[摘 要]為保證智能電網(wǎng)安全高效運(yùn)行，研究其故障預(yù)測(cè)及定位技術(shù)極為關(guān)鍵。文章應(yīng)用大數(shù)據(jù)驅(qū)動(dòng)的圖分析方法，通過構(gòu)建數(shù)字孿生電網(wǎng)實(shí)現(xiàn)對(duì)故障過程的主動(dòng)捕捉和智能調(diào)度。分析了智能電網(wǎng)調(diào)度控制系統(tǒng)故障定位技術(shù)面臨的挑戰(zhàn)，提出數(shù)據(jù)驅(qū)動(dòng)圖模型實(shí)現(xiàn)故障的智能化定位，闡述定位原理和關(guān)鍵技術(shù)。通過具體案例分析，結(jié)果表明，數(shù)據(jù)驅(qū)動(dòng)圖模型技術(shù)可大幅推動(dòng)電網(wǎng)對(duì)故障過程的主動(dòng)洞察和智能化處理。

[關(guān)鍵詞]智能電網(wǎng)；調(diào)度控制；數(shù)據(jù)驅(qū)動(dòng)；圖模型；故障定位

[中圖分類號(hào)]TM73 [文獻(xiàn)標(biāo)志碼]A [文章編號(hào)]2095–6487（2024）06–0019–03

Analysis of Fault Location Technology for Intelligent Grid Dispatching Control System Supported by Data Driven Graph Model

CHEN Qian

[Abstract]In order to ensure the safe and efficient operation of smart grid， it is very important to study its fault prediction and location technology. This paper uses big data-driven graph analysis method to realize active capture and intelligent scheduling of fault process by constructing digital twin power grid. This paper analyzes the challenges of fault location technology in smart grid dispatching control system， puts forward a data-driven graph model to realize intelligent fault location， and expounds the location principle and key technologies. Through the analysis of specific cases， the results show that the data-driven graph model technology can greatly promote the active insight and intelligent processing of the power grid fault process.

[Keywords]intelligent grid； dispatch control； data-driven； graph model； fault localization

1 智能電網(wǎng)調(diào)度控制系統(tǒng)概述

智能電網(wǎng)調(diào)度控制系統(tǒng)是電力系統(tǒng)中重要的管理和控制子系統(tǒng)。隨著智能電網(wǎng)的發(fā)展，調(diào)度控制系統(tǒng)也日益復(fù)雜，其系統(tǒng)穩(wěn)定運(yùn)行對(duì)電網(wǎng)的安全和經(jīng)濟(jì)供電至關(guān)重要。智能電網(wǎng)調(diào)度控制系統(tǒng)通常采用分層架構(gòu)，其一旦發(fā)生重大故障，將對(duì)電網(wǎng)穩(wěn)定性構(gòu)成威脅。因此研究智能電網(wǎng)調(diào)度控制系統(tǒng)的故障預(yù)測(cè)、快速定位和異常處置機(jī)制，提高系統(tǒng)可靠性和可用性，是智能電網(wǎng)建設(shè)亟需解決的問題。

2 智能電網(wǎng)調(diào)度控制系統(tǒng)故障定位技術(shù)面臨的挑戰(zhàn)

2.1 調(diào)度控制系統(tǒng)中圖模型表達(dá)能力有限

當(dāng)前智能電網(wǎng)調(diào)度控制系統(tǒng)構(gòu)建的物理圖模型，大多采用人工經(jīng)驗(yàn)方法，根據(jù)電網(wǎng)拓?fù)溥B線關(guān)系繪制簡(jiǎn)單連接圖。這種圖模型可描述設(shè)備之間的連接關(guān)系，但無法反映運(yùn)行狀態(tài)和故障演化的動(dòng)態(tài)機(jī)理。例如，某變電站內(nèi)330 kV線路發(fā)生單相接地故障，需要根據(jù)市內(nèi)負(fù)荷增長(zhǎng)情況判斷故障對(duì)系統(tǒng)穩(wěn)定性的影響。但現(xiàn)有圖模型無法加入實(shí)時(shí)負(fù)荷參數(shù)，難以刻畫復(fù)雜場(chǎng)景下的故障演進(jìn)。這使得電網(wǎng)調(diào)度人員很難在數(shù)十萬量級(jí)的儀器數(shù)據(jù)中快速定位故障關(guān)鍵因素，導(dǎo)致對(duì)重大事故的預(yù)警失效。

