马平川，黄少伟，陈 颖，何光宇

（清华大学电机系 电力系统国家重点实验室，北京 100084）

为了保证电力系统分析计算模型的标准化和可兼容性，目前几乎所有电力系统自动化软件均采用公共信息模型（Common Information Model，CIM）来描述电力系统中的各类设备和非设备信息［1－4］.然而在CIM的实际应用中，其性能尚差强人意.例如：由于CIM所描述的电力系统静态数据和量测数据的数据量巨大，且关联关系错综复杂，直接导致CIM的更新周期过长，其解析效率尚待提高［5］；再如：由于参数维护、通讯故障、远动装置故障等原因，CIM数据质量往往直接影响电力系统的各项分析计算.

基于上述原因，考虑到CIM遍布于电力系统分析、计算、控制的各个领域，有必要对CIM数据的应用流程进行综合性提升.为了检验由CIM数据定义的系统模型的正确性，并分析CIM数据质量的优劣，有必要开展CIM模型校验与数据质量评估方法和工具的研究.

笔者首先提出CIM数据应用框架，并介绍提升该应用框架性能的关键技术，包括CIM数据优化提取、CIM模型校验、CIM量测的不良数据辨识和CIM数据质量评估等；最后，针对国内实际区域电网实时断面进行测试，验证所提方案的实用性.

1 CIM数据应用框架

CIM数据作为目前行业内通用的电力系统应用软件的统一数据接口，其数据应用性能提升需要解决两方面的难题：模型数据提取效率和数据质量改善.

按照CIM数据基础应用流程要求，笔者提出CIM数据应用框架，如图1所示：①未经处理的以CIM模型封装的生数据经快速优化提取导入系统；②对CIM电网模型和设备参数进行正确性校验，即通常所说的CIM模型校验；③针对CIM量测进行不良数据辨识，提升其数据质量水平；④对当前数据质量进行评估，衡量数据质量的改善幅度，并供给后续电力系统计算分析模块.

图1 CIM数据应用框架Figure 1 Diagram of CIM application framework

2 CIM数据优化提取

2.1 CIM数据提取的难点

CIM模型通常采用可扩展标记语言（XML）进行文件描述和系统间的交互.实际应用中，考虑到运行效率和速度，通常需要将XML文件解析成内存中的对象型数据，以契合CIM本身的面向对象的建模思想［3］.CIM数据提取实际指从以CIM标准封装的自身无语义的字符型数据构建内存中的CIM对象型数据，并创建对象间正确合理的关联关系的过程.

在CIM模型中，任何一种类型的对象均与若干其他类型的对象产生关联关系，并且其中大部分为双向关联关系，然而，这种双向关联关系在数据描述中，本身就是一种冗余［5］.所以，在实际数据交互中，这种双向关联关系的描述只出现在某一方的数据信息中.但是为了网络分析和计算的需要，使用双向关联关系又是不可避免的［6］.

文献［2－5，7］针对上述问题给出了解决方案.但是由于关联关系的创建必须以关系双方的对象型数据的存在为前提，这些方法通常需要对数据源的CIM描述进行多次遍历以最终完成全部关联关系的创建.为了提高效率，就需要对CIM数据提取的顺序流程进行有效设计，以保证其准确高效地进行.

2.2 提升CIM数据提取效率的策略

为了减少CIM数据提取过程中冗余的遍历，提高效率，达到一次数据源遍历即完成全部对象及其关联关系创建的目标，经过优化设计，提出CIM数据优化提取的主要原则：

1）分类进行CIM对象创建.以保证后续原则的应用，且符合大部分商用数据库的自然组织形式.

2）对于1对N 的双向关联关系，应优先创建“1”所对应类型的CIM对象，再创建“N”所对应的内容，因为双向关联关系的单向描述均出现在“N”所对应对象的描述信息中.在读取此类关联关系描述时，这样做能够保证双方的对象型数据均已存在于内存中，可立即建立正确而完备的关联关系索引.

3）自顶而下地进行CIM对象创建.在CIM模型中，各种对象类型均是IdentifiedObject的子类，故所有CIM模型对象均是在同一颗继承关系树上.处于上层或者靠近树根的类型往往是各种容器类型，在双向关联关系中往往是对应“1”的一方，故应当优先创建树形结构中更靠近树根的类型的对象.例如，优先创建非导电设备对象，包括BasePower，BaseVoltage，Substation，VoltageLevel，ConnectivityNode，Terminal等，再创建各种导电设备对象.

