基于数据驱动的流域集控中心语音报警优化

黄海军，黄东生

(1.华电云南发电有限公司，云南 昆明 650228；2.广西百色银海发电有限公司，广西 百色 533615)

0 引言

各类电力生产信息纷繁复杂，层出不穷，给远程集控运行值班工作带来了很大的挑战，“ 无人值班、少人值守” 的流域集控中心尤甚。运行值班时，仅依赖文本报警是无法高质量地完成生产工作的，需要充分地运用语音报警来有侧重地对电力异常状况做出反应[1-2]。语音报警及时、准确、高效高度依赖于运维人员对远程集控生产经验的掌握。通过对语音的必要性进行研究分析，有效筛选语音配置项并进行自动化批量生成，确保了语音报警内容的及时、清晰、有效和高可维护性。

1 流域集控的语音报警问题

1.1 语音报警的必要性

J 集控中心是某流域三个大型水电站的远程集控中心，承担受控电站的全监、全控任务，流域水电站原则上不安排运行人员值班。J 集控中心的生产实时值班平台上每小时最高报出3 000 多条报警，3 名值班员平均每2 s 就必须对一条信息做出处理。由于电力生产包括各类事故、故障、异常、状态信号以及各类预警信息、计划信息等，而维护设备系统的稳态是电力生产的根本需要，因此必须通过语音来筛选重要的报警信息，才能确保事件得到及时有效的处理。

1.2 语音报警中的问题

语音报警是确保报警信息得到及时、高效处理的重要部分，其工作对象是电力生产中的关键风险信息，特别是各类具有时效性的风险，如事故信息、开机计划信息以及特殊状态变化信息等。

语音报警是需要筛选的，不能全部逐一播报。如果语音选点配置不当或者语句过长，后果是机组开停机、负荷调整等时段的报警量爆屏，甚至事件结束超过30 min 了，相关的语音仍在队列中持续播放，这就失去报警的意义，而且可能延误后续的正常报警[3-4]。

语音文本是需要优化的。若语音断句不正确，语句将难以理解；多音字、罗马字符、特殊英文简称等录播不准确，将严重影响辨识效率；同样的，若数字的语音不符合行业语言习惯，也将带来信息转换误差，影响电力生产。

语音报警的数据量很大，往往是难以维护的。每次变更修改工作量大，管理难度及风险也很大。编号重复、反复录制、漏录制、关联错误等都将严重影响录音组态的工作效率，使语音维护工作不可持续，最终导致语音报警优化整体工作的失败。

1.3 语音报警优化的基本思路

1) 对语音报警的频次、重要性等进行分析，合理选择语音测点(如采取表1 所述的专家策略)，补充完善预警、计划曲线过程监管等语音配置，实现语音筛选的最优化[5-6]。

表1 语音优化的专家策略

2) 对语音的编号规则进行规范，有序分配和记录录音编号，确保编号的唯一性。

3) 对语音文本采取自动化规整，确保语音文本易于辨识、表述准确。

4) 对语音内容和文件名进行映射处理，自动编程组合。

5) 导入语音生成平台进行自动化生成[7]。

通过上述自动化处理过程，确保关键异常语音提醒不缺失，实现语音低并发、高防漏的协调统一，最终达成语音报警优化的目标。

2 流域集控的语音报警优化

2.1 事件语音的权重

开关量报警是最常见的生产监控形式，其文本报警数据量占比非常高，必须设置语音进行摘要报警。具体权重考虑如下。

2.1.1 过滤高频的非紧急性报警

密集报警导致信息量过大，增加语音系统的负担。一般地，正常人的语速在120～200 字/min，计算机监控系统一分钟播放语音10 条左右，数量增多则形成语音队列积压。

实际生产中，J 集控中心一分钟可能产生50～300 条报警，因此，必须进行语音降频处理(如表2 匹配的信息)，包括：

1) 重要性较低、不能反映重大状态，或不能反映异常/报警、故障、事故的数据，不设语音。

2) 属重要系统但频繁报警的调管信号，如一次调频动作、增/减闭锁等，不设置语音。

如果集控中心不承担“ 全监、全控” 职能，那么厂站管辖设备的报警信息也可以筛除；除非厂管信息为可能改变机组状态的电源、网络、事件信息。如技术供水四通阀反冲、柴油发电机故障及运行、10 kV 备自投投退、10 kV 母线告警、排水系统异常等，应当设置语音。

2.1.2 关键报警的防漏

1) 调管功能的状态，应设语音。如AGC、AVC、PFC、PSS 等功能的投退及机组失备等。

2) 调管设备的重要运行方式切换，如开关分合、集控高高/低低越限报警、LCU 现地、(导叶/筒阀)开度全开/全关等，应设语音。

3) 调管设备的事故信号，应检查确认语音无遗漏。包括各类保护动作、事故触发、故障异常发生等，特殊的能够反映水淹厂房、调速系统压力等的模拟量变化也应当设置事故级语音。

4) 调管的重要异常状态。如，调度通信的状态变化，控制电源或板卡异常，水系统控制异常，励磁、同期等关键控制系统的过程异常等。

5) 集控调管运行方式切换的复归信号，如AGC/AVC 的机组及全厂投入复归、只有一个信号的双态点(自动/手动、现地/远方/检修)等，须设置复归态触发的语音。

6) 系统重要性较低的设备，但反映事故、异常状态的，应当报警。如变压器温控器异常，空冷器、制动器等的异常状态，辅助电源异常，备自投变化，外来电源工况变化等。

7) 被取反的事故/故障信号，须配置复归态触发的语音。如切换模块正常、系统无事故等，增加复归态报警，防范关键状态漏监视的风险。

8) 检查AGC、AVC、孤岛、通信电源等报警配置，确保近期发生异动的系统不存在遗漏报警的情形。必要时，可复核各厂站上送集控的104 点表，重点检查点名、路径的变化情况，将变更情况作出标记，逐一做好报警、入库等实时数据库组态工作。

