基于大數(shù)據(jù)分析的配電網(wǎng)故障監(jiān)測方法

賈玉健 ，孫樹敏 ，孟 瑜 ，尹茂林 ，王 悅

（1.國網(wǎng)山東省電力公司濟南供電公司，山東 濟南 250012；2.國網(wǎng)山東省電力公司電力科學(xué)研究院，山東 濟南 250003；3.山東魯能軟件技術(shù)有限公司，山東 濟南 250101）

·電網(wǎng)技術(shù)·

基于大數(shù)據(jù)分析的配電網(wǎng)故障監(jiān)測方法

賈玉健1，孫樹敏2，孟 瑜3，尹茂林1，王 悅1

（1.國網(wǎng)山東省電力公司濟南供電公司，山東 濟南 250012；2.國網(wǎng)山東省電力公司電力科學(xué)研究院，山東 濟南 250003；3.山東魯能軟件技術(shù)有限公司，山東 濟南 250101）

針對當(dāng)前配網(wǎng)監(jiān)測手段有限、數(shù)據(jù)利用率低等問題，提出一種基于大數(shù)據(jù)分析的配電網(wǎng)故障監(jiān)測方法。分析目前供電企業(yè)配網(wǎng)調(diào)度支持系統(tǒng)技術(shù)特點與數(shù)據(jù)流程，選取海量歷史遙測數(shù)據(jù)作為研究對象，采用C均值模糊聚類算法辨識配電線路負荷模式并進行負荷預(yù)測。定義了考慮隸屬度和歐式距離因素的失配度指標(biāo)，作為線路故障評價判據(jù)。算例分析表明，能有效辨識配電線路負荷模式，較為可靠地判定線路故障，并在一定程度上避免因負荷正常波動造成的誤動作。應(yīng)用效果顯示，提供了一種簡便、實用的監(jiān)測手段，能有效監(jiān)測現(xiàn)有手段監(jiān)視不到的配電網(wǎng)故障情況。

大數(shù)據(jù)分析；配網(wǎng)調(diào)控；故障監(jiān)測；數(shù)據(jù)挖掘；負荷模式

0 引言

近年來，國家電網(wǎng)公司加大配電網(wǎng)自動化改造力度，深化配電自動化系統(tǒng)（Distribution Automation System，DAS）推廣和應(yīng)用［1］，能夠?qū)崿F(xiàn)對配電網(wǎng)主干線、部分分支線開關(guān)的遙信、遙測、遙控（三遙），并根據(jù)線路事故信號和自動化開關(guān)的保護信號，自動判斷故障區(qū)間，向調(diào)控人員發(fā)出提示信號或自動完成故障隔離和恢復(fù)供電［2］，提高了供電可靠性和供電質(zhì)量。

但是，仍存在以下問題：配電設(shè)備種類多、數(shù)量多，各地區(qū)經(jīng)濟發(fā)展水平不同，配電網(wǎng)中仍然具有相當(dāng)數(shù)量的非自動化設(shè)備［3］，造成大量分支線路處于無法監(jiān)視的狀態(tài)；自動化設(shè)備的通信方式有EPON、電力線載波、無線專網(wǎng)、無線公網(wǎng)［4］，可靠性、安全性不同，數(shù)據(jù)的準(zhǔn)確性、可用性不足，導(dǎo)致存在相當(dāng)數(shù)量的錯誤遙信、遙測信息；此外，還存在一定比例的缺陷、故障設(shè)備，導(dǎo)致遙信、遙測數(shù)據(jù)不可用。上述問題導(dǎo)致調(diào)控人員無法及時發(fā)現(xiàn)并處置非自動化線路的故障情況，無法甄別錯誤的遙信、遙測信息并做出正確處置。隨著分布式發(fā)電（DG）大量接入和用戶對供電可靠性要求的不斷提高，現(xiàn)有的技術(shù)支持手段對配電網(wǎng)尤其是分支線的掌控能力越來越難以滿足調(diào)控運行的需要。

