• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于數(shù)據(jù)驅(qū)動(dòng)的流域集控中心報(bào)警優(yōu)化方法

      2023-08-28 08:00:26黃海軍
      電力安全技術(shù) 2023年7期
      關(guān)鍵詞:數(shù)據(jù)模型組態(tài)測(cè)點(diǎn)

      黃海軍

      (華電云南發(fā)電有限公司,云南 昆明 650228)

      0 引言

      流域遠(yuǎn)程集控中心源源不斷地收到大量的生產(chǎn)現(xiàn)場(chǎng)信息,值班員面臨著巨大的信息甄別和處理困難。某大型水電集控中心(以下簡(jiǎn)稱(chēng)為“J集控中心”)管理裝機(jī)容量6 560 MW,是金沙江多個(gè)大型水電站的異地運(yùn)行值班單位,實(shí)施“全采、全監(jiān)、全控”的流域管控模式,電廠(chǎng)不進(jìn)行運(yùn)行值班。由于J集控中心約有8.31萬(wàn)個(gè)測(cè)點(diǎn),每小時(shí)最高報(bào)出3 000多條文本報(bào)警和400多條語(yǔ)音告警,3個(gè)值班員平均每2 s就必須對(duì)一條信息做出處理;加上受控電廠(chǎng)“無(wú)人值班”,漏監(jiān)視、風(fēng)險(xiǎn)處理不及時(shí)是電網(wǎng)頻率波動(dòng)的最大隱患來(lái)源,網(wǎng)省兩級(jí)調(diào)度對(duì)大型廠(chǎng)站的值班監(jiān)視做了嚴(yán)格的要求[1];而智能報(bào)警系統(tǒng)等新產(chǎn)品無(wú)法解決泛化力弱、穩(wěn)定性差、不可解釋、不能替代計(jì)算監(jiān)控系統(tǒng)等難題,如何有效地開(kāi)展運(yùn)行值班工作成為了集控中心的重大難題[2-4]。J集控中心提出了優(yōu)化報(bào)警、設(shè)置預(yù)警、組合報(bào)警的方法,建立基于數(shù)據(jù)驅(qū)動(dòng)的專(zhuān)家模型[5],解決頻報(bào)、漏報(bào)、錯(cuò)報(bào)等問(wèn)題,提升系統(tǒng)的易用性,取得了顯著的流域生產(chǎn)效能提升效果,為集控中心的安全有序運(yùn)行提供了保障。

      1 報(bào)警特征數(shù)據(jù)的采集

      1.1 生產(chǎn)數(shù)據(jù)的處理需求

      流域集控中心的報(bào)警,主要指的是計(jì)算機(jī)監(jiān)控系統(tǒng)中的系列事件。集控中心異地值班的主要目標(biāo)就是識(shí)別信息中的異常信號(hào),及時(shí)有效地做出處理。J集控中心通過(guò)遙信、遙測(cè)組態(tài)信息的采集,分析其必要性、緊急性、冗余度等特征,建立報(bào)警專(zhuān)家模型,減少無(wú)關(guān)報(bào)警、提高報(bào)警識(shí)別率、組合化簡(jiǎn)報(bào)警,設(shè)置多級(jí)風(fēng)險(xiǎn)預(yù)警,從而減少人工分析、辨別的工作量,實(shí)現(xiàn)提取生產(chǎn)信息與輔助決策的目的。

      1.2 特征數(shù)據(jù)的快速采集

      報(bào)警數(shù)據(jù)的優(yōu)化建立在對(duì)大量特征數(shù)據(jù)的分析之上[6]。特征數(shù)據(jù)主要來(lái)源于組態(tài)數(shù)據(jù)庫(kù)和歷史事件的離線(xiàn)分析,必要時(shí)輔以實(shí)時(shí)事件的在線(xiàn)分析[7]。

      組態(tài)數(shù)據(jù)庫(kù)含有海量事件的各種屬性數(shù)據(jù),是主要的分析研究對(duì)象,通過(guò)采集整理大量的原始組態(tài)數(shù)據(jù)表獲得,如圖1所示。

