设备监控信息大数据与设备模型的互校验及实用化事件分析

高 志，樊锐轶，米 超，王大海，胡庆博，冯 超

(1.国网河北省电力有限公司，河北 石家庄 050000；2.国网石家庄供电公司，河北 石家庄 050000)

随着大运行和调控一体化[1-2]，调控中心集中监控变电站数量剧增，一、二次设备监控信号在主站集中监视，监视信息以时间罗列，不能直观准确反应真实设备故障、异常“事件”，告警信息包含检修调试、操作伴生、误发、AVC等干扰信息，也存在漏发、误发信息的情况[3-5]，当设备故障、异常信息发出时，海量的设备监控数据对电力调控管理提出了新的挑战。

监控人员仅仅依靠人工经验判断信号之间的关联关系及可能发生的故障、异常“事件”，缺乏相应技术手段来智能判断故障、异常“事件”可能给电网带来的影响，难以发现众多信号中的“关联”属性，对于较复杂故障、多重故障以及恶劣天气条件下引发的大面积故障难以快速有效的进行精准分类和处理[6]。同时，对于一、二次设备的频发隐患仅通过当值监控员人工判断无法有效的进行全面分析。进行因此非常有必要对遥测、遥信等监控信号进行有效梳理和智能化分析，并与外部数据相结合，通过大数据平台的信息管理与综合分析，提升监控信息技术水平。从以前纯粹依赖监控人员的经验转变为依据真实可靠的监控数据分析进行智能决策，从而快速、准确判断电网故障，有效分析设备隐藏缺陷，全方位提升电网监控效率，降低电网安全风险。

与此同时，监控人员紧依赖于调度监控系统对信息进行分析、处理存在判断决策的局限性。当今智能电网飞速发展，除电网集中监控系统外，电力设备状态监测、PMS、气象数据、可视化巡检等外部的实时信息逐步建立成统一的大数据管理平台，利用多元化的数据共享，通过信息的规范化，进行全面的数据解析与智能分析，将结果进行可视化的界面展示，能够极大的提高调度监控人员的工作效率和决策能力。

在监控人员日常监视过程中，变电站的变压器实时负载率是重点监视内容之一，但传统的负载率监视的可靠性受到现场主变相应开关的采样装置、测控装置、远动装置、调度数据网的可靠性制约。在海量监控信息的监控业务中，由于相关装置异常产生的错误数据不易发现。尤其在每年的迎峰度夏期间，监视主变负载率是保证电网承载能力的重要任务之一，准确的负载率数据对电网供电可靠性监测有重要作用。由于高负载率主变的相关遥测数据的模值变小，相应的过载信息未能呈现给监控人员，而导致处理时机延误，进而发生主变跳闸甚至损坏重要设备的情况是存在的[7]。

本文通过采用自然语言解析、机器学习、聚类分析等大数据分析方法[8-9]，对变电站监控信息进入深入挖掘和分析。对监控信息校验及信号事件化处理，通过一、二次设备监控信息关联融合，建立信息与设备的关联模型；研究监控信息智能比对，检查监控信息完整性，以此作为监控事件化分析基础；最后，通过一、二次设备告警信息，建立事件化模型，发现设备异常缺陷，判断电网跳闸事件，通过大数据平台的可视化界面推送监控人员分析结果，为电网调度运行人员对电网突发事件提供决策支持。

并且本文提出变压器负载率智能校验新算法在主变中、低压侧开关遥测值异常情况下，仍能得到正确的主变负载率计算值，并与传统负载率计算值作对比分析，能够获得遥测装置存在的隐患缺陷信息，为遥测系统和设备本身缺陷的处理提供了重要依据。

1 监控信息关联融合

本文的信息校验和电网事件化判断方法所需监控信息有赖于监控信息关联融合[10]的数据构建。以设备为中心，以监控信息大数据分析方法为基础，通过一、二次设备与监控信息关联，构建统一的设备信号规则数据库。依据《变电站设备监控信息规范》、变电站一二次设备及监控信号特点及电力系统语言规范，基于自然语言解析方法对每一条监控信息进行结构化关系识别[11]，通过关键字进行匹配关联。

