方 圓，沈越欣，許靜萱，丁 鑫，唐志斌

（1.國網(wǎng)安徽省電力有限公司信息通信分公司，安徽合肥 230022；2.北京簡(jiǎn)易網(wǎng)安科技有限公司，北京 100000）

由于電力系統(tǒng)受到熱容量和穩(wěn)定性限制以及運(yùn) 行環(huán)境和復(fù)雜控制參數(shù)的不確定性的影響，導(dǎo)致電力數(shù)據(jù)信息網(wǎng)絡(luò)出現(xiàn)了嚴(yán)重阻塞問題，路由節(jié)點(diǎn)故障頻發(fā)。為提高網(wǎng)絡(luò)壽命，必須對(duì)網(wǎng)絡(luò)中路由故障節(jié)點(diǎn)進(jìn)行有效檢測(cè)。為此，對(duì)電力數(shù)據(jù)信息網(wǎng)絡(luò)阻塞故障節(jié)點(diǎn)進(jìn)行辨識(shí)具有重要意義。

文獻(xiàn)[1]提出了基于改進(jìn)生成式對(duì)抗網(wǎng)絡(luò)的辨識(shí)方法，該方法對(duì)生成式對(duì)抗網(wǎng)絡(luò)進(jìn)行改進(jìn)，生成異常數(shù)據(jù)樣本，獲取數(shù)據(jù)分布特性，由此確定樣本擴(kuò)充比例。在擴(kuò)充得到的數(shù)據(jù)集上，利用孤立森林算法，實(shí)現(xiàn)故障節(jié)點(diǎn)辨識(shí)。文獻(xiàn)[2]提出了基于高頻測(cè)試信號(hào)注入的識(shí)別方法，該方法通過智能電表，獲取阻抗參數(shù)，根據(jù)阻抗特性，辨識(shí)故障節(jié)點(diǎn)。然而由于故障節(jié)點(diǎn)中包括脆弱性節(jié)點(diǎn)，上述方法的辨識(shí)效果較差。

為此，提出了電力數(shù)據(jù)信息網(wǎng)絡(luò)阻塞故障節(jié)點(diǎn)快速辨識(shí)方法。通過構(gòu)建網(wǎng)絡(luò)阻塞故障節(jié)點(diǎn)跟蹤模型，形成故障節(jié)點(diǎn)跟蹤集合。采用層次分析法和極差法，構(gòu)造比較矩陣和判斷矩陣，計(jì)算辨識(shí)指標(biāo)權(quán)重向量。定量分析故障數(shù)據(jù)特征，獲取故障節(jié)點(diǎn)信息特征矢量。利用神經(jīng)網(wǎng)絡(luò)模型，構(gòu)建分析矩陣，得到故障節(jié)點(diǎn)分布結(jié)果，縮短了辨識(shí)時(shí)間，加快了辨識(shí)速率。通過量化指標(biāo)，辨識(shí)故障節(jié)點(diǎn)，計(jì)算節(jié)點(diǎn)繼電保護(hù)脆弱貢獻(xiàn)度，實(shí)現(xiàn)了脆弱故障節(jié)點(diǎn)辨識(shí)。

1 基于神經(jīng)網(wǎng)絡(luò)的阻塞故障節(jié)點(diǎn)快速辨識(shí)

1.1 網(wǎng)絡(luò)阻塞故障節(jié)點(diǎn)跟蹤模型構(gòu)建

在電力數(shù)據(jù)信息網(wǎng)絡(luò)阻塞故障節(jié)點(diǎn)跟蹤過程中，需要建立跟蹤模型，如圖1 所示。

圖1 網(wǎng)絡(luò)阻塞故障節(jié)點(diǎn)跟蹤模型

由圖1 可知，該模型用于描述網(wǎng)絡(luò)中信息傳輸時(shí)節(jié)點(diǎn)的能量和負(fù)載轉(zhuǎn)移情況[3]。在模型分析中，假定中間節(jié)點(diǎn)數(shù)目與邊界數(shù)目相等的情況下，對(duì)電力數(shù)據(jù)信息網(wǎng)絡(luò)阻塞原因進(jìn)行了如下分析：在網(wǎng)絡(luò)發(fā)生堵塞時(shí)，節(jié)點(diǎn)會(huì)超負(fù)荷，將其從電網(wǎng)中剔除，然后再重復(fù)，形成一組故障節(jié)點(diǎn)跟蹤集合。整合全部跟蹤數(shù)據(jù)，為目標(biāo)辨識(shí)提供數(shù)據(jù)支持。

