海量调度数据流在线智能辨识平台建设研究

罗良，马麟，李兴美，徐韬，杜文佳，王炜，杨凯江，陈炯，杨仪源，杨洲，杨俊谦

（云南电网有限责任公司大理供电局，云南 大理 671000）

0 前言

随着经济的快速发展，人民生活水平日益提高，用电需求也急剧增加，电力调度系统逐渐成为我国电网系统的核心部分，其安全稳定运行和正确控制调节的重要性越来越突出[1]。随着电网信息的急剧增长，电力调度系统时常会出现许多异常现象，这些异常现象对电力调度系统产生了不利的影响。从自动化运行分析报告来看，除常规功能性缺陷外，仍有大量异常现象难以确定具体原因，只能给出初步判断，不利于电力调度系统异常的消除，成为提升电力调度系统运行水平的瓶颈。因此，为了应对海量调度数据带来的风险，对电力调度系统提出了新的安全要求，也是如今电力调度系统必须关注的问题[2-6]，诸如云计算和大数据处理等技术都相应地被应用到了电网状态安全与检测等领域[7-12]，人工智能与深度学习技术也被广泛用于电网故障检测预警当中[13]。

通过对电力调度系统的客观分析根本原因，主要体现在以下几个方面：

1）缺乏对电力调度系统实时测控信息流的深入分析和在线研判；

2）尚未对电力调度系统实时测控信息流实现可视化展示，尚无一套在线分析电力调度系统实时测控信息流的可视化展示系统，尚未通过对电力调度系统实时测控信息流的在线分析研判展示各应用系统与厂站监控系统的通信健康状况；

3）缺少电力调度系统实时数据无损采集装置。

为了提高电力调度系统运行水平，降低海量调度数据给电力调度系统带来的运行压力，大量的研究人员提出了很多可行的建设方案。其中，为了解决电网系统日趋复杂的运行环境，提高电网运行监控稳定运行的能力，刘道伟等[14]设计了基于大数据及人工智能的大电网智能调控系统框架，通过将新一代信息、计算与控制技术相融合，建设了大电网“即测-即辨-即控”的在线智能调度平台。

刘霡[15]通过对采集层、存储层、分析层和应用层进行分析研究，提出了一种海量用电数据管理平台的建设方案，实现了对电网系统采集到的海量实时/历史用电数据进行传输、存储、分析和应用。林静怀[16]基于大数据平台所提供的海量调度运行与调度管理数据以及高效的数据处理能力与挖掘分析能力，提出了一种基于大数据平台的电网运行指标统一管控方案，解决了传统电网运行指标管控的不足的问题，实现了多级调控中心多业务数据的融合与共享。

1 研究方案

本文针对数据流辨识，特别是电力调度系统测控数据流辨识的问题，基于调度数据网及调度自动化关键业务，提出了一种海量调度数据流在线智能辨识平台建设方案，如图1所示。通过研究电力实时测控数据流的在线解析技术、关键业务的故障智能判别及可视化展示技术、电力调度自动化信息流的“黑匣子”技术，形成一整套面向电力实时测控数据流的在线解析和业务可视化的系统，有效提高调度自动化运行管理水平和技术支撑能力，为电网的安全稳定运行提供技术保障。

图1 海量调度数据流在线智能辨识平台架构

1.1 基于海量数据的全过程无损采集及结构化存储技术研究

如何对海量的电网数据进行有效的采集、处理和存储是当前电力调度系统值得关注和研究的问题。文献[17]利用分布式系统解决存储问题和数据完备性问题，文献[18]为了简化电网数据的存储结构，提出了一种电网数据关联性的哈希分桶存储算法，该算法有效的提升了对海量调度数据的处理速度，但该算法的数据存储和传输耗时较长。面对海量的电网数据，电力调度系统需要极高的实时性要求。文献[18]通过对当前监测数据的取值进行预测，计算实际值与预测值的残差，并对残差值进行改进的行程编码与霍夫曼编码，实现对智能配电网监测数据的无损压缩采集。文献[19]提出了一种基于前置数据处理环节的数据预检技术，研究了电力系统中海量终端数据接入的通道并发和阻塞问题，提高了数据的处理速度和负载均衡度，实现了电网海量数据的实时传输。文献[20]采用关系型数据库和基于Hadoop分布式文件系统的分布式存储系统搭建面向电网的分布式存储处理模型，实现对电力大数据的存储与处理，从而提高数据的计算效率和数据质量。

