李騰,呂飛鵬,王星宇,張海洋

(四川大學(xué) 電氣工程學(xué)院,成都 610000)

0 引 言

傳統(tǒng)變電站微機(jī)保護(hù)裝置各個(gè)開關(guān)量、跳合閘出口都一一對(duì)應(yīng)電纜連接的具體端子。數(shù)字化變電站采用GOOSE(generic object oriented substation event)技術(shù)后,各保護(hù)裝置之間的信息交互、跳合閘出口均是基于網(wǎng)絡(luò)傳輸?shù)臄?shù)字信號(hào),在一根光纖內(nèi)可以同時(shí)傳輸多路數(shù)字信號(hào),為了更直觀的理解GOOSE、SV(sampled value)信號(hào),虛端子的概念被提出[1-3]。目前設(shè)計(jì)院主要采用設(shè)計(jì)員通過設(shè)備廠家提供的能力描述文件(IED capability description,ICD)得到IED虛端子信息,并手動(dòng)制作成虛端子表來實(shí)現(xiàn)IED之間的互聯(lián)的方法,然而虛端子數(shù)量大、相似度高,導(dǎo)致了設(shè)計(jì)時(shí)工作量大、效率低且易出錯(cuò),所以虛端子自動(dòng)連接技術(shù)可以提高設(shè)計(jì)的工作效率和可靠性[4]。

目前虛端子自動(dòng)連接的研究文獻(xiàn)較少,文獻(xiàn)[5]提出了基于關(guān)鍵字符匹配的虛端子自動(dòng)關(guān)聯(lián)方法,但此方法選取關(guān)鍵字符的工作需要人工完成,效率不高。文獻(xiàn)[6]提出了基于距離權(quán)重向量?jī)?yōu)化模型的虛端子自動(dòng)連接方法,此方法運(yùn)用粒子群算法計(jì)算權(quán)重,運(yùn)算速度慢,容易陷入局部最優(yōu)。本文運(yùn)用煙花算法計(jì)算出最佳權(quán)重,計(jì)算速度快,準(zhǔn)確率高,從而實(shí)現(xiàn)高效虛端子自動(dòng)匹配連接。

1 虛端子的類型和命名格式

通過通信網(wǎng)絡(luò)模式,虛端子可以分為GOOSE虛端子和SV虛端子。通過輸入、輸出方式,虛端子可以分為輸入虛端子和輸出虛端子。因此虛端子的類型可分為:GOOSE輸入虛端子、SV輸入虛端子、GOOSE輸出虛端子和SV輸出虛端子。

IEC 61850標(biāo)準(zhǔn)[7]采用面向?qū)ο蠼５姆椒▽?shù)據(jù)結(jié)構(gòu)分為物理設(shè)備(physical device,PD)、邏輯設(shè)備(logical device,LD)、邏輯節(jié)點(diǎn)(lgical node,LN)、數(shù)據(jù)對(duì)象(data object,DO)、數(shù)據(jù)屬性(data attribute,DA)。從而使得模型里的每一個(gè)對(duì)象都具有唯一的數(shù)據(jù)索引[8-9]。

每個(gè)虛端子都有中文描述,用來描述此虛端子代表信號(hào)的含義。按照國(guó)內(nèi)IEC 61850實(shí)施規(guī)范的要求,GOOSE發(fā)送和接收的數(shù)據(jù)均應(yīng)采用數(shù)據(jù)屬性DA,因此內(nèi)部引用地址應(yīng)級(jí)聯(lián)到DA一級(jí),其格式為“LD/LN.DO.DA”[10]。SV虛端子與GOOSE虛端子類似。

目前智能變電站均按照IEC 61850協(xié)議面向?qū)ο筮M(jìn)行建模,但并沒有明確定義如何建模,即沒有明確物理設(shè)備、邏輯設(shè)備和邏輯節(jié)點(diǎn)間的具體包含關(guān)系。因此,國(guó)家電網(wǎng)有限公司2010年發(fā)布了《IEC 61850工程繼電保護(hù)應(yīng)用模型》,細(xì)化了模型具體劃分和命名規(guī)則,進(jìn)一步對(duì)廠商的虛端子實(shí)現(xiàn)進(jìn)行規(guī)范[11]。但目前國(guó)內(nèi)智能變電站仍處于發(fā)展階段,規(guī)范中對(duì)具體實(shí)施留有一定的自由度,導(dǎo)致了不同生產(chǎn)廠家設(shè)計(jì)的虛端子有一定的差異、模型內(nèi)部也有所差異。虛端子的設(shè)計(jì)與命名并沒有完全統(tǒng)一。

綜上所述,基于國(guó)家電網(wǎng)公司和IEC 61850的規(guī)范,各個(gè)設(shè)備生產(chǎn)廠商所生產(chǎn)的虛端子仍有一定的差異性,不能夠直接比對(duì)現(xiàn)實(shí)虛端子進(jìn)行匹配,因此需要更加智能的虛端子匹配方法。

2 基于萊文斯坦距離相似度模型

根據(jù)虛端子命名特點(diǎn),本文運(yùn)用萊文斯坦距離來計(jì)算虛端子之間的相似度。最終選出最大相似度的虛連接作為匹配結(jié)果。

2.1 萊文斯坦距離相似度定義

萊文斯坦距離,又稱Levenshtein距離,是編輯距離的一種,1965年由俄羅斯科學(xué)家弗拉基米爾·萊文斯坦提出。具體是指兩個(gè)字符串之間,由一個(gè)轉(zhuǎn)成另一個(gè)所需要的最少操作次數(shù)?？尚芯庉嫴僮靼?

