吴骅

(国网西安供电公司,陕西,西安 710032)

0 引言

国外电力研究机构根据当地电网架设规模进行研究,文献[1]通过收集电场环境和电网设备运行状态设计出ODPS安全平台,在此基础上搭建电网安全云架构,保证平台运行数据的统一处理,利用集对分析法对电网安全事件进行排序,一定程度上加强了电网安全环境。但这种构建平台的方式过于片面,未考虑实际运行环境,限制条件较多;国内电力研究所根据电场环境和输电线的承受能力建立安全调控系统,其中文献[2]设计出适应性调控一体化模式,通过新能源思维与大数据思维相融合的方式对安全管理方案进行改进,增强电网数据的指令调度能力,利用循环完善法不断排查电场安全条件,极大增加系统运行负荷,扩大了电网运行的安全裕度。但这种模式对电网设备压力过大,损耗了设备使用寿命。

1 电网安全运行系统

针对上述技术的不足,该研究通过现场电网环境调研,对其运行安全影响因素进行分析,并针对性布置安全策略,建立起电网安全运行系统,实现电网运行各项工位的顺利运行。采用区块链构建安全体系,如何实现区块链技术? 在该研究中,区块链在应用到电网安全运行系统时,在电网安全运行系统内设置不同的网络节点,每个网络节点都应用区块链网络,通过区块链网络实现不同数据信息的交互,即区块链网络区域内点对点数据交互。电网安全运行系统设计如图1所示。

图1 电网安全运行系统设计图

对于整个电网安全运行系统的设计,该研究通过制定策略和建立网架体系完成,其中电网安全策略主要建立核心为区块链体系架构,组成架构的数据来源于采集数据、台账查询和接口管理3个方面,通过精确的电网信息采集得到安全信息,为后续安全修复提供保障。经过区块链体系的作用将安全数据划分为电力采集区、用电需求、区块分布和设备管理四个区块,各区块之间相互作用,形成链式反应,由体系平台统一调配。在安全策略制定过程中,针对突发事件设置临时指令变更服务,其发出的控制指令优先级设为最高,临时指令设计专有PRA安全网架结构,由通信数据接口接入。而安全策略的状态数据经过转移通道与网架体系的录入数据库连接,方便两者的交流[3]。网架分析体系的建立基于录入数据库和基础数据平台,录入数据库主要对电网系统的网架管理、安全评估、辅助决策和网架模型进行数据收录,同时基础数据平台运算数据归纳进录入数据库中[4]。而基础数据平台主要对设备接入服务、自动采集装置、故障匹配和漏洞修复等硬件类设备进行控制,通过外部终端、改进GAN算法和事件查询进行功能化运转。

整个电网安全系统的设计主要针对电网中产生的不稳定情况和存在安全隐患的装置进行检测和修复,并能够自动进行系统运行漏洞修复,使电网运行保持在无扰动状态。安全系统的建立以安全策略和网架体系为核心,通过区块链体系、PRA网架和算法程序完成各工位的协调配合,是安全系统保持运转的关键[5]。

2 区块链安全体系建设

区块链体系结构作为安全系统制定策略的核心,主要通过不同模式的分区进行装置的安全检测,通过划分的不同区块实现安全策略顺利实施。区块链安全体系建设方案如图2所示。

图2 区块链安全体系建设

本文设计的区块链安全体系建设方案主要分为3个区块链和2个技术程序。3个区块链为采集区块、集成区块和管理区块,2个技术程序为安全策略分析技术和RSA加密程序。采集区块主要为采集类设备,针对电厂安全、防误系统、测量装置、安全调制和二次电路进行合理化布置,实现电网环境的全面检测,采集区块的分析数据通过互联区域传入纵向网关,由安全策略分析模块集中处理;集成区块由电能数据集成、滤波信号集成和策略安全集成技术相互连接,集成数据交换机负责对其产生的输出数据进行集成统计,最终传入安全策略分析模块。管理区块分为整体调度链和安全OA平台,局域网交换机根据总线路节点对管理区块链进行分化处理,由RSA程序进行安全加密[6]。3个区块链之间通过光纤电缆和无线通讯完成交互,同时被防火墙隔离,实现不同区块的数据安全保密工作,通过实时VPN和非实时VPN完成系统集成技术的输入控制。

