基于大数据的变电站智能告警信号事件化研究与应用

苏波， 程鹏， 丁晓辉， 侯娟， 郑亚楠

(1.国网宁夏电力有限公司， 宁夏， 银川 750011； 2.国网银川供电公司， 宁夏， 银川 750011)

0 引言

随着人们用电量的上升，变电站的数目也不断增加，同时变电站也开始了智能化管理，变电站智能告警信号仍然需要改进，在面对一个大数据的平台，如果没有高技术的告警监控系统的排查，那么变电站的监控人员将会承受多么重的任务。文献[1]采用支持向量机(Support Vector Machines， SVM)对采集到的告警信号进行分类，从中提取重要信息，并对发生故障可能性较高的信息进行报警并处理，此方法虽然对告警信号分类，但在数据传输的过程中告警信息的正确率将会对告警信号产生影响，给监控人员造成信息排查的困难。文献[2]采用均值聚类法对信息的筛选过滤，提取发生故障或异常可能性较高的数据进行报警提示，该方法未能对采取的信号进行分类处理，大量的信息直接导入控制中心调度自动化系统，数据排列混乱，没有可读性。

1 变电站的告警信号分类及数据采集

依据变电站发生故障的严重性可将告警信号分为5个等级，即故障、异常、越限、变位和告知[3]。告警信号分类如表1所示。

表1 告警信号分类

第1～4级是需要实时监控并及时处理的重要信息，此类信息需要调控中心24小时实时控制不间断监测，发现异常并立即处理，同时立即向运维部门通知。第5级主要反映变电站各设备的运行状况，由运维部门的工作人员定期检查。

调控中心监测人员根据告警信号的等级进行先后处理事故需要有条理有序的告警信号提示，以便监测人员能快速、准确地发现系统的异常并立即解决，确保变电站的安全[4]。智能告警系统模型，如图1所示。

图1 智能告警信号模型

智能告警信号共分为信息生成、信息一级处理、信息二级处理和信息输出4个部分。采用SCADA系统进行数据采集及处理，该系统由监控计算机、远程控制单元、可编程逻辑控制器、通信基础设施和人机界面5部分组成。监控计算机主要负责数据的收集与监督并上传调度等；可编程逻辑控制器实现不同等级的事件分类，此外若想实现其他功能，可自由编写程序；通信基础设施是将各个部分相联系以便能够及时快速地得到数据信息，将告警信息快速处理；人机界面是监测人员所控制的窗口，上面显示故障信息、发生故障的原因、针对故障给出相应的解决措施及其报警信号，在人机界面还可以查询历史告警信息，并对此做出总结，以便监测人员能够实时监测与处理[5]。

2 变电站智能告警系统的硬件设计

基于上述的不足，本研究对告警信号系统有新的改进。该告警信号系统由输入信号模块、信号处理模块、报警模块和人机界面显示模块4大模块组成。总体架构示意图如图2所示。

图2 变电站智能告警信号系统设计

本研究中采用基于单片机的告警系统，告警系统实现功能的整个流程如下，首先，SCADA采集到的数据输入到告警系统，输入信号经过隔离滤波进行信号筛选，将筛选出需要告警的信息进行分类、分等级，再根据等级的不同做出相应的告警信号[6]。

该告警系统采用输入信号接口为18位的并行接口，可以同时输入大量信息，确保输入信号的不遗漏。本设计的特点在于大量的输入信号不是直接涌入，而是经过隔离滤波进行筛选，将重要的信息进行模数转换，传输至可编程电子开关，再由单片机循环采集信息，判断是否有需要告警。若需要告警，就从存储器里调出相应的告警信号，再将告警信号传递给报警芯片进行声光报警，声音告警经过集成放大电路，能够有效地扩大告警的音量，同时告警信号传递给人机界面显示，显示发生故障的位置、原因以及解决措施[7]。

告警系统的硬件设计与软件设计相结合共同完成了告警的整个功能，此硬件设计采用功能性强、可编程的芯片，在硬件电路完成后，可以编写程序实现想要实现的功能，在后期如果想要增加新功能，不需要修改电路，焊接元器件，直接在开发系统上修改程序即可。

3 基于FP-growth算法告警信号事件化研究

本研究中采用了FP-growth 算法，该算法的优点既能节约时间，又能节约空间，该算法的原理是通过建造一个数据结构(FP-tree),然后将原来的数据库压缩，存放压缩的频繁模式信息FP-树如图3所示。

图3 存放压缩的频繁模式信息FP-树

此算法在扫描数据库的过程中，包含了项集的全部信息，在下次处理时就不用重新扫描数据库，并且FP-树在执行命令时删除了不经常出现故障的信息，减小了FP-树中存储的信息，从而提高了FP-树扫描的速度[8]。

下面通过步骤进行该算法的说明。

步骤一：FP-树的构建。通过对采集到的数据进行扫描，出现检修记录频繁项目C和支持度，出现频繁的项目生成频繁项目集合记为L。

L={C1,C2,C3,…,CN}

(1)