1)將一個(gè)字符替換為另一個(gè)字符;

2)插入一個(gè)字符;

3)刪除一個(gè)字符。

當(dāng)兩個(gè)字符串的萊文斯坦距離越小,說明兩個(gè)字符串的相似度越高[12]。本文用D(a,b)來表示字符串a(chǎn)和b的距離。定義為:

I={E1,E2,…,Ek,…,Em}

式中I為智能變電站中所有的虛連接;Ek為此智能變電站中第k個(gè)IED設(shè)備;Em為此智能變電站一共有m個(gè)IED設(shè)備。

其中Ek可以表示如下:

Ek={L1,L2,…,Lk,…Ln}

式中Lk為Ek這個(gè)IED設(shè)備中的第k個(gè)虛連接;Ln為Ek這個(gè)IED設(shè)備中一共有n個(gè)虛連接。其中Lk可以表示為:

任意兩個(gè)字符串Li、Lj的相似度可以表示為:

(1)

式中,D(Li,Lj)為虛連接Li和Lj的萊文斯坦距離行向量,可表示為:

W為權(quán)重向量,可表示為:

距離權(quán)重表示虛端子每個(gè)屬性占總體重要性的比重,權(quán)重值可以通過與已連接的同類IED虛連接進(jìn)行訓(xùn)練得到。

2.2 匹配模型

根據(jù)實(shí)際智能變電站IED連接方式可知,IED輸出虛端子和輸入虛端子一一對(duì)應(yīng),將所有的虛端子分為輸出虛端子和輸入虛端子兩部分,僅對(duì)輸入虛端子進(jìn)行匹配,當(dāng)輸入虛端子匹配完成也代表著輸出虛端子匹配完成。

將同類IED已知虛端子連接數(shù)據(jù)分為訓(xùn)練集T和匹配集M。設(shè)匹配集M中虛端子連接對(duì)數(shù)為m,則M可表示為:

M={L1,L2,…Lm}

將P中的虛端子連接與M中的虛端子連接兩兩進(jìn)行對(duì)比計(jì)算,得到P中與M相似度最大的虛連接,如下:

(2)

由此可以得到輸入虛端子Vki對(duì)應(yīng)的虛連接為L(zhǎng)ki。同理,P中其余所有輸入虛端子的虛連接也能一一找出。

3 基于煙花算法的距離權(quán)重向量計(jì)算

本文運(yùn)用萊文斯坦距離來計(jì)算兩個(gè)虛連接的相似程度。由于兩個(gè)虛端子不同屬性的萊文斯坦距離對(duì)萊文斯坦相似度的程度不同,并且同類IED設(shè)備的虛端子相似度非常大,所以提出權(quán)重向量作為待匹配IED的優(yōu)化參數(shù)。運(yùn)用煙花算法對(duì)權(quán)重向量目標(biāo)函數(shù)進(jìn)行求解,得到最優(yōu)權(quán)重向量。

3.1 距離權(quán)重向量?jī)?yōu)化模型

設(shè)IED訓(xùn)練集中同類IED有N個(gè),任意選取其中一個(gè)IED設(shè)備作為待匹配的IED,剩下N-1個(gè)IED設(shè)備作為匹配集。通過煙花算法生成權(quán)重向量W=[w1,w2,…,w10]T和前文的匹配模型得到待匹配集的輸入虛端子和輸出虛端子的連接情況,記為Jp(W)。匹配完成后的任意一個(gè)虛連接記為L(zhǎng)k(W)。由于訓(xùn)練集的虛端子連接信息由已連接IED設(shè)備中提取出來,所以可看作為全正確連接,記為JA。定義函數(shù)f(Lk(W))滿足如下:

(3)

即f(Lk(W))為在給定距離權(quán)重下訓(xùn)練匹配得到的虛連接結(jié)果與樣本虛連接對(duì)比。最終使在所求的距離權(quán)重下達(dá)到正確的虛連接數(shù)達(dá)到最大,所以目標(biāo)函數(shù)G(W)還需滿足以下優(yōu)化模型:

maxG(W)=G(w1,w2,…,w10)=

(4)