区块链安全体系的建设对电网安全具有重要意义,使数据更为公开化,安全性得到保证。但同时伴随着一些不足,由于分化的区块过多导致存在一定的延迟性,过大的数据导致性能问题。

3 PRA安全网架设计

概率风险分析(PRA)网架建立原则是在电网运行安全结点,通过将安全装置和结构体系布置在整个电网网架结构中,扩大电网的安全检测覆盖面,实现电网的安全运行,PRA安全网架结点如图3所示。

图3 PRA电网网架结构

PRA网架结构的建立通过各机组和安全结点配合完成,将电网运行结点设置为黑色安全结点和G点危险结点。针对启动机组划分的不同容量级进行判定,将机组输入电量和变电站接收电量进行对比,差距较大的结点路线判定为G点,基本吻合的结点路线判定为黑色结点[7]。为提高网架的安全运行能力,利用计及直流潮流约束的方式合理分布电力安全设备,针对不同结点发生的变量进行序列化运行,从而确定出最优风险分析网架。通过引入一致次线性正则分析约束条件在电场出力下的具体映射,证明该网架适配于多种约束条件。则电场出力具体映射为

(1)

4 改进GAN算法

生成式对抗网络(Generative Adversarial NetworksGAN)对电力监控的数据合理化分析,对系统安全进行改进,通过博弈的方法对监控数据进行训练式分析,本研究博弈个体为PRA网架各结点数据,博弈场景为PRA运行网架安全和漏洞对抗,利用生成对抗网络进行合理化分析,实现电网数据的漏洞修复,为后续检修提供安全保障[9]。

根据监控数据记录,将电网运行结点数据上传进算法程序,经过计算机运行得到该结点最大安全阈值为

Ez～Pz(z)[ln(1-D(G(z)))]

(2)

式(2)中,V(G,D)表示网架结点最大安全阈值,Ex～Pdata表示安全设备运行安排规律,Ez～Pz(z)表示结点预测风险值,D(x)表示电网安全设备运行参数,G(z)表示电网安全受到的环境影响因素。

传统的GAN算法主要通过集合统计安全节点数据,将数据通过算法的形式完成博弈过程,通过群体对抗的方式寻到最优解,这种方法对于电网安全具有一定的局限性[10]。该研究通过对传统GAN算法进行改进,通过将集体博弈的方式更换为两两对抗的方式,使算法计算的安全值更为精准。

经过改进的GAN算法对结点数据进行博弈归纳,则目标函数记为

Ls=E[lnp(s=real)|xdata]+E[lnp(s=fake)|xfake]

(3)

式(3)中,Ls表示改进GAN算法输入的目标函数,p(s=real)表示选取数据对抗函数,p(s=fake)表示运行结点对抗函数,xdata表示数据库中设备参数,xfake表示对抗状态下的设备参数变化。

在实际运行中,改进后的GAN算法一定程度上反映了个体之间的对抗关系,其对抗方式为

Lc=E[lnp(C=c|xdata)]+E[lnp(C=c)|xfake]

(4)

式(4)中,Lc表示改进的GAN算法个体对抗方式,E表示个体安全采集数据,p表示结点对抗限制函数,C表示个体安全性,c表示电网安全标准。

Lunsupervised=-Ex～pg[lnp(y′|x,y′

(5)

针对不同结点产生风险漏洞原因进行修复,其修复方案表示为

(6)

式(6)中,LFM表示改进GAN算法推算出的最佳修复方案,Ex～Pdata表示修复函数所达到的最大安全修复量,Ez～Pz表示实际结点安全修复量,f(x)表示结点电能变化函数。

改进的GAN算法通过将群体性的算法程序转化为个体对抗方式,增加了网架结点安全指标的预测精准度,同时根据对抗结果推测结点最佳安全阈值。在算法运算结果的基础上进行结点漏洞的排查,并给出修复方案,为电网的安全运行增加保证。