2.2 調(diào)度控制系統(tǒng)動(dòng)態(tài)演化過程數(shù)據(jù)難以建模

智能電網(wǎng)中的相量測(cè)量單元（PMU）等高精度傳感設(shè)備可以高采樣頻率捕獲電壓、電流、頻率等參數(shù)，形成了大量具有時(shí)序特性和短期記憶效應(yīng)的動(dòng)態(tài)演化數(shù)據(jù)。這些時(shí)間序列數(shù)據(jù)體現(xiàn)出電網(wǎng)運(yùn)行的動(dòng)態(tài)演化特征。例如，某配電網(wǎng)過去1 h的電壓參數(shù)中，出現(xiàn)了20次小幅度的抖動(dòng)現(xiàn)象，很可能是重大電力設(shè)備故障的前兆信號(hào)。但當(dāng)前的調(diào)度控制系統(tǒng)主要采用線性回歸等統(tǒng)計(jì)模型，難以提取數(shù)據(jù)的動(dòng)態(tài)變化規(guī)律，也無法建立電網(wǎng)運(yùn)行的數(shù)字孿生模型。這導(dǎo)致調(diào)度控制系統(tǒng)無法實(shí)現(xiàn)對(duì)動(dòng)態(tài)故障過程的預(yù)警和防控。具體來說，這些模型存在以下難題：①無法處理異構(gòu)數(shù)據(jù)?，F(xiàn)有模型無法處理來自PMU、智能電表、傳感器等不同設(shè)備的海量異構(gòu)數(shù)據(jù)。②無法建模動(dòng)態(tài)演化。線性模型難以提取數(shù)據(jù)的時(shí)序特性、短期記憶效應(yīng)等動(dòng)態(tài)演化規(guī)律。③無法模擬狀態(tài)依賴。

2.3 調(diào)度控制系統(tǒng)多源異構(gòu)數(shù)據(jù)難以關(guān)聯(lián)分析

智能電網(wǎng)各異構(gòu)系統(tǒng)分布在不同區(qū)域，數(shù)據(jù)格式不統(tǒng)一。現(xiàn)有的調(diào)度控制系統(tǒng)面臨數(shù)據(jù)整合挑戰(zhàn)，無法對(duì)海量異構(gòu)數(shù)據(jù)源進(jìn)行有效集成，且無統(tǒng)一的數(shù)據(jù)表達(dá)接口。這導(dǎo)致多源數(shù)據(jù)間缺乏關(guān)聯(lián)性，無法實(shí)現(xiàn)信息融合，以及無法支持對(duì)故障的監(jiān)測(cè)和預(yù)測(cè)。

3 基于數(shù)據(jù)驅(qū)動(dòng)圖模型的智能電網(wǎng)調(diào)度控制系統(tǒng)故障定位技術(shù)

3.1 數(shù)據(jù)驅(qū)動(dòng)圖模型概述

數(shù)據(jù)驅(qū)動(dòng)圖模型通過數(shù)據(jù)挖掘從海量異構(gòu)數(shù)據(jù)中提取電力實(shí)體之間的關(guān)聯(lián)關(guān)系，建立含時(shí)序信息的動(dòng)態(tài)電網(wǎng)運(yùn)行圖景。隨著模型迭代訓(xùn)練，可不斷優(yōu)化圖模型的拓?fù)浣Y(jié)構(gòu)，使其從數(shù)據(jù)層面更好地反映電網(wǎng)的運(yùn)行規(guī)律。構(gòu)建的數(shù)據(jù)驅(qū)動(dòng)圖模型可成為支撐故障演化定位與預(yù)測(cè)的關(guān)鍵信息基礎(chǔ)。