4）先完成所有导电设备对象的创建，再创建设备对应的量测对象，以保证量测对象创建的同时，即可构造其与对应设备的关联关系.

5）通常来说，实时库或CIM－XML文件的自然组织顺序并不符合上述规则要求，为了解决这个问题，可以采取中间件技术.先将数据源的CIM记录分类存放在内存结构体数组或容器中，然后依照提出的规则按顺序处理上述容器.

3 CIM数据质量的提升方案

3.1 CIM模型校验方案

在获得由CIM描述的系统实际物理模型之后，需要验证物理模型与设备参数的正确性.目前，行业内主流做法是采用电力系统规则性校验［8］来进行处理.

CIM规则性校验立足于CIM数据必须满足的电力系统基本规则.通过大量由CIM标准而产生的基础规则的检验，寻找CIM数据中明显违背常识的数据记录，从而达到CIM模型校验的目的.

1）数据准确性校验.

主要用来检查CIM数据是否符合CIM标准的基本要求.包括：设备编码唯一性校验、设备参数常识性校验、XML语法准确性校验以及XML语义准确性校验等.

2）参数完备性校验.

主要用来检查CIM数据中所包含的参数属性是否能够满足系统分析控制的需要.包括：类型完备性校验、属性完备性校验及记录完备性校验等.

3）关联关系校验.

主要用来检查CIM数据中重要的关联关系是否合理，包括：双向关联一致性校验、关联对象类型正确性校验及导电设备与设备容器关联一致性校验等.

4）拓扑校验.

主要用来检查CIM数据中的拓扑连接关系是否合理.包括：设备端子数目校验、节点空挂校验及节点接入设备电压等级一致性校验等.

3.2 不良数据对CIM数据质量的影响

CIM数据由静态数据和量测数据构成.实际中，考虑到系统静态数据与量测配置信息的变化周期较长，通常采用离线方式导入系统CIM，忽略其量测具体数值，其更新时间较长，通常为一个月左右.对系统实时量测数值单独进行更新，其更新周期较短，通常为分钟级.从此意义上说，为了得到令人满意的计算分析模型，CIM数据质量的提升可以分为静态数据质量的提升（CIM模型校验）和实时量测数据质量的提升（不良数据辨识）两部分.

实时量测数据质量主要受不良数据的影响.所谓不良数据，即指由于现场因素，与真值偏差较大的量测数据.虽然不良数据难以直观察觉，但是其对CIM数据质量的影响却是十分明显的，并且由于实际系统中不良数据的普遍存在，其重要性也不容置疑.不良数据包括两类：

1）遥信的不良数据，它将引起拓扑错误.目前，虽然遥信的准确率很高，但是一旦发生拓扑错误，其后果非常严重，尤其是母线型拓扑错误，常常引起状态估计不收敛.拓扑错误辨识的方法很多，包括：规则 法［9－10］、人 工 神 经 网 络 法［11－13］、最 小 信 息 损 失法［14］及新息图法［15］，其中规则法因兼顾效果和效率，在实际工程中得到了广泛的应用.

2）遥测的不良数据.虽然传统状态估计的主要功能就是提高遥测数据的准确度，然而当遥测的不良数据较多或偏离真值较远时，无论何种抗差状态估计算法均难以取得令人满意的结果［16］.遥测不良数据的辨识方法主要有残差搜索辨识法、量测误差估计辨识法、量测量突变辨识法、基于残差灵敏度矩阵辨识法及各类子方法等［17－18］.这些方法内嵌于状态估计计算的过程中，通常基于加权最小二乘（WLS）残差评价体系，计算量较大，计算时间长，特别是某些算法不适宜电力系统实时在线分析计算.同时，由于在辨识过程中需要进行状态估计计算，只能应用于状态估计尚能收敛的情况.然而，未经处理的原始量测数据常常导致状态估计不收敛，使得此类方法的应用受限.