2 监控信息校核

EMS内监控信息依据变电站监控信息表入库生成，随着变电站改扩建，监控信息在不断更新变动，如何保证监控信息完整性和实时性，对变电站安全运行至关重要。本文以监控信息表点号为主要判据，采用基于模糊匹配和关键信息的算法[12]，对系统内监控信息表与对接EMS系统监控信息表进行互相校验，分析判断出差异信号、缺失信号及新增信号，对存在问题信号进行筛查和处理，并进行可视化图形展示，最终保证EMS系统内监控信号完整性和规范性。

3 电网跳闸事件化

电网跳闸事件化实现分为如下三个模块。

3.1 监控信号建模

能够准确的识别监控信号是监控信息分析的基础。由于电网设备包含多个厂家和型号，各厂家并未采取统一的信号命名方式，各个设备由于涉及原理、配置方案、故障类型等不同，信息描述有很大的差异。因此需要对监控信号进行规范化建模，确保数据结构、设备命名的统一规范，通过自然语言解析能够把重要信号进行分析和关键信息筛选和抽取。

如下信号为具体一条信号描述：河北.宜安站220 kV.安牵线231/WXH803G保护远方跳闸出口，通过对信号内包含信息的解析，所包含信息有：

(1)所属区域(河北)；

(2)所属变电站(宜安站)；

(3)电压等级(220 kV)；

(4)间隔名称(安牵线231)；

(5)保护型号(WXH803G)；

(6)信号描述(保护远方跳闸出口)。

对于每条信号，总结分析处有效信息进行建模，如上所示信号构建为“区域.变电站.间隔./保护型号.信号描述”。

3.2 事件建模

对变电站及各电压等级的事件类型，构建包含监控信息的打包建模，依此模型为事故判断的主要参照依据。例如220 kV线路单相永久故障，主要信号包括：

(1)两套线路保护的保护出口信号；

(2)线路开关跳闸信号。

图2以双母接线的线路故障为例对跳闸事件过程进行分析。

经过对故障分析和信号筛选，收到信号包括如下信号：

(1)线路两套保护出口信号

(2)231断路器跳闸信号

(3)其他信号

通过对告警信息分析推理，得出结果如下：

(1)安牵线线路故障；

(2)231断路器正常动作。

3.2 事件化分析结果实现

实现监控信息事件化分析，需要通过监控信息获取(数据对接)、重要信号抽取、监控信息智能分析、结果统计展示四个步骤。

3.2.1 监控信息获取

监控信息智能分析以变电站监控信息表为基础，对获取所有监控信息进行分析。根据监控信息表获取到完整的监控信号模型，为监控信号分析提供基础。EMS系统实时上送的信号为分析对象，与EMS系统内信号进行实时对接，实现所有告警信息采集。

3.2.2 重要信号抽取

监控信息是监视变电站设备情况的窗口，每天调控人员需要处理数以万计的信号，各变电站信号命名不规范，给信号分析带来了一定的障碍，信号误报、漏报情况时有发生，并且存在信号大量频发占用监视窗口的情况，致使信号分析变得更加困难。综上原因，调控人员日常工作中，对于大量上送信息分析，很难做到对所有上送信号逐条进行分析。通过对监控信号进行建模，通过模糊比对和关联匹配算法将重要信号抽取。信号模型内算法基于自学习，根据信号分析结果不断融合，根据情况进行模型修正。

3.2.3 电力设备状态大数据共享

电力设备状态大数据共享以电网运行数据为基础，利用在线监测、PMS缺陷管理台账、气象信息、现场巡检等信息，进行数据的模块化提取。通过外部数据与内部数据(遥测、遥信)的对接，选取“高敏感度”的信息进行综合分析，帮助监控人员及时掌握设备异常及故障情况[13-15]。

