楊雪馳

（遼河石化公司，遼寧 盤(pán)錦 124000）

近年來(lái)，我國(guó)相繼發(fā)生多次大規(guī)模電力系統(tǒng)的停電事故，為國(guó)民經(jīng)濟(jì)帶來(lái)了巨大的損失，尤其是在煉化企業(yè)等工業(yè)電力系統(tǒng)中，如果生產(chǎn)裝置運(yùn)行時(shí)突然停電，對(duì)企業(yè)工作人員存在一定的生命威脅?？偨Y(jié)整理相關(guān)大規(guī)模停電事故可知，其主要誘因就是電力系統(tǒng)運(yùn)行異常，從局部小范圍的異常迅速擴(kuò)散成為大規(guī)模的故障，從而引發(fā)停電事故。所以，為有效避免電力系統(tǒng)大面積停電事件的發(fā)生，我國(guó)眾多學(xué)者針對(duì)電力數(shù)據(jù)異常檢測(cè)紛紛展開(kāi)相關(guān)研究，文獻(xiàn)[1]作者孫瀅濤等人從波動(dòng)性、趨勢(shì)性與變動(dòng)性幾個(gè)方面提取電力數(shù)據(jù)的時(shí)間序列特征，結(jié)合支持向量機(jī)進(jìn)行數(shù)據(jù)異常檢測(cè)，以此解決電力數(shù)據(jù)異常威脅電網(wǎng)穩(wěn)定運(yùn)行的問(wèn)題；文獻(xiàn)[2]作者董小瑞等人通過(guò)KLDA 模型對(duì)電力系統(tǒng)運(yùn)行數(shù)據(jù)進(jìn)行降維，再利用INFLO 模型發(fā)掘異常節(jié)點(diǎn)，實(shí)現(xiàn)電力運(yùn)行數(shù)據(jù)的異常檢測(cè)。隨著研究的逐步深入，我國(guó)在民用電系統(tǒng)的大規(guī)模電力事故預(yù)防中已經(jīng)取得了一定成果，但關(guān)于特殊行業(yè)的電力系統(tǒng)事故防范研究還很少，因此，有必要對(duì)煉化企業(yè)電力系統(tǒng)運(yùn)行異常檢測(cè)技術(shù)進(jìn)行探討，為提升我國(guó)煉化企業(yè)的生產(chǎn)效率奠定基礎(chǔ)。

1 提取煉化企業(yè)電力系統(tǒng)的異常電氣特征

對(duì)煉化企業(yè)電力系統(tǒng)運(yùn)行異常進(jìn)行檢測(cè)，主要是建立在電力系統(tǒng)運(yùn)行數(shù)據(jù)基礎(chǔ)上進(jìn)行的，所以本章主要介紹如何有效且高效地提取煉化企業(yè)電力系統(tǒng)運(yùn)行異常數(shù)據(jù)特征。首先，在煉化企業(yè)電力系統(tǒng)運(yùn)行過(guò)程中，實(shí)時(shí)采集電氣數(shù)據(jù)，一般來(lái)說(shuō)，在電氣數(shù)據(jù)中，電流、電壓、電阻、功率等電氣特征更能直觀地體現(xiàn)出電力系統(tǒng)的運(yùn)行異常事件，所以本文主要提取煉化企業(yè)電力系統(tǒng)的電壓、電流等異常電氣特征。以電壓特征為例，企業(yè)原始電壓曲線和戶(hù)變關(guān)系之間存在一定聯(lián)系，所以，為了通過(guò)電壓特征更精準(zhǔn)地檢測(cè)異常事件，本文將電力系統(tǒng)的日電壓數(shù)據(jù)作為數(shù)據(jù)基礎(chǔ)，為便于特征提取，首先，將采集日電壓特征數(shù)據(jù)進(jìn)行歸一化處理，使原始數(shù)據(jù)的空間維度一致，然后通過(guò)APAA 方法進(jìn)行電壓特征的提取。在利用APAA 方法提取煉化企業(yè)電力系統(tǒng)的電壓特征時(shí)，主要采用電壓上升事件數(shù)量NU來(lái)表征異常的電壓特征，假設(shè)煉化企業(yè)日電壓數(shù)據(jù)的最大值與最小值之間的差值為ΔU，那么，需要根據(jù)下式來(lái)判斷煉化企業(yè)是否存在電壓上升事件：

