基于Gabor變換的電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài)監(jiān)控技術(shù)

李 敏,徐建航,岳振鐸,趙雙全,張 政

(1.國家電網(wǎng)有限公司華北分部,北京 100053;2.南瑞集團(tuán)(國網(wǎng)電力科學(xué)研究院)有限公司信息化系統(tǒng)研發(fā)部,北京 100192)

0 引言

隨著信息技術(shù)的快速發(fā)展,電網(wǎng)成為人類生活不可或缺的重要組成部分。電網(wǎng)調(diào)度自動化設(shè)備作為融合自動化監(jiān)測與控制的電力調(diào)度系統(tǒng)[1],起到存儲電力相關(guān)數(shù)據(jù),按需求啟停調(diào)度各電廠用電量的作用。由于電網(wǎng)調(diào)度自動化設(shè)備主要依靠程序代碼實現(xiàn)電力數(shù)據(jù)存儲與用電量調(diào)度,因此該設(shè)備極易受到外界因素的干擾,出現(xiàn)設(shè)備運行不穩(wěn)定等問題。電力調(diào)度自動化設(shè)備長期處于不穩(wěn)定運行狀態(tài)將直接導(dǎo)致電力系統(tǒng)運行質(zhì)量下降,威脅電網(wǎng)用戶用電安全。為了及時修復(fù)電力調(diào)度自動化設(shè)備缺陷,使該設(shè)備始終保持在結(jié)構(gòu)和功能均無故障的穩(wěn)定狀態(tài),國內(nèi)外學(xué)者展開對電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài)監(jiān)控方法的研究[2-4],但電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài)監(jiān)控精度仍有待進(jìn)一步提高,因此,本文提出基于Gabor變換的電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài)監(jiān)控技術(shù)。

1 采集電網(wǎng)調(diào)度自動化設(shè)備狀態(tài)信息

1.1 大規(guī)模數(shù)據(jù)庫技術(shù)

對于不斷演變運行狀態(tài)的電網(wǎng)調(diào)度自動化設(shè)備而言,其從接收上行系統(tǒng)派發(fā)的任務(wù)到執(zhí)行任務(wù)這一線性時間段內(nèi)接觸到的大批量電力相關(guān)數(shù)據(jù)均存儲于海量時序大規(guī)模數(shù)據(jù)庫(clickhouse)中。這意味著采集電網(wǎng)調(diào)度自動化設(shè)備狀態(tài)信息需要深入了解數(shù)據(jù)庫存儲方式和吞吐量,否則可能采集到無用的狀態(tài)信息。海量時序大規(guī)模數(shù)據(jù)庫存儲一次設(shè)備自動化調(diào)度數(shù)據(jù)需要部署3個節(jié)點,即JobCllent節(jié)點、JobTracker節(jié)點和TaskTracker節(jié)點。其中,JobCllent節(jié)點負(fù)責(zé)同步第3方接口,使存儲動作與調(diào)度動作在時間窗和業(yè)務(wù)邏輯方面完全吻合;JobTracker節(jié)點負(fù)責(zé)限制電網(wǎng)調(diào)度所涉及的鏈路開銷,使數(shù)據(jù)庫組內(nèi)分離度和組間分離度維持在一定比例;TaskTracker節(jié)點作為唯一的聚合節(jié)點,能夠根據(jù)時間參數(shù)將大批量電力相關(guān)數(shù)據(jù)按最佳分組方式劃分為多個聚合小組。JobCllent節(jié)點的表達(dá)式為

(1)

式中:ηij為空閑節(jié)點;k為電網(wǎng)調(diào)度域;αi為節(jié)點內(nèi)信息量;γij為數(shù)據(jù)庫磁盤;q為電網(wǎng)調(diào)度自動化設(shè)備使用率;n為節(jié)點存儲時間窗;xj為電網(wǎng)調(diào)度時間窗。

JobTracker節(jié)點的表達(dá)式為

(2)

式中:y為最小鏈路開銷;r為數(shù)據(jù)庫組內(nèi)分離度;π為數(shù)據(jù)庫組間分離度;ρ為任意2組鏈路間的開銷差;di為組間鏈路開銷;m為組內(nèi)鏈路開銷;i為電力相關(guān)數(shù)據(jù)傳輸壓力。

TaskTracker節(jié)點的表達(dá)式為

L=C′×v

(3)