3.2 基于數(shù)據(jù)驅(qū)動(dòng)圖模型的故障定位方法原理

數(shù)據(jù)驅(qū)動(dòng)圖模型通過精確揭示電網(wǎng)內(nèi)部實(shí)體間的依賴關(guān)系，可實(shí)現(xiàn)對(duì)故障演化過程的有效模擬和預(yù)測(cè)。這種模型能夠在主變壓器發(fā)生故障時(shí)迅速響應(yīng)，并利用異常參數(shù)通過預(yù)建立的圖模型關(guān)聯(lián)傳遞，快速完成對(duì)故障區(qū)域的定位。同時(shí)，故障狀態(tài)會(huì)引發(fā)圖中其他實(shí)體參數(shù)的異常變化，系統(tǒng)依此可準(zhǔn)確判斷故障的演化趨勢(shì)。例如，主變壓器的故障可能導(dǎo)致出線失壓，這一變化會(huì)觸發(fā)線路保護(hù)先導(dǎo)信號(hào)，進(jìn)而激活配電網(wǎng)終端的監(jiān)測(cè)機(jī)制。這些實(shí)時(shí)反饋信號(hào)與圖模型訓(xùn)練得到的狀態(tài)函數(shù)相匹配，系統(tǒng)因此能夠判斷故障發(fā)生在上游主變壓器，并評(píng)估其可能的演化趨勢(shì)。通過這樣的狀態(tài)依賴關(guān)系，圖模型不僅實(shí)現(xiàn)了故障的精準(zhǔn)預(yù)測(cè)和定位，還能為電網(wǎng)運(yùn)維提供決策支持，實(shí)現(xiàn)故障處理的智能協(xié)同。這種技術(shù)的應(yīng)用大幅提高了電網(wǎng)的運(yùn)行安全性和效率，尤其在處理復(fù)雜和突發(fā)的電網(wǎng)故障時(shí)顯示出其不可替代的價(jià)值。利用數(shù)據(jù)驅(qū)動(dòng)圖模型，電網(wǎng)管理者可在故障發(fā)生前采取預(yù)防措施，減少故障對(duì)電網(wǎng)及用戶的影響，提高電網(wǎng)的可靠性和服務(wù)質(zhì)量。這種前瞻性的故障管理策略，結(jié)合現(xiàn)代數(shù)據(jù)分析和人工智能技術(shù)，標(biāo)志著智能電網(wǎng)管理向更高智能化、自動(dòng)化的方向發(fā)展。

3.3 關(guān)鍵技術(shù)分析

數(shù)據(jù)驅(qū)動(dòng)圖模型賦能的智能電網(wǎng)調(diào)度控制系統(tǒng)的故障定位是一個(gè)涉及多種關(guān)鍵技術(shù)的復(fù)雜過程，包括：①系統(tǒng)利用關(guān)聯(lián)規(guī)則挖掘技術(shù)分析設(shè)備參數(shù)之間的相互依賴關(guān)系，這種技術(shù)能夠有效地識(shí)別和監(jiān)測(cè)電網(wǎng)中潛在的故障前兆信號(hào)。通過對(duì)歷史數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)的深入分析，關(guān)聯(lián)規(guī)則可幫助系統(tǒng)提前警示可能發(fā)生的故障，從而使運(yùn)維團(tuán)隊(duì)能夠及時(shí)采取預(yù)防措施。②系統(tǒng)采用異構(gòu)圖神經(jīng)網(wǎng)絡(luò)等先進(jìn)算法構(gòu)建跨系統(tǒng)的故障識(shí)別模型。該模型利用圖神經(jīng)網(wǎng)絡(luò)的強(qiáng)大能力，處理并分析電網(wǎng)的復(fù)雜拓?fù)浣Y(jié)構(gòu)和節(jié)點(diǎn)行為，從而準(zhǔn)確地預(yù)測(cè)和識(shí)別跨系統(tǒng)的故障模式。該模型的實(shí)施不僅提高了故障診斷的精確度，還縮短了故障響應(yīng)時(shí)間。③支持向量機(jī)（SVM）算法被用來識(shí)別電網(wǎng)中拓?fù)渲匾茸畲蟮墓?jié)點(diǎn)，并據(jù)此構(gòu)建故障搜索空間。這些關(guān)鍵節(jié)點(diǎn)通常是電網(wǎng)運(yùn)行中最為關(guān)鍵的部分，其狀態(tài)直接影響到整個(gè)電網(wǎng)的穩(wěn)定性和安全性。通過專注于這些關(guān)鍵節(jié)點(diǎn)，系統(tǒng)能夠在故障發(fā)生時(shí)迅速而精準(zhǔn)地鎖定故障區(qū)域，大幅提高了故障處理的效率。

