基于电网故障告警的智能风险预判分析

阳 浩，黄湛华，魏恩伟，何 亮

（1.深圳供电局有限公司，广东深圳 510000；2.南方电网深圳数字电网研究院有限公司，广东 深圳 518000）

直接面向电力用户的为基层网络，其具有多种类别配电网电力设备和复杂的保护装置，拓扑结构的变化性和不确定性比较强，从而导致配电网电气设备故障的预判和诊断越来越复杂。我国在这方面的发展比较晚，电气设备的预判和诊断主要包括发生故障、查询故障和排除故障。在配网设备故障后，将相应的理论作为基础，通过对各级各类保护装置信息的分析，结合运维人员实践经验，从而判断故障发生的位置和性质，该诊断模式存在滞后性与被动性[1]。在科技不断发展的过程中，逐渐使用大量的高精尖电气设备，上述传统诊断模式的功能比较单一，诊断的正确率比较低，依赖于运维人员，并且诊断速度比较慢，重视诊断忽视预判，影响了我国故障风险诊断技术的发展[2]。为了有效解决我国故障诊断技术在发展中的问题，突破目前发展瓶颈，文中研发了基于电网故障告警的智能风险预判系统，该系统将神经网络与大数据分析相结合，使用电网运行过程中的信息进行分析，从而实现电网电能的质量监测、故障处理和前瞻性的预判。

1 系统结构

对于目前离线分析计算中的问题，基于复杂互联电网背景，安全稳定的电网分析系统能够满足以下要求：

1）自动实现全网范围中的N-1 或者N-2 全故障海量扫描；

2）和电网可靠性数据相结合，实现电网运行风险的量化评估[3]；

3）将目前PSASP/PSD 数据格式作为基础，保证电网运行方式分析过程中参数模型的一致性。

电网全故障扫描和风险评估系统能够利用电力系统分析软件包数据与综合程序，并创建电网模型，从而通过导入的生产管理系统PMS 电网设备故障数据创建可靠性数据。该系统基于电网潮流和暂态稳定计算，全面扫描对电网安全稳定运行的动态、静态的故障影响，与电网实际运行数据和设备可靠性概率数据相互结合，综合事故影响与发生概率，从而量化分析电网风险的概率性与确定性，对电网风险进行评价[4]。图1 为系统的结构。

图1 为系统的结构

2 系统设计

2.1 系统的硬件结构

2.1.1 数据采集和处理

收集和处理的数据主要包括运行状态参数、电气设备环境参数、配电网参数等信息，周边环境参数指的是气体浓度、温湿度等；设备运行参数指的是开关状态、电气量参数、局放参数和弧光参数。利用通信管理单元将收集数据上传到后台监控中心，处理单元和数据中心对后台监控中心和远程客户端下发指令并执行，比如变更开关状态、门禁开启等，使配电网相应设备运行状态与环境得到改变，从而消除故障隐患[5]。

2.1.2 远程客户端

远程客户端包括手机移动端与PC 端，远程用户通过安装浏览器来应用系统。用户通过浏览器查询监控电气设备运行的历史数据，通过系统提示判断输入电气的设备信息，故障诊断系统通过后台进行运算，展现用户的预测与诊断结果。远程用户能够对知识库与数据库进行更新，从而完善诊断系统。

2.1.3 通信管理单元

通信管理单元能够上传采集单元的数据，并且实现监控中心命令的下发，通过云服务器、监控大屏和事故打印机构成后台监控中心。监控中心能够存储处理单元与数据采集的信息，实现信息查询、故障预判、诊断的功能，并且将指令下发到处理单元及数据采集中，对远程客户端展现设备运行的状态、诊断与预判结果[6]。

2.2 故障预判算法

智能风险保护架构见图2，间隔层保护设备IED对应不同保护间隔，基于模块化思想，通过多功能化模块构成IED 保护，包括主功能模块FM、本地协同模块LCM、远端协同模块RCM。主功能模块能够处理采样报文，在采样过程中实现解析结果的发送，从而对一次设备进行操作[7]。

图2 智能风险保护架构

根据IEC61850 通信规约，通过LAN 实现智能变电站中的过程总线，报文通信类型包括SV、GOOSE。考虑网络负荷容量与协同信息数量，为了避免交换机采样率与交换性能影响到网络通信，要求系统保护方案配置双过程总线。