3.3 基于专家库的混合不良数据辨识

考虑到规则法在拓扑错误辨识领域的广泛应用和在效率上的明显优势，笔者拟对遥测量的不良数据处理引入类似做法.即基于启发式规则对原始量测数据进行恰当而保守的预处理，兼顾遥信与遥测，以较少的时间代价换取CIM数据质量的明显提升，并结合专家库技术，维持规则增减的开放性.此外，还可与传统状态估计计算过程中的不良数据辨识方法结合，获取最佳的实际应用效果.

3.3.1 针对遥信的专家判据

出于对系统保守修正的原则，只闭合开关设备而不打开.

1）若发电机的有功出力的绝对值大于ξP，发电机出口连接到升压变的路径上的开关类型设备均应闭合.

2）对于已投运的电容电抗（即无功出力绝对值大于ξQ），必然存在一条可以连接到带电母线的开关子串，且该路径上的所有开关设备均为闭合状态；若否，将所有能够连接到带电母线的开关子串上的开关设备闭合.

3）对于变压器绕组和负荷，做类似电容电抗的处理，注意投运与否应以有功出力为判断标准.

4）对于交流线路，若其两端有功潮流绝对值均大于ξP，则认为该线路投运，则其两端应均可以通过闭合的开关设备子串连接到带电母线上；若否，则做类似电容电抗的操作.

3.3.2 针对遥测的专家判据

针对实际工程中较常出现、对数据质量影响较大的2类遥测问题，提出如下2条规则.

1）规则I.对于500kV交流线路，由于其线路充电无功较大，常在线路两端配置高抗.但由于量测配置的现场因素，线路两端的功率量测通常包含了高抗的贡献，这就导致系统内等效的无功负荷增加，将严重拉低整个系统的电压水平.针对500kV线路，需要校验其线路无功量测是否计入了端口高抗无功负载的影响，并相应地进行数据处理，还原线路两端真实的无功功率.

2）规则II.实际工程中常常发现发电机出口的变压器量测不准.正常情况下，发电机升压变的高压侧绕组有功应为负值，低压侧绕组有功应为正值（支路型设备潮流以由外部注入内部为正）.若否，可认为该量测可疑.考虑到发电机的量测涉及费用问题，若要求准确度较高，可以用发电机升压变低压侧所连接的发电机和负荷的量测数据来修正该变压器高压侧和低压侧的功率量测数值.

4 基于状态估计的CIM数值质量评估方案

数据质量是描述数据与系统真实状态吻合情况的笼统概念，由模型和量测共同决定.众所周知，网络拓扑和设备参数对数据质量的影响是巨大的，然而其影响程度却无法定量地给出数值指标，并且即使是偏离真值较远的量测数据，也会使数据质量严重恶化.由于缺乏明确定义，定量评估和比较实时断面的数据质量十分困难.传统CIM规则性校验旨在发现CIM数据中明显违背电力系统基本规则的数据记录，却无法对CIM数据质量的优劣进行反应.这主要是因为规则性校验中相关规则的制定均比较极端，而大量数据的微小偏差往往也会使数据质量严重恶化.

状态估计的作用在于获取系统的真实运行状态，这就给出了衡量数据质量时可以参照的标准.实际应用中发现，数据质量越高，状态估计无论从收敛率、合格率、计算时间以及迭代次数等方面的性能就越好.从这个层面上说，状态估计又是综合了模型和量测信息，对数据质量优劣的一个评估手段.由于状态估计可以定量给出综合性性能指标数值，所以有利于对数据质量进行定量分析，与电力系统规则性校验方法互相弥补.

实际应用中，常常需要对CIM数据质量进行提升.此时，状态估计又可以成为衡量CIM数据质量提升幅度的重要工具.其实际应用效果，将在算例测试部分进行阐述.

5 算例测试

测试环境：机器类型PC；CPU：Core2Duo T5670 1.80GHz；内存：3GB；OS：Windows 7 32bit.

拟采用IEEE 118节点标准系统和东北电网实时断面对该文方法进行测试.测试系统的详细信息如表1所示.

5.1 公共信息模型优化提取测试

采用IEEE 118测试系统与国内区域电网实际系统CIM进行测试，该文方案与反射机制方法［5］的对比结果如表2所示.

表1 测试系统规模介绍Table 1 Introduction for different size test systems

表2 模型导入性能Table 2 Importing performance for different model

从测试结果可知，该文CIM模型优化提取方法耗时少、效率高，且随着系统规模的增加，耗时基本依线性规律增长，能够满足工程应用中对速度与效率的需求.