1.2 辨識(shí)指標(biāo)權(quán)重向量計(jì)算

假設(shè)存在i、k兩個(gè)節(jié)點(diǎn)，為了確定這個(gè)節(jié)點(diǎn)的指標(biāo)權(quán)重，使用層次分析法[4-6]，首先構(gòu)造比較矩陣E，然后利用設(shè)定(1，0.5，0)三標(biāo)度作為權(quán)重對(duì)比依據(jù)，最后將比較矩陣轉(zhuǎn)換為判斷矩陣后，獲取辨識(shí)指標(biāo)權(quán)重向量。構(gòu)造的比較矩陣E可表示為式（1）：

設(shè)定(1，0.5，0)三標(biāo)度作為權(quán)重對(duì)比依據(jù)表示為：

使用極差法構(gòu)造的判斷矩陣R可表示為：

式中，xik表示電力數(shù)據(jù)信息網(wǎng)絡(luò)阻塞程度值[7-9]。通過對(duì)判定矩陣的一致性檢驗(yàn)，采用矢量規(guī)格化方法得到辨識(shí)指標(biāo)權(quán)重向量。

1.3 故障數(shù)據(jù)特征數(shù)字化

通過對(duì)電網(wǎng)歷史故障數(shù)據(jù)的采集，對(duì)其進(jìn)行定量化，得出初始故障數(shù)據(jù)和最終故障規(guī)模[10]；初始故障信息矢量代表了節(jié)點(diǎn)數(shù)量和初始故障的嚴(yán)重性，如式（4）所示：

式中，xm、ym分別表示第m次模擬初始的網(wǎng)絡(luò)阻塞故障時(shí)的位置所在節(jié)點(diǎn)號(hào)；Δrim、Δrjm分別表示第m次模擬初始的網(wǎng)絡(luò)阻塞故障時(shí)的節(jié)點(diǎn)電壓下降程度[11-13]。將模擬所得的故障數(shù)據(jù)進(jìn)行特征數(shù)字化處理，以含有初始故障信息的矢量為輸入，以含有最終故障規(guī)模分布概率的矢量為輸出。

1.4 網(wǎng)絡(luò)阻塞故障節(jié)點(diǎn)快速辨識(shí)

以初始故障節(jié)點(diǎn)與最終故障節(jié)點(diǎn)之間的高度非線性映射關(guān)系為基礎(chǔ)，對(duì)不同故障類型下各節(jié)點(diǎn)的連鎖故障風(fēng)險(xiǎn)進(jìn)行了定量分析[14]。為了加快辨識(shí)速率，提出了一種基于神經(jīng)網(wǎng)絡(luò)分析模型，其節(jié)點(diǎn)分布如圖2 所示。

圖2 節(jié)點(diǎn)分布示意圖

為了方便存儲(chǔ)分析結(jié)果，在神經(jīng)網(wǎng)絡(luò)最內(nèi)層設(shè)置一個(gè)循環(huán)層[15]。針對(duì)該原理，計(jì)算神經(jīng)網(wǎng)絡(luò)輸出結(jié)果，公式為：

式中，λ(·)表示激活函數(shù)；ωi表示層與層之間的權(quán)重；zi表示隱藏層遺忘門數(shù)值。將歷史電壓數(shù)據(jù)劃分為訓(xùn)練組和測(cè)試組，并由此構(gòu)建分析矩陣，可表示為：

結(jié)合預(yù)處理后的Gm和分析矩陣，根據(jù)不同節(jié)點(diǎn)之間的非線性映射關(guān)系，估算出任何一次故障后的最終故障規(guī)模分布，可描述成如下公式：

式中，qloss、qall分別表示丟失負(fù)荷和總負(fù)荷，通過多次模擬能夠得到最終概率分布矩陣[16]。根據(jù)所有節(jié)點(diǎn)在不同故障類型下的風(fēng)險(xiǎn)，通過量化指標(biāo)辨識(shí)故障節(jié)點(diǎn)，各個(gè)節(jié)點(diǎn)故障風(fēng)險(xiǎn)量化值，如下所示：

