jié)果進行記錄，并分別從電流參數(shù)和溫度參數(shù)兩方面對檢測結(jié)果的精度 作為對比指標，其計算公式為τ=|I-a|/I×100%。式中，τ表示為兩種方法檢測結(jié)果精度；I表示為電力系統(tǒng)運行過程中真實電流參數(shù)或溫度參數(shù)；a表示為通過檢測方法檢測得到的電流參數(shù)或溫度參數(shù)。將實驗設置數(shù)據(jù)與兩種檢測方法得出的檢測結(jié)果數(shù)據(jù)代入公式中，完成對兩種檢測方法檢測精度的計算。選擇將上述實驗準備中的第三種電力系統(tǒng)負載運行情況得出的結(jié)果進行分析，并得到如表1所示的實驗結(jié)果。

表1 實驗組與對照組檢測方法檢測結(jié)果對比表

結(jié)合表1中的數(shù)據(jù)可看出，實驗組的檢測結(jié)果精度明顯高于對照組。通過上述對比實驗的方式證明，本文提出的基于改進蟻群算法的檢測方法在應用到電力系統(tǒng)運行環(huán)境當中，可實現(xiàn)對其異常數(shù)據(jù)的高精度檢測。同時，將改進蟻群算法應用到對電力系統(tǒng)的運行維護當中，可為其運行階段的維護與維修策略提出提供事實依據(jù)，具有更高的可行性。

綜上，盡管當前改進蟻群算法在應用到具體檢測環(huán)境當中的效果較為理想，但因運行環(huán)境復雜且干擾因素眾多，檢測過程中仍然有待進一步解決和優(yōu)化的問題。針對存在的問題，還將對其進行更加深入的探究。