基于赋值法的电力系统远动信息仿生化建模分析

张洪略，陈胜，王家军，万毅，石家德

（1.贵州电网有限责任公司电力调度控制中心，贵州贵阳 550000；2.贵州电网有限责任公司兴义供电局，贵州 兴义 562400；3.贵州电网有限责任公司都匀供电局，贵州都匀 558000；4.贵州电网有限责任公司凯里供电局，贵州 凯里 556000）

电力系统运行是一个复杂的动态过程。当系统 中产生异常信息时，由于离散时间与物理设备的关系，常发生离散事件。电力系统远动信息的有效监测是保证电力系统正常可靠供电的关键。一旦出现异常远动信息，将影响电力系统的正常稳定运行[1]。

文献[2]将故障数据细分为3 种类型，基于多源数据，考虑不同数据之间存在的差异，利用实时性较强的数据进行故障诊断。文献[3]为减少流域梯级调度监控系统应用过程中远动通信测点数量规模庞大的问题，给出同型和异构平台下对比同步的模型和算法，分析不同监控系统远动通信信息点表和数据库测点分布属性等特性，设计了数据库对比模块、软件数据自动同步模块，避免了大数据规模环境下电力安全运行风险。

但是以往的数据建模方法都是面向点数据配置的，缺乏详细的管理步骤，导致误码率高，不能保证信息输入结果是正确的，容易受到信息来源与传输过程不稳定性的影响，分析效果不佳，由此，提出了基于赋值法的电力系统远动信息仿生化建模分析。

1 远动信息仿生化建模分析

根据电力系统动态远动信息来源复杂、处理过程繁琐的特点，对电力系统远动信息仿生化建模分析，确保信息的准确性和实时有效性。

1.1 电力系统远动通信结构

首先，分析电力系统远动通信结构，如图1所示。

图1 电力系统远动通信结构

从图1 中可以看出，该结构主要包括以太网、控制中心和变电站，其中，以太网通过I/O 切换功能模拟采样通信数据，控制数据传输；控制中心通过设备间的交互操作，实现了对间隔单元的控制[4]；在变电站内进行远程控制中心、维护中心及人机接口之间的相互通信，并管理配置和图形界面[5]。

1.2 逻辑节点与信息仿生化建模

在信息交换中，逻辑节点是最小的单元，该单元与服务器基本功能一致，包含了电力系统远动通信信息，通过不同逻辑节点间的信息交换操作，实现特定操作[6]。IEC61850 规约下的继电保护系统测量和计量以及控制包括三种特点，分别提取与测控通信有关的逻辑节点和通用信息[7-9]。如表1 和表2 所示。

表1 远动通信逻辑节点

表2 远动通信信息分类

分析远程逻辑节点中包含的信息对象和信息属性，建立电力系统远程逻辑节点模型，如图2 所示。

图2 电力系统远动逻辑节点模型

由图2 可知，在电力系统远动通信过程中，不需要获得变电站的全部信息，只需对变电站关键部件或关键设备的运行状态进行监测[10-12]。因此，逻辑节点的数据模型和功能模型应该根据远动供电的实际需要来建立[13]。

远动通信信息主要包括有功和无功功率、电流和电压值、电能表及设备状态等，由逻辑节点完成对电网运行时电流、电压、功率等的测量[14]。在信息处理过程中，主要将有功、无功功率的三相相加后上传到控制中心，从该中心构建仿生化模型，如表3所示。

表3 电力系统远动信息仿生化模型

由表3 可知，在远程信息处理中，可以使用逻辑节点进行电能计量，而反映用电设备运行状态的电能计量则需要选择相应的逻辑节点和数据对象。基于给定的逻辑点，可进行自我控制与调节，保证母线电压在一定范围内[15]。考虑到电力远动通信中遥信的重要性，可以根据实际情况进行即时发送或暂时缓存报告。保存的事件可以在特定时间后发送，即使通信中断或受到其他因素的干扰，数据也不会丢失[16]。

2 基于赋值法远动信息异常预警

2.1 赋值法确定阈值

为避免单一方法导致的分配偏差，综合阈值由主、客观阈值的线性权重决定，主、客观阈值可以用λ1、λ2分开设置。通过对主、客观门限进行比例加权，得到远程电力信息异常预警指标的综合门限:

