基于态势感知技术的智能电网网络态势评估模型及感知预测研究

周俊宇，李 伟，吴海江，唐 鹤

（广东电网有限责任公司佛山供电局，广东佛山 528000）

国家电网公司是国民经济命脉与国家能源安全的主要骨干企业，承担供应可持续电力与社会经济安全发展使命。在智能电网不断发展的过程中，智能电网信息安全问题也逐渐凸现出来，对于智能电网信息安全问题也提出了高要求。目前国家电网缺乏安全防御对策，检测攻击后使用有针对性的应对措施已经无法解决问题，攻击也会导致不可挽回的损失[1]。为了使此问题得到解决，就要基于大规模电力系统环境感知可能会导致系统安全态势出现改变的安全要素，基于此，实现安全态势联动预警，从而防患于未然，降低因为网络攻击导致的电力系统损失。态势感知技术为掌握电网运行轨迹的主要技术，其能够利用广域时空范围中电网相关变化导致的因素进行理解、收集和预测，从而精准掌握电网安全态势，实现电网安全管理主动预防[2]。因此，文中在智能电网中使用态势感知技术，提出智能电网网络态势评估模型。

1 智能电网网络态势整体架构

综合智能告警收集调度自动化系统能够将电网运行状态的告警信息进行反应，基于此，实现告警信息分析处理，将关键告警信息与原因进行提取，从而构成智能化告警信息，图1 为综合智能告警框架。

图1 综合智能告警框架

底层一体化调度技术支撑平台能够将通用图形、模型、网络通信、数据存储等服务提供给上层应用。中间层包括应用分析结果信息、数据资源，比如动态、静态与暂态数据、短路电流计算、静态安全分析与在线稳定分析等信息，并将各告警信息与基础数据信息提供给上层综合智能告警。基于此，上层综合智能告警能够实现中间层告警数据与基础数据的数据挖掘、整合分析与综合展示，以此构成实时监视分析、故障告警分析与预想故障分析3 种告警信息，使调度运行人员了解到电网运行方式中的问题[3]。

2 电网风险评估模型

因为电网扰动项的不确定性与复杂性，有多种因素会构成电网风险，包括自然灾害、人为因素、经济因素与设施故障等[4]，图2 为电网风险的分类。

图2 电网风险的分类

2.1 基于线路过载风险

模型目标函数为线路过载风险，控制量为有功与无功功率，线路过载概率为线路功率与额定功率最大值的随机分布，该模型能够降低线路过载，使线路、系统运行过程更加安全、稳定[5]。线路潮流和线路过载情况相关，两者关系详见图3。如果在线功率高于额定功率，线路过载风险的严重度与潮流关系为一次线性。简单来说，电力线路有功功率为90%线路额定功率时，线路功率过载风险的严重程度为0，线路有功功率为100%额定功率时，线路负荷过载风险严重度为1。在线路潮流低于额定功率时，线路过载风险的严重程度就是0[6]。

图3 线路潮流和过载严重性关系

根据线路功率过载风险和风险理论，线路i功率过载风险指标risk为功率变化严重性Se与变化概率PI的乘积，功率计算公式如式（1）所示。

式（1）中，Zi是线路功率，se(Zi)是线路i过载严重度，pr(Zi)是线路i功率波动概率，risk(Zi)是线路i过载风险。

根据风险指标的累加性，基于系统角度评估系统状态，系统线路过载风险指标如式（2）所示。

利用式（2）计算得到线路功率的过载风险，能够了解到电网运行过程中的状态。但是非通畅电网线路功率的过载风险指标无法使调度运行人员需求得到满足，这时系统就会存在问题，电网调度人员利用预防措施能够降低线路功率过载风险。通过降低线路功率过载的方法开展优化[7]，系统运动功率过载的最小风险计算公式为：

式中，rall(Z)是系统线路过载风险目标函数。

2.2 基于连锁故障风险

利用模糊聚类算法与事故链模型对连锁故障发展的模式进行预测，通过动态故障理论对支路重要度进行评估。小部分电网中的薄弱环节会导致电网出现大面积停电，会对附近区域电网造成影响，导致连锁故障的出现[8]。在正常运行时，电网线路会利用保护动作将故障切除，从而降低了电网连锁反应的发生几率。假如扩大事故率，保护装置就会将故障元件设备进行切除，甩出负荷，导致电网崩溃情况出现。以连锁故障分析与搜寻理论为基础，利用系统连锁故障风险指标避免故障蔓延[9]，目标函数的数学模型为：