式中:C′為異步分布聚合策略;v為時間參數(shù)。

通過分析3個節(jié)點的工作原理,詳細(xì)了解海量時序大規(guī)模數(shù)據(jù)庫的存儲方式。在忽略電力相關(guān)數(shù)據(jù)攜帶的數(shù)據(jù)流量壓力的前提下,計算海量時序大規(guī)模數(shù)據(jù)庫在該存儲方式的協(xié)助下能夠存儲的實際電力相關(guān)數(shù)據(jù)量,即吞吐量。數(shù)據(jù)流量壓力的計算公式為

(4)

式中:f為電力相關(guān)數(shù)據(jù)量;e為輸入變量隸屬度;ho為實時資源占用信息;σ為累積壓力。

實際電力相關(guān)數(shù)據(jù)量的計算公式為

(5)

式中:fr為數(shù)據(jù)庫最佳分組數(shù);s為電網(wǎng)規(guī)模;λnm為鏈路總開銷;υ為電網(wǎng)調(diào)度中心的鏈路信息。

由于實際電力相關(guān)數(shù)據(jù)是電網(wǎng)調(diào)度自動化設(shè)備運行途中存儲的狀態(tài)信息,因此將實際電力相關(guān)數(shù)據(jù)視為待采集目標(biāo),利用智能電網(wǎng)數(shù)據(jù)采集網(wǎng)絡(luò)實現(xiàn)該目標(biāo)的自動化采集。智能電網(wǎng)數(shù)據(jù)采集無線傳感器網(wǎng)絡(luò)的表達(dá)式為

(6)

1.2 自動化電網(wǎng)調(diào)度技術(shù)

自動化電網(wǎng)調(diào)度技術(shù)是電網(wǎng)調(diào)度自動化設(shè)備的核心技術(shù),由復(fù)雜網(wǎng)絡(luò)管理協(xié)議(DNMP)和實時數(shù)據(jù)傳輸調(diào)度模型[5]共同組成,起到按需求啟停調(diào)度各電廠用電量的作用。各電廠用電量與不間斷電源耗電量有關(guān),當(dāng)各電廠機(jī)房的相量測量裝置[6]越線、跳變、刷新頻率較快時,不間斷電源耗電量升高,電廠用電量升高,電網(wǎng)調(diào)度自動化設(shè)備收到主站系統(tǒng)下發(fā)的調(diào)度任務(wù),開始向用電量升高的電廠合理調(diào)度電力相關(guān)數(shù)據(jù)。計算一次設(shè)備自動化調(diào)度過程中,參與調(diào)度的電力相關(guān)數(shù)據(jù)量。相量測量裝置越線、跳變、刷新頻率的計算公式為

(7)

式中:rs為越線規(guī)劃時長;z為相量測量間隔;?為跳變轉(zhuǎn)移時間;ψ為跳變瞬時狀態(tài);l3為跳變瞬時可用度;yo為刷新開始時段;gs為期望負(fù)荷量。

不間斷耗電量的計算公式為

(8)

式中:cnm為非計劃耗電損失;αn為單位負(fù)荷價值;αm為期望耗電量;ni為規(guī)劃時間內(nèi)電網(wǎng)運行風(fēng)險;nj為相量測量裝置內(nèi)絕緣度。

一次設(shè)備自動化調(diào)度過程中參與電網(wǎng)調(diào)度的電力相關(guān)數(shù)據(jù)量的計算公式為

(9)

式中:2dREF為電網(wǎng)調(diào)度響應(yīng)時長;?為分布式任務(wù)時間序列。

將參與調(diào)度的電力相關(guān)數(shù)據(jù)視為待采目標(biāo),利用智能電網(wǎng)數(shù)據(jù)采集網(wǎng)絡(luò)實現(xiàn)該目標(biāo)的自動化采集。