式中，Wo表示包含節(jié)點(diǎn)i的初始故障位置向量；ho表示故障時(shí)不同節(jié)點(diǎn)故障嚴(yán)重程度向量；W表示所有故障位置集合；h表示所有故障嚴(yán)重程度集合；I表示索引函數(shù)。比較各個(gè)節(jié)點(diǎn)故障風(fēng)險(xiǎn)量化值，可確定各個(gè)節(jié)點(diǎn)故障程度。

2 脆弱性故障節(jié)點(diǎn)辨識(shí)

脆弱性易受電力數(shù)據(jù)信息網(wǎng)絡(luò)拓?fù)溆绊?，網(wǎng)絡(luò)在遭受攻擊時(shí)，會(huì)因滲透作用而擴(kuò)展故障范圍，從而造成整個(gè)系統(tǒng)的崩潰。由此可見，電網(wǎng)中脆弱性故障節(jié)點(diǎn)辨識(shí)的重要性。

脆弱性故障節(jié)點(diǎn)辨識(shí)流程，如下所示：

步驟1：區(qū)分電源節(jié)點(diǎn)和負(fù)荷節(jié)點(diǎn)，將具有網(wǎng)絡(luò)通信特點(diǎn)的節(jié)點(diǎn)劃分到待辨識(shí)節(jié)點(diǎn)范疇；

步驟2：利用基于映射分區(qū)的無功電壓控制分區(qū)法，將電源節(jié)點(diǎn)和負(fù)荷節(jié)點(diǎn)進(jìn)行分區(qū)，分別找出各個(gè)主要范疇的關(guān)鍵節(jié)點(diǎn)；

步驟3：在系統(tǒng)中，當(dāng)一個(gè)節(jié)點(diǎn)發(fā)生故障時(shí)，它會(huì)立刻做出響應(yīng)，并通過切換后備線路或跳閘來減少或避免節(jié)點(diǎn)故障所帶來的損失，使非故障部件快速恢復(fù)到正常狀態(tài)?；诖?，計(jì)算節(jié)點(diǎn)i的繼電保護(hù)脆弱貢獻(xiàn)度，如式（9）所示：

式中，?i表示j個(gè)節(jié)點(diǎn)的度。該公式表示了與節(jié)點(diǎn)i連接的網(wǎng)絡(luò)節(jié)點(diǎn)的脆弱貢獻(xiàn)度。

節(jié)點(diǎn)的脆弱貢獻(xiàn)度可以較好地反映出節(jié)點(diǎn)脆弱性受保護(hù)裝置影響的程度，數(shù)值愈大，則愈說明保護(hù)裝置對(duì)節(jié)點(diǎn)脆弱性影響程度越大。

步驟4：選擇最短路徑傳輸節(jié)點(diǎn)間的信息。對(duì)于某一個(gè)無向無權(quán)網(wǎng)絡(luò)，節(jié)點(diǎn)介數(shù)數(shù)學(xué)表達(dá)式為：

式中，nik表示i、k兩個(gè)節(jié)點(diǎn)之間的有效路徑數(shù)量；nik(e)表示i、k兩個(gè)節(jié)點(diǎn)之間的有效路徑經(jīng)過邊e的數(shù)量，通過該公式能夠更加合理有效辨識(shí)出脆弱故障節(jié)點(diǎn)。

3 實(shí) 驗(yàn)

為了驗(yàn)證電力數(shù)據(jù)信息網(wǎng)絡(luò)阻塞故障節(jié)點(diǎn)快速辨識(shí)性能，進(jìn)行實(shí)驗(yàn)驗(yàn)證。

3.1 實(shí)驗(yàn)準(zhǔn)備

使用兩臺(tái)計(jì)算機(jī)進(jìn)行電力數(shù)據(jù)信息網(wǎng)絡(luò)路由通信，該通信主要為MAC 協(xié)議，通過IEEE 802.15.4 路由協(xié)議模型進(jìn)行電力數(shù)據(jù)傳輸。采用Matlab 仿真工具，在簇頭生成過程中形成25 個(gè)幀，時(shí)間間隔為100 ms，信道帶寬為2 ms，對(duì)自動(dòng)控制電力網(wǎng)路阻塞故障節(jié)點(diǎn)進(jìn)行平均采樣，節(jié)點(diǎn)樣本值為41 個(gè)，節(jié)點(diǎn)分布如圖2 所示。

