南方电网大数据服务有限公司 杨荣霞

为了提高电网设备故障诊断的准确度，提出一种融合多源数据的电网设备风险预警方法，通过构建变电站设备明细表、描述电网设备运行风险，进行多源故障数据的融合，以此为依据，掌握电网设备风险事件之间的逻辑关系。在此基础上，调用设备风险数据，按照数据清洗、数据结构转换、数据集成、样本删除的顺序，对电网设备风险数据进行预处理。

通过诊断风险与设定安全阈值的方式，实现对电网设备风险的预警。以此数据作为支撑，可构建具有“态势感知、生产指挥、分析决策”三类应用功能的变电智能运维管控平台，为设备、作业、人员、环境的集中管控和变电生产工作作业提供有力支持，从而实现关键指标、流程等作业行为的实时监控，满足现场技术人员对电网设备运行场景信息的有效展示，在真正意义上达到为决策提供可视化辅助的目的。总之，加大对电网设备风险预警相关研究的投入，可提升设备状态感知、辅助决策及生产指挥能力[1]。

基于物联网与移动终端展示技术，可对电网设备的运行信息等进行全景可视化展现，保障终端可实时观看到设备的运行情况；深度融合多源数据，可实现电网风险、设备风险、作业风险、环境风险等安全风险信息互联互通；通过动态分析预警，可实现全面掌控风险、全局视角动态分析风险、智能指挥消除及防范风险；应用“云、大、物、移、智”等现代信息技术，汇集多源数据，通过大数据智能分析，可在变电智能运维管控平台辅助开展变电站各类生产操作指令执行，辅助校核智能作业及程序化操作完成情况，同时将操作过程和实时信息展示。

1 融合多源数据的电网设备风险预警方法

1.1 融合多源数据分析电网设备风险事件逻辑关系

为实现对电网设备运行风险的有效预警，采用融合多源数据的方式构建一个针对电网设备的故障树体系，以此为依据，掌握电网设备不同风险之间的逻辑关系[2]。在此过程中，需先进行电网设备运行故障信息的提取与描述，并调用变电站设备明细表，进行电网设备相关信息的统计。变电站设备明细表中的字段类型为string，字段名/字段描述分别为：SUBSTATION_ID/变电站ID；SUBSTATION_STATUS/状态；SUBSTATION_STATUS/电压等级ID；TRANSFORMER_AMOUNT/主变压器数量；OUTLET_COUNT_500kV/500kV出线总回路；OUTLET_COUNT_220kV/220kV出线总回路。

对照以上内容，对电网设备风险进行描述，其指标名称/统计维度分别为：严重状态设备数/机构：局/所/巡维；异常状态设备数/机构：局/所/巡维；注意状态设备数/机构：局/所/巡维；风险设备总数/机构：局/所/巡维；各变电所下异常设备数/机构：局/所/巡维。

在完成对电网设备多源风险的描述后，综合专家评估结果，将风险按照由高到低的方式进行排列。假定在此过程中不同风险的发生概率表示为P，P的分布可取值在[0，1]之间，但由于不同类型的风险均具有不确定性特点，因此又可将P看作一个模糊集合A，使用A%表示模糊隶属度：A%=(n(1-a),n,n(1+a))，式中：n表示为模糊集合A隶属度的平均值；a表示为层级关系，通常需根据风险集合的总数对其进行判定。

在此基础上，需根据底层风险事件的模糊关系，按照层层递推的方式将事件的风险进行映射处理[3]。此时假定电网设备故障E和其他多源故障风险事故呈现“与”的关系，则可认为E和其他多源故障风险事故之间的关系为PE-AND=Πni(1+ai)，式中：PE-AND表示为电网设备故障E与多源数据之间的关系；i表示为故障事件总数。按照上述计算公式依次对E1、E2…Ei间的逻辑关系进行计算，也通过此种方式，实现对多源数据的有效融合。

1.2 电网设备风险数据预处理

在掌握电网设备多源风险事件之间的逻辑关系后，应调用设备风险数据，按照数据清洗、数据结构转换、数据集成、样本删除的顺序，对电网设备风险数据进行预处理。

在进行设备风险数据清洗过程中，需根据多源数据间的逻辑关系进行数据结构中空缺位置的填补、异常值数据的专项处理、冗余数据或重复数据的处理等。当前端导出数据后，数据格式难免会受到外界相关因素的干扰，出现部分数据字节丢失的问题，针对此种类型的风险数据需采用一个有效的方法，使用“1”或“0”进行数据的填充，并在此基础上筛查数据，检索其中是否存在重复数据、与均值或隶属度差异较大的数据值，在完成对所有数据的处理后，重整数据组，完成数据清洗处理。

在进行电网设备风险数据结构转换过程中，需将原有数据集合中结构较为复杂、对应层次过高的数据进行量化，使复杂数据转换成结构较为简单的数据，以便于后期对数据进行统计与分析。在完成数据统计处理后，将所有符合标准的数据导入一个标准的数据库内并设定一个专项表格，用于存储电网设备馈线反馈的风险[4]。考虑到不同的馈线数据来源渠道不同，因此在进行风险数据集成处理过程中，需对原始数据进行合并。