本文提出了对电力调度系统实时测控数据流的在线解析，对电力调度系统实时测控数据流进行存储后，利用报文解析技术进行解析，以供电力调度系统进行进一步分析。

1）数据流无损采集模块：通过对电力调度系统实时测控数据流进行分析，研制数据流旁路采集设备，将数据流旁路采集设备分别旁路部署在一平面（A网）和二平面（B网）的服务器群的数据中心交换机上，对整个数据中心的流量进行采集以及协议识别。要求对已有的电力调度系统的运行不造成任何影响。无需电力调度系统提供任何数据接口，与原系统无任何数据连接。不依赖于电力调度系统的规约实现。

2）数据流结构化存储模块：通过分析旁路装置无损采集的数据流结构特点和时序特点，从而建立一套完整的结构化数据流存储模型，将特征不明显的海量数据对象化到数据库中，便于后期查询和综合分析。同时主动记录所有的通信数据及操作日志并存储，支持按年、季度、月份、周、日等多种周期循环记录存储，方便收集信息和故障定位，保证数据的准确性。

1.2 异常特征及故障判别技术研究

调度业务信息流的实时性、可靠性直接影响着各业务功能的实现，及时的识别出电网系统中的故障异常可以帮助电网安全稳定的运行。李鹏等[21]提出一种利用专家系统完成电网运行异常状态诊断分析的有效方法，该方法通过对电网常见故障进行分析，当电网出现故障异常时可以及时的给出参考信息和辅助决策信息。王文嘉等[22]提出了一种基于电网监测数据的智能化故障研判与处置平台，利用电网数据中的逻辑关联性来识别电网故障的类型和故障位置，并通过故障的历史数据生成出故障处置策略，实现了对故障的及时处置。

电网数据信息流的实时性和可靠性体现为传输延时在合理的范围内，并且不会发生数据的丢失或数据的多次传输。本文基于信息流的特性分析，研究信息流异常形态形成机理以及特征量，形成信息流异常特征识别方法。同时，依托风险警示指标阈值确定技术，设定异常发生数量、间隔时间等警示指标阈值，实现灵活响应的调度业务信息流异常告警。

1）信息流的异常分类模块：电网调度数据通常会出现一些“四遥”信息的异常，这是由于通道、设备、系统往往存在一些无法完全消除的设计、设置和维护不善等方面的问题。这些异常信息一部分是现场真实状态的反应，通常是一些重要的运行状态改变，另一些则是由各种差错引起的，属于干扰信息，这些重要信息的异常会给电网调度系统带来干扰。因此，可以按照调度业务信息流异常形成机理及特征量来对调度业务信息流的异常进行分类。

2）信息流的异常特征识别模块：通过实时监视遥测值大小，可以实现遥测值出错异常特征识别，当出现在设定的出错上下限范围内时，主动识别出异常并及时推送；通过实时分析子站上送的带时标的信息，可以实现时间信息异常特征识别，若出现较大偏差则识别出异常并及时推送；通过分析主站与厂站之间的格式报文数据，可以实现信息流延迟异常特征识别，提取数据时标，将格式报文之间的时标与超时时间进行比较，提取超时数据，诊断信息流响应延迟原因；通过新遥信事件触发，剔除最早的超出设定时间间隔的记录，计算设定时间段内的遥信变化次数，可以实现遥信/SOE抖动异常特征识别，如变化次数超出设定值则识别出异常并及时推送。

3）信息流故障分析及判别模块：从通道问题、厂站端输出回路、输入回路或其他智能装置问题、相关设备断电或重启，及规约处置不当问题等问题入手，对调度业务信息流故障成因进行分析，快速定位信息流故障原因，实现基于业务关联的多维信息融合故障判别。通过对104协议时间、空间维度分析，实时监测类似远动装置104协议假在线、主站遥控失败、站端远动装置频繁切换等异常事件，为运维人员提供定位决策支持建议，消除自动化系统运行中存在的安全隐患。

4）故障异常评价指标体系模块：结合目前电力调度系统信息采集的现状、日常运维中常见缺陷故障的总结，以及对故障异常场景特征识别的研究，综合系统性能、遥信准确率、遥测准确率、系统缺陷等方面考虑，建立调度自动化数据流的故障异常评价指标体系。通过该体系能直接、有效反映设备运行状况，以及设备发生故障的趋势，且对设备状态的判断有明确的标准、规范。