5.2 CIM数据质量提升与评估测试

采用该文方法对东北电网实时运行断面进行数据质量提升.修正情况如表3，4所示.

为进一步验证该文数据质量提升方案的实际应用效果和采用状态估计性能指标衡量CIM数据质量的可行性，拟定测试组：①I组以未经任何处理的CIM数据进行状态估计计算；②II组使用与I组相同的数据断面，只进行遥信不良数据的修正，以保证网络拓扑的正确性；③III组使用与I，II组相同的数据断面，既进行遥信不良数据的辨识，也进行遥测不良数据的辨识.利用东北电网实时运行断面，采用以合格率最大为目标的 MGMR状态估计算法［19－22］以及应用最为广泛的 WLS算法计算，同数据断面的对比计算结果如图2～4所示.

通过上述2组对比分析可以发现：随着CIM数据质量的提升，以其为输入的状态估计程序的各项计算性能指标也得到了全面的提升.特别是这种属性并不因为采用或放弃特定状态估计算法而失效.

表3 遥信不良数据修正情况Table 3 Telesignalling bad data correction

表4 遥测不良数据修正情况Table 4 Telemetry bad data correction

图2 迭代次数示意Figure 2 Number of iterations diagram

图3 合格率示意Figure 3 Eligible rate diagram

图4 计算时间示意Figure 4 Run time diagram

6 结语

在对实际应用中CIM面临的主要问题进行分析的基础上，笔者针对CIM模型的提取效率、CIM模型校验和CIM数据质量的提升和评估等相关问题，提出了CIM数据应用框架，并对其中的关键技术进行了相关设计，通过对国内区域电网实时运行断面的测试，验证了该文方法的有效性.

［1］孙宏斌，吴文传，张伯明，等.IEC 61970标准的扩展在调度控制中心集成化中的应用［J］.电网技术，2005，29（16）：21－25.SUN Hong－bin，WU Wen－chuan，ZHANG Bo－ming，et al.Application of extension of IEC 61970standard in control center integration［J］.Power System Technology，2005，29（16）：21－25.

［2］张慎明，卜凡强，姚建国，等.遵循IEC 61970标准的实时数据库管理系统［J］.电力系统自动化，2002，26（24）：24－29.ZHANG Shen－ming，BU Fan－qiang，YAO Jian－guo，et al.Real－time database management system（DBMS）that conforms to IEC 61970standard［J］.Automation of E－lectric Power Systems，2002，26（24）：24－29.

［3］王彬，何光宇，董树锋，等.基于CIM的全图形自生成及三维可视化［J］.电力系统自动化，2010，34（4）：55－58.WANG Bin，HE Guang－yu，DONG Shu－feng，et al.Automatic generation of diagrams for power system and three－dimensional visualization based on CIM［J］.Automation of Electric Power Systems，2010，34（4）：55－58.

［4］郭健，王英涛，张道农，等.基于IEC 61970的 WAMS数据交互方法［J］.电力科学与技术学报，2011，26（2）：16－20.GUO Jian，WANG Ying－tao，ZHANG Dao－nong，et al.WAMS data exchange method based on IEC 61970［J］.Journal of Electric Power Science and Technology，2011，26（2）：16－20.

［5］邓显达，何光宇，陈颖，等.上海电网基于Java反射机制的 CIM 导入［J］.电力系统自动化，2007，31（18）：21－25.DENG Xian－da，HE Guang－yu，CHEN Ying，et al.CIM lead－in based on java reflection mechanism in AEMS of Shanghai power grid［J］.Automation of Electric Power Systems，2007，31（18）：21－25.

［6］柳明，何光宇，卢强.网络分析应用中的公用信息模型［J］.电网技术，2006，30（17）：51－58.LIU Ming，HE Guang－yu，LU Qiang.Common information model in network analysis applications［J］.Power System Technology，2006，30（17）：51－58.

［7］白日昶，李颖，帅玲玲，等.高度互操作性的电力系统数据平台设计与实现［J］.电力系统自动化，2011，35（19）：1－5.BAI Ri－chang，LI Ying，SHUAI Ling－ling，et al.Design of a power system information platform based on CIM［J］.Automation of Electric Power Systems，2011，35（19）：1－5.