5 试验结果与分析

实验室采用Intel i9 9600KF配置计算机,32+256 GB内存容量。现场实验环境设置,实验电网采用华中区域电网,电压等级为35～110 kV高压配电网,电网运行安全余量大于20%,现场数据分析速度>6.0 MB/s,算法修复误差<3.0%。在此环境下进行实验,参数配置如表1所示。

本设计试验对电网运行中的不同结点进行研究,根据实验数据分析,在相同电压环境下对电网安全运行系统进行实验,根据Proteus仿真软件对实际工作过程进行仿真演示,电网运行仿真图如图4所示。

图4 电网运行仿真图

根据图4仿真结果对比各设计方案具体效果,根据改进的GAN算法中的式(4)记录系统的安全数据变化规律,其安全指标预测方式为

(7)

表2 电网运行安全数据实验表

本文实验是根据Proteus仿真软件对实际工作过程进行仿真,如何说明系统持续运行24 h的情况。这是出于试验目的,提取系统运行24 h的数据信息并进行分析的情况。由于数据信息分析的需要,提取24 h的数据信息,以更好地理解该研究方法。另外,仿真实验的数据和实际情况可能存在哪些差异?通过表2数据分析,本文安全系统在华中区域电网进行,电网电压等级为35～110 kV,电网运行配电最大容量为1711.96 kVA,改进的GAN算法预测安全指标为98.4%,系统运行24 h期间系统事件报警率为0.35%;文献[1]方法采用的ODPS安全平台电网运行配电最大容量为1260.59 kVA,算法预测安全指标为95.6%,系统运行24 h期间系统事件报警率为0.82%;文献[2]方法设计的调控一体化安全模式电网运行配电最大容量为1030.76KVA,算法预测安全指标为94.2%,系统运行24 h期间系统事件报警率为0.93%。由此看出该研究设计的安全管控系统具有较高可行性。设备运行安全指标曲线如图5所示。

图5 电网安全指标曲线

图5中对3种不同方案的电网运行安全指标进行对比,其中文献[1]方法提出的ODPS安全平台安全指标随电网配电容量增加逐渐升高,配电容量为1000 kVA时的最低指标为91.5%,在2000 kVA时的最高指标为95.6;文献[2]方法提出的调控一体化配电容量为1000 kVA时的最低指标为90%,在2000 kVA时的最高指标为94.2;本文调控一体化配电容量为1000 kVA时的最低指标为93%,在2000 kVA时的最高指标为98.4%。

通过对比各配网安全管控系统事件报警率,进一步完成对比实验,根据Proteus软件实现电网的仿真,得到电网运行事件报警率曲线对比如图6所示。

图6 电网事件报警率曲线

通过对比发现3种安全系统事件报警率与运行时间存在一定的关系,在24小时电网运行时间内,本文电网安全系统事件报警率最高为0.35%;文献[1]方法设计的ODPS安全平台事件报警率最高为0.82%,文献[2]方法设计的调控一体化安全模式事件报警率最高为0.93%。

综上所述,本设计对电网安全运行设计具有明显效果,根据实验表明本研究在华中区域高压配电网中的安全指标最高,同等运行时间下,系统事件报警率最低,体现出本设计电网安全系统的优越性。

6 总结

本文对电网运行状态下的安全控制进行研究,通过融入大数据分析方法完成方案设计,在电力系统中设计区块链的方式划分安全区域,为电网设备运行的安全管控提供分区管理方式,使安全设备合理利用。采用PRA网架对电力设备运行结点进行安全标记,架设的各个安全结点形成覆盖面较广的管控网络,保证系统安全的全面运行。采用改进GAN算法建立对抗式安全解决办法,使安全控制更加具有针对性,并能够实现风险隐患的修复。通过试验,本文在实验过程中仍存在问题,针对设备故障问题需要停电修复,电网区域过大使算法压力过大等问题仍待解决。