高敏感度信息例如：

(1)气象信息：温度、风速、雨量等

(2)巡检信息：2a输电设备信息：导线断股、绝缘子损伤、导线挂异物等；2b变电设备：设备局部放电、设备过温等；

(3)缺陷信息：一次设备缺陷、二次设备缺陷等。

3.2.4 监控信息智能分析

经过抽取的重要信号，对无用、干扰信息进行筛选，对频发信号进行过滤，数据里面包含信号误报、漏报的情况，开关误动作或者拒动作的情况都需要分析。智能分析对如下情况进行智能分析判断：

(1)电网发生事故的具体位置；

(2)电网事故引发保护动作；

(3)开关是否正常动作；

(4)是否具备重合闸；

(5)重合闸动作是否成功；

(6)保护动作是否切除故障，是否存在风险；

(7)是否有误报信号；

(8)是否有漏报信号；

(9)信号缺失情况；

(10)异常信号分析；

(11)设备状态初步评估；

(12)故障处理及试送决策；

(13)线路“三跨”(跨高速、高铁、高危用户)信息可视化智能展示。

通过信号内在的关联关系，告警信息按事件进行自动打包分组和命名，将连续的监控告警信息序列分块封装为紧密关联的事件单元，对海量监控信息的有序化、条理化管理，对频发、误发、漏发等信息进行自动辨识，形成系统、高效的监控信息大数据资源共享及决策体系。

3.2.5 事件化结果统计展示

通过智能分析算法，对监控信息进行分析处理，对分析结果进行统计展示。主要包括如下功能：

(1)对电网此时段发生的故障进行展示，展示发生变电站、发生时间、发生事故、事故信息；

(2)对电网当前存在的问题进行分析；

(3)对漏报信号进行展示；

(4)对误报信号进行展示；

(5)辅助运行人员对事故进行处理。

对设备监控信号进行建模，通过模糊比对和关联匹配算法将重要信息抽取，信号模型内算法基于自学习，根据信号分析结果不断调整和完善。

3.3 主变负载率智能校核

传统的主变负载率数据依赖于变压器中低压侧开关遥测数据，当这些数据因远动、采样装置等发生异常时，会导致负载率数据错误。尤其是在迎峰度夏的高温季节，由于遥测数据比真实数据偏低导致的负载率偏低现象，将会延误监控人员的报送时机，甚至造成主变跳闸以致损坏。

源头数据利用过少是产生错误数据且不易被监控人员发现的原因之一，本文采用网络拓扑结构的分析，依据大数据平台负载率智能校核机制，将负载率错误的变压器进行直观展示，能引导监控人员及时发现遥测信息的错误，为消除隐患提供必要的依据。

3.3.1 传统主变负载率计算方法

对于内桥接线变电站的三绕组变压器，遥测系统通过采集中、低压侧有功、无功遥测值，计算得到相应主变的视在功率。

1号主变负载率为：

(1)

2号主变负载率为：

(2)

从图4及公式(1)中可以看出，1号变压器负载率的可靠性与P1、P2、Q1、Q2的遥测采样的准确性直接相关。若变压器中、低压侧开关的遥测装置采样异常或遥测值不刷新，1号主变负载率将变为不可靠数据。而且在电网集中监控模式下，遥测采样异常未有相应的光子牌及告警信息，监控范围内厂站数量较多，监控员无法及时发现某变电站相关遥测缺陷，为事故埋下了隐患。

3.3.2 变压器自适应负载率计算方法

如图5所示，内桥接线方式的110 kV变电站。进线1、进线2、分段a1开关视在功率分别为S11、S12、Sa1，110kV1、2段母线的线电压分别为U11、U12。

潮流矩阵：

(3)

开关状态矩阵：

(4)

主变状态矩阵：

(5)

