基于BN 算法的电力调度多源故障数据融合系统

李哲，董玉山，浦绍文，周思成，张华生

（云南电网有限责任公司保山供电局，云南保山 678000）

电网规模逐年不断扩大，对于电网电力设备的需求也相应增加，对电力设备进行定期检修能够有效保障电网正常运行。然而就目前来看，为了避免电网事故发生，防止因电网事故而造成的经济损失，电网的工作人员需要不定时地针对电网系统进行检查维修，在电力调度事故发生时，更要迅速诊断出电力调度事故原因，及时采取相应的解救措施。电力调度的故障因素具有种类多、信息量大等特点。因此解决电力调度多源故障便成为了电力领域研究方向之一。

相关领域学者针对这一问题进行了相应的研究，文献[1]提出的基于随机森林的电网调度多源故障信息数据融合设计，通过采用随机森林模拟器构建决策树样本，搭建新型数据融合系统，结合相关硬件完成对电力调度多元故障问题的解决，但此方法信息源过于单一，难以适用于保护断路器，因此不适用于解决电力调度中的多源故障问题。文献[2]提出的基于改进DS 证据理论的电力调度多源故障处理方法，根据单点多分类方法，并运用了主动激发呼叫和动态调节等方式，解决多源点失效问题。但该方法容易产生误报、误动以及漏报的情况，也不适用于解决电力调动多源故障问题。

为了解决传统方式中存在的问题，该文设计了一种基于BN 算法的电力调度多源故障数据融合系统。

1 系统硬件设计

基于BN 算法的电力调度多元故障数据融合系统的硬件设计主要以SCADA 系统为基础，SCADA 系统的主要功能为数据采集与数据监控[3]，在现如今的电力系统中较为常用，通过计算机对电力系统进行自动化数据采集与数据监控，并利用安装在电力调度现场的终端来与调度中心进行数据传输，该系统传输的数据具有时效性，能够及时反映电力调度中的数据变化[4-5]。

基于BN 算法的电力调度多源故障数据融合系统硬件结构如图1 所示。

图1 多源故障数据融合系统硬件结构

观察图1 可知，SCADA 系统主要由三个部件组成，分别为远程终端单元、前置机以及信号发生器。其中远程终端单元主要负责对数据信息的采集与传输，并执行SCADA 系统的指令[6-7]；前置机主要功能为对远程终端单元传输的信息进行数据信息预处理[8]；信号发生器对前置机预处理后的信息进行整合，并传输给SCADA系统，由系统分析并发出指令。

1.1 远程终端单元设计

远程终端单元为一种针对收集长距离设备数据信息以及恶劣环境下的设备数据信息的装置，采用模块化结构[9]，具有独特的计算机操控单元，能够迅速执行SCADA 系统发出的指令。远程终端单元结构如图2 所示。

图2 远程终端单元结构

该文设计的远程终端单元选用国标CBT14429-83 型号，具有通信距离长、通信端口多、可以分散的通信特点。该型号的远程终端单元CPU 的计算能力强，数据存储空间大，能够将末端设备与主控制器链接，控制末端执行SCADA 系统发出的指令[10]。对于温度的适应性强，可在-40～85 ℃的温度区间工作，由于远程终端单元为模块化结构设计，可进行单元扩展。

1.2 前置机设计

前置机由PC 服务器、以太网卡、多功能卡、数据卡、主机通信卡、路由器和网络控制器等相关网络的设备构成，是一个集众多功能的综合组件，并内置SCOUNIX 操作系统，内部拥有内置的独立信息库[11-12]。其主要功能为数据统计及对远程终端单元收集的数据信息进行预处理，将预处理后的数据发送至信号发生器。

1.3 信号发生器设计

信号发生器为一种能供产生各种频率与输出信号的设备，作为正弦信号发生器，能产生高频、低频、微频率信号，并且可以产生简单信号源、标准信号源和功率源[13]。信号发生器电路如图3 所示。

图3 信号发生器电路图

该信号发生器可在-25～40 ℃的温度区间进行工作，可在湿度90%以下的环境运行，工作寿命不低于20 000 次，电源电压为4.5 V。信号发生器的作用是接收前置机预处理后的数据，并将其以特定信号波发送给SCADA 系统中，由系统分析计算并发出指令。

2 系统软件设计

2.1 电力调度多源故障度检测程序

在电力调度故障融合过程中，检测设备会实时上传电力调度中的故障信息并产生相关警告信息，在多源信息中提取满足在线诊断的有关数据[14]。在电力调度故障诊断过程中，其不稳定的故障因素可通过贝叶斯网络算法计算，得到高准确率的电力调度多源故障度。

