考虑数据特征聚类的电力系统网络运行安全态势感知

常富红,李 麒,张文丰

(国网河南省电力公司 许昌供电公司,河南 许昌 461000)

0 引言

网络技术的应用为电力系统日常的生产调度提供了极大的便利条件,但是降低了网络环境的安全系数[1]。 因此,国内有研究学者提出了基于数据挖掘网络运行安全态势感知技术与基于BP 神经网络网络运行安全态势感知技术来解决这一问题[2-3]。 虽然这两种方法能够完成预期的感知处理任务,但是易受到外部因素的影响,感知速度慢,误差较难控制。

数据特征聚类技术可及时设定对应的特征感知目标,实现多维聚类处理[4]。 本文提出考虑数据特征聚类的电力系统网络运行安全态势感知方法,以期营造稳定的网络感知、调度环境。

1 构建电力系统网络运行安全态势特征聚类感知方法

1.1 电力系统网络运行标定数据预处理

为避免数据积压过量导致电力系统卡顿,因此对所采集的标定数据信息进行预处理[5]。 设定基础性标定指标,如表1 所示。

表1 基础标定态势感知指标设定

对相关的指标参数进行调整设定,构建电力系统的数据采集层级,分别为日志采集、感应采集和外部数据采集[6]。 完成采集后进行汇总转换,导入电力系统实时数据存储库内部[7]。

1.2 聚类安全态势感知特征提取

对电力系统网络运行感知的区域进行划分[8],构建对应的感知结构,结合感知的需求,对感知特征提取的原理进行设定,如图1 所示。

图1 感知特征提取原理

对多个周期的运行区域进行监测,利用特定的识别模型,关联感知过程中的线索及元素,测算基础性的感知网络安全运行感知范围,如下式所示。

公式(1)中,K 表示安全运行感知范围,h 表示整合感知距离,γ 表示预设期望值,i 表示感知次数,d 表示定向感知识别区域,μ 表示感知单元。 综合上述测定,最终可以得出实际的安全运行感知范围。 在范围之内,依据电力系统的运行周期,采集相关的运行数据、信息,并依据数据特征聚类技术,划定对应的运行情况,总结出特征规律,作为后续运行态势感知的基础,确保运行感知效果的真实可靠。

1.3 关联网络感知节点部署

网络运行感知节点的部署,一定程度上可以进一步扩大实际的感知范围,从整体上简化对应的感知环节,提升对电力系统运行态势感知的精准度。 先构建一个定向的可控感知空间,依据设定的感知目标,对所采集的感知数据进行采集,完成汇总整合后,综合数据特征聚类技术,预设基础的感知位置,并测算节点的感知导向值,如下式所示。

公式(2)中,J 表示节点感知导向值,a 表示运行态势偏差,m 表示定向感知区域,n 表示堆叠感知区域,表示可控覆盖距离,t 表示单向感知次数。 综合上述测定,最终可以得出实际的节点感知导向值。 依据导向距离,进行初始感知节点的布设,随后,根据感知位置的变动,不断调整感知节点的位置,针对各个位置的节点运行情况做出调整,如表2 所示。

表2 各位置感知节点运行情况调整设定

通过表2 完成对各位置感知节点运行情况调整的设定,随后对相关感知区域的节点进行调度,完成关联网络感知节点的部署。

1.4 构建数据特征聚类安全态势感知模型

根据上述关联网络感知节点的部署,综合数据特征聚类技术,对电力系统安全态势感知模型进行设计。 在初始的感知模型内部,设定多个具有不同目标的感知模块,与周围的节点搭接后,形成稳定的感知环境。 在此基础上,通过各个周期电力系统运行数据的采集,分析周期内安全态势的感知特征,并预设对应的时间感知序列,形成对应的信息化感知数据集,计算感知时长,如下式所示。

公式(3)中,U 表示感知时长,x 表示动态化的检测区域,r 表示特征识别距离,e 表示感知次数,θ 表示特征差值,δ 表示堆叠感知位置,Y 表示运行偏差。 综合上述测定,最终可以得出实际的感知时长,将其设定为模型的感知标准,根据电力系统的运行状况,测定数据特征的可识别标准。 将相关的标准设定在模型之中,通过数据集中器,对每一个周期进行集中分析,同时设定感知异常警示装置,形成循环式的感知结构,完成数据特征聚类安全态势感知模型的构建。

1.5 特征有功校正实现安全态势感知处理

采用构建的数据特征聚类安全态势感知模型,获取模糊感知结果,将其与初始的感知标准进行比照,如果出现的感知误差超出合理的范围,则需要依据感知特征,采用多维有功的形式进行感知结果的校正。

此模型可以利用节点进行周期性数据的采集,随后,对数据进行解析,测定分析阶段性的感知情况,并利用感知模型对实际的结果进行修正,标记出有功校正的位置,逐步形成一个动态化的感知处理结构,实现对最终电力系统运行安全态势感知工作的处理。

2 方法测试

本次主要是对数据特征聚类的电力系统网络运行安全态势感知实际应用效果进行分析与研究,考虑到最终测试结果的分析与研究,选定A 配电站作为测试的主要目标对象,并设定3 个网络覆盖区域作为测试对象,明确网络运行安全态势的标定范围,参考王艳[5]和赵冬梅等[6]的研究,设定传统数据挖掘网络运行安全态势感知测试组、传统BP 神经网络运行安全态势感知测试组以及本文设计的数据特征聚类网络运行安全态势感知测试组。 测试得出的结果以对比的方式进行分析,下面根据实际的感知需求及标准,搭建相应的测试环境。

2.1 测试准备

为对数据特征聚类的电力系统网络运行安全态势感知的实际应用效果进行分析与研究,结合实际的态势感知需求,进行基础性感知环境的搭建。

在选定的A 配电站电力系统的控制程序中接入一个动态化的监督程序,与周围设定的定向感知节点进行关联,逐步形成一个具有多元性的感知结构。 随后,设定3 个具有特定攻击性的指令,将其布设在测试程序中,营造一个专业的测试程序,对3 个网络覆盖区域设定的感知点位做出调节,并设计对应的感知时间窗,测算感知时间窗的有效感知距离,如下式所示。

公式(4)中,D 表示时间窗有效感知距离,π 表示定向感知点位间距,ϖ 表示感知偏差,σ1和σ2分别表示时间窗的初始感知范围和实测感知范围。 将得出的时间窗有效感知距离设定在感知模型中,与电力系统的控制程序形成对应的关联结构,完成测试环境的搭建。

2.2 测试过程及结果分析

在电力系统中下发攻击指令,营造测试环境,综合数据特征聚类技术,可以测算电力系统的运行状态,计算运行安全态势感知边界值,如下式所示。

公式(5)中,M 表示感知边界值,ζ 表示既定值,F表示感知周期,v 表示感知单向频率,S 表示感知次数。 综合上述测定,最终可以得出实际的感知边界值进行具体的分析与研究,具体如表3 所示。

表3 测试结果对比分析

根据上述分析,最终可以得出实际的测试结果。相比于传统数据挖掘网络运行安全态势感知测试组和传统BP 神经网络运行安全态势感知测试组,本文设计的数据特征聚类网络运行安全态势感知测试组最终得出的感知边界值较低,在对电力系统进行实际感知的过程中,感知速度快,误差小,边界偏差可控,具有实际的应用价值。

3 结语

本文基于特征聚类技术,设计了电力系统网络运行安全态势感知方法,增强了网络安全运行感知结构的稳定性与可调度性。 在强化电力系统的应用能力的同时,逐步营造更加安全的网络环境,推动电力及相关行业的进一步发展。