式中，U 表示煉化企業(yè)電力系統(tǒng)的電壓上升事件；ε表示閾值。根據(jù)式（1）確定煉化企業(yè)電力系統(tǒng)存在電壓上升事件后，即可利用下式來(lái)提取異常電壓特征：

式中，Ut表示t 時(shí)刻煉化企業(yè)電力系統(tǒng)的電壓上升事件；T 表示電壓采集周期。以上，本文通過(guò)對(duì)比電壓上升事件數(shù)量NU與閾值的大小，來(lái)提取電力系統(tǒng)的異常電壓特征，一般情況下，在煉化企業(yè)的日電壓曲線上，不同時(shí)間的電壓變化特征存在不同的變化規(guī)律，所以難以提取到精準(zhǔn)的異常電壓特征，而本文采用的APAA 算法可以精準(zhǔn)捕捉到電壓的局部變化，從而有效提取到異常電壓特征。此外，煉化企業(yè)電力系統(tǒng)的電流、功率等異常電氣特征，同樣采用APAA 算法進(jìn)行提取即可，本章將不再詳細(xì)贅述。

2 異常電氣特征選擇

一般來(lái)說(shuō)，煉化企業(yè)電力系統(tǒng)在運(yùn)行過(guò)程中產(chǎn)生的電氣特征種類(lèi)與數(shù)量極多，如果直接對(duì)提取的異常特征進(jìn)行檢測(cè)，不利于異常檢測(cè)的精度與速度，所以本章通過(guò)特征選擇算法，剔除掉冗余、無(wú)關(guān)的電氣特征，對(duì)異常電氣體征集合進(jìn)行重構(gòu)。當(dāng)下，我國(guó)常用的特征選擇算法較多，每種方法的特點(diǎn)各不相同，本文結(jié)合煉化企業(yè)電力系統(tǒng)電氣特征的實(shí)際特點(diǎn)，引入Relief 算法進(jìn)行特征選擇，該算法屬于特征權(quán)重法，對(duì)電氣數(shù)據(jù)類(lèi)型無(wú)任何要求，只需計(jì)算出各個(gè)電氣特征的權(quán)重值，即可實(shí)現(xiàn)特征的選擇。具體步驟如下：首先，根據(jù)文中上述內(nèi)容提取的異常電氣特征，生成一個(gè)特征集合，由于維度較高的特征數(shù)據(jù)會(huì)影響異常檢測(cè)技術(shù)的性能，所以在進(jìn)行特征選擇前，需要對(duì)特征集合中樣本數(shù)據(jù)進(jìn)行降維處理，使其由高維度特征空間映射至低維度的特征空間中。然后根據(jù)Relief 算法進(jìn)行特征選擇，假設(shè)煉化企業(yè)電力系統(tǒng)異常電氣特征樣本集中隨機(jī)抽取一個(gè)特征樣本為B，與該樣本最近的M 個(gè)同類(lèi)樣本特征均值為：

與樣本B 最近的M 個(gè)異類(lèi)樣本特征均值β(δ)為：

式中，αi表示第i 個(gè)與B 最近鄰?fù)?lèi)樣本；β i(δ)第i 個(gè)與B 最近鄰δ類(lèi)樣本。根據(jù)式（3）、（4）即可求出特征權(quán)重，計(jì)算公式如下：

式中，ω(X)表示煉化企業(yè)電力系統(tǒng)異常電氣特征X 的權(quán)重值；分別表示B 與、B 與在特征X 下的差值；G(δ)表示δ類(lèi)樣本出現(xiàn)的概率。根據(jù)式（5）即可求得提取的各個(gè)煉化企業(yè)電力系統(tǒng)異常電氣特征權(quán)重，所求權(quán)重值越大，表明該特征越重要需要保留，反之所求權(quán)重值越小，表明該特征越不重要，需要剔除，本文在進(jìn)行特征選擇時(shí)，設(shè)定了一個(gè)初始權(quán)重閾值，根據(jù)該閾值完成特征選擇，得到一個(gè)全新的煉化企業(yè)電力系統(tǒng)異常電氣特征集合。最后，對(duì)這個(gè)異常電氣特征集中樣本的完整性與代表性進(jìn)行驗(yàn)證，確認(rèn)無(wú)誤后，用于異常檢測(cè)技術(shù)中。

3 電力系統(tǒng)運(yùn)行異常檢測(cè)