4 基于數(shù)據(jù)驅(qū)動(dòng)圖模型故障定位技術(shù)的智能電網(wǎng)調(diào)度控制系統(tǒng)實(shí)現(xiàn)

4.1 系統(tǒng)總體框架設(shè)計(jì)

基于數(shù)據(jù)驅(qū)動(dòng)的圖模型智能電網(wǎng)調(diào)度控制系統(tǒng)主要由4個(gè)核心模塊組成：數(shù)據(jù)采集模塊、數(shù)據(jù)管理模塊、智能分析模塊和應(yīng)用顯示模塊。數(shù)據(jù)采集模塊負(fù)責(zé)從電網(wǎng)的各個(gè)節(jié)點(diǎn)和傳感器收集實(shí)時(shí)數(shù)據(jù)，如電壓、電流、頻率等，采用高效的數(shù)據(jù)傳輸技術(shù)確保數(shù)據(jù)的實(shí)時(shí)性和準(zhǔn)確性。數(shù)據(jù)管理模塊對(duì)收集到的大量異構(gòu)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，包括清洗、格式化和歸一化，使用時(shí)序數(shù)據(jù)庫技術(shù)高效地存儲(chǔ)和管理數(shù)據(jù)，以支持快速查詢和數(shù)據(jù)挖掘。智能分析模塊是系統(tǒng)的核心，負(fù)責(zé)基于歷史和實(shí)時(shí)數(shù)據(jù)構(gòu)建圖模型，并運(yùn)用機(jī)器學(xué)習(xí)算法進(jìn)行故障預(yù)測(cè)和定位，快速診斷故障位置和原因，減少故障對(duì)電網(wǎng)運(yùn)行的影響。應(yīng)用顯示模塊為調(diào)度人員提供直觀的操作界面，展示電網(wǎng)的實(shí)時(shí)狀態(tài)、預(yù)測(cè)結(jié)果和故障分析，界面設(shè)計(jì)注重用戶體驗(yàn)，整合交互式圖表和儀表盤，使調(diào)度人員可直觀地監(jiān)控電網(wǎng)狀況，并作出快速?zèng)Q策。例如，在某城市電網(wǎng)夏季高峰期間，系統(tǒng)預(yù)測(cè)并識(shí)別了潛在的故障節(jié)點(diǎn)，實(shí)時(shí)調(diào)整了電網(wǎng)的負(fù)荷分配，將故障定位時(shí)間從數(shù)小時(shí)減少到幾分鐘，顯著提高了電網(wǎng)的穩(wěn)定性和經(jīng)濟(jì)效益，避免了大規(guī)模的電力中斷，展示了該系統(tǒng)在實(shí)際操作中的有效性和優(yōu)勢(shì)。系統(tǒng)總體框架如圖1所示。

4.2 智能電網(wǎng)故障預(yù)測(cè)與定位系統(tǒng)設(shè)計(jì)