式中，L表示检修数据库出现比较频繁的事件集合，C表示出现频繁的项目，其中L集合中出现频繁的项目是按照支持度从大到小的顺序排列的。

步骤二：对采集到的检修记录进行正向计算，即:

(2)

(3)

Cj(n)[1-Cj(n)]

(4)

式中，对vj(n)正向计算的结果求偏导函数，若j属于第一个频繁项，此时l=1，则：

(5)

若j属于输出的告警数据，此时l=L，则：

(6)

式中，Oj(n)表示第几层输入，ej(n)表示每层节点的迭代次数。

步骤三：对需要告警的信号进行反向运算，即：

(7)

步骤四：得出修正权值，并输出告警信号，即：

(8)

式中，n=n+1,加入新的频繁项时，定义为EAV,若E≤EAV,则加入频繁项的数据C重新排序。

4 告警信号处理

该告警系统采用了分类、分等级的告警模式，依据事故所产生后果的严重性，将1～5级分为3个等级:紧急告警、一般告警和提示告警。紧急告警是需要工作人员立即处理的突发事件，能够危害到变电站正常稳定的运行，此类告警需工作人员立即处理；一般告警是小部分的损坏，不会影响到整个系统的正常运行，但会影响变电站的局部运转，此类告警也需要工作人员立即处理；提示告警是小零器件的长时间老化、开关的变动等，此类告警需要工作人员不定期的检修。告警信号处理流程图如图4所示。

图4 告警信号处理流程图

该告警系统设置了2种告警形式，一种是声音告警，一种是指示灯闪烁告警。告警信号分为3个等级，如果3个等级使用同一种告警声音和同一种颜色的指示灯，很难让工作人员觉察到告警信号的紧急程度。所以根据告警重要的程度，分为3种频率的告警声音，紧急告警的声音频率最大，容易让工作人员警觉并立即处理该故障；一般告警和提示告警的声音频率依次减小。声音告警与指示灯告警流程图如图5所示。

图5 声光告警流程图

指示灯告警3个等级分为不同颜色的3种灯光，紧急告警红色指示灯闪烁，一般告警橙色指示灯闪烁，提示告警黄色指示灯闪烁。不同颜色的灯光提醒工作人员事故的紧急程度。

总结上述告警信号的处理，该告警系统的优点在于：

(1) 不同声音的频率和不同颜色的指示灯能够直接辨别告警信号的紧急程度；

(2) 分为2种模式告警，其中一种告警模式损坏，不影响另外一种模式告警，这样避免了告警系统部分损坏的突发状况发生。

5 告警信号实验结果与分析

为了使实验数据精确度更高，测得的数据具有可读性，本实验共设置了24种故障类型，其中包括电压互感器故障、直流系统接地故障、避雷器故障、母线故障、电容器故障、断路器拒绝合闸故障等。实验中故障是随机发生的，高度模拟了生活中突发状况的发生，使系统更有实际应用性。故障类型如表2所示。

表2 变电站故障类型

在模拟实验中，共有540组数据，其中有400组数据信号用于练习，剩下的140组数据信号用来实验。利用FP-growth 算法进行测试，得到各种故障类型发生以所测得的准确度为标准。下面是练习和用来实验的具体步骤。

(1) 初始化告警系统，设置练习步数为2 000次，采用式(8)进行权值修正。

(2) 将练习的400组数据信号输入到告警信号系统中，使用SCADA系统进行数据扫描，再根据式(2)计算告警信号的输出。此时FP-growth 算法对扫描到的数据生成频繁项集。

(3) 结合式(5)计算出误差值，再由式(6)、式(7)计算出局部梯度δ。

(4) 由式(8)得出权值修正值，输出告警信号。

(5) 若扫描及计算结束，则返回步骤(1)重复此过程。

均值聚类法对信息的筛选过滤，提取发生故障或异常可能性较高的数据进行报警提示，此方法在实验中测得的准确度和损失函数如图6所示。

(a) 准确度曲线

(b) 损失函数曲线图6 均值聚类法准确度曲线和损失函数曲线

经过FP-growth 算法实验测试得出的准确度以及损失函数如图7所示。

(a) 准确度曲线

(b) 损失函数曲线图7 FP-growth 算法实验准确度曲线和损失函数曲线

从上述两图对比中明显可以看出,基于FP-growth算法的告警系统的准确度高于均值聚类法的准确度，均值聚类法的准确度最高了达到98%，然而本文所设计的告警系统准确度高达100%。

6 总结

变电站智能告警信号系统是监测变电站故障的重要基础。本文研究了一种基于FP-growth 算法的智能告警系统，使用SCADA系统进行数据采集，不同于传统的告警系统，本系统对采集到的数据进行分类、分等级，该系统将告警信号分为了3个等级：紧急告警、一般告警和提示告警。根据不同的等级有不同的告警模式，紧急告警使用声音频率最大的告警模式，并且伴有红色的指示灯闪烁；一般告警使用声音频率相对较小的告警模式，并且伴有橙色的指示灯闪烁；提示告警使用声音频率最小的告警模式，同时伴有黄色的指示灯闪烁。这样不仅可以警示工作人员，还可以让工作人员知道出现故障的紧急程度，高效快速地去解决故障。