吳俊杰, 羅宇, 戴雯菊, 李一荻, 劉亮

(貴州電網(wǎng)有限責(zé)任公司貴陽供電局, 貴州, 貴陽 550000)

0 引言

在電網(wǎng)出現(xiàn)緊急事故時,需依靠調(diào)控人員解決問題,但當(dāng)出現(xiàn)較多事故信號時,調(diào)控人員無法實時高效制定決策[1-2],既增加了調(diào)控人員工作量,也無法快速解決事故問題,還會擴(kuò)大事故范圍[3-4]。因此,研究者們設(shè)計了輔助決策系統(tǒng)來幫助調(diào)控員制定智能化輔助決策。夏小琴等[5]設(shè)計了調(diào)度計劃輔助決策系統(tǒng),通過線性加權(quán)法求解電網(wǎng)發(fā)生故障時,電網(wǎng)運(yùn)行的綜合控制指標(biāo),利用啟發(fā)式方法結(jié)合綜合控制指標(biāo)制定輔助決策,該系統(tǒng)可有效制定輔助決策。石正等[6]針對電網(wǎng)運(yùn)行的安全問題,設(shè)計了電網(wǎng)資源調(diào)度輔助決策系統(tǒng),利用關(guān)聯(lián)匹配方法采集電網(wǎng)調(diào)度資源,通過校核方法評估電網(wǎng)保護(hù)策略的規(guī)范性,根據(jù)評估結(jié)果制定電網(wǎng)資源調(diào)度的輔助決策策略,在直流閉鎖故障下,該系統(tǒng)可有效制定電網(wǎng)資源調(diào)度輔助決策。

以往研究方法的邏輯推理效果均較優(yōu),但容錯效果較差,無法得到完整的電網(wǎng)故障信息,降低了輔助決策制定的合理性,導(dǎo)致調(diào)控人員難以根據(jù)實際運(yùn)行數(shù)據(jù)對調(diào)度操作、異常處置、故障處理中涉及的故障設(shè)備作出快速及時的判斷。SCADA系統(tǒng)擁有監(jiān)測全網(wǎng)數(shù)據(jù)的功能,可從大量SCADA數(shù)據(jù)中挖掘有效故障表象信息[7],幫助調(diào)控人員作出正確的判斷。為此,本文設(shè)計基于SCADA數(shù)據(jù)的電網(wǎng)故障和異常智能分析的輔助決策系統(tǒng),以有效制定輔助決策策略。

1 基于SCADA數(shù)據(jù)的電網(wǎng)故障和異常智能分析的輔助決策系統(tǒng)

以網(wǎng)絡(luò)通信規(guī)約方式采集SCADA數(shù)據(jù),能夠縮減數(shù)據(jù)傳輸流程、減輕后臺監(jiān)控負(fù)擔(dān),但該方式會占用較多的網(wǎng)絡(luò)通信資源,導(dǎo)致系統(tǒng)通信堵塞;以監(jiān)控系統(tǒng)方式采集SCADA數(shù)據(jù),會擴(kuò)展數(shù)據(jù)傳輸流程,影響數(shù)據(jù)傳輸精度,且其易受線程影響,僅在線程空閑時才能確保數(shù)據(jù)在規(guī)定時間內(nèi)完成傳遞[8]。為此,為提升SCADA數(shù)據(jù)采集的安全性,利用電網(wǎng)綜自子系統(tǒng),利用數(shù)據(jù)單向轉(zhuǎn)發(fā)接口,后臺轉(zhuǎn)發(fā)SCADA數(shù)據(jù),并傳輸至輔助決策系統(tǒng)。以電網(wǎng)綜自子系統(tǒng)后臺采集SCADA數(shù)據(jù)為基礎(chǔ),設(shè)計電網(wǎng)故障和異常分析的輔助決策系統(tǒng),系統(tǒng)總體結(jié)構(gòu)如圖1所示。

