基于大数据的电力调度运行安全风险预警算法研究

卢人杰，刘 宁，李 頔，樊 映，罗兴智

（贵州电网有限责任公司毕节供电局，贵州 毕节 551700）

我国电网线路错综复杂，为了保证电网的安全 稳定运行，构建了一种电力调度管理模式，根据各种渠道采集电力调度信息，结合每时段的电网数据参数，平衡各个阶段的电网输送任务。目前，我国电网中已经应用了配电自动化技术、信息化技术以及智能技术等多种技术，运行过程中存在着大量的配电网运行状态数据，一旦电力调度运行过程中出现风险，就会带来很大的经济损失和能源损失，因此每个电网总站都会配备多个电力调度运行安全风险预警器，其运行的核心是电力调度运行安全风险预警算法。电网运行过程中自身会存在运行风险，如果可以根据电网运行趋势，判断电力调度运行存在的安全风险概率，即可极大地减少电力事故，保证电网的安全性[1-2]。

传统的调度运行安全风险预警算法对于部分持续时间较长的电力调度运行任务的预警存在反应延迟的缺陷，降低了风险预警效率和准确率。为了解决以上问题，该文设计了基于大数据的电力调度运行安全风险预警算法，以大数据技术为核心，进一步研究电力调度运行安全风险预警算法，以降低电力事故的发生概率。

1 构建评估模型

电力调度运行安全风险预警的本质是以系统上传的各个电力调度状态数据为基础。安全风险指标评估方法可以反映电力调度随时间变化的情况，也可以反映出电力调度运行的安全状态，因此该文根据电力系统的电压、有功和设备缺陷构建电力调度运行安全风险指标评估模型，确定评估指标。

具体安全风险指标计算公式如下：

根据式（1）可以计算出在电力调度运行过程中安全风险的指标，分别是低电压安全风险指标、过负荷安全风险指标以及电压失稳安全风险指标[4-5]。

电力调度运行正常管理模式下的电压应该处于一个稳定的定值，电压不会出现波动。电力调度运行的低电压风险指标不是电压失稳安全风险的特殊情况，其指的是电网运输每条线路的运行电压相对于正常线路的电压都较低，经研究,低电压安全风险出现的概率符合多维正态分布特点，分布规律如下：

其中，v表示电力线路电压幅值；e(v)表示电压幅值的期望值；表示电力调度运行风险时的分布方差；表示母线电压与运行参数相关的灵敏度矩阵；vp表示运行参数之间的协方差矩阵[6-8]。

对上述公式进行分析，得出电力调度运行低电压安全风险概率与电压数值呈线性关系，计算出每一个电力调度管理分支的电压，并对其进行加权处理，得出电力调度运行低电压安全风险指标评价公式：

其中，risklv表示电力调度运行低电压安全风险指标；risklvi表示电网第i个低电压指标；m表示预设故障集中的故障数目[9-11]。

在电力调度运行安全风险事故中负荷风险引起的事故严重程度最高，因为一旦电网内呈现过负荷状态，由于电力调度管理本身就需要很好的运维环境和推力，在超负荷情况下，更是没有可能利用电网各个线路内的有效功率带动电网运行，最终使电力调度系统瘫痪，造成不可计量的经济损失和能源消耗，因此构建过负荷运行安全风险指标是该文研究的重点[12-14]。同样，该指标满足泊松分布，分布条件如下：

其中，pr表示电力调度运行线路的有功潮流百分比，mvn定义为有效有功潮流与最大潮流值的比；e(pr)表示pr的期望值；表示过负荷的分布方差。采用同样方法对电力调度任务内的荷载比和有功潮流比进行加权处理，得到电力调度运行安全负荷风险的评价指标如下：

其中，riskol表示电力调度运行负荷安全风险指标；riskolj表示第j条线路的过负荷风险指标；m为预设故障集中的故障数目[15-16]。

电力调度运行安全风险中的低电压安全风险不同于电压失稳的安全风险指标，前者在电力调度过程中的电压必须时刻处于低值状态[17-18]，但是后者发生的情况下整个线路的电压不同时处于一个状态，处于一个状态就不是失稳风险，而是失效风险。电压失稳安全风险波动规律满足正态分布，由两个相同的周期组成，正是根据这一特点，构建电压失稳安全风险指标。安全风险正态分布规律如下：

其中，L～n表示系统负荷；μl表示负荷分布的期望值；表示负荷分布的方差。由于该电力调度运行安全风险具有较强的规律性，综合线路的最大负载量和稳定度可以直接得出电力调度运行电压失稳安全风险的指标，具体如下：