根據(jù)上述節(jié)點(diǎn)分布結(jié)構(gòu)，進(jìn)行節(jié)點(diǎn)故障辨識(shí)，對(duì)采集到的故障信號(hào)樣本分類后，得到100 個(gè)故障狀態(tài)樣本和100 個(gè)正常狀態(tài)樣本，由此能夠獲取200 個(gè)樣本。將樣本按照2∶1 分成訓(xùn)練集和測(cè)試集，由此得到的故障節(jié)點(diǎn)信息特征，如圖3 所示。

圖3 故障節(jié)點(diǎn)信息特征

由圖3 可知，該故障特征具有2 個(gè)明顯峰值，其中第2 個(gè)峰值是由3 個(gè)小峰值組成的，以此為依據(jù)進(jìn)行實(shí)驗(yàn)對(duì)比分析。

3.2 實(shí)驗(yàn)指標(biāo)

對(duì)于故障節(jié)點(diǎn)快速辨識(shí)，需先計(jì)算節(jié)點(diǎn)間加權(quán)最短路徑位移平均值，計(jì)算公式為：

式中，M表示網(wǎng)絡(luò)節(jié)點(diǎn)總數(shù)；lik表示兩個(gè)節(jié)點(diǎn)最短加權(quán)路徑長(zhǎng)度；μ表示故障節(jié)點(diǎn)集合。在確定位移平均值的情況下，對(duì)最短路徑耗時(shí)平均值計(jì)算后，得到計(jì)算公式為：

式中，v表示辨識(shí)速度。將平均耗時(shí)作為實(shí)驗(yàn)指標(biāo)，以此評(píng)價(jià)不同方法的辨識(shí)速率。

3.3 實(shí)驗(yàn)結(jié)果與分析

對(duì)于辨識(shí)精度問題，分別使用文獻(xiàn)[1]方法、文獻(xiàn)[2]方法和所提方法，對(duì)比分析故障節(jié)點(diǎn)信息特征統(tǒng)計(jì)情況，如圖4 所示。

圖4 不同方法故障節(jié)點(diǎn)信息特征統(tǒng)計(jì)結(jié)果

由圖4 可知，文獻(xiàn)[1]方法具有5 個(gè)明顯峰值，其中第4、5 個(gè)峰值是由兩個(gè)小峰值組成的；文獻(xiàn)[2]方法具有7個(gè)明顯峰值，其中第2、3、6個(gè)峰值是由兩個(gè)小峰值組成的，第7 個(gè)峰值是由3 個(gè)小峰值組成的；所提方法具有兩個(gè)明顯峰值，其中第2 個(gè)峰值是由3 個(gè)小峰值組成的，這與實(shí)際故障節(jié)點(diǎn)信息特征一致。

對(duì)于辨識(shí)速率問題，對(duì)比3 種方法的平均耗時(shí)，對(duì)比結(jié)果如圖5 所示。

圖5 不同方法辨識(shí)速率對(duì)比分析

由圖5 可知，隨著故障節(jié)點(diǎn)數(shù)量的增加，3 種方法的平均耗時(shí)均隨之增加。當(dāng)故障節(jié)點(diǎn)數(shù)量為120個(gè)時(shí)，文獻(xiàn)[1]方法和文獻(xiàn)[2]方法的辨識(shí)時(shí)間分別為22.5 s 和30 s，而所提方法的辨識(shí)時(shí)間僅為10 s。由此可知，所提方法能夠快速辨識(shí)故障節(jié)點(diǎn)。

通過上述對(duì)比結(jié)果可知，使用所提方法故障節(jié)點(diǎn)信息特征與實(shí)際特征一致，且辨識(shí)耗時(shí)短，加快了故障節(jié)點(diǎn)的辨識(shí)速率。

4 結(jié)束語

辨識(shí)電力數(shù)據(jù)信息網(wǎng)絡(luò)阻塞故障節(jié)點(diǎn)時(shí)，需要充分考慮脆弱性故障節(jié)點(diǎn)，由此提出的電力數(shù)據(jù)信息網(wǎng)絡(luò)阻塞故障節(jié)點(diǎn)快速辨識(shí)方法，通過構(gòu)建跟蹤模型，計(jì)算辨識(shí)指標(biāo)權(quán)重向量，獲取故障節(jié)點(diǎn)信息特征矢量，能夠快速辨識(shí)故障節(jié)點(diǎn)。通過實(shí)驗(yàn)分析結(jié)果可知，該辨識(shí)方法能夠在短時(shí)間內(nèi)快速完成故障節(jié)點(diǎn)辨識(shí)。