式中，α为连锁故障级数，K是i级故障个数，Cg是发电机g的发电成本，Cj是节点j切除负荷导致的损失；N是系统可控制负荷调整的节点数；ΔPi,k,g是i级连锁故障k中发电机节点g的控制出力；Li,k,j是i级连锁故障模式可控制负荷调整节点j的负荷调整量[10]。

2.3 基于失效元件风险

风险追踪方法对设备失效中电力系统进行追踪，影响电力系统总运行风险，风险追踪的标准为如下。

责任分配原则：分配电网设备元件，不设置个例，也不因特殊情况改变风险责任分配。假如出现事故，失效元件会参与到风险追踪中；

失效责任制原则：假如单一故障设备停运，事故后果通过失效元件承担，没有出现事故元件则不会承担事故风险，并且不是风险追踪对象[11]。

根据上述原则，单一元件所导致的系统风险量化为：

3 智能电网安全态势预测实例

以国网某地区公司攻击检测数据与网络日志为例，对2019 年9 月9 日到9 月23 日网络安全态势进行计算，图4 为网络安全态势真实值。之后利用最小二乘支撑向量机LSSVM、自回归AR 预测模型和RBF 神经网络预测模型实现预测。

图4 网络安全态势真实值

3.1 自回归预测数据

通过时间序列预测模型能够得出11日至15日网络安全态势预测值，图5为自回归模型预测结果，表1为自回归预测模型结果误差。以此表示自回归模型的网络态势基本走势，但是具有较大的误差[12]。

图5 自回归模型预测结果

表1 自回归预测模型结果误差

3.2 最小二乘支持向量机预测

图6 为LSSVM 模 型预测结果，表2 为LSSVM 预测模型结果误差。通过此数据对比AR 模型，最小二乘支持向量机预测值曲线更加接近，但是在时间发展中也各有不同[13]。

表2 LSSVM预测模型结果误差

图6 LSSVM模型预测结果

3.3 RBF神经网络预测数据

通过训练神经网络预测模型得出网络安全态势预测值，表3 为网络安全态势预测结果。通过表3 可知，在不同预测时间点中真实值与预测值的误差不同，文中通过神经网络RBF 预测模型实现网络安全态势预测，具有良好的效果。

表3 网络安全态势预测结果

4 电网风险评估的告警与防控系统

4.1 输变电设备工况分析

分析不深入和来源不全面是传统输变电设备数据分析的问题，针对此问题，综合智能告警系统能够得到多元化数据，对遥测、遥信、台帐、保护等信息进行整合，实现数据深度学习，从而创建输变电设备运行工程的辅助、电气、时间与环境等模型，利用神经网络等手段创建输变电设备模型，从而实现电网主设备故障诊断、缺陷、前瞻性等预警[14]。

4.2 电网运行风险预警

电网比较脆弱，其运行状态容易受到电力系统内外部不良因素的影响。对电网运行风险进行预警，创建反映电网异常运行过程中的趋势指标与状态特征，能够及时掌握电网运行过程中的安全风险。现代电网调控风险预警和人工经验判断具有密切关系，综合智能告警系统对电网运行、越限告警与网络分析等数据进行深入挖掘，与负荷、气象、电源等影响因素相互结合，创建基于GIS 的电网运行风险预警功能模块，对电网异常过程中的状态特征进行分析。创建趋势指标，从而开展风险辅助决策与智能预警，利用多窗口联动的方式通过展示层面分析电网信息与系统[15]。

4.3 电网故障分析告警

出现故障的调控人员实现告警信息元级数据的接收，忽视筛选有效信息。要想使该问题得到解决，该系统能够通过大量的元级数据对电网故障进行整理分析，提高信息组织效率。

在电网出现故障的时候，故障信息分析和决策依赖人工经验，在故障判定与处置方面存在经验盲区，所以，就要创建智能电网故障分析告警，全面处理故障。综合告警系统能够整合电网故障的多源信息，对电网故障告警进行分析，使调控人员能够及时处理电网故障[16]。

5 结束语

在智能电网系统不断发展的过程中[17-18]，智能电网和公用网络广泛结合，所面临的网络安全问题逐渐复杂，对智能电网攻击的方式逐渐多元化。未来要结合智能电网和先进信息安全技术，并且抵御各新型攻击入侵，具备预知攻击、威胁的能力，保证智能电网正常运行。文中设计了电网态势评估模型，并且结合实例进行分析，提出了电网风险评估告警和防控的对策，保障电网运行的安全性。