其中，riskop表示电力调度运行电压失稳安全风险指标；riskolp表示第l条线路的过负荷风险指标。

2 算法分析

2.1 大数据技术

大数据技术是目前新兴的人工智能技术，主要通过专业软件对所需数据进行大范围的采集与分析，具有较强的决策能力和洞察能力，对于该文研究的电力调度运行安全风险预警算法而言，正需要大数据技术的优势。根据该文设定的研究目的和目标，大数据技术的主要任务是实时采集电力调度运转过程中产生、消除、替代的电力数据，结合数据采集结果对所构建的电力调度运行安全风险指标进行分析，为基于大数据的电力调度运行安全风险预警算法奠定稳定的数据基础。

2.2 算法流程

以电力调度运行安全风险评估模型和大数据技术为基础，该文具体介绍了基于大数据的电力调度运行安全风险预警算法的计算流程，首先将预警算法识别到的电力调度线路和记录调度状态进行映射处理，提取电力调度运行参数，并对有效指标关联参数进行编码，编码公式如下：

其中，s(i)表示风险状态函数；n表示电力调度管理过程中同时运行的任务数；k表示各个运行安全风险指标所代表的序列号。

然后将每个电力调度任务进行区域划分，以提高风险存在范围的查询速度，将每个具有关联性的指标初始化，使编码长度均为M，取值区域为[0,2.3]。最后计算所有编码的电力调度数据风险综合概率，若计算结果为正数，代表电力调度运行存在风险，立即将该计算结果传输到管理层，利用线性回归算法实现风险预警信息提醒。计算公式如下：

其中，f表示电力调度运行安全风险发生的概率；farg表示电力调度状态的平均适应度；fmax表示最大适应度。

3 实验分析

该文通过上述过程完成了基于大数据的电力调度运行安全风险预警算法的设计，为了检验此算法是否具有意义，接下来需要进行对比实验以期对该算法的应用效果进行论证，避免对比实验结果出现偶然性，该文选择基于先进先出的电力调度运行安全风险预警算法和基于公平竞争的电力调度运行安全风险预警算法作为传统的对照方法（以下简称传统算法1 和传统算法2），共同完成实验。由于测试的是预警算法的性能，不考虑安全风险出现的不确定性等其他因素，将贵州某地区的电网作为实验对象，用计算机主机代替每个发电站，并且在试验电网中随机加入二级电力调度运行异常风险。实验前要进行预处理，对模拟电网运行的数据以及风险数据进行检查与录入，以保证实验的顺利运行，同一时间，应用3 种电力调度运行安全风险预警算法，在实验过程中，一旦出现突发事故立即停止实验，保证电网的运行安全。实验平台如图1 所示。

图1 实验平台

因为实验的特殊性，该文选择实验的预警时间为一个固定的时间，不可扰乱正常的电网调度工作，实验结束后对比实验数据，得出结论。

该文实验对比了3 种电力调度运行安全风险预警算法的运行安全风险预警时间以及预警准确度。预警时间比较的实验结果如表1 所示。

表1 预警时间比较

分析表1 可知，传统算法1 的电力调度运行安全风险预警时间为2.44 s，传统算法2 的电力调度运行安全风险预警时间为3.16 s，是3 种算法中最高的，而该文算法的电力调度运行安全风险预警时间为0.38 s，远远低于实验对比算法，说明该文算法能够实现对于电力调度运行安全风险的快速预警。

在上述实验的基础上比较了3 种算法的预警准确率，比较结果如图2 所示。

图2 预警准确率比较结果

对比实验结果表明，该文研究的基于大数据的电力调度运行安全风险预警算法的预警准确率最终高于另外两个传统算法。

综上所述，通过衡量各个影响因素的得出，基于大数据的电力调度运行安全风险预警算法比传统方法的预警算法具有较高的效率和准确率。

4 结束语

该文首先对电力调度运行管理目的和工作任务进行了解，根据其特点和相关公式计算，构建电力调度运行安全风险指标评估模型，并总结相应安全风险指标的评估流程，结合大数据技术和电力调度运行参数提取方法，进一步完善基于大数据的电力调度运行安全风险预警算法的设计与应用，最后通过对比实验分析，证明该文研究的预警算法比传统的预警算法具有较高的工作效率和准确度，可以保证电网的安全稳定运行，促进电力事业的稳定发展。