與此同時，諸如OPEN-3000、D5000這類的電網(wǎng)調(diào)度自動化系統(tǒng)能夠?qū)崿F(xiàn)對配電線路主線開關(guān)高度可靠的“三遙”控制，具有較高的實時性和準(zhǔn)確性，并通過綜合數(shù)據(jù)平臺存儲著海量的遙測數(shù)據(jù)，雖然配網(wǎng)調(diào)控數(shù)據(jù)越來越多，目前僅有少量數(shù)據(jù)能靠人工手動導(dǎo)出并處理，數(shù)據(jù)利用效率低，亟待通過大數(shù)據(jù)技術(shù)、云計算技術(shù)強化應(yīng)用歸集、傳輸、分析處理，并有效地為配網(wǎng)調(diào)控決策服務(wù)在現(xiàn)有調(diào)控業(yè)務(wù)［5］。如能對調(diào)度自動化系統(tǒng)進行改進，擴展其應(yīng)用功能，深入挖掘海量數(shù)據(jù)中蘊藏的有效信息，實現(xiàn)對配電網(wǎng)的故障監(jiān)測和數(shù)據(jù)準(zhǔn)確性校核，則能有效彌補DAS系統(tǒng)的不足，以較低的成本和簡便的手段提高供電質(zhì)量和供電可靠性，對供電企業(yè)而言是有效、易行的方案。

在能源電力行業(yè)，將大數(shù)據(jù)分析技術(shù)應(yīng)用于故障監(jiān)測正處于起步階段，尚未形成廣泛通用的技術(shù)模式：文獻［6］利用集控中心的遙信變位和遙測變化的時序數(shù)據(jù)，建立了計及信息時序?qū)傩缘淖冸娬据斪冸娫?guī)則網(wǎng)絡(luò)故障診斷模型；文獻［7］將PMU量測獲得的廣域同步電氣量的實時信息引入電網(wǎng)故障診斷之中，提出一種將開關(guān)量與電氣量相結(jié)合的故障元件快速識別方法；文獻［8］利用數(shù)據(jù)挖掘技術(shù)和SOA等先進IT技術(shù)，設(shè)計并實現(xiàn)了一個基于數(shù)據(jù)挖掘的電力調(diào)度管理系統(tǒng)，涵蓋了電力調(diào)度運行和生產(chǎn)管理等各方面的數(shù)據(jù)需求。文獻［9］提出從大量業(yè)務(wù)數(shù)據(jù)中挖掘信息并抽取知識，支持智能化調(diào)度業(yè)務(wù)分析與決策，用于電網(wǎng)運行情況統(tǒng)計分析、區(qū)域負荷趨勢分析、電網(wǎng)負荷特性分析。

鑒于此，結(jié)合現(xiàn)有調(diào)度技術(shù)支持系統(tǒng)數(shù)據(jù)特點，提出一種基于大數(shù)據(jù)分析的配網(wǎng)故障監(jiān)測技術(shù)，采用C均值模糊聚類算法計算線路電流預(yù)測值，并結(jié)合實時采樣值計算失配度，用以監(jiān)測配電網(wǎng)中存在的故障。根據(jù)某地區(qū)10 kV線路運行數(shù)據(jù)對所提方法進行了驗證，并展示了在某供電企業(yè)實際應(yīng)用效果。

1 配網(wǎng)調(diào)控業(yè)務(wù)數(shù)據(jù)流程

目前，配網(wǎng)調(diào)控運行業(yè)務(wù)的技術(shù)支持系統(tǒng)以DAS為主，以能量管理系統(tǒng)（Energy Management System，EMS）系統(tǒng)為輔，兩套系統(tǒng)同時為調(diào)控人員提供配電網(wǎng)設(shè)備監(jiān)視、事故處理、操作控制的技術(shù)支持。圖1為典型的供電企業(yè)配網(wǎng)調(diào)控技術(shù)支持系統(tǒng)結(jié)構(gòu)。

圖1 配網(wǎng)調(diào)控技術(shù)支持系統(tǒng)結(jié)構(gòu)

1.1 DAS系統(tǒng)數(shù)據(jù)流程及特點

配電終端（包括DTU、FTU、TTU）采集配電網(wǎng)線路上環(huán)網(wǎng)柜、開關(guān)站、柱上開關(guān)、分界開關(guān)、配電變壓器等設(shè)備的狀態(tài)、電壓、電流等信息，通過多種形式的終端接入網(wǎng)和骨干通信網(wǎng)匯集至DAS主站，主要為調(diào)控員提供配電線路上各類自動化設(shè)備的遙信、遙測數(shù)據(jù)。DAS系統(tǒng)的優(yōu)點是覆蓋范圍廣、能提供變電站以外線路上設(shè)備的運行數(shù)據(jù)、數(shù)據(jù)量大；缺點是通信可靠率較低、數(shù)據(jù)準(zhǔn)確率較低、不能覆蓋非自動化線路或設(shè)備。