2 電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài)監(jiān)控

2.1 電網(wǎng)調(diào)度自動化設(shè)備狀態(tài)信息分析

利用智能電網(wǎng)數(shù)據(jù)采集網(wǎng)絡(luò)采集的電網(wǎng)調(diào)度自動化設(shè)備狀態(tài)信息由于存在干擾性較強(qiáng)的高斯白噪聲[7],尚不能作為可靠樣本監(jiān)控電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài)。想要獲取可靠性更高的樣本數(shù)據(jù),提升設(shè)備運行狀態(tài)的監(jiān)控精確度,需要優(yōu)先消除狀態(tài)信息的噪聲。Gabor交換又稱改進(jìn)經(jīng)驗小波變換[8],是具有非平穩(wěn)信號處理能力的時頻分析降噪方法。相較于傳統(tǒng)降噪方法的局部噪聲離散手段,Gabor交換以時域、頻域雙周期擴(kuò)展的時間序列為基礎(chǔ),通過自適應(yīng)濾波的歸一化處理,實現(xiàn)噪聲信號的消除。Gabor變換消除狀態(tài)信息噪聲主要包括2個步驟,即聚集性度量和自適應(yīng)濾波降噪。

2.1.1 聚集性度量計算

聚集性指噪聲信號在時域波段和頻域波段上的聚集程度,可以指導(dǎo)自適應(yīng)濾波[9]的分布情況,為狀態(tài)信息降噪奠定基礎(chǔ)。聚集性越大,說明時、頻域波段聚集的噪聲信號越密集。計算電網(wǎng)調(diào)度自動化設(shè)備狀態(tài)信息的信息熵[10],并按熵值大小將其重新排列,通過限制上界狀態(tài)信息與下界狀態(tài)信息的虛數(shù)單位,將狀態(tài)信息約束在正態(tài)分布矩陣中。視正態(tài)分布矩陣為目標(biāo)降噪矩陣,通過將矩陣映射至?xí)r頻域空間,獲取該矩陣的時域波段和頻域波段,并計算各波段的聚集性度量,即噪聲信號聚集性。信息熵計算公式為

(10)

式中:yr為狀態(tài)信息的噪聲標(biāo)準(zhǔn)差;τ2為受噪聲干擾丟失的狀態(tài)信息量;hv為狀態(tài)信息實時序列。

(11)

時頻域空間的表達(dá)式為

(12)

時域波段和頻域波段的表達(dá)式為

(13)

式中:ε為時域噪聲幅值;βi為負(fù)荷向量;ωn+1為頻域噪聲幅值;ωn為含噪小波分解程度。

時域波段和頻域波段聚集性度量的計算公式為

(14)

2.1.2 自適應(yīng)濾波降噪技術(shù)

1.調(diào)查總括。采用自編問卷《戒毒人員回歸社會生活狀況調(diào)查》對“多進(jìn)宮”男性戒毒人員后續(xù)照管情況進(jìn)行了解，將操守期作為此次調(diào)查的重要變量。（操守期指前一次強(qiáng)制隔離戒毒結(jié)束與本次強(qiáng)制隔離戒毒開始的時間間隔）。問卷內(nèi)容包括個人基本情況、入所前生活情況及解戒后生活情況三部分，除個人基本情況外有33道客觀題。收集數(shù)據(jù)后，采用SPSS17.0統(tǒng)計軟件對數(shù)據(jù)進(jìn)行分析。同時對48名戒毒人員后續(xù)照管情況進(jìn)行了訪談。

以時域波段和頻域波段的聚集性度量為基礎(chǔ),在目標(biāo)降噪矩陣中分配與度量值相等的自適應(yīng)濾波,即可實現(xiàn)狀態(tài)信息的自動化降噪。自適應(yīng)濾波降噪公式為

(15)

2.2 設(shè)備運行狀態(tài)監(jiān)控模型

經(jīng)過降噪優(yōu)化的電網(wǎng)調(diào)度自動化設(shè)備狀態(tài)信息的可靠度顯著提升。將模糊神經(jīng)網(wǎng)絡(luò)[11]與電網(wǎng)調(diào)度自動化設(shè)備健康評估體系結(jié)合,建立設(shè)備運行狀態(tài)監(jiān)控模型,通過將狀態(tài)信息輸入該模型,實現(xiàn)設(shè)備運行狀態(tài)的自動化監(jiān)控。設(shè)備運行狀態(tài)監(jiān)控模型的表達(dá)式為

(16)

式中:Qnm為警告窗;In為冗余特征;μ為網(wǎng)口狀態(tài);dn為CPU溫度;Im為板卡溫度。

3 實驗與結(jié)果

為驗證基于Gabor變換的電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài)監(jiān)控技術(shù)的整體有效性,需要對其測試。

