蔣亞坤,王彬筌

(云南電力調度控制中心,云南 昆明 660011)

0 引言

我國風電場建設已從初級發(fā)展到輸送能量大幅增長的穩(wěn)定階段。傳統(tǒng)的電網(wǎng)架構也逐漸被新能源場站取代[1]。新能源場站作為集合了變壓器、變流器、風電機組、發(fā)電機組、無功調節(jié)設備以及太陽能電站的電網(wǎng)聯(lián)絡點,能夠通過密集并網(wǎng)的方式接入電力二次系統(tǒng)[2],為系統(tǒng)輸送能量。然而,目前國內外電力二次系統(tǒng)的網(wǎng)絡安全形勢不容樂觀。除2018年3月印度電力公司遭受黑客攻擊而導致大面積停電外,包括我國在內的其他國家也受到了類似“震網(wǎng)”病毒的全面攻擊。這種病毒的攻擊目標集中在電力二次系統(tǒng)的節(jié)點和線路。一旦病毒攔截不及時,電力二次系統(tǒng)的節(jié)點和線路會受到故障錄波的干擾,從而給系統(tǒng)運行帶來巨大壓力。為了填補系統(tǒng)安全漏洞、推進我國風光電場建設發(fā)展,相關人員開展新能源場站電力二次系統(tǒng)安全預警技術研究。

胡諒平等[3]通過主客觀權重相結合的方法,對合理表征不同故障因子的動態(tài)電網(wǎng)數(shù)據(jù)賦權,并將賦權結果映射至深度稀疏自編碼器網(wǎng)絡中。該方法利用網(wǎng)絡約束電網(wǎng)故障場景,對賦權結果分類,以實現(xiàn)系統(tǒng)故障安全預警。馬寧寧等[4]通過廣域監(jiān)測系統(tǒng)采集多模態(tài)下電網(wǎng)振蕩頻率,并將寬頻電磁無法覆蓋的振蕩頻率視為高頻振蕩頻率、寬頻電磁能夠覆蓋的振蕩頻率視為低頻振蕩頻率。通過提取低頻振蕩頻率,并將其輸入由電網(wǎng)安全風險評估體系建立的預警模型中,可以實現(xiàn)系統(tǒng)安全預警。周毅等[5]通過機器學習的方法提取電網(wǎng)實時故障特征,并利用風險概率評估標準對故障特征進行超前量化預警,從而實現(xiàn)安全預警。

但是,新能源場站電力二次系統(tǒng)設備較多,其安全預警性相關數(shù)據(jù)相較于傳統(tǒng)電力網(wǎng)絡數(shù)據(jù)明顯存在高維性、復雜性的特點,從而導致上述方法的安全預警性能較差。為了解決上述方法中存在的問題,本文提出新能源場站電力二次系統(tǒng)安全預警方法。該方法采用拉普拉斯映射方法,將新能源場站電力二次系統(tǒng)的電力數(shù)據(jù)從高維空間映射到低維子空間,從而降低數(shù)據(jù)維度。通過計算電力數(shù)據(jù)的行向量和對角權值,可以獲得優(yōu)化后的數(shù)據(jù),為系統(tǒng)安全預警提供訓練樣本。同時,本文從波動程度、時間序列變化趨勢和能量隨機分布特點這三個方面提取電力數(shù)據(jù)安全預警特征,并將其輸入K-means聚類算法中,從而實現(xiàn)安全預警。經過試驗驗證,所提方法具有較高的預警效率和預警精度。

1 電網(wǎng)運行數(shù)據(jù)采集

無線傳感器網(wǎng)絡是由傳感器節(jié)點和多個信道共同組成的狀態(tài)信息采集網(wǎng)絡。該網(wǎng)絡不僅能與電力二次系統(tǒng)相互融合,還能通過壓縮感知技術采集電力二次系統(tǒng)的電網(wǎng)運行數(shù)據(jù)[6-7]。無線傳感器網(wǎng)絡的節(jié)點雖然不能自由移動,但鄰域節(jié)點的傳輸距離和通信能力大幅降低了網(wǎng)絡鏈路負載,使網(wǎng)絡能夠并行處理龐大數(shù)據(jù),且不會由于信道衰落而出現(xiàn)采樣頻率下降或采樣能耗增加等問題。這種特有的數(shù)據(jù)處理方式使無線傳感器網(wǎng)絡在多種電力相關領域都有實際應用價值。單位節(jié)點的能量消耗H的計算式如下。

(1)

本文將無線傳感器網(wǎng)絡與電力二次系統(tǒng)結合,采集電網(wǎng)運行過程中的海量電力數(shù)據(jù)。電力數(shù)據(jù)采集結果L的計算式如下。

(2)