1.2 EMS系統(tǒng)數(shù)據(jù)流程及特點

EMS系統(tǒng)通過安裝在各廠站的RTU，采集變電站內(nèi)設(shè)備的狀態(tài)、電壓、電流等信息，通過串行通信和以太網(wǎng)匯集至EMS主站，為配網(wǎng)調(diào)控人員提供10 kV母線和配電網(wǎng)主線開關(guān)的遙信、遙測數(shù)據(jù)。同時，將配電網(wǎng)主線開關(guān)的遙測電流數(shù)據(jù)，以每5 min 1個數(shù)據(jù)點的格式，存儲于歷史數(shù)據(jù)服務(wù)器。在配電網(wǎng)調(diào)度業(yè)務(wù)中，EMS系統(tǒng)的特點是覆蓋所有配網(wǎng)線路、采樣精度高、通信可靠、數(shù)據(jù)準(zhǔn)確率高、歷史數(shù)據(jù)充足；缺點是對變電站外配電網(wǎng)絡(luò)上設(shè)備無掌控能力。

配網(wǎng)調(diào)控人員通過EMS實現(xiàn)對所有配網(wǎng)主線的監(jiān)控，通過DAS實現(xiàn)對部分分支線路和配變的監(jiān)控；對于非自動化、通信失敗、故障的分支線路，目前尚缺乏有效監(jiān)控手段。EMS歷史數(shù)據(jù)庫中存儲著大量準(zhǔn)確、可靠的電流數(shù)據(jù)，考慮采用數(shù)據(jù)挖掘技術(shù)進行利用。

2 常用數(shù)據(jù)挖掘技術(shù)原理

從歷史數(shù)據(jù)庫中大量的、不完全的、有噪聲的、模糊的數(shù)據(jù)中，提取其隱含的有用信息和模式?？紤]到調(diào)度業(yè)務(wù)需求，主要利用預(yù)測型模式。

2.1 挖掘預(yù)測型模式的常用方法

預(yù)測型模式是以時間為關(guān)鍵參數(shù)，對于時間序列型數(shù)據(jù)，根據(jù)其歷史和當(dāng)前的值去預(yù)測其未來的值。常用的方法有：神經(jīng)網(wǎng)絡(luò)預(yù)測法、模糊聚類識別預(yù)測法［10］。

神經(jīng)網(wǎng)絡(luò)預(yù)測法。人工神經(jīng)網(wǎng)絡(luò)能夠建立任意非線性的模型，適用于解決時間序列預(yù)報問題。但是由于神經(jīng)網(wǎng)絡(luò)分類方法獲取的模式隱含在網(wǎng)絡(luò)結(jié)構(gòu)中，不容易被人們理解和解釋；另外要多次掃描訓(xùn)練數(shù)據(jù)，訓(xùn)練時間較長。不能滿足電網(wǎng)故障監(jiān)測對易讀性、實時性的要求。

模糊聚類識別預(yù)測法。C均值算法和K均值算法是模糊聚類領(lǐng)域中常用的兩種算法，以迭代計算來修正聚類中心，以歐式距離作為判斷樣本隸屬的依據(jù)。但是K均值算法對于初始聚類中心的依賴性較大，分類結(jié)果缺乏穩(wěn)定性，因此C均值算法目前依舊是主流使用的算法［11］。