選擇2個型號不同的電網(wǎng)調(diào)度自動化設(shè)備作為驗證算法監(jiān)控性能的實驗對象,實驗對象如圖1所示。

圖1 實驗對象

實驗對象相關(guān)參數(shù)如表1所示。

表1 實驗對象相關(guān)參數(shù)

3.1 設(shè)備突發(fā)故障監(jiān)控效果

采用MATLAB仿真軟件搭建攻擊模型,在實驗對象運行至第10 min時發(fā)起攻擊。分別采用本文方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法監(jiān)控實驗對象的運行狀態(tài),通過觀察不同方法各時間節(jié)點的電壓監(jiān)控幅值,判斷不同方法對電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài)的監(jiān)控性能。不同方法各時間節(jié)點的電壓監(jiān)控幅值如圖2所示。

圖2 不同方法各時間節(jié)點的電壓監(jiān)控幅值

由圖2可知,采用本文方法監(jiān)控電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài),當(dāng)設(shè)備出現(xiàn)突發(fā)故障時,本文方法的反應(yīng)速度靈敏,及時出現(xiàn)了電壓監(jiān)控幅值變化,說明本文方法對電網(wǎng)調(diào)度自動化設(shè)備突發(fā)故障的監(jiān)控效果較好;而文獻(xiàn)[2]方法和文獻(xiàn)[3]方法的反應(yīng)速度較慢,并未出現(xiàn)與故障對應(yīng)的電壓監(jiān)控幅值變化,對電網(wǎng)調(diào)度自動化設(shè)備突發(fā)故障的監(jiān)控效果較差。

3.2 設(shè)備持續(xù)故障監(jiān)控效果

采用攻擊模型持續(xù)攻擊電網(wǎng)調(diào)度自動化設(shè)備,且攻擊強(qiáng)度隨設(shè)備運行時間延長而增加。分別采用本文方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法監(jiān)控實驗對象的運行狀態(tài),通過觀察不同方法各時間節(jié)點的電壓監(jiān)控幅值,判斷不同方法對電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài)的監(jiān)控性能。不同方法各時間節(jié)點的電壓監(jiān)控幅值如圖3所示。

圖3 不同方法各時間節(jié)點的電壓監(jiān)控幅值

由圖3可知,采用本文方法監(jiān)控電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài),當(dāng)設(shè)備出現(xiàn)持續(xù)且強(qiáng)度遞增的故障時,本文方法的電壓監(jiān)控幅值隨設(shè)備運行時間的延長而逐漸下降;而文獻(xiàn)[2]方法和文獻(xiàn)[3]方法的電壓監(jiān)控幅值隨設(shè)備運行時間的延長并未出現(xiàn)明顯變化。經(jīng)上述對比,進(jìn)一步驗證了本文方法的監(jiān)控效果較好。

3.3 監(jiān)控精確度

為進(jìn)一步驗證本文方法的實用性,分別采用本文方法、文獻(xiàn)[2]方法和文獻(xiàn)[3]方法監(jiān)控實驗對象的運行狀態(tài),并記錄不同方法的監(jiān)控功率,通過計算各方法的監(jiān)控功率與實際功率之差,判斷不同方法的監(jiān)控精確度。不同方法的監(jiān)控功率與實際功率之差如圖4所示。

圖4 不同方法的監(jiān)控功率與實際功率之差

由圖4可知,采用本文方法獲取的監(jiān)控功率與實際功率誤差較小,在各時間節(jié)點二者之差的平均值均在±0.05 W以內(nèi);而采用文獻(xiàn)[2]方法和文獻(xiàn)[3]方法獲取的監(jiān)控功率與實際功率差距較大。

4 結(jié)束語

根據(jù)國家電網(wǎng)公司發(fā)布的調(diào)度自動化系統(tǒng)預(yù)控計劃,可知提前預(yù)警電網(wǎng)調(diào)度自動化設(shè)備危險狀態(tài)對擴(kuò)大電網(wǎng)充裕度、降低電網(wǎng)運行風(fēng)險起到舉足輕重的作用。為及時檢測電網(wǎng)調(diào)度自動化設(shè)備異常,提出基于Gabor變換的電網(wǎng)調(diào)度自動化設(shè)備運行狀態(tài)監(jiān)控技術(shù)。實驗結(jié)果表明,該方法能夠迅速監(jiān)控電網(wǎng)調(diào)度自動化設(shè)備運行故障狀態(tài),監(jiān)控精確度高。