圖1 輔助決策系統(tǒng)總體結(jié)構(gòu)圖

圖1中:電網(wǎng)綜自子系統(tǒng)利用數(shù)據(jù)單向轉(zhuǎn)發(fā)接口以后臺轉(zhuǎn)發(fā)形式采集電網(wǎng)的SCADA數(shù)據(jù);無線通信模塊依據(jù)ZigBee技術(shù)傳遞采集的SCADA數(shù)據(jù)至數(shù)據(jù)庫;利用數(shù)據(jù)庫初步處理采集的SCADA數(shù)據(jù),建立SCADA數(shù)據(jù)庫;業(yè)務(wù)邏輯層通過ArcGIS Engine組件技術(shù)實現(xiàn)輔助決策系統(tǒng)內(nèi)各模塊間的數(shù)據(jù)交互,利用數(shù)據(jù)管理模塊管理數(shù)據(jù)庫內(nèi)的數(shù)據(jù),為應(yīng)用層內(nèi)各模塊分配所需數(shù)據(jù),還具備權(quán)限管理、與日志管理功能;應(yīng)用層中故障和異常診斷模塊以適配指標(biāo)為目標(biāo)函數(shù),建立電網(wǎng)故障和異常診斷模型,利用帶自適應(yīng)變異的粒子群優(yōu)化算法求解該模型,獲取電網(wǎng)故障和異常診斷結(jié)果,通過輔助決策模塊智能分析故障和異常診斷結(jié)果,確定事故性質(zhì),制定電網(wǎng)故障和異常事故處理的輔助決策,提高電網(wǎng)故障與異常事故處理的效率與水平。

1.1 SCADA數(shù)據(jù)的無線傳輸模塊

利用ZigBee技術(shù)設(shè)計輔助決策系統(tǒng)的無線傳輸模塊。ZigBee網(wǎng)絡(luò)節(jié)點(diǎn)具備休眠功能,僅在需要傳輸SCADA數(shù)據(jù)時會啟動無線傳輸模塊,在傳輸SCADA數(shù)據(jù)時,可降低數(shù)據(jù)傳輸功耗。無線傳輸模塊的硬件結(jié)構(gòu)如圖2所示。

圖2 無線傳輸模塊硬件結(jié)構(gòu)圖

無線傳輸模塊的核心是CC2510芯片,該芯片內(nèi)存在1個高性能的射頻收發(fā)器與1個高效的控制器,能夠提升SCADA數(shù)據(jù)的傳輸質(zhì)量[9-10]。無線傳輸模塊利用MAX235控制電平轉(zhuǎn)換電路展開串口通信,完成SCADA數(shù)據(jù)的傳輸。CC2510芯片包含開關(guān)接口與模擬接口,能夠接收不同類型的SCADA數(shù)據(jù)。

1.2 電網(wǎng)故障和異常診斷模塊

電網(wǎng)故障和異常診斷模塊結(jié)構(gòu)如圖3所示。

圖3 電網(wǎng)故障和異常診斷模塊結(jié)構(gòu)圖

電網(wǎng)故障和異常診斷模塊依據(jù)專家知識與輔助決策人員的經(jīng)驗,利用編碼器將文字轉(zhuǎn)換為代碼,存儲于知識庫內(nèi),為推理機(jī)提供服務(wù)。推理機(jī)接收經(jīng)由事件API傳遞的電網(wǎng)故障和異常數(shù)據(jù)后,通過調(diào)用專家API獲取電網(wǎng)故障和異常信息存儲列表內(nèi)的電網(wǎng)設(shè)備參數(shù),利用綜合API將故障和異常電網(wǎng)設(shè)備參數(shù)與知識庫內(nèi)的代碼傳遞至合作模塊,合作模塊接收電網(wǎng)故障和異常設(shè)備參數(shù)后,通過調(diào)用故障和異常診斷模型實現(xiàn)電網(wǎng)故障和異常診斷,并將診斷結(jié)果經(jīng)由綜合API傳遞至人機(jī)界面,為調(diào)控人員提供幫助。