      圖1 組態(tài)數(shù)據(jù)庫(kù)的VBA采集示意

      歷史信息的采集來(lái)源于歷史數(shù)據(jù)的導(dǎo)出,適用于疑難事件的專(zhuān)題分析和越復(fù)限限值的研究。

      實(shí)時(shí)事件采集于系統(tǒng)報(bào)警窗口,適用于高頻告警的分析和報(bào)警模型的效果評(píng)估。

      2 報(bào)警特征屬性的研究

      2.1 高頻告警的篩除

      解決報(bào)警過(guò)多的首要方法是:降頻、去重。采取詞頻分析技術(shù),對(duì)汛期、枯期等典型時(shí)段以及開(kāi)停機(jī)、檢修等重要環(huán)節(jié)的報(bào)警日志進(jìn)行pandas (python軟件的一個(gè)數(shù)據(jù)分析包)數(shù)據(jù)清洗、jieba (python軟件的一個(gè)中文分詞庫(kù))分詞并剔除停用詞后,獲得詞頻分析表;其中高頻報(bào)警組成一個(gè)狹窄的頭部,剩余的長(zhǎng)尾部分須進(jìn)一步分析研究,如圖2所示。

      圖2 報(bào)警的“長(zhǎng)尾效應(yīng)”示意

      優(yōu)化的策略是頭部的高頻信息原則上不設(shè)置報(bào)警,采用畫(huà)面、替代測(cè)點(diǎn)等方式來(lái)監(jiān)控;而長(zhǎng)長(zhǎng)的尾部信息原則上應(yīng)根據(jù)必要性設(shè)置報(bào)警。

      2.2 報(bào)警名稱(chēng)的規(guī)范化

      報(bào)警語(yǔ)句的規(guī)范、整齊,可有效提高報(bào)警信息的辨識(shí)度,確保同類(lèi)報(bào)警設(shè)置的一致性。不同廠(chǎng)站、不同系統(tǒng)的命名千差萬(wàn)別,如,某廠(chǎng)站測(cè)點(diǎn)名為“5311動(dòng)作”,可理解為“5311合閘動(dòng)作”“5311保護(hù)動(dòng)作”“5311三相不一致保護(hù)動(dòng)作”“5311操作條件具備動(dòng)作”等多種內(nèi)涵,給故障辨識(shí)、溝通匯報(bào)等工作造成了極大的困難,應(yīng)予以規(guī)范化處置。

      2.2.1 解決表述多樣化的問(wèn)題

      調(diào)管設(shè)備按《××電網(wǎng)雙重化配置繼電保護(hù)調(diào)度命名業(yè)務(wù)指導(dǎo)書(shū)》等電網(wǎng)規(guī)程修訂,并對(duì)廠(chǎng)管設(shè)備統(tǒng)一表述,避免同一設(shè)備、同一系統(tǒng)出現(xiàn)多種表述的情況。2.2.2 解決語(yǔ)義不明的問(wèn)題

      為避免語(yǔ)義不明:

      1) 增加LCU區(qū)域或系統(tǒng)名稱(chēng)作為前綴,以標(biāo)識(shí)不同區(qū)域(系統(tǒng))的同名信息。

      2) 明確切換把手、設(shè)備狀態(tài)等定義,避免狀態(tài)不明。

      3) 完善測(cè)點(diǎn)情景信息或定語(yǔ)、狀語(yǔ),避免表述不全;使用通俗易懂的名稱(chēng)。

      2.3 報(bào)警屬性的研究

      基于測(cè)點(diǎn)的必要性、緊急性、冗余度等特征建立組合報(bào)警的組態(tài)數(shù)據(jù)庫(kù),以實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)值班信息減負(fù)的目的。

      2.3.1 數(shù)據(jù)關(guān)系的梳理

      南瑞(南自)的計(jì)算機(jī)監(jiān)控系統(tǒng)中,組態(tài)數(shù)據(jù)庫(kù)的報(bào)警屬性都涉及到多個(gè)屬性的鏈?zhǔn)脚渲?,必須予以明確,避免遺漏。