［8］宋鑫，曹阳，黄海峰，等.基于电力系统规则的CIMXML模型校验［J］.电力信息化，2006，4（12）：35－37.SONG Xin，CAO Yang，HUANG Hai－feng，et al.Power system rule－based CIM－XML model validation［J］.Electric Power Information Technology，2006，4（12）：35－37.

［9］Singh N，Glavitsch H.Detection and identification of topological errors in online power system analysis［J］.IEEE Transactions on Power Systems，1991，6（1）：324－331.

［10］Singh N，Oesch F.Practical experience with rule－based on－line topology error detection［J］.IEEE Transactions on Power Systems，1994，9（2）：841－847.

［11］Alves da Silva A P，Quintana V H.Pattern analysis in power system state estimation［J］.International Journal of Electrical Power ＆ Energy Systems，1995，17（1）：51－60.

［12］Souza J C S，Leite da Silva A M，Alves da Silva A P.Data debugging for real－time power system monitoring based on pattern analysis［J］.IEEE Transactions on Power Systems，1996，11（3）：1 592－1 599.

［13］Souza J C S，Leite da Silva A M，Alves de Silva A P.Online topology determination and bad data suppression in power system operation using artificial neural networks［J］.IEEE Transactions on Power Systems，1998，13（3）：796－803.

［14］孙宏斌，高峰，张伯明，等.最小信息损失状态估计在拓扑错误辨识中的应用［J］.中国电机工程学报，2005，25（18）：1－5.SUN Hong－bin，GAO Feng，ZHANG Bo－ming，et al.Application of minimum information loss based state estimation to topology error identification［J］.Proceedings of the CSEE，2005，25（18）：1－5.

［15］周苏荃，柳焯.新息图法拓扑错误辨识［J］.电力系统自动化，2000，24（4）：23－27.ZHOU Su－quan，LIU Zhuo.An innovation graph approach to topology error identification［J］.Automation of Electric Power Systems，2000，24（4）：23－27.

［16］Caro E，Conejo A J，Mínguez R.Decentralized state estimation and bad measurement identification：An efficient lagrangian relaxation approach［J］.IEEE Transactions on Power Systems，2011，26（4）：2 500－2 508.

［17］Nian－De X，Er－keng Y，Shi－ying W.An application of estimation－identification approach of multiple bad data in power system state estimation［J］.IEEE Transactions on Power Apparatus and System，1982，101（2）：454－462.

［18］刘广一，于尔铿，夏祖治.量测偏差的检测与辨识［J］.中国电机工程学报，1991，11（3）：1－7.LIU Guang－yi，YU Er－keng，XIA Zu－zhi.Detection and identification of measurement biases［J］.Proceedings of the CSEE，1991，11（3）：1－7.

［19］董树锋，何光宇，孙英云，等.以合格率最大为目标的电力系统状态估计新方法［J］.电力系统自动化，2009，33（16）：40－43.DONG Shu－feng，HE Guang－yu，SUN Ying－yun.A novel method for power system state estimation with maximum good measurement rate［J］.Automation of Electric Power Systems，2009，33（16）：40－43.

［20］何光宇，董树锋.基于测量不确定度的电力系统状态估计（1）：结果评价［J］.电力系统自动化，2009，33（19）：21－24.HE Guang－yu，DONG Shu－feng.Power system staticstate estimation based on uncertainty of measurement part one result evaluation［J］.Automation of Electric Power Systems，2009，33（19）：21－24.

［21］何光宇，董树锋.基于测量不确定度的电力系统状态估计（2）：方法研究［J］.电力系统自动化，2009，33（0）：32－36.HE Guang－yu，DONG Shu－feng.Power system staticstate estimation based on uncertainty of measurement part two a new method［J］.Automation of Electric Power Systems，2009，33（0）：32－36.

［22］何光宇，董树锋.基于测量不确定度的电力系统状态估计（3）：算法比较［J］.电力系统自动化，2009，33（21）：28－31.HE Guang－yu，DONG Shu－feng.Power system staticstate estimation based on uncertainty of measurement part three algorithms compared［J］.Automation of E－lectric Power Systems，2009，33（21）：28－31.