電力二次系統(tǒng)電網(wǎng)運行數(shù)據(jù)具有時間跨度大、空間分布廣等特點,在經過無線傳感器網(wǎng)絡采集后主要以高維形式存儲在高維數(shù)據(jù)源空間中。為了在不破壞電力數(shù)據(jù)結構的前提下降低計算復雜度,必須在電力數(shù)據(jù)預警系統(tǒng)安全預警前優(yōu)先采用拉普拉斯映射方法降低電力數(shù)據(jù)維數(shù)。拉普拉斯映射方法通過將高維數(shù)據(jù)源空間中的初始電力數(shù)據(jù)映射至低維子空間,并重新計算電力數(shù)據(jù)在x、y、z三個方向上的行向量和對角權值,以獲取優(yōu)化數(shù)據(jù)。拉普拉斯映射結果G的表達式如下。

(3)

高維數(shù)據(jù)源空間J的表達式如下。

(4)

低維子空間M的表達式如下。

(5)

式中:t為x軸行向量;s1為y軸行向量;s2為z軸行向量;r為高維數(shù)據(jù)源空間和低維子空間的接近度。

根據(jù)式(5)計算得到相應結果,由此完成電網(wǎng)運行數(shù)據(jù)降維采集。

2 電力二次系統(tǒng)安全預警方法

本文在采集電網(wǎng)運行數(shù)據(jù)的基礎上,以電力數(shù)據(jù)為基礎提取電力數(shù)據(jù)特征,并結合K-means聚類算法實現(xiàn)電力二次系統(tǒng)的安全預警。

預警流程如圖1所示。

圖1 預警流程圖

電力數(shù)據(jù)是隨時間變化的物理耦合數(shù)據(jù),具有典型的波動性、趨勢性和變動性。分別從波動程度、時間變化趨勢和能量隨機分布特點三個角度描述數(shù)據(jù)特征,可以凝練出一些與時間序列緊密相關的特征向量,為后續(xù)安全預警奠定基礎。

①波動程度。

波動程度是一段時間內電力數(shù)據(jù)最大波峰與最小波峰的極差,用于表征電力數(shù)據(jù)離散化分布特征。波動程度Feature的計算式如下。

(6)

式中:m為離散系數(shù);fi為電力數(shù)據(jù)波動范圍;δ為時間序列的算術平均值。

②時間變化趨勢。

時間變化趨勢是電力數(shù)據(jù)在時間序列變化前后的中值差,用于表征電力數(shù)據(jù)的趨勢特征。中值差B的計算式如下。

(7)

③能量隨機分布特點。

能量隨機分布特點是電力數(shù)據(jù)在時間序列變化前后的波形熵,用于表征電力數(shù)據(jù)的變動特征[8-9]。波形熵R的計算式如下。

(8)

式中:ω為時間序列的總長度,m;sk為隨機誤差。

K-means聚類算法通過聚類中心將散落且不相交的樣本數(shù)據(jù)劃分成高內聚、低耦合的簇族,使原本隸屬于同一類的混疊數(shù)據(jù)在聚類中心的引導下修正隸屬度,并重新歸于一類。

本文將符合波動程度、時間變化趨勢和能量隨機分布特點的電力數(shù)據(jù)作為訓練特征集合,結合K-means聚類算法確定特征聚類中心。聚類中心F的確定式如下。

F=|Δc′|×|Δv|cosη2(h)×R

(9)

式中:Δc′為離群點數(shù)量;Δv為訓練特征集合;η2為特征密集度;h為理想類簇中心。

在成功確定聚類中心后,分布不均的電力數(shù)據(jù)特征開始向相應聚類中心靠攏。以波動程度、時間變化趨勢和能量隨機分布特點三個聚類中心為原點,最大近鄰半徑內的電力數(shù)據(jù)特征被歸為一類[10]。最大近鄰半徑A的計算式如下。

(10)

式中:?為聚類中心的平均距離,m;ds為極限負荷。

每類電力數(shù)據(jù)的波動程度、時間變化趨勢和能量隨機分布特點所反映的網(wǎng)損程度不同。如網(wǎng)損程度超越預警下限或預警上限,則其將被視為異常數(shù)據(jù)。一旦電力二次系統(tǒng)出現(xiàn)異常數(shù)據(jù),系統(tǒng)會發(fā)出針對該網(wǎng)損的預警提示。

3 試驗與結果

為了驗證新能源場站電力二次系統(tǒng)安全預警方法的整體有效性,需要進行測試。本文隨機選擇某市新能源場站及場站內部電力二次系統(tǒng)作為驗證預警性能的試驗環(huán)境。

本文參考試驗環(huán)境繪制電網(wǎng)節(jié)點、線路的拓撲結構。基于電力二次系統(tǒng)的區(qū)域電網(wǎng)如圖2所示。

圖2 基于電力二次系統(tǒng)的區(qū)域電網(wǎng)示意圖

由圖2可知,在電力二次系統(tǒng)實際運行過程中,各節(jié)點、線路的電壓和載流量存在超越預警限制的可能。圖2中標注出的節(jié)點(a、d、i、j)和線路(2、5、8、14)是越線可能性較高的點位。本文已知圖2電網(wǎng)的線路載流量預警上限為5 000 A、預警下限為2 000 A;節(jié)點電壓預警上限為1 100 V、預警下限為500 V。低于預警下限或高于預警上限都會造成電網(wǎng)容量過載及網(wǎng)損。