      1) 開(kāi)關(guān)量報(bào)警涉及時(shí)標(biāo)、文本、語(yǔ)音、窗口、歷史、雙節(jié)點(diǎn)等屬性,如圖3所示。

      圖3 開(kāi)關(guān)量的報(bào)警屬性關(guān)系

      2) 模擬量的報(bào)警屬性設(shè)置。模擬量報(bào)警涉及限值、文本、語(yǔ)音、死區(qū)等屬性,如圖4所示。

      圖4 模擬量的報(bào)警屬性關(guān)系

      2.3.2 報(bào)警權(quán)重的計(jì)算

      信息過(guò)多,須根據(jù)權(quán)重來(lái)進(jìn)行篩選簡(jiǎn)化,權(quán)重計(jì)算用貝葉斯估計(jì)公式,如式(1)所示。

      由式(1)可知,起關(guān)鍵作用的是重要性因子P(πxi)。重要性因子取值主要來(lái)源于生產(chǎn)經(jīng)驗(yàn)和設(shè)備原理,對(duì)集控中心而言,需要人工干預(yù)的事件設(shè)置報(bào)警,否則不建議報(bào)警。

      2.4 越復(fù)限的邊界設(shè)定

      提前預(yù)警是生產(chǎn)值班的高階需求,通過(guò)數(shù)據(jù)發(fā)展趨勢(shì)分析來(lái)設(shè)置預(yù)警。

      1) 基于定值單和歷史數(shù)據(jù)的預(yù)警。結(jié)合各廠(chǎng)站的熱工、直流等系統(tǒng)的定值單及歷史數(shù)據(jù)分析和設(shè)備風(fēng)險(xiǎn)估計(jì)值,建立一套越復(fù)限預(yù)警值。

      2) 基于專(zhuān)家經(jīng)驗(yàn)的預(yù)警。對(duì)負(fù)荷設(shè)定、閘門(mén)遠(yuǎn)控、頻率控制、電源供應(yīng)等影響安全生產(chǎn)的非定值性關(guān)鍵數(shù)據(jù),基于專(zhuān)家生產(chǎn)經(jīng)驗(yàn)設(shè)置預(yù)警。

      類(lèi)似地,重要的開(kāi)關(guān)量、發(fā)電曲線(xiàn)等應(yīng)配置征兆性報(bào)警,提前播放預(yù)警信息。

      3 報(bào)警數(shù)據(jù)模型的構(gòu)造

      3.1 數(shù)據(jù)模型的應(yīng)用

      3.1.1 報(bào)警屬性的泛化處理

      因同類(lèi)LCU區(qū)域的測(cè)點(diǎn)順序、命名存在差異且無(wú)法消除,在建立報(bào)警模型時(shí),須對(duì)同類(lèi)測(cè)點(diǎn)進(jìn)行泛化處理,以便確保報(bào)警設(shè)置的一致性,具體步驟如下:

      1) 基于LCU列出基準(zhǔn)區(qū)和待處理區(qū)的信息。

      2) 通過(guò)Excel的MID函數(shù)去除前綴、VBA去除數(shù)字等方法,實(shí)現(xiàn)命名配對(duì),依次構(gòu)建基準(zhǔn)區(qū)、待處理區(qū)的映射關(guān)系表。

      3) 通過(guò)INDEX+MATCH函數(shù)進(jìn)行一覽表、報(bào)警等相關(guān)屬性的整體遷移設(shè)置。

      4) 人工檢查與糾正映射錯(cuò)誤。

      5) 生成完整的報(bào)警屬性表。

      3.1.2 報(bào)警組態(tài)的自動(dòng)化處理

      對(duì)大量的報(bào)警特征屬性完成分析后,最終通過(guò)更新組態(tài)數(shù)據(jù)庫(kù)來(lái)實(shí)現(xiàn)數(shù)據(jù)模型的落地。步驟如下:

      1) 導(dǎo)出原始組態(tài)數(shù)據(jù)表,采取圖1的方法獲得可便捷編輯的數(shù)據(jù)表集合Sx。

      2) 探索分析,建立高頻報(bào)警、規(guī)范命名、開(kāi)關(guān)量、越復(fù)限等擬處理信息的關(guān)鍵詞表Ki。

      3) 對(duì)上述關(guān)鍵詞表進(jìn)行分類(lèi),提出優(yōu)化規(guī)則,并打上分類(lèi)標(biāo)識(shí),形成關(guān)鍵詞和規(guī)則值的映射關(guān)系表Ti。

      4) 對(duì)擬處理的數(shù)據(jù)表集合Sx逐一應(yīng)用映射關(guān)系表Ti中的規(guī)則;存在同類(lèi)屬性的,采取3.1.1中的方法進(jìn)行批量映射處理。

      5) 檢查和測(cè)試設(shè)置是否得當(dāng)。

      6) 進(jìn)行異動(dòng)統(tǒng)計(jì)與標(biāo)記。

      7) 重復(fù)上述過(guò)程若干次,至模型收斂為不頻報(bào)、不漏報(bào)、易識(shí)別。報(bào)警組態(tài)的自動(dòng)化處理如圖5所示。

      圖5 報(bào)警組態(tài)的自動(dòng)化處理示意

      3.2 數(shù)據(jù)模型的適應(yīng)性改進(jìn)

      為確保數(shù)據(jù)模型的適應(yīng)性,須加強(qiáng)試運(yùn)行時(shí)的抽樣測(cè)試,及時(shí)與原系統(tǒng)比較報(bào)警的完善率、漏報(bào)率和識(shí)別率,研判典型事件的處置效能,及時(shí)調(diào)整模型映射表。對(duì)必要性不強(qiáng)、頻報(bào)刷屏的測(cè)點(diǎn),取消報(bào)警、調(diào)整定值或改用其他方式監(jiān)控;對(duì)漏報(bào)、易疏忽的隱患,增設(shè)報(bào)警、增設(shè)測(cè)點(diǎn),完善文本、語(yǔ)音、畫(huà)面、聲光、曲線(xiàn)、腳本等立體化監(jiān)控功能;對(duì)未能診斷、識(shí)別困難的事件,設(shè)置對(duì)象腳本來(lái)輔助處理。

      在J集控中心的實(shí)踐中,4輪大調(diào)整后,報(bào)警模型已明顯趨于收斂,可在生產(chǎn)環(huán)境中正式使用。

      3.3 報(bào)警名稱(chēng)規(guī)范化的評(píng)價(jià)

      報(bào)警名稱(chēng)的規(guī)范化通過(guò)名稱(chēng)差異率來(lái)評(píng)價(jià),一方面可以復(fù)核差異較大的測(cè)點(diǎn),及時(shí)調(diào)整命名優(yōu)化規(guī)則;另一方面則是將關(guān)鍵性的命名差異通報(bào)電廠(chǎng),確保信息的一致性。命名差異率計(jì)算如式2所示。

      其中,Count(S1x/S2)是字符串匹配計(jì)算的函數(shù),將舊字符串S1的第x個(gè)字符與新字符串S2進(jìn)行匹配,若配對(duì)成功則計(jì)數(shù)加1。Len(S2)是字符串S2長(zhǎng)度計(jì)算函數(shù)。

      4 報(bào)警數(shù)據(jù)模型的應(yīng)用

      4.1 效果分析

      J集控中心基于數(shù)據(jù)分析形成了100多子項(xiàng)的專(zhuān)家策略(見(jiàn)表1),5.16萬(wàn)測(cè)點(diǎn)實(shí)現(xiàn)分級(jí)、分層、分類(lèi)調(diào)整,4.24萬(wàn)測(cè)點(diǎn)報(bào)警屬性被大幅調(diào)整,6 250個(gè)測(cè)點(diǎn)設(shè)置了限值報(bào)警;18 071個(gè)名稱(chēng)被優(yōu)化,8 361項(xiàng)語(yǔ)音被清理,80 %以上的頻報(bào)事件被消除;678個(gè)錯(cuò)誤被糾正,3 827項(xiàng)模擬量刷新死區(qū)不合理問(wèn)題被解決。