以電網(wǎng)內(nèi)斷路器、繼電保護(hù)動作情況與假設(shè)故障為適配指標(biāo),并將其當(dāng)成目標(biāo)函數(shù),建立電網(wǎng)故障和異常診斷模型,公式如下:

(1)

利用帶自適應(yīng)變異的粒子群優(yōu)化算法求解電網(wǎng)故障和異常診斷模型。通過定義群體適應(yīng)度方差與粒子聚集距離,分析粒子群優(yōu)化算法是否跳出局部最優(yōu),避免早熟收斂。令粒子群的規(guī)模是電網(wǎng)故障和異常范圍內(nèi)元件數(shù)量,即粒子數(shù)量是n,將電網(wǎng)故障和異常診斷的目標(biāo)函數(shù)作為粒子的適應(yīng)度f,則粒子群的平均適應(yīng)度是favg,適應(yīng)度方差是σ2,計算公式如下:

(2)

其中,λ是歸一化系數(shù),i∈n。

通過σ2呈現(xiàn)粒子群內(nèi)全部粒子的收斂情況可以發(fā)現(xiàn)σ2與粒子群收斂程度呈反比。

粒子平均聚集距離的公式如下:

(3)

其中,D是粒子維數(shù),即電網(wǎng)故障和異常范圍內(nèi)元件的SCADA數(shù)據(jù)維度,d∈D,yld是粒子群當(dāng)下尋找到的最佳位置,即全部元件狀態(tài)的最佳信息,xid是各粒子當(dāng)先尋找到的最佳位置,即各元件狀態(tài)的最佳信息,l∈n,l≠i。

聚集程度閾值的公式如下:

(4)

其中,xmax是x的上限值。

在粒子的σ2接近0,同時M超過Z的情況下,說明粒子達(dá)到全局收斂。在粒子的σ2接近0,同時M低于Z的情況下,說明粒子未跳出局部最優(yōu),這時全局極值gbest為局部最佳解,若修正gbest,便可調(diào)整粒子的位置與速度,跳出局部最優(yōu),獲取全局最優(yōu)解。

通過變異操作修正gbest,幫助粒子跳出局部最優(yōu),即在gbest內(nèi)添加隨機(jī)擾動γ,令γ服從標(biāo)準(zhǔn)正態(tài)分布。gbest的修正公式如下:

gbest=(gbest+gbestγ)Q

(5)

其中,Q是變異概率,在σ2≈0、M

利用帶自適應(yīng)變異的粒子群優(yōu)化算法求解電網(wǎng)故障和異常診斷模型的具體步驟如下。

步驟1:令粒子位置xi代表電網(wǎng)故障和異常范圍內(nèi)的元件狀態(tài),初始化種群規(guī)模,即電網(wǎng)故障和異常范圍內(nèi)元件數(shù)量n,初始化xi與粒子速度vi,設(shè)置最大迭代次數(shù)Tmax。

步驟2:令第i個粒子的個體極值pbest是這個粒子的當(dāng)下位置,即第i個元件的當(dāng)下狀態(tài),令gbest是初始種群內(nèi)最佳粒子的位置,即電網(wǎng)故障和異常范圍內(nèi)最佳元件狀態(tài)。

步驟3:更新粒子的xi與vi,求解粒子i的fi,即電網(wǎng)故障和異常診斷的目標(biāo)函數(shù),若fi比gbest的適應(yīng)度好,那么將gbest更新成當(dāng)下位置。

步驟4:分析算法是否達(dá)到Tmax。如果達(dá)到Tmax,那么輸出gbest,即最佳的電網(wǎng)故障和異常范圍內(nèi)元件狀態(tài)診斷結(jié)果,如果gbest是1說明該元件故障,如果gbest是0說明該元件正常;如果未達(dá)到Tmax,那么繼續(xù)步驟5。