基于传统微机的保护，半波积分算法能够分析电流、电压保护数据及正弦曲线波形特征，对恒定不变的正弦量来说，半波记分值与积分起始点并没有关系，并且积分面积S指的是常数[8]，即：

在故障暂态时，暂态电流谐波成分比较多，大部分为直流分量，利用半波积分面积得出电流有效值的公式[9]。

文中将半波积分原理作为基础的故障预判算法，利用半波积分面积的计算反映电流变化故障的情况，通过半波积分面积数据能够预测故障的发展，结合半波积分面积变化的趋势和程度实现预判。为了避免由于个别数据扰动和突变出现误判，设置预判数据窗为四分之一周波。针对满足数据窗条件的任何时间段i，半波积分面积预判值表示为S*(i)，该值通过预判数据窗两端时刻半波积分面积值进行计算[10]，预判的规则为：

式中，i和p指的是数据窗两端的预判采样点位置，t(i)与t(p)指的是两个点所对应的采样时间；S（i）指的是将采样点i作为半周终点的积分面积。N指的是采样点总数，NT指的是一个周期中的采样点数。在计算过程中，导数值的近似计算公式为：

通过该方法直接处理采样值，半波积分运算量小。所以，能够提高计算速度。其次，该方法还能够在单端电流保护、多端电流差动保护中使用[11]。

2.3 故障诊断的设计

系统使用上述算法对不同性质的问题进行诊断，利用并行方式实现故障诊断与预判系统的运行，进一步提高诊断效率。电气设备通过收集在动态数据库中传输的运行参数，预判系统与故障诊断系统能够实现逻辑推理知识库故障与动态数据库数据信息的匹配，假如两者相互匹配，就要在逻辑推理机中跳转，利用传统诊断思维进行诊断与预判，假如逻辑推理知识库没有相应的故障征兆，可以使用神经网络推理机制实现计算，利用知觉推理机调用数据分析知识库，以此计算推理结果[12]。在诊断结果出来后要解释诊断过程，更新系统逻辑推理知识库。逻辑推理知识库更新过程中能够积累经验，随着系统使用年限不断增加，也丰富了推理知识库，图3为推理知识库的工作流程。

图3 推理知识库的工作流程

该系统以故障诊断与定位为基础实现各功能，重点为故障预判。成套系统分析采集数据，精准预判被监测的电气设备未来可能出现的故障，利用多种命令、权限在出现故障前消除隐患[13]。

3 仿真实验

表1 为相关因素和风险值符号对照表，对单个因素为0 进行调节，其他变量不改变，得出y′xn，斜率计算如式（7）所示：

表1 相关因素和风险值符号对照表

通过K值进行判断，对于保障次数影响比较大，将6 个小时作为一个时间段，将一天划分成4 个时间段，对每个时间段风险变化值进行计算。

对保障次数影响的因素通过4 个时间段来表示，包括故障可控风险值、负荷比风险次数、停电可控风险值等，在第一、三、四时间段中最小3 个因素为发布是否超时、影响总用户数、停电总时长。需要重视的是，在第二时间段中“发布是否超时”因素凸现了0.023 9，在8个因素影响程度中排名第四位[14]。简单来说，6 点～12 点时电网公司是否能够根据设定的时间发布停电信息，用户感知比较敏感，如果没有及时的发布停电信息，用户在没有准备时对台区停电，会增加用户的保障次数。表2 为单因素K值分析，通过表2 可以看出，对每个因素第四个时间段斜率求平均值之后，得出所有因素总体平均K值。通过排序分析影响保障次数中各因素单一时间段的分布和重要程度，判断是否有显著性差异，并判断是否负荷比风险次数的影响强。

表2 单因素K值分析

对于用户来说，如果全部台区设备都发生故障，用户就要承受新增的断电风险，如果感知到断电，用户就会立刻报告给电网公司[15-16]。

4 结束语

对电网故障风险的影响因素比较多，利用多方因素进行考虑，创建风险预测智能模型。利用模型能够知道各因素是如何对故障风险值造成影响的，以此为电力部门维修、电力系统的决策提供参考。