式（1）中，a、b表示比例系数，计算公式为：

式（2）中，n表示电力系统远动信息分类总数；pn表示第n个分类所包含的远动信息出现的概率。

2.2 远动信息异常预警

采用阈值分配的方法，确定远动通信信息挖掘中异常预警指标的阈值，实现对异常数据进行相关预警。然而，电力系统远动通信信息异常预警过程中，不仅需要对指标进行异常挖掘预警，还应结合其他预警层次的设计，如图3 所示。

图3 远动信息异常预警流程

由图3 可知，实施异常报警时，需要监控站点提供足够的数据，如果数据不完整，就不能有效报警。一般来说，可以设置每个索引生成的50%的数据量来限制数据完整性。例如，电流谐波每天应产生480次，每3 min 一次，如果在一天内电流谐波值低于17位，则将被视为无效。

综上分析可知，稳态指标预警步骤为：

步骤一：对监测指标数据的完整度进行判断。

步骤二：当符合要求后，对指标进行超限检测，并根据超限程度给予3～4 次警告。

步骤三：针对超过阈值的数据，及时以异常通信情况进行预警。

步骤四：对概率值为95%以上的异常情况，在一个固定的时间窗内，通过典型波形参数的估计，进行异常数据挖掘。此步骤也是对尚未设置完善的稳态指标进行预警与分析[17]。

判别预警级别的具体步骤是：统计原始数据超过异常阈值的次数以及原始数据的最大值，然后，限制异常数并计算最大值。如果两种情况都超过限制，将发出二级警告，超过上限时将发出一级警告。如果没有超限，则判断为正常，不会发出警告信息。

3 实验

为了验证基于赋值法的电力系统远动信息仿生化建模分析的合理性，进行实验验证分析。

3.1 实验环境

实验环境是以某个变电站为例，变电所主要包含两个电压等级：110 kV 和115 kV，皆由变压器、断路器、隔离开关、电压互感器、电流互感器等部件组成，并配有基本的控制和保护装置。

对数据预处理之后，得到50 个待处理数据。同时，需要考虑设置适当数量的滑动窗口来形成多种类型的样本。根据实际调试经验，将一个窗口的数据数设为5，直接将50 个数据数限制在5 内，即可得到10 个窗口，数据计算结果如表4 所示。

表4 10个窗口统计量分析

3.2 实验结果与分析

设定理想情况下电力系统正常运行时的负序电压长时间不平衡度应小于等于0.24%，短时间不平衡度应小于等于0.45%。

基于该情况，分别使用文献[2]方法、文献[3]方法和该文方法对电力系统远动信息异常情况进行分析，分析结果如图4 所示。

由图4（a）可知，使用文献[2]方法在采样时间为5.8 h 时，达到最高负序电压长时间不平衡度为0.258%，超过负序电压长时间不平衡度理想值0.01%；使用文献[3]方法在采样时间为5.6 h 时，达到最高负序电压长时间不平衡度为0.248%，接近理想值；使用该文方法在采样时间为5.5 h 时，最为接近理想值，满足负序电压长时间不平衡度不能超过0.24%的要求，且与理想曲线一致。

由图4（b）可知，使用文献[2]方法在采样时间为2.4 h 时，达到最高负序电压长时间不平衡度为0.47%，超过负序电压长时间不平衡度理想值0.025%；使用文献[3]方法在采样时间为4 h 时，达到最高负序电压长时间不平衡度为0.47%，超过负序电压长时间不平衡度理想值0.025%；使用该文方法在采样时间为1 h 时，达到最高负序电压长时间不平衡度为0.444%，满足负序电压长时间不平衡度不能超过0.45%的要求，且与理想曲线一致。

图4 三种方法远动信息异常情况对比分析

4 结束语

根据电力系统远动信息特点，提出了一种基于赋值法的电力系统远动信息仿生化建模分析方法，结合异常预警指标，及时对异常情况进行预警。

由于不同电力系统远动通信协议的巨大差异，通信过程不可避免地会丢失数据。面对这种情况，在未来的研究中，应该在通信网关上增加协议转换机制，缩短信息处理时间，减少不同通信端口间的时延问题。