①預警效率。

本文分別采用所提方法、基于深度稀疏自編碼網(wǎng)絡和場景分類器的電網(wǎng)氣象故障預警方法(文獻[3]方法)和“雙高”電力系統(tǒng)寬頻振蕩廣域監(jiān)測與預警系統(tǒng)(文獻[4]方法),預警區(qū)域電網(wǎng)中節(jié)點、線路的電壓和載流量。根據(jù)不同方法驗證預警結果。本文利用上述三種方法分別判斷區(qū)域電網(wǎng)中節(jié)點a、節(jié)點d、節(jié)點i、節(jié)點j發(fā)生網(wǎng)損的預警效率,以及區(qū)域電網(wǎng)中線路2、線路5、線路8、線路14在流量過載情況下的預警效率,以比較所得預警結果和實際結果。

不同節(jié)點的預警結果對比如圖3所示。

圖3 不同節(jié)點的預警結果對比

圖3中:電壓預警上限為1 100 V;電壓預警下限為500 V;節(jié)點實際電壓與所提方法曲線一致。

不同線路的預警結果對比如圖4所示。圖4中:載流量預警上限為5 000 A;載流量預警下限為2 000 A;線路實際載流量與所提方法曲線一致。

圖4 不同線路的預警結果對比

由圖3和圖4可知,在預警限以內時,采用所提方法對各線路和節(jié)點的預警結果與實際結果均吻合。該結果說明所提方法能夠準確預警各節(jié)點、線路的網(wǎng)損程度和過載容量。這是因為所提方法在預警電力二次系統(tǒng)的安全前優(yōu)先降低電力數(shù)據(jù)維數(shù),使獲取的預警結果可信度更高。采用文獻[3]方法和文獻[4]方法對電力二次系統(tǒng)安全預警時,兩者對各線路和節(jié)點的預警結果與實際結果均呈現(xiàn)整體偏離的趨勢。這說明文獻[3]方法和文獻[4]方法既無法準確預警各節(jié)點、線路的網(wǎng)損程度或過載容量,也無法在第一時間預警電力二次系統(tǒng)故障。經上述對比可知,所提方法的預警效率明顯較優(yōu)。

②預警精度。

我國電網(wǎng)調度運行風險管理部門規(guī)定電力二次系統(tǒng)有四級預警。Ⅰ級預警用藍色表示,指電網(wǎng)節(jié)點、線路供電停滯。Ⅱ級預警用黃色表示,指電網(wǎng)節(jié)點、線路存在供電缺口,局部負荷流失。Ⅲ級預警用橙色表示,指電網(wǎng)節(jié)點、線路電壓過高、流量過載。Ⅳ級預警用紅色表示,指網(wǎng)損面積達到區(qū)、縣及以上。由于試驗環(huán)境不存在Ⅳ級預警,因此可以忽略Ⅳ級預警。本文分別采用所提方法、文獻[3]方法和文獻[4]方法預警電力二次系統(tǒng)安全,并視不同方法的預警結果為預測值、實際預警等級為實際值。通過對比不同方法的預測值和實際值,判斷不同方法對電力二次系統(tǒng)的預警精度。

不同方法的節(jié)點對比結果如表1所示。

表1 不同方法的節(jié)點對比結果

不同方法的線路對比結果如表2所示。

表2 不同方法的線路對比結果

根據(jù)表1和表2可知,所提方法獲取的預警等級與實際預警等級重合度高,說明所提方法能夠準確預測電力二次系統(tǒng)的預警等級,即所提方法的預警精度高。文獻[3]方法和文獻[4]方法獲取的預警等級與實際預警等級重合度低,說明文獻[3]方法和文獻[4]方法無法準確預測電力二次系統(tǒng)的預警等級,即文獻[3]方法和文獻[4]方法的預警精度低。經上述對比可知,所提方法的預警精度相較于對比方法更優(yōu)。

4 結論

現(xiàn)代電力技術推進智能電網(wǎng)發(fā)展,新能源場站也朝著信息化、數(shù)字化、智能化方向邁進。電力二次系統(tǒng)作為新能源場站的接入端,如出現(xiàn)異常將直接影響電網(wǎng)運行安全。因此,相關人員投入到新能源場站電力二次系統(tǒng)安全預警方法的研究中。本文首先降低新能源場站電力二次系統(tǒng)的電力數(shù)據(jù)維數(shù),將初始電力數(shù)據(jù)映射至低維子空間;然后分別計算在x、y、z三個方向上電力數(shù)據(jù)的行向量和對角權值,以獲取優(yōu)化數(shù)據(jù),為系統(tǒng)安全預警提供訓練樣本;最后,將提取的電力數(shù)據(jù)安全預警特征輸入K-means聚類算法中,以確定特征聚類中心,實現(xiàn)新能源場站電力二次系統(tǒng)安全預警。試驗結果表明,所提方法的預警效率和預警精度明顯優(yōu)于對比文獻方法,具有較好的效果。