      表1 報(bào)警優(yōu)化的專(zhuān)家策略

      優(yōu)化后,每分鐘產(chǎn)生5~10條告警,人工干預(yù)量降至原來(lái)的1/3以下,關(guān)鍵故障定位時(shí)間從1 min級(jí)降低到10 s級(jí),多次發(fā)現(xiàn)了傳感器異常、調(diào)速器油壓持續(xù)性下降等重大隱患或隱秘故障。

      4.2 方法總結(jié)

      基于數(shù)據(jù)構(gòu)建報(bào)警模型,充分適應(yīng)了調(diào)管關(guān)系、生產(chǎn)經(jīng)驗(yàn)等的變化情況,有助于后期反復(fù)調(diào)整。數(shù)據(jù)驅(qū)動(dòng)的報(bào)警優(yōu)化方法,實(shí)現(xiàn)了全過(guò)程量化、可視化管理,提高了經(jīng)驗(yàn)應(yīng)用的自動(dòng)化、規(guī)范化。

      J集控中心采用Excel和VBA方法進(jìn)行數(shù)據(jù)驅(qū)動(dòng)報(bào)警模型的建立和優(yōu)化,優(yōu)點(diǎn)是準(zhǔn)確度高、操作性強(qiáng),缺點(diǎn)是專(zhuān)家經(jīng)驗(yàn)要求高、優(yōu)化過(guò)程漫長(zhǎng)。后續(xù)擬用Shell腳本增強(qiáng)嵌入式報(bào)警功能[8],擬用深度學(xué)習(xí)等方法開(kāi)展典型工況的診斷與決策研究,以提高靈活性和泛化能力[9-10]。

      5 結(jié)束語(yǔ)

      J集控中心采用基于數(shù)據(jù)驅(qū)動(dòng)的專(zhuān)家模型進(jìn)行報(bào)警優(yōu)化后,實(shí)現(xiàn)了報(bào)警信息的輔助診斷功能,報(bào)警監(jiān)視率降低45.02 %,完備性提升14.78 %,辨識(shí)度提升21.51 %,滿(mǎn)足了流域集控“全監(jiān)、全控”和安全生產(chǎn)的需要,為同類(lèi)集控中心的優(yōu)化提升提供參考。

      猜你喜歡
      數(shù)據(jù)模型組態(tài)測(cè)點(diǎn)
      液壓支架整機(jī)靜強(qiáng)度試驗(yàn)及等效應(yīng)力分析
      基于CATIA的汽車(chē)測(cè)點(diǎn)批量開(kāi)發(fā)的研究與應(yīng)用
      基于PLC及組態(tài)技術(shù)的恒溫控制系統(tǒng)開(kāi)發(fā)探討
      面板數(shù)據(jù)模型截面相關(guān)檢驗(yàn)方法綜述
      加熱爐爐內(nèi)跟蹤數(shù)據(jù)模型優(yōu)化
      基于PLC和組態(tài)的智能電動(dòng)擰緊系統(tǒng)
      PLC組態(tài)控制在水箱控制系統(tǒng)的應(yīng)用
      鑄造行業(yè)三維組態(tài)軟件的應(yīng)用
      拱壩結(jié)構(gòu)損傷的多測(cè)點(diǎn)R/S分析
      面向集成管理的出版原圖數(shù)據(jù)模型
      都匀市| 湘阴县| 兰考县| 门源| 金川县| 彭阳县| 科技| 全州县| 崇文区| 乌海市| 洛宁县| 商洛市| 延安市| 聂拉木县| 道孚县| 若尔盖县| 绥宁县| 白朗县| 揭西县| 安西县| 离岛区| 剑河县| 长沙县| 恩平市| 武隆县| 利津县| 阿合奇县| 乐至县| 金湖县| 黄大仙区| 楚雄市| 湟中县| 罗山县| 平潭县| 宁蒗| 繁昌县| 吴旗县| 福泉市| 深水埗区| 固原市| 馆陶县|