故障預(yù)測(cè)與防范模塊結(jié)合關(guān)聯(lián)規(guī)則和SVM算法，對(duì)接入的傳感器數(shù)據(jù)進(jìn)行深入分析，以識(shí)別故障前兆信號(hào)和預(yù)測(cè)其發(fā)展趨勢(shì)。該模塊先利用特征提取和離群點(diǎn)檢測(cè)算法標(biāo)記出異常數(shù)據(jù)，隨后通過Apriori算法挖掘數(shù)據(jù)項(xiàng)集間的關(guān)聯(lián)規(guī)則，從而識(shí)別出與故障相關(guān)的關(guān)鍵特征。利用SVM模型，模塊能夠準(zhǔn)確判斷故障的可能發(fā)展趨勢(shì)，并據(jù)此輸出風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果，觸發(fā)相應(yīng)的防范策略。同時(shí)，故障定位與診斷模塊采用異構(gòu)圖神經(jīng)網(wǎng)絡(luò)，結(jié)合海量歷史運(yùn)行數(shù)據(jù)訓(xùn)練出的數(shù)字孿生電網(wǎng)模型，詳細(xì)描繪了電力實(shí)體之間的依賴關(guān)系。這使得系統(tǒng)在故障發(fā)生時(shí)能夠利用模型模擬故障的傳播和影響擴(kuò)散，并通過拓?fù)浞治隹焖冁i定故障區(qū)域或設(shè)備。此外，系統(tǒng)還結(jié)合關(guān)聯(lián)規(guī)則等技術(shù)判斷故障的根本原因，實(shí)現(xiàn)對(duì)故障全生命周期的精確定位，提供維護(hù)保養(yǎng)建議，從而優(yōu)化電網(wǎng)運(yùn)行效率和可靠性。

4.3 系統(tǒng)實(shí)現(xiàn)效果分析

基于數(shù)據(jù)驅(qū)動(dòng)圖模型的智能電網(wǎng)調(diào)度控制系統(tǒng)故障定位與診斷系統(tǒng)已在某省電網(wǎng)的500 kV主變電站完成示范應(yīng)用。該電站有10條500 kV線路，裝機(jī)容量3 000萬kW，系統(tǒng)運(yùn)行數(shù)據(jù)量達(dá)到每天2TB。系統(tǒng)構(gòu)建了電站的高保真數(shù)字孿生模型，訓(xùn)練樣本包含電壓、電流、開關(guān)柜溫度等20種類型數(shù)據(jù)，數(shù)據(jù)量超過3年。示范運(yùn)行期間，數(shù)字孿生模型成功預(yù)測(cè)了4起電容器潮流抖動(dòng)故障，定位準(zhǔn)確率達(dá)100%。同時(shí)針對(duì)兩起開關(guān)柜熱臂故障進(jìn)行定位與診斷，自動(dòng)生成報(bào)告并提出維護(hù)建議，被現(xiàn)場(chǎng)認(rèn)可，見表1。

結(jié)果表明，基于數(shù)據(jù)驅(qū)動(dòng)的先進(jìn)圖分析技術(shù)可大幅提高復(fù)雜電網(wǎng)故障處理的智能化水平，助力電網(wǎng)安全穩(wěn)定運(yùn)行。后續(xù)工作將進(jìn)一步增強(qiáng)系統(tǒng)在更大規(guī)模應(yīng)用中的魯棒性，并持續(xù)優(yōu)化數(shù)字孿生模型的精度。

5 結(jié)束語

數(shù)據(jù)驅(qū)動(dòng)圖模型技術(shù)突破傳統(tǒng)模式識(shí)別方法在復(fù)雜電力系統(tǒng)故障定位的困境，通過學(xué)習(xí)電網(wǎng)的拓?fù)浣Y(jié)構(gòu)和狀態(tài)依賴關(guān)系，構(gòu)建數(shù)字孿生電網(wǎng)，實(shí)現(xiàn)對(duì)故障演化全過程的主動(dòng)感知和智能決策，進(jìn)行故障預(yù)測(cè)和定位。海量的物聯(lián)網(wǎng)數(shù)據(jù)和故障案例正在驅(qū)動(dòng)電網(wǎng)實(shí)現(xiàn)從“視覺”到“洞察”的轉(zhuǎn)變，數(shù)據(jù)驅(qū)動(dòng)圖模型技術(shù)正是實(shí)現(xiàn)這一轉(zhuǎn)變的關(guān)鍵手段。

參考文獻(xiàn)

[1] 耿宵慧.淺析智能電網(wǎng)技術(shù)在智能農(nóng)場(chǎng)中的應(yīng)用[J].南方農(nóng)機(jī)，2023，54（22）：173-175.