基于云平台的电力系统运行异常告警算法

徐忠文，江雄烽，龚舒，阮诗迪，张雄宝

（广西电网电力调度控制中心，广西 南宁 530000）

0 引 言

随着我国电网的大规模建设，电力系统中运行数据呈飞速增长状态，运行数据的积累以及用户端的非正常用电行为，造成电力系统运行数据异常的问题逐渐突出。当电力系统中出现异常数据时，如果系统或者工作人员无法准确识别并处理异常数据，将会危及电力系统运行状态的稳定性，严重的话会造成电网瘫痪的事故。所以，电力行业亟需找到一种可靠方法来对电力系统运行异常进行告警，从而保障电力系统稳定运行。当下，我国电力系统在线告警研究正进行得如火如荼，文献[1]通过BERT-DSA-CNN与知识库，提升了电力系统告警识别的准确率。文献[2]在电力系统智能告警的核心-故障诊断中，应用人工智能与信息融合技术，获得了较高的诊断精度。基于此，本文设计了一种电力系统运行异常告警算法，以期从电力系统的海量运行数据中快速辨识出异常数据，并进行精准告警。

1 建设电力系统运行数据云平台

云平台是由网格计算与公用计算发展而来的，通俗来讲就是通过远端服务器为用户提供所需的数据计算与存储等服务[3]。建设电力系统运行数据云平台的主要目的在于为异常告警算法提供可靠数据支持，在建设云平台的过程中，一定要严格明确构建云平台的要求，准确监测电力系统运行状态，搭建一个精细的云平台架构。本文所建设的电力系统运行数据云平台主要包括状态采集、核心处理以及数据展示这3个主要架构层次，如图1所示。

云平台的电力系统运行状态采集层是在电力系统广域网的基础上，通过高采集速率的信息采集设备来实现，它在满足电力系统运行状态采集的同时，优化异常告警算法。采集层主要负责利用多个高效采集器获取电力系统的实时运行状态，同时将采集到的运行状态数据传输至云平台的核心处理层进行高效处理。云平台的采集层可以起到电力系统运行数据实时监测的目的，进而确保异常告警算法的实时性。

云平台的电力系统运行数据核心处理层主要负责存储、计算以及管理电力系统运行数据，其中数据库用于存储并备份运行数据，部署工具与管理系统用于运行数据的整合、到期处理等管理工作，同时及时响应数据展示层的各类业务需求。

云平台的电力系统运行数据展示层主要负责为异常告警算法提供数据展示，其中云用户端是连接云平台与异常告警算法的端口，异常告警算法通过云平台用户端来查看电力系统运行数据，服务目录主要为异常告警算法定制相应的查询、退订等请求服务，根据异常告警算法所提服务请求将指令发送至核心处理层中，做出相应的响应，以此实现异常告警算法的数据支持。

2 提取电力系统运行数据特征

特征提取属于1种数据分析技术，就是从电力系统运行数据云平台的数据中提取出异常告警算法所需的有效信息[4]。提取电力系统运行数据特征主要就是，将高维度的电力系统运行数据进行变换和映射等处理，获得低维度的数据空间样本，再对其进行特征选择操作，从而获得有效的电力系统运行数据特征向量。假设初始电力系统运行数据特征向量为T=(T1,T2,…Tn)N，对其进行线性处理之后，获得运行数据特征的m维向量D=(D1,D2,…Dm)N,m≤n，然后根据欧式距离度量的特征提取公式，获得m维度的运行数据空间样本与类之间的关系为

式中：L1表示运行数据空间样本总体和类的协方差矩阵，也可以描述样本总体和类的离散程度；L2表示类内的运行数据空间样本和此类的协方差矩阵，同样可以描述单独样本和此类的离散程度；j表示类j中运行数据空间样本的平均值；表示运行数据空间样本总体的平均值。根据式（1）获得m维度的运行数据空间样本有效特征向量为