本文選擇較為成熟穩(wěn)定的C均值模糊類聚算法實現(xiàn)對配電線路負荷預(yù)測。

2.2 C均值模糊聚類算法的原理

給定樣本 A=｛X1，X2，…，Xn｝，其中 Xk=（xk1，xk2，…，xkm），設(shè)聚類數(shù)為c。則目標(biāo)函數(shù)為

式中：dki為第k個樣本到第i類中心zi的距離，其計算公式為

uki為第k個樣本在第i類中的隸屬度，其計算公式為

給定聚類數(shù)c，計算初始聚類中心；計算樣本隸屬度，修正聚類中心；最終通過隸屬度判斷出樣本所屬的類別。

3 故障監(jiān)測系統(tǒng)策略與方案設(shè)計

3.1 總體策略

當(dāng)配電網(wǎng)處于正常運行狀態(tài)時，主線電流符合其負荷模式，電流曲線與歷史數(shù)據(jù)高度契合；當(dāng)配電網(wǎng)發(fā)生故障時，實時采樣值發(fā)生突變，與根據(jù)歷史數(shù)據(jù)計算出的預(yù)測值失去匹配。因此，只需檢測配電線路實時電流是否存在失配點，即可實現(xiàn)配電網(wǎng)故障監(jiān)測，進一步通過邏輯判斷確定具體的故障類型。圖2為數(shù)據(jù)處理與故障監(jiān)測方法流程，主要包括數(shù)據(jù)預(yù)處理、電流數(shù)據(jù)聚類、當(dāng)日負荷匹配、失配度檢測、故障類型研判等模塊。

圖2 數(shù)據(jù)處理與故障監(jiān)測方法流程

3.2 方案設(shè)計

3.2.1 數(shù)據(jù)預(yù)處理

進行模糊類聚前，通常需要將數(shù)據(jù)進行標(biāo)準(zhǔn)化，以使數(shù)據(jù)具有相近的數(shù)量級和合適的幅值，常用的標(biāo)準(zhǔn)化方法有最大—最小值法、平均數(shù)方差法、總和標(biāo)準(zhǔn)化法、標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化法、極大值標(biāo)準(zhǔn)化法等［10］。

具體到本文的聚類對象，對于一條確定的線路，其歷史電流水平保持在相近的數(shù)量級，并且工作日、節(jié)假日的負荷差異不應(yīng)被預(yù)處理步驟抹去；同時，考慮到通用性和簡便性，本文選取類似極大值標(biāo)準(zhǔn)化的方法，以線路限流數(shù)進行標(biāo)準(zhǔn)化。即

式中：d為線路限流數(shù)，根據(jù)供電企業(yè)實際生產(chǎn)情況，對于所有配電線路，d為一個常數(shù)。

3.2.2 聚類計算

對于一條確定的線路，在不發(fā)生大規(guī)模改造的前提下，其日常負荷曲線在工作日和節(jié)假日呈現(xiàn)出不同的負荷模式，具體的差別取決于所接帶的負荷類型及比例。故聚類數(shù)c取值2，將線路負荷模式按照工作日、節(jié)假日進行聚類，得到2個聚類：

工作日類 A1，聚類中心 Z1=（z11，z12，…，z1m）

非工作日類 A2，聚類中心 Z2=（z21，z22，…，z2m）

3.2.3 負荷模式匹配

讀取該線路截止到當(dāng)前時刻的t當(dāng)日負荷數(shù)

X0=（x01，x02，…，x0n）

n為t時刻的當(dāng)日負荷數(shù)據(jù)長度，n≤m，采用子序列匹配法，確定的所屬類別。選取Z1、Z2的子序列

Z1s=（z11，z12，…，z1n），

Z2s=（z21，z22，…，z2n）

分別計算 X0對 Z1s、Z2s的隸屬度 u01、u02， 通過最大隸屬度法確定當(dāng)日負荷歸屬的類別。

3.2.4 失配判定

根據(jù)聚類和匹配結(jié)果，計算下一個數(shù)據(jù)點的預(yù)測值

讀取線路t時刻的經(jīng)標(biāo)準(zhǔn)化的采樣值x0（t）。定義失配度指標(biāo)

式中：u0=max（u01，u02）。

失配度指標(biāo)既考慮了實時值與預(yù)測值的偏差，也考慮了子序列的隸屬度。線路歷史負荷模式越清晰，隸屬度越高，失配度指標(biāo)對負荷波動越敏感；反之，即使負荷波動相對較大，表現(xiàn)在失配度上也并不明顯。