3.2 煙花算法求解方案

本文采用煙花算法來求解距離權(quán)重向量?jī)?yōu)化模型。煙花算法(fireworks algorithm,FWA)是一種靈感來自于夜空中煙花爆炸的群體智能算法[13-16]。煙花算法具有很強(qiáng)的局部爆發(fā)性,同時(shí)煙花種群能在全局搜索和局部搜索能力達(dá)到一個(gè)平衡,使得尋優(yōu)效率非常高。煙花算法具體流程圖如圖1所示。

圖1 煙花算法流程圖

本文將目標(biāo)函數(shù)的解W=[w1,w2,…,w10]設(shè)置為煙花算法中一個(gè)10維煙花的位置X=[x1,x2,…,x10]。具體步驟如下:

1)初始化種群:初始化對(duì)象包括煙花數(shù)目(N=100)、煙花位置維度(D=10)、變異火花數(shù)(M=5)、爆炸數(shù)目(En=6)、爆炸半徑(Er=5)、爆炸數(shù)目限制因子(a=0.3,b=0.6)和迭代次數(shù)T=100。

2)爆炸算子:在煙花算法中,煙花Xi爆炸產(chǎn)生的火花的個(gè)數(shù)為Eni,表示如下:

(5)

式中,m為常數(shù);Yworst為目前種群中最差適應(yīng)度值;f(Xi)為煙花Xi的適應(yīng)度值;ε為一個(gè)極小的正常數(shù),避免除以零的操作[17]。同時(shí),為了防止火花數(shù)目過多或過少,需要對(duì)其進(jìn)行修正,修正如下:

式中,round(·)為取整函數(shù);a和b為給定的限制因子。

煙花Xi爆炸范圍半徑為Eri,表示如下:

(6)

式中,Gau(·)為高斯函數(shù)。

當(dāng)爆炸或變異產(chǎn)生的爆炸算子或變異算子超出最大范圍時(shí),需要對(duì)其進(jìn)行位置的映射,映射規(guī)則如下:

(7)

4)選擇策略:煙花算法采用的是保留精英策略,適應(yīng)度最好的煙花保留到下一代,剩下的個(gè)體采用輪盤賭的方法進(jìn)行選取[18]。選取的概率為p,表示如下:

(8)

(9)

式中,R(Xi)為個(gè)體Xi與其他個(gè)體的距離總和;d(Xi,Xj)為個(gè)體Xi與個(gè)體Xj的歐式距離;K為算子爆炸和變異產(chǎn)生的火花總數(shù)。

5)終止條件:設(shè)置一個(gè)最大的迭代次數(shù),當(dāng)?shù)瓿珊?得到的距離權(quán)重向量即為選取的IED距離權(quán)重向量。

為了使實(shí)驗(yàn)結(jié)果根據(jù)一般性,可以隨機(jī)選取多個(gè)同類IED進(jìn)行多次實(shí)驗(yàn),將多個(gè)距離權(quán)重向量的平均值作為最終的向量。

結(jié)合上文,虛端子自動(dòng)匹配模型的全部流程如圖2所示。

圖2 自動(dòng)匹配流程圖

4 算例驗(yàn)證與分析

文中通過python程序提取了10個(gè)不同智能變電站SCD文件中的虛端子信息。為了使算例結(jié)果更具有一般性,本次算例選取220 kV母線測(cè)控裝置的虛端子信息進(jìn)行匹配。根據(jù)上述方法,隨機(jī)選取其中一個(gè)作為待匹配IED,其余IED虛連接作為樣本虛連接數(shù)據(jù)。將樣本虛連接數(shù)據(jù)分為訓(xùn)練集和匹配集進(jìn)行訓(xùn)練,算出最終距離權(quán)重向量。

通過煙花算法對(duì)優(yōu)化模型求解,最終得到距離權(quán)重為:

整個(gè)訓(xùn)練花費(fèi)時(shí)間約為2.5 h,雖然比人工連接一個(gè)IED虛端子花費(fèi)時(shí)間多,但是當(dāng)樣本選擇適當(dāng)時(shí),此時(shí)計(jì)算出的距離權(quán)重向量可以用在以后類似的IED虛端子連接上。因此,更應(yīng)該關(guān)注的是虛端子的匹配時(shí)間。本次選取的待匹配IED輸入虛端子和輸出虛端子均為65個(gè),全部匹配完畢耗時(shí)2 s,準(zhǔn)確率達(dá)到了百分之百。對(duì)比人工手動(dòng)進(jìn)行虛端子連接,效率有所提高,得出本文提出的虛端子自動(dòng)連接方法是可行的。部分自動(dòng)匹配結(jié)果如表1所示。

表1 部分自動(dòng)匹配結(jié)果

5 結(jié)束語

文中利用其他智能變電站的同類樣本虛連接信息,構(gòu)建了優(yōu)化模型,利用煙花算法計(jì)算出虛端子距離權(quán)重向量,通過計(jì)算待匹配IED與樣本IED虛連接萊文斯坦距離相似度實(shí)現(xiàn)了待匹配IED輸入虛端子和輸出虛端子的自動(dòng)連接。通過算例說明文中提出的方法能夠快速、準(zhǔn)確地完成虛端子自動(dòng)連接。