在进行电网设备风险数据样本删除处理时，应区别原始数据集合中的异常样本数据，此部分数据被称之为离群样本，针对此部分数据，可通过邻近值或聚类集合的方式进行处理与识别[5]。按上文所述步骤完成电网设备风险数据的预处理，在此基础上将数据集合按照x=(x-xmin)/(xmax-xmin)进行归一化处理。式中：x表示为归一化处理后的电网设备风险数据集合；x表示为电网设备风险源数据集合；xmin表示为风险变量取值的最小值；xmax表示为风险变量取值的最大值。按此公式完成对数据的预处理与集成。

1.3 基于小波转换的电网设备风险诊断与决策

考虑到不同类型设备或不同频段的电网设备出现的风险是不同的，不同风险对应的能量也是不同的。为实现对风险的有效预警，需根据风险能量的分布进行电网设备风险的诊断。在此过程中引进小波转换技术对风险能量进行度量，并将系数的基准值作为能量分布信号，此时可根据能量值的大小进行风险信号强弱的划分[6]。假定在此过程中，能量的分布表示为e1，e2，…，em， 小波转换能量的过程可表示为W=ej/m,式中：W表示为小波转换能量分布过程；ej表示为第j个信号的能量分布值；m表示为信号总数。

在完成上述相关研究后，按照能量信息获取→风险特征提取→决策融合的流程，进行电网设备风险诊断（图1）。根据电网的实际运行需求，进行电网设备异常的诊断，与此同时在终端控制设备上设定一个安全阈值，前端在进行电气设备扫描时，每发送一个电气信号，改进模糊模型将对信号的异常特征进行提取，与此同时，小波将发生转换，后端根据转换结果输出一个奇异值与能量度结果。此结果将自动与阈值进行对接，一旦数据值超出阈值范围将自动触发预警，以此种方式便可实现对电网设备风险的有效预警。

图1 电网设备风险诊断流程

2 实验

本文通过上述论述实现对融合多源数据的电网设备风险预警方法的理论设计，为进一步验证该方法在实际应用中的效果，将本文提出的预警方法带入真实电网设备运行环境当中完成如下实例测试：设定电力企业中存在某一电网设备W1出现故障问题的现象发生。同时该电网设备的故障问题具有一定不确定性，因此可能出现故障程度以及影响范围不断扩大的问题，进而造成与该电网设备所连接的其他电网设备出现故障问题。详细记录在该电网设备W1出现故障后整个电网的故障过程：

首先，W1电网设备出现接地短路故障问题，此时W1电网设备的连接送端和受端都发生了保护动作，与W1电网设备相连接的B1断路器发生跳闸动作；其次W1电网设备的另一侧连接的B2断路器并未出现跳闸动作，使得在W2电网设备的B3断路器一侧的零序段上出现了跳闸保护动作；最后，由于受到W1和W2电网设备的影响，在W4和W5电网设备上同样出现了跳闸动作，影响其正常运行。将W1电网设备出现故障问题前后整个过程的电流信号变化情况进行记录，并绘制成图2。

图2 电网设备故障前后电流信号变化记录

从图2中可看出，W1电网设备出现故障的时间在0.2s～0.4s。基于上述实验测试条件，利用本文提出的预警方法对电网设备风险进行诊断和决策，并将得出的电网设备故障融合结果记录如表1。

表1 基于本文预警方法的电网设备故障融合结果表

从表1得出的基于本文预警方法的电网设备故障融合结果可看出，通过本文预警方法的判断和决策，得出W1、W2、W4、W5电网设备出现了融合结果不为0的现象，说明在上述四个电网设备上存在故障问题。表3中得出的结果与本文测试用例具体故障现象完全一致，可实现对电网故障的准确预警。同时，在实验过程中，本文预警方法能够准确预测得出各个设备出现故障问题的主要原因，并明确具体故障产生原因是：由于W1电网设备在0.2s～0.4s时间范围内出现了故障问题所导致其他三个电网设备运行故障。因此，通过实验证明，本文提出的电网设备风险预警方法在实际应用中能够实现对故障电网设备的准确判断，并且判断和决策效率更快，可为电网设备的稳定运行提供更高保障。

3 结语

基于“多屏全网跨平台”理念在电网建设工程中的应用，以“云大物移智”为代表的多种现代信息网络技术被提出，在社会高新技术的支撑下，PMS系统、EMS系统、OMS系统、设备状态评价系统、GIS系统、应急管理系统及变电站内设备在线监测系统、辅控系统等，在运行中产生的工程数据越来越多，此种数据被称之为多源数据。为提高电网设备的综合运营能力，本文以多源数据作为支撑，采用融合多源数据的方式，设计一种针对电网设备的风险预警方法。在完成此次设计后，通过实例应用的方式，对此方法的实用性进行了验证，证明此方法具有真实的风险预警能力。因此，可在后期的相关研究中，将此方法集成到变电站系统与配电网集成运维系统中，通过实时预警电网设备故障的方式，提高供电与配电工作的综合能力。