設(shè)置失配度閾值ε，當(dāng) Ke（t）≥ε，即判定該線路發(fā)生故障。

3.2.5 故障類型研判

對于判定為故障的線路，進一步對電流遙測數(shù)據(jù)進行邏輯分析，確定發(fā)生的故障類型。

分支線分閘：電流顯著降低但不為零；

分支線合閘：電流顯著增加；

主線分閘：電流降低為零；

主線合閘：從零增加至某一數(shù)值；

聯(lián)絡(luò)線路合環(huán)：兩條線路分別發(fā)生分支線分閘和合閘事件，并且電流變化幅值相等、方向相反。

將監(jiān)測到的故障線路和自動研判出的故障類型推送至調(diào)控工作站，由調(diào)控人員進行確認和處理。

4 算例分析和應(yīng)用效果

4.1 算例分析

為了驗證所提的基于大數(shù)據(jù)分析的配電網(wǎng)故障監(jiān)測方法的有效性，選取某地區(qū)10 kV配電線路L，根據(jù)其實際運行數(shù)據(jù)進行驗證。

因數(shù)據(jù)量較大，截取2016-12-17T00：00：00至2016-12-25T24：00：00共 9天的數(shù)據(jù)繪制在圖3中，其中第1、2、8、9日為非工作日，其余5日為工作日。可以看出，線路L的日負荷數(shù)據(jù)具有顯著的周期性，在工作日和非工作日呈現(xiàn)不同的負荷特征。

圖3 線路L負荷曲線

根據(jù)前文提出的方法對日負荷數(shù)據(jù)進行預(yù)處理和聚類，將負荷數(shù)據(jù)分為兩類，如圖4所示。

圖4 線路L聚類結(jié)果

圖4中黑色細線為日負荷曲線，幅值較大的一簇為工作日曲線，幅值較小的一簇為非工作日曲線，兩條紅色粗實線為分別為工作日和非工作日的聚類中心。

某日t時，線路L發(fā)生分支線路跳閘，當(dāng)日電流曲線如圖5所示。其中前123個據(jù)點為歷史數(shù)據(jù)，計算隸屬度，可知，u01=0.991，u02=0.008，確定 d0日數(shù)據(jù)屬于工作日類，下一數(shù)據(jù)點的預(yù)測值為 x′0（n+1）=0.651。發(fā)生故障前實時采樣值 x0（t0-）=0.653，失配度僅為0.02；t時刻，發(fā)生故障時實時采樣值 x0（t）=0.496 失配度為 Ke（t）=0.152，故障特征明顯，判定 t時刻線路L發(fā)生故障，進一步讀取故障特征，研判為分支線跳閘。經(jīng)運維人員現(xiàn)場核實，線路L 27支3桿分段開關(guān)確實發(fā)生跳閘，負荷損失1.07 MW。根據(jù)配電線路實際運行經(jīng)驗，選取ε＝0.1。

圖5 線路L故障日負荷曲線與預(yù)測值

又如線路M，圖6展示了線路M發(fā)生分支線故障的案例，由于負荷性質(zhì)原因，電流波動較大，隸屬度較低。圖中A點負荷偏離預(yù)測值23%，失配度為0.087，判為正常；B點發(fā)生分支線跳閘時，失配度為0.121，判為故障?？梢姡瑢τ谪摵刹▌觿×业木€路，失配度指標(biāo)可在一定程度上躲過正常波動。

圖6 線路M故障日負荷曲線與預(yù)測值

4.2 應(yīng)用效果

根據(jù)本文所提方法，開發(fā)了智能配電網(wǎng)大數(shù)據(jù)多維監(jiān)測平臺，對某地級供電公司直供區(qū)1 005條配電線路部署監(jiān)測，以B/S架構(gòu)為配網(wǎng)調(diào)控人員和相關(guān)專業(yè)管理人員提供準(zhǔn)實時的故障監(jiān)測告警。

應(yīng)用以來，日均監(jiān)測主干線分合閘事件4.73次，正確檢出率達98.3%；監(jiān)測分支線分合閘事件26.4次，正確率83.7%；解合環(huán)事件3.46次，正確率93.8%，多次檢出傳統(tǒng)手段無法監(jiān)視的電網(wǎng)故障。監(jiān)測錯誤的事件主要是由于特殊負荷性質(zhì)造成。

5 結(jié)語

挖掘EMS系統(tǒng)歷史電流遙測數(shù)據(jù)的信息用于配電網(wǎng)故障檢測，對供電企業(yè)而言在技術(shù)上、經(jīng)濟上是適用的。