在电力调度系统故障诊断领域，结合正向的先验概率和逆向的后验概率便可对电力调度中的故障概率进行计算，以此计算出电力调度多源故障度[15]。先验概率为电力调度系统中的故障发生对应的因素、后验概率为发生故障后所产生的数据信息[16]。设P(A)表示先验概率；P(B)表示后验概率，因此有：

式中，P(AB)表示事件A 和事件B 同时发生的联合概率，P(B∣A)表示在事件A 已经发生的条件下，事件B 发生的条件概率；P(A∣B)表示在事件B 已经发生的条件下，事件A 发生的条件概率。因此，该文通过贝叶斯网络模型依据警报发生装置的数据信息，确定保护模式，利用贝叶斯概率公式计算每个电力调度系统的故障度。

2.2 基于BN算法的电力调度故障度数据融合

通过贝叶斯概率公式计算出电力调度系统的故障度后，需要将电力调度系统中故障产生时的数据进行融合，该文提出了信息融合技术，对多种相关信息进行融合。

在数据融合的过程中需要应用到DS 证据融合理论，在信息条件不完善的情况下对目标方案进行推理，根据多个独立的信息源实现数据融合。设x为DS 识别框架结构，因此对于任何事件m，有以下关系：

根据式（3）可知，m表示基本信度分配函数，当a作为识别框架x中的任意一个子集，其基本信度函数m(a)＞0，定义a为证据元素。

根据式（3）建立数据软件层，首先在数据层将信息融合，将不同的数据源经过前置机预处理，提取电力调度故障的特征量，以此获得故障因素，并保留原始数据的完整性；进而在特征层进行下一步的数据融合，经过前置机预处理后的数据信息可以筛查出一部分无效信息，保留故障的特征信息，将这些故障的特征信息进行融合，可得到更加准确的故障原因，并去除了无关信息，使融合后的数据信息更加渐进；在决策层面上，抽取了由数据化和特征级融合而成的数据，并对其进行分析，找出相应的故障解决方案，并做出决策信息，进而将这些数据信息进行融合，即可得到电力调度故障的解决方案。

3 实验研究

为了验证该文提出的基于BN 算法的电力调度多源故障数据融合系统的实际应用效果，设定实验。选用的实验节点如图4 所示。

通过PSCAD 搭建模型，对电力调度多源故障数据进行提取，设定故障发生的时间为0.5 s，持续时间为0.02 s，选用该文的融合系统建立贝叶斯网络，故障电流、电压融合实验结果分别如图5、图6 所示。

图5 故障电流融合实验结果

图6 故障电压融合实验结果

根据图5、图6 可知，该文研究的融合系统能够很好地评估收到的告警信息可信度，通过探究告警信息分析时刻确定融合节点是否为期望节点。电力调度系统在运行过程中，由于告警信息出现丢失，断路器内部受到扰动，因此调度系统十分复杂。该文设计的系统通过分析提取电气量信号，将电力系统中的元件信号提取出来，通过BN 算法分解和重构电压和电流，实现信息融合。电力调度系统中设置元件保护和断路器装置，在故障发生后，传统系统没有考虑到警报信息存在误报、漏报的情况，以及断路器装置本身所具有的可靠性问题，难以对故障收集的数据做出有效判断。

为进一步验证融合系统的应用效果，选用该文提出的融合系统和传统基于随机森林融合系统和基于改进D-S 融合系统进行实验对比。得到的融合前电流和电压如图7 所示，融合后电流和电压如图8 所示。

图7 故障融合前电力系统数据

图8 故障融合后电力系统数据

根据图7 和图8 可知，在故障数据融合之前，电力调度系统故障电流幅值出现极大的波动，同时采用该文系统和传统系统进行融合，该文提出的融合系统能够很好地融合电路数据，通过IMF 分析特征时间尺度，利用BN 算法对信号进行分解，通过分解得到高频谐波信号，得到不同电力数据分量的幅值，实现故障融合，确保融合后的电力系统电流能够正常运行。传统的融合系统在融合过程中通过分析故障能量值确定暂态分量，从而实现故障识别，然而传统融合系统融合过程中不能分析不同数据的不确定性，实现信息归纳和估计，融合结果难以达到用户要求。

4 结束语

电力调度系统的应用越来越广泛，使得电力调度故障的隐患越来越大，传统方式对于电力调度故障的解决方案并不能从根本上解决电力调度故障，为了弥补传统方式的不足，提出了基于BN 算法的电力调度故障数据融合系统，添加远程终端单元来收集故障信息并传输信息，前置机来对收集到的数据信息进行预处理，信号发生器完成对SCADA 系统的数据反馈。

基于BN 算法设计电力调度故障度检测程序以及电力调度故障数据融合程序，通过设计故障度检测程序提取故障度，并由数据融合程序结合DS 证据融合理论进行数据融合。该文设计的基于BN 算法的电力调度数据融合系统有效解决了传统方法中的不足，并为后续研究此方面的学者提供有关参考。