开关状态参数：

Aij=1ij开关为运行状态

Aij=0ij开关为非运行状态

主变状态参数：

Bi=1i号主变投入运行

Bi=0i号主变退出运行

分段a1开关视在功率：Sa1=|U11*Ia1|

对于内桥接线变电站，不同运行方式下，两台主变的视在功率S1、S2可根据110 kV侧的相关参数得到。

上述不同运行方式下主变视在功率如下：

正常运行方式、单主变、单线路单主变：

(6)

单线路：

(7)

其中，S1+2=|S11+S12|。

通过上述分析可得，依据调度技术支持系统进行网络拓扑，从而确定变电站当前运行方式。图6为负载率智能校核的流程图。

3.3.3 案例分析

本文采用石家庄电网110 kV富村变电站作为仿真模型。运行方式如下：该变电站为内桥接线，两台主变容量均为50MVA，110 kV进线为中富线166、中高1线T接线167开关，分别带110 kV2段、3段母线运行，正常运行方式下分段102、302、502开关均为热备用。

当110 kV中富线检修状态时，中高1线T接线167开关带2号、3号主变运行，102开关在运行状态。如图7所示。3号主变的313开关采样异常，35 kV3段母线各分路遥测总加值与313开关遥测值不匹配。

此时，按照传统负载率计算方式，3号主变负载率如下：

按照自适应负载率算法，3号主变负载率如下：

两种负载率算法对比表格如下：

表 两种负载率算法对照表

由上表可知，在主变中、低压侧开关采样异常时，传统负载率算法不能正确反映主变负荷情况。尤其在主变重载时，不能满足过负荷报警要求，影响调度负荷转移的时机。自适应负载率智能校验算法通过110 kV侧开关遥测值的对比计算，真实反映出主变视在功率的情况，为负荷监视和潮流控制提供重要依据，具有可靠性和自适应性。

本文采用的变压器负载率智能校验新算法在主变中、低压侧开关遥测值不正确的情况下，仍能得到正确的主变负载率，并与传统负载率计算值作对比，反映出遥测存在的隐患缺陷，为消缺处理提供了重要依据。

4 成果与效益

保障电网安全、稳定、经济运行是各级调控中心的一项非常重要的工作。如何使用技术手段保证电网安全可靠运行是关注的重点。由于设备存在不通厂家、型号，导致设备信号复杂多变，而且设备不断更新换代，监控信息表普遍存在命名不规范、适应性不够问题，无法对上送的监控信息做到智能分析。

本文从实际情况出发，对这些问题进行深入研究，并给出了很好的解决方案。

4.1 信号规则

通过对监控信号与设备进行建模，实现信号表校核匹配，保证监控信息表统一和完整。通过对信号规则的匹配完善[16-18]，对新的匹配规则进行更新，补充完善信号规则模型库，进一步提高系统适用性。

4.2 基于数学模型建立大数据分析体系

对变电站设备监控信息建模，并在此基础上对监控信息表完整性进行校核，确保监控信息表规范统一。电力设备状态大数据共享以电网运行数据为基础，利用在线监测、PMS缺陷管理台账、气象信息、现场巡检等信息，同时对上送监控信息进行智能分析，能够基于电网自动分析设备运行状态及当前电网发生故障情况，对上送信号中误报、漏报进行智能分析，发现遥信、遥测数据的异常，特别在高温天气智能校核主变负载率的异常缺陷。依据电力设备状态大数据共享平台，结合在线监测、PMS缺陷管理、气象信息、现场巡检等信息进行综合智能分析，将结果实时进行可视化展示和自动提醒，提高运行人员工作效率，并提升电网安全运行水平。

5 结语

通过本文提出的基于设备监控信息与设备模型互校验及实用化事件分析，利用电力设备状态大数据共享平台，改进了监控人员传统的监视和依靠人工分析模式，提高调控人员分析电网运行情况的能力。有助于监控信息统一和规范，提升监控信息和电网安全监视的管理水平，减轻运行人员工作压力和工作强度，提高电网安全运行水平。