采用C均值聚類算法能較好辨識配電線路負荷模式，為故障判定提供參考依據(jù)和評價指標(biāo)。

考慮了隸屬度因素的失配度指標(biāo)能較為可靠地判定線路故障，并在一定程度上避免因負荷正常波動造成的誤動作。

本文方法能夠有效識別現(xiàn)有手段監(jiān)視不到的配電網(wǎng)故障情況；受特殊負荷性質(zhì)、運行方式等因素的影響，雖不能確保絕對準(zhǔn)確，但總體而言為一種簡便、實用的監(jiān)測手段。

［1］沈兵兵，吳琳，王鵬.配電自動化試點工程技術(shù)特點及應(yīng)用成效分析［J］.電力系統(tǒng)自動化，2012，36（18）：27-32.

［2］劉健，張志華，張小慶，等.繼電保護與配電自動化配合的配電網(wǎng)故障處理［J］.電力系統(tǒng)保護與控制，2011，39（16）：53-57，113.

［3］李子韻，成樂祥，王自楨，等.配電自動化終端布局規(guī)劃方法［J］.電網(wǎng)技術(shù)，2016，40（4）：1 271-1 276.

［4］王曉勇.配電自動化系統(tǒng)中通信網(wǎng)絡(luò)的規(guī)劃與組建［D］.南京：南京郵電大學(xué)，2013.

［5］杜剛，孟勇亮，彭暉，等.地區(qū)電網(wǎng)智能調(diào)度控制系統(tǒng)實踐與展望［J］.電力系統(tǒng)自動化，2015，39（1）：200-205.

［6］李曼.基于變電站集控中心故障診斷模型的研究［D］.廣州：華南理工大學(xué)，2013.

［7］劉大偉.基于開關(guān)量和電氣量的電網(wǎng)故障診斷［D］.濟南：山東大學(xué)，2015.

［8］許林生.基于數(shù)據(jù)挖掘的電力調(diào)度管理系統(tǒng)設(shè)計與實現(xiàn)［D］.成都：電子科技大學(xué)，2013.

［9］李勝利，任培民，趙樹然，等.利用數(shù)據(jù)挖掘和綜合信息平臺構(gòu)建智能電網(wǎng)調(diào)度的業(yè)務(wù)分析系統(tǒng)［J］.廣東電力，2011，24（3）：78-82，90.

［10］ 王光宏，蔣平.數(shù)據(jù)挖掘綜述［J］.同濟大學(xué)學(xué)報，2004，32（2）：246-251.

［11］ 仲偉寬.模糊聚類方法在用戶負荷曲線分析中的應(yīng)用［J］.華東電力，2007，35（8）：97-100.

A Method for Distribution Network Fault Monitoring Based on Big Data Analysis

JIA Yujian1，SUN Shumin2，MENG Yu3，YIN Maolin1，WANG Yue1
（1.State Grid Jinan Power Supply Company，Jinan 250012，China；2.State Grid Shandong Electric Power Research Institute，Jinan 250003，China；3.Shandong Luneng Software Technology Co.，Ltd.，Jinan 250101，China）

In order to solve the problems of the limited distribution network monitoring means and inefficient data utilization，a method for distribution network fault monitoring based on big data analysis is proposed.In this paper，the load pattern is identified and the load forecast is carried out by analyzing the current characteristics and the data flow of the distribution network dispatching support system of power supply enterprises，using the massive historical telemetry data as the research object and the C means fuzzy clustering algorithm.The mismatch index is re-defined by taking the membership degree and Euclidean distance into account and used as the evaluation criteria of the line faults.The example presented in this paper shows that the proposed method can effectively identify the load pattern of distribution lines，determine the line faults sufficient accurately and to a certain extent，avoid the mishandling caused by the normal fluctuation of the load.Application results show that the method provides a simple and practical mean of monitoring the fault of the distribution network effectively whose effectiveness is beyond the reach of the existing means.

big data analysis；distribution network dispatching；fault monitoring；data mining；load pattern

TM73

A

1007－9904（2017）10－0001－05

2017－04－10

賈玉?。?988），男，工程師，從事電網(wǎng)調(diào)度運行與分析工作。