步驟5:利用式(5)修正gbest獲取全局最優(yōu)解,即最佳的電網(wǎng)故障和異常范圍內(nèi)元件狀態(tài)診斷結(jié)果,結(jié)束算法。

1.3 電網(wǎng)故障和異常智能分析的輔助決策模塊

電網(wǎng)故障和異常智能分析的輔助決策模塊可為調(diào)控人員提供科學(xué)與智能化的輔助決策。輔助決策模塊能夠智能分析非故障停電區(qū)域,并提供最佳恢復(fù)供電策略,還能夠智能分析電網(wǎng)故障和異常診斷結(jié)果,并制定輔助策略,幫助調(diào)控人員迅速采取處理措施。輔助決策模塊結(jié)構(gòu)如圖4所示。

圖4 輔助決策模塊結(jié)構(gòu)圖

圖4中:輔助決策模塊接收電網(wǎng)故障和異常診斷結(jié)果后,利用故障和異常再現(xiàn)與缺陷分析單元在電網(wǎng)主接線圖界面中反演電網(wǎng)故障和異常事故;通過智能調(diào)度可視化單元令電網(wǎng)設(shè)備在圖上按順序閃爍,依次凸顯電網(wǎng)故障和異常事故;通過智能事故分析單元輸出事故分析報告,設(shè)計事故處理方案;通過人機(jī)界面呈現(xiàn)在線輔助決策處理結(jié)果,完成調(diào)控操作。

2 實驗分析

以某地區(qū)局部電網(wǎng)為實驗對象,該電網(wǎng)內(nèi)共包含2個變電站V34與V35、26個元件,分別是變壓器D1～D2;母線Y1～Y7;線路L1～L12;28個斷路器C1～C28;104個保護(hù),40個主保護(hù)動作D1m～D2m、Y1m～Y7m、L1Sm～L12Sm、L1Rm～L12Rm,64個后備保護(hù)D1p～D2p、L1Sp～L12Sp、L1Rp～L12Rp、L1Sz～L12Sz、L1Rz～L12Rz,S與R是線路首端與末端,m是主保護(hù),p是后備保護(hù),z是遠(yuǎn)后備保護(hù)。該地區(qū)局部電網(wǎng)結(jié)構(gòu)如圖5所示。

圖5 局部電網(wǎng)結(jié)構(gòu)圖

利用本文系統(tǒng)采集該局部電網(wǎng)內(nèi)的SCADA歷史數(shù)據(jù),共2.5 G,以SCADA數(shù)據(jù)內(nèi)的電網(wǎng)功率為例,綜合測試本文方法的指標(biāo)為電網(wǎng)功率采集結(jié)果、載荷分布分析效果、電網(wǎng)故障和異常診斷結(jié)果、電網(wǎng)故障和異常原因智能分析結(jié)果。

本文系統(tǒng)SCADA數(shù)據(jù)采集測試結(jié)果如圖6所示。

(a) 實際電網(wǎng)功率

根據(jù)圖6可知,本文系統(tǒng)可有效采集電網(wǎng)的功率信息,與實際功率間差距較小,證明本文系統(tǒng)可精準(zhǔn)采集電網(wǎng)的SCADA數(shù)據(jù)。

載荷分布代表每傳輸100次數(shù)據(jù)后網(wǎng)絡(luò)節(jié)點(diǎn)剩余能量的平均值。本文系統(tǒng)在不同通信輪次時的載荷分布分析結(jié)果如圖7所示。