2.2 提前预警的语音

提前预警是生产值班的高阶需求，通过数据发展趋势分析来设置预警语音，有利于提高报警的有效性。包括：

1) 基于定值单和历史数据的预警。结合各厂站的热工、直流等系统的定值单及历史数据分析和设备风险估计值，建立一套越复限预警值，并勾选配置语音项。

2) 基于专家经验的预警。对负荷设定、闸门远控、频率控制、电源供应等影响安全生产的非定值性关键数据，可基于专家经验设置预警语音项。

类似地，重要的开关量、发电曲线等配置征兆性报警，提前播放预警信息，有助于提升应急处置和风险防范的成效[8]。

2.3 语音的准确性

语音报得准，值班处置工作才能有保障。确保语音文本的准确性，需要开展以下工作。

1) 切换把手、切换模式等存在多态含义的测点定义具体化。如自动/手动、投入/退出、网络状态、电源监视等含义不明确的，完善其定义。

2) 缺乏情景信息的，补充完善其定语、状语表述。例如，没有指明具体调度名称的控制权限，没有指明水导、推力等位置信息的外循环油泵，没有指明是机组还是全厂的有功投入等。

3) 语言表述不一致的，须规范其语言表达。具体为：统一术语，确保调度名称的规范、统一；统一各类设备的描述性前缀，如隔刀、地刀统一加500 kV 前缀，与线路、主变相连的断路器保留功能性定语，主变高压侧T 区使用主变作为定语，而机组开关不标注电压等级，机组隔刀、地刀依靠近的位置使用机组/主变定语等。

4) 因接入LCU 而添加的K4、公用等区域信息，语音删除，避免不恰当的辅助信息影响语句的正确辨识。如，母线、电抗器、PMU、孤岛等信息删除“ 开关站K4” 前缀。

2.4 语音的及时性

语音过长影响播放的及时性，应当删除非关键信息，使用朴素语句表达。语音文本一般不应超过30 字符，建议为20 字符左右，超过25 字符的重新组织表述，措施有：

1) 适当增加断句符号以辅助阅读和理解。

2) 无关语句可适当删除，如报文优化中增加的“ _(通信量)” “ _(仪表柜)” 等字样。

3) 500 kV 的断路器、隔刀、地刀相应的描述性前缀予以删除。

2.5 语音的易用性

状态语音使用“ 处……” 来表述报文，使用“ 切至……” 或“ 不在……” 来播报语音，如表3 匹配的报警信息。

表3 提高语音易用性的专家策略

2.6 语音的完整性

设置在脚本内的独立语音，需要单独登记和录制，避免语音漏生成，如采用脚本运算生成的频率、功率、电压突变报警等。

2.7 语音的自动化生成

如上所述，语音报警的优化涉及的数据库组态工作量非常大，受专家经验的累积渐进性规律的影响，相关的操作并非一蹴而就的，由此导致数据库组态、语音生成等维护性操作量过大，可能存在整体优化工作被终止的风险。因此，通过VBA、BAT 等编程技术实现生成过程的自动化，从而减少维护操作量，确保了语音优化技改工作的可行性。

1) 实时数据库中的语音组态自动化。通过Excel 数据列粘贴的形式来实现批量化设置。数据列属性的编辑，采用分区域筛选的方式来操作。当专家模型中涉及的关键词具有较强的标志性，或数据范围较小可快速标定时，使用VBA 编程方法进行识别选择则更为灵活高效。

2) 语音文本的自动化预处理。多音字、特殊字符、汉英混合、英文缩写、数字、无意义后缀等采用VBA 方法批量处理，操作流程如图1 所示。

图1 语音内容的预处理流程

3) 语音文本文件的批量化预生成。采用Windows 批处理语言，将预处理生成的语音内容和编号进行逐行分切，生成预制的语音文本文件。

4) 语音文件的自动化生成。可以使用在线TTS 进行批处理生成语音，但生成效率只有本地工具的1/5 至1/3 左右，建议采用Balabolka、科大讯飞等本地工具批量导入文本文件，进行语音文件的批量生成。

2.8 语音的持续优化

良好的语音优化来源于生产实践的持续性优化，通过对语音的播放频次进行分析，或值班过程的实用性研究，优化播放次数过多、过频的组态项，纠正处理语义表达不准确、不流畅、不地道的文本，从而提升语音报警的应用效果。经过PDCA 测试，J 集控中心经过3 轮修改即可形成较为完善的语音组态数据库，但直到15 轮修改才取得较高的生产环境应用成效。

优化过程中，J 集控中心还开发研究了语音历史记录、分区屏蔽等功能，成功研发了基于Linux平台的语音报警系统，为语音报警的过程研究和优化提供了基础。

3 结束语

J 集控中心采用基于数据驱动的专家策略进行报警语音优化后，实现了语音报警模型的最优化。优化过程中，报警配置减少16 768 条，占比降低53.77 %；开关量报警增加561 条，完备性提升1.93 %；语音文本大幅调整优化，语句辨识度提升10.75 %，生产报警介入的及时性提升至5 s 以内，满足了流域集控“ 全监、全控” 和安全生产的需要，为同类集控中心的优化提升提供了经验参考。