對(duì)于煉化企業(yè)電力系統(tǒng)而言，單變量的異常電氣特征之間是相互影響且相互制約的，據(jù)此本文提出相關(guān)變量間的假設(shè)：電力系統(tǒng)的電壓、電流等電氣特征之間存在相關(guān)性，且該相關(guān)性在系統(tǒng)運(yùn)行正常狀態(tài)下與異常狀態(tài)下存在一定差距；電力系統(tǒng)的電壓、電流等電氣特征與系統(tǒng)組件的物理量之間存在相關(guān)性，且該相關(guān)性在系統(tǒng)運(yùn)行正常狀態(tài)下與異常狀態(tài)下存在一定差距。基于此，本文采用相似性度量的方法來(lái)檢測(cè)電力系統(tǒng)的運(yùn)行異常事件，由文中上述內(nèi)容已知，煉化企業(yè)電力系統(tǒng)異常電氣特征為X，那么假設(shè)電力系統(tǒng)的正常電氣特征為Y，本文在上述兩個(gè)假設(shè)的基礎(chǔ)上，引入皮爾遜相關(guān)系數(shù)來(lái)度量X 與Y 之間的相關(guān)性，其計(jì)算公式如下所示：

式中，γX,Y表示煉化企業(yè)電力系統(tǒng)異常電氣特征與正常電氣特征之間的相關(guān)系數(shù)； cov (X,Y)表示電氣特征X 與Y 的協(xié)方差矩陣；λX、λY分別表示異常電氣特征X與正常電氣特征Y 的方差。如式（6）所示，本文在進(jìn)行煉化企業(yè)電力系統(tǒng)運(yùn)行異常檢測(cè)時(shí)，將上式抽象成一個(gè)具有泛化能力的計(jì)算模型，在電力系統(tǒng)運(yùn)行過(guò)程中，求出電氣特征在電力系統(tǒng)正常運(yùn)行模式下與異常運(yùn)行模式下的相差明顯的相關(guān)系數(shù)，作為判定提取的電氣特征是否為異常特征的依據(jù)，在利用上述抽象模型進(jìn)行異常檢測(cè)時(shí)，假設(shè)提取的電氣特征為觀測(cè)值，判定觀測(cè)值與模板值是否相關(guān)，如果相關(guān)，那么將該觀測(cè)值判定為異常電氣特征，反之，如果不相關(guān)，那么該觀測(cè)值判定為正常電氣特征，以此實(shí)現(xiàn)了煉化企業(yè)電力系統(tǒng)運(yùn)行異常的動(dòng)態(tài)檢測(cè)，且可以取得較為理想的檢測(cè)效果。

4 實(shí)驗(yàn)分析

4.1 實(shí)驗(yàn)準(zhǔn)備

本章將對(duì)尚未涉及的煉化企業(yè)電力系統(tǒng)運(yùn)行異常檢測(cè)技術(shù)進(jìn)行仿真實(shí)驗(yàn)與結(jié)果分析，分別采用基于深度學(xué)習(xí)的電力系統(tǒng)運(yùn)行異常檢測(cè)技術(shù)、基于支持向量機(jī)的電力系統(tǒng)運(yùn)行異常檢測(cè)技術(shù)作為實(shí)驗(yàn)對(duì)照組。一般來(lái)說(shuō)，煉化企業(yè)的電力系統(tǒng)就是由眾多總線、傳輸線及負(fù)載等組件構(gòu)成的系統(tǒng)，所以，本文采用HIL 試驗(yàn)臺(tái)來(lái)模擬電力系統(tǒng)運(yùn)行環(huán)境，如圖1 所示。

圖1 電力系統(tǒng)模擬場(chǎng)景

如圖1 所示，本次實(shí)驗(yàn)?zāi)M的是2 總線、2 發(fā)電機(jī)的煉化企業(yè)電力系統(tǒng)，且在該電力系統(tǒng)中存在運(yùn)行異常及正常事件如表1。

表1 模擬系統(tǒng)運(yùn)行異常事件

如表1 所示，在本次實(shí)驗(yàn)?zāi)M的電力系統(tǒng)中，實(shí)驗(yàn)數(shù)據(jù)集包含1 種正常數(shù)據(jù)和4 種異常數(shù)據(jù)，在原始實(shí)驗(yàn)數(shù)據(jù)集中共存在181345 條數(shù)據(jù)，為確保本次檢測(cè)實(shí)驗(yàn)的科學(xué)、可信，剔除部分殘缺、冗余的數(shù)據(jù)，每種異常事件僅保留28000 條有效數(shù)據(jù)，并將這些數(shù)據(jù)以2∶1 的比例劃分為訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)，然后分別采用上述三種技術(shù)對(duì)這些數(shù)據(jù)進(jìn)行檢測(cè)，得到檢測(cè)結(jié)果。