式中：Xj表示类j中运行数据空间样本有效特征向量参数；Bj表示类j中运行数据最佳变换系数。提取电力系统运行数据特征需要云平台中大量电力系统运行数据，是本文设计异常告警算法中最关键的一步，为异常告警算法提供理论基础。

3 异常告警算法设计

本文所设计的电力系统运行异常告警算法主要分3个步骤：创建电力系统运行异常告警数据库；挖掘电力系统运行数据特征与数据库中异常告警数据特征之间相关度；生成异常告警关联规则，实现电力系统运行异常告警[5]。首先，在创建异常告警数据时，需要获得2个关键参数即告警时间窗口与滑动步长。告警时间窗口就是一个告警序列，关系到后续关联规则的时间粒度，而滑动步长与异常告警算法的执行效率和关联规则精度存在直接联系，综上所述，本文通过合理的时间窗口与滑动步长，来遍历云平台中电力系统异常数据，进而创建告警数据库。利用以下公式描述电力系统运行数据特征向量与数据库中向量的相关度为

式中：x1、x2分别表示电力系统实际运行数据特征向量参数与异常告警数据库中特征向量参数；n表示告警时间窗口数量；qi、qj分别表示告警向量i、j出现频度的权值参数；分别表示权值参数qi、qj的平均值。利用式（3）过滤掉云平台中非异常的电力系统运行数据特征向量。最后，本文引入可信度因子来设计电力系统运行异常告警算法，生成异常告警关联规则为

式中：K(R→S)表示当告警场景R出现时，S也随之出现的可信度，也就是告警场景R、S共同出现的条件概率P。根据此关联规则，可以删除云平台中虚假的告警场景集合，进而实现电力系统运行异常告警。

4 算法运行效果

本章针对文中基于云平台的电力系统运行异常告警算法，选取2个传统告警算法：基于PrefixSpan的告警算法、基于Apriori的告警算法，设计对照实验，通过告警精度与告警速度的对比来评估本文设计方法的性能。选取某电信公司网络中心所提供的100万条告警数据作为实验数据，实验之前需要对数据进行预处理，过滤掉错误与模糊的数据。搭建算法实验环境如表1所示。

表1 算法实验环境配置参数表

实验告警数据过滤后剩余数据量为65万条，对该电信公司的告警事件进行深入挖掘后，将告警时间窗口设置为8 min，滑动步长设置为4 min，然后通过改变告警数据支持度来进行这3个告警算法性能的对比实验。当支持度由0.01增长到0.15时，算法告警精度与速度的对比结果如图2所示。

如图2所示，随着支持度的增加，PrefixSpan算法与Apriori算法的告警准确率曲线出现大幅度的波动，其平均准确率分别为59.8%、58.4%，而本文算法的平均准确率为86.7%，其告警精度高于对照算法26.9%、28.3%，并且本文算法不会受支持度变化的影响，较为稳定。如图3所示，随着支持度的增加，数据库中告警序列逐渐减少，告警算法的运行时间随之降低，其平均运行时间分别为97.67 s、91.59 s，而本文算法的平均运行时间为31.46 s，低于对照算法66.21 s、60.13 s，这是由于本文算法中引入了云平台，遍历数据库所需时间较短，告警速度较高。综上所述，本文所提基于云平台的电力系统运行异常告警算法可以高效运行。

5 结 论

本文针对电力系统运行异常问题，设计1种基于云平台的异常告警算法，此算法以电力系统运行数据云平台为基础，结合运行数据特征，挖掘出告警场景的关联规则，实现电力系统运行异常数据的精准报警，并通过算法实施效果对比实验验证了本文设计方法的精度与效率。本文虽然为电力系统运行异常提供了1种告警算法，但由于电力系统发展较快，还需对告警算法进行更深层次的研究，此算法所使用的数据均出自于运行状态的实时监测数据，并未考虑到电力系统设备参数，所以后续研究中会在告警算法中加入其他数据进行综合分析，来满足应用前景广阔的电力系统运行异常精准告警。