1.3 基于通信过程的调度业务故障追朔技术研究

电网调度业务故障追溯对电网运行的安全可靠起着举足轻重的作用。文献[23]以时间维度、广度拓扑的方法找出电网事故与电网生产数据的内在关系，通过电网历史数据对电网故障产生的原因进行追踪回溯，为快速定位问题提供可视化辅助分析数据，有效持续地降低电网运行安全风险。文献[24]提出了一种基于供电追溯阵的配电自动化终端告警缺陷辨识方法，通过供电追溯阵PTM建立了终端告警缺陷辨识数据模型，解决了配电网自动化终端故障告警漏报和误报问题。

本文基于全过程无损采集及实时解析技术存储的时间序列报文数据库，可自定义获取响应时间段内的具有时间戳的全网时序变化量测数据。主要包括事故追溯控制单元、历史告警数据获取、历史数据库、历史变化数据获取、时间序列报文数据库、图形展示模块、告警显示模块。

1）历史数据库模型模块：历史数据库用于存储事故发生时的电力调度系统中的数据，包括事故追溯需要的电网历史模型、图形及起始断面数据，以及用来在追溯时告警的历史告警数据。

2）时间序列报文数据库模型模块：时间序列报文数据库用于存储历史变化的报文解析数据，能够具备全系统全部采集数据变化存储及追忆能力，可以将所有量测变化数据带时间戳方式存入到时序库中，在进行事故追溯时可以根据时间戳从时序报文数据库中获取系统所有变化数据。

3）事故场景追溯模块：作为本系统的驱动，将两个数据库中的数据进行条件检索、分析整合后进行图形展示及告警显示。通过事故追溯控制单元获取用户需要追溯的事故追溯时间，从历史数据库中装载与事故追溯时间相匹配的电网历史模型、图形及起始断面数据。根据事故追溯时间的变化，将事故追溯时间分别送给历史告警数据获取模块和历史变化数据获取模块；收到历史告警数据后，将历史告警数据发送给告警显示模块；接收到历史变化数据后，将历史变化数据发送给图形显示模块。

2 平台建设方案

以调度自动化关键业务为基础，通过电力实时测控数据流的在线解析技术、关键业务的故障智能判别及可视化展示技术等技术手段，实现电力调度自动化信息流的“黑匣子”，形成一整套面向电力实时测控数据流的在线解析和业务可视化的系统，如图2所示。

图2 智能辨识平台处理流程

1）调度业务信息流可视化模块

运用可视化技术，结合海量数据的全过程无损采集及结构化存储研究成果，将调度业务信息流以可视化的形式展示，支持通道差异化展示，支持业务分类展示、时间域分类展示；支持业务、时间等综合条件搜索；支持多维度报表、图标统计。

2）信息流异常分析可视化模块

运用可视化技术，结合基于海量信息流的异常特征及故障判别技术研究成果，将调度业务信息流异常与故障信息以可视化的形式展示，支持遥测值出错异常可视化、时间信息异常可视化、信息流延迟异常可视化、遥信/SOE抖动异常可视化；支持主备通道数据不一致分析、下行命令否定应答诊断分析、通道通信重新连接诊断分析、通道通信中断节点诊断分析、遥测不刷新（协议假在线）诊断分析、站端远动装置频繁切换诊断分析、主站遥控不成功诊断分析、主站频繁总召唤诊断分析等故障诊断可视化。支持历史异常、故障查阅；支持多维度报表、图标统计。

3）故障场景追溯可视化模块

运用可视化技术，结合基于通信过程的调度业务故障追朔技术研究成果，提供调度业务故障场景追溯可视化模块，支持历史故障过程可视化，可根据历史故障，形成当时调度业务信息流图像，根据时序当时异常分析故障诊断等断面数据；支持故障追溯可视化，收到历史告警数据后，将历史告警数据发送给告警显示窗口；接收到历史变化数据后，将历史变化数据发送给图形显示窗口。

3 结束语

随着我国电力的大力发展，电力调度系统需要接入海量的数据输入，这些海量的电网数据是我国电网运行生产中的重要资产，是保证电网安全稳定运行的重要基础。本文提出了一种海量调度数据流在线智能辨识平台建设方案，通过对海量调度数据进行无损采集和存储，保证了数据的实时传输，方便了历史故障数据的追溯。同时，本文提出了海量信息流的异常特征及故障判别技术及基于通信过程的调度业务故障追朔技术的研究思路，可为电网海量数据流在线故障识别和故障追溯建设提供了一种研究方向。