4.2 結(jié)果分析

由于煉化企業(yè)電力系統(tǒng)運(yùn)行異常檢測(cè)的本質(zhì)是一個(gè)二分類(lèi)問(wèn)題，所以本文為判斷各檢測(cè)技術(shù)的性能，采用下式所示指標(biāo)來(lái)評(píng)估檢測(cè)結(jié)果：

式中，Recall表示查全率，體現(xiàn)了煉化企業(yè)電力系統(tǒng)運(yùn)行異常檢測(cè)技術(shù)的準(zhǔn)確性與完整性；TP 表示真正例，也就是被準(zhǔn)確檢測(cè)的樣本數(shù)據(jù)數(shù)量；FN 表示假負(fù)例，也就是被錯(cuò)誤檢測(cè)的樣本數(shù)據(jù)數(shù)量。當(dāng)訓(xùn)練與測(cè)試數(shù)據(jù)充足時(shí)，本文利用上式分別求出三種技術(shù)下檢測(cè)結(jié)果的查全率，并進(jìn)行了比較，如表2 所示。

表2 電力系統(tǒng)運(yùn)行異常檢測(cè)結(jié)果

從表2 中數(shù)據(jù)可以看出，本文設(shè)計(jì)電力系統(tǒng)運(yùn)行異常檢測(cè)技術(shù)，相較實(shí)驗(yàn)對(duì)照組中深度學(xué)習(xí)與支持向量機(jī)的檢測(cè)技術(shù)，其查全率有著明顯的提高，設(shè)計(jì)檢測(cè)技術(shù)的平均查全率為96.05%，提升了13.86%、14.40%，實(shí)驗(yàn)對(duì)照組方法所構(gòu)建的異常檢測(cè)器，將最大允許偏差的閾值調(diào)小了，所以導(dǎo)致電力系統(tǒng)異常事件檢測(cè)條件更加苛刻，檢測(cè)查全率較低，甚至基于深度學(xué)習(xí)的檢測(cè)技術(shù)基本無(wú)法有效識(shí)別電力系統(tǒng)的繼電器禁用異常事件。由此可知，提取電力系統(tǒng)異常電氣特征，基于特征選擇所設(shè)計(jì)的檢測(cè)技術(shù)的性能優(yōu)越，很好地解決了傳統(tǒng)分類(lèi)器因特征數(shù)據(jù)較多出現(xiàn)性能驟降的問(wèn)題，該技術(shù)通過(guò)對(duì)異常數(shù)據(jù)的相似性度量，使得各類(lèi)異常事件的檢測(cè)結(jié)果普遍較好，所以文中設(shè)計(jì)技術(shù)具有有效性與先進(jìn)性，可以完美匹配煉化企業(yè)電力系統(tǒng)不同的異常檢測(cè)場(chǎng)景。

5 結(jié)語(yǔ)

本文針對(duì)煉化企業(yè)電力系統(tǒng)運(yùn)行異常檢測(cè)問(wèn)題進(jìn)行了深入研究，首先，提取到電力系統(tǒng)在運(yùn)行過(guò)程中產(chǎn)生的異常電氣特征；其次，在特征選擇的基礎(chǔ)上，基于相似性度量完成了異常事件的檢測(cè)；最后，文中搭建了模擬測(cè)試系統(tǒng)，對(duì)該檢測(cè)技術(shù)的性能進(jìn)行驗(yàn)證，結(jié)果表明，設(shè)計(jì)技術(shù)具有可行性與普適性。在煉化企業(yè)的電力系統(tǒng)運(yùn)行期間，一旦出現(xiàn)設(shè)備故障等異常事件，就會(huì)造成用戶(hù)端企業(yè)出現(xiàn)不正常的停電事件，從而引發(fā)經(jīng)濟(jì)損失甚至安全事故。所以，本文研究的煉化企業(yè)電力系統(tǒng)運(yùn)行異常檢測(cè)技術(shù)具有重要的現(xiàn)實(shí)意義，為我國(guó)煉化企業(yè)開(kāi)展循環(huán)性電力安全評(píng)估工作奠定了理論基礎(chǔ)，也為電力系統(tǒng)日常供電管理提供了理論依據(jù)。