圖7 載荷分布分析結(jié)果

根據(jù)圖7可知,通信輪次越多,本文系統(tǒng)傳輸數(shù)據(jù)過程中的平均剩余能量隨之下降。通信輪次較少時,平均剩余能量下降速度較慢,當(dāng)通信輪次達(dá)到600次時平均剩余能量下降速度較快,當(dāng)通信輪次達(dá)到1000次時平均剩余能量不再改變,最低平均剩余能量在0.35 J左右,明顯高于最低閾值。證明本文系統(tǒng)在傳輸數(shù)據(jù)時的平均剩余能量較高,即載荷分布效果較優(yōu),原因是本文系統(tǒng)的無線傳輸模塊設(shè)置了休眠功能,僅在需要傳輸數(shù)據(jù)時才會啟動,有效降低了系統(tǒng)的能耗。

利用本文系統(tǒng)依據(jù)采集的SCADA數(shù)據(jù)進(jìn)行電網(wǎng)故障和異常診斷,診斷結(jié)果如表1所示。

表1 電網(wǎng)故障和異常診斷結(jié)果

根據(jù)表1可知,對于不同的電網(wǎng)故障和異常信息,本文系統(tǒng)均可有效診斷電網(wǎng)故障和異常情況,且診斷結(jié)果與實際故障和異常情況完全相同,精準(zhǔn)度達(dá)到100%,證明本文系統(tǒng)可精準(zhǔn)診斷電網(wǎng)故障和異常情況,原因是本文利用帶自適應(yīng)變異的粒子群優(yōu)化算法求解電網(wǎng)故障和異常診斷模型,提高了診斷的精準(zhǔn)度。

當(dāng)電網(wǎng)出現(xiàn)故障和異常時,本文系統(tǒng)可有效智能分析電網(wǎng)故障和異常原因,并根據(jù)智能分析結(jié)果制定輔助決策策略。本文系統(tǒng)的智能分析結(jié)果與輔助決策策略制定結(jié)果如圖8所示。

圖8 智能分析結(jié)果與輔助決策策略制定結(jié)果

根據(jù)圖8可知,本文系統(tǒng)可有效智能分析電網(wǎng)故障和異常原因,并根據(jù)故障和異常智能分析結(jié)果,制定合理的輔助決策,生成事故分析及決策報告呈現(xiàn)給調(diào)控人員,幫助調(diào)控人員及時完成電網(wǎng)故障和異常事故處理操作。例如:當(dāng)診斷出變壓器D1=1時,利用故障和異常再現(xiàn)與缺陷分析單元分析出該變壓器為故障和異常狀態(tài),后備保護(hù)D1p=0,說明該保護(hù)裝置需要動作而未動作,出現(xiàn)漏報,分析出故障原因為本體故障;在主接線圖界面中反演電網(wǎng)故障和異常事故,通過智能調(diào)度可視化單元依次凸顯電網(wǎng)故障和異常事故;通過智能事故分析單元制定輔助決策為隔離故障,并啟動故障處理流程,生成事故分析及決策報告,通過人機(jī)界面呈現(xiàn)給調(diào)控人員。將本文方法的智能分析結(jié)果與歷史數(shù)據(jù)庫中的實際故障原因和解決決策進(jìn)行對比,發(fā)現(xiàn)內(nèi)容一致,準(zhǔn)確率為100%,說明本文系統(tǒng)可有效智能分析電網(wǎng)故障和異常事故,并制定合理的輔助決策。

3 總結(jié)

電網(wǎng)運(yùn)行操作失誤或保護(hù)裝置與斷路器動作錯誤等因素均會導(dǎo)致電網(wǎng)出現(xiàn)較大面積的停電事故,需要快速診斷電網(wǎng)故障和異常事故,并制定事故處理輔助決策來降低電網(wǎng)停電損失,確保電網(wǎng)安全運(yùn)行。因此,本文設(shè)計基于SCADA數(shù)據(jù)的電網(wǎng)故障和異常智能分析的輔助決策系統(tǒng),能夠精準(zhǔn)診斷電網(wǎng)故障和異常,制定合理的輔助決策,幫助調(diào)控人員完成電網(wǎng)事故處理操作。