前言：想要寫出一篇引人入勝的文章？我們特意為您整理了電網智能調控系統基礎框架設計實現范文，希望能給你帶來靈感和參考，敬請閱讀。

關鍵詞：電網調度；智能調控系統；狀態監視；故障分析；健康評價

引言

隨著現代電網的深入發展，電網規模不斷擴大，接入設備的種類和數量不斷增多，交直流混聯的應用日益突出，促使電網的隨機特性、多源大數據特性的復雜程度不斷提高，日趨復雜的電網運行環境帶來了較大的不確定性，對現代電網調度系統帶來了較大的挑戰。傳統電網調度系統的控制體系與安全分析技術（結合運用建模仿真和預想故障的方法）因存在時效性與實用性較差（主要由不可預見性故障導致）、易受模型參數影響、思維場景單一等方面的不足，已經難以滿足現代大電網復雜運行環境的使用需求。這就需要進一步優化和完善電網調控系統（從大電網整體運營角度出發），有效提高系統的智能化和信息化水平，確保電網安全穩定運行。

1現狀分析

大型電網的調控難度隨著電網運行特性復雜度的提高而不斷增加，并且電網調控自動化技術在電網的智能化發展與運行趨勢下得以快速發展和進步，在擴大調控系統規模的同時提升了復雜程度。如何設計并實現電網調控系統的穩定運行是電力系統亟需解決的問題。傳統的電網調控系統在運行狀態監測環節，大多采用人工及簡單的值班告警方式，整個監測過程（包括監視、分析、故障診斷功能）的全面性及高效性不足，運維管理人員也無法及時準確的掌握系統運行狀態而導致運行維護不及時進而引起不同程度的電網運行故障，已經難以滿足自動化的電網調控系統的發展需求。目前特高壓交直流電網模式的深入應用極大的改變了電源結構、電網格局及運行特性，面向傳統交流系統的安全穩定分析方法已難以滿足特高壓交直流混聯電網使用需求，需進一步提高其應用規模、時效性和準確性。因此為有效滿足電網調控系統的穩定運行需求，需完善和優化設計電網調控系統的狀態監控及智能診斷功能，以確保電網安全穩定運行，關于此方面的研究已經取得了一定的進展，相關文獻資料詳細介紹了電網調控自動化技術的現狀及未來發展趨勢、設計并實現了相應的消息總線、針對變電站的自動化集中監控技術方案，本文在相關二次設備監視及安全管控等設計的基礎上，嘗試構建系統架構與設備信息采集方案，并在現有研究成果的基礎上構建了電網智能調控系統的基礎框架，提出一種實現了系統運行狀態監視與診斷功能的技術方案，使對系統運行狀態的評價、故障預警及預警功能得以有效實現［1］。

2電網智能調控系統總體架構設計

電網運行及生產管理離不開科學合理的控制和調度過程，這就需通過電網智能調控系統提供重要技術支撐，調控系統已成為確保電網安全穩定運行的重要手段。本文所設計的電網智能調控系統的總體架構，如圖1所示。該系統用于設備狀態監視及故障診斷，主要由四大管理模塊構成：（1）數據采集管理。用于實時監視所有采集指標，主要負責實時采集包括主站端、變電站端、調度數據網等在內的各子系統數據，然后向在線監視管理模塊傳送（通過數據傳輸總線完成）。（2）在線監視管理模塊。主要負責實時推送分類存儲的全部監視指標及異常告警信息，確保系統出現的隱患能被及時發現。（3）高級功能管理模塊。有效提高了缺陷分析效率及預測能力，主要負責評價系統健康狀況、綜合分析并智能預判系統故障。（4）可視化管理模塊。設置統一的用戶認證和登陸界面，主要負責通過圖形化的管理界面實現對系統相關應用功能直觀統一的呈現［2］。

3系統實現的關鍵技術

3．1狀態數據采集

信息主要包括調度數據網設備、主／子站系統、安全防護設備等信息，對主站系統的網絡設備信息進行采集時需使用到SNMP，主站系統以主調控與備用調控自動化系統（可細分為機房環境、硬軟件狀態等，機房環境信息通過機房管理系統提供的第三方接口進行采集）作為主要監視對象，共包含3種信息指標采集方式，即簡單網絡管理協議（SNMP）、部署程序方式、第三方接口；子站系統主要對常規站和智能站進行監測（具體可細分為相量測量裝置PUM、監控主機、交換機、直流電源和不間斷電源UPS等），通過在站端部署可視化運行維護子站完成相應指標的采集，再傳輸至主站的匯聚服務器；安全防護設備和調度數據網（包括網絡設備和鏈路信息）則分別以通用與專用安防設備、網絡設備與鏈路信息作為主要監視對象，二者的信息采集均通過第三方接口（分別由內網安全監視平臺和網絡設備管理平臺提供）完成［2］。

3．2健康評價

（1）評價體系，健康評價主要將電網調控系統中包括運行狀態、軟硬件資源利用情況、告警情況等在內的主要因素作為綜合考慮的參數項，根據實際需要結合運用相關算法獲取量化的計算結果，通過梳理實際電網調控系統的業務邏輯構建健康評價體系，將電網調控系統總健康度細分為由具體采集狀態量組成的多個評價指標［3］。具體層次，如表1所示。（2）評價方法，結合專家經驗法得到相應指標權重，再通過加權求和得到第三層健康度的計算結果，依次向上完成各個層次的評價過程，據此得出系統整體健康度的計算結果。硬件健康度的評價流程，如圖2所示。指標評價的狀態量包含二值型和數值型2類，二值型包括實時數據庫表結構等，對應指標異常（分數通常為0）或正常（分數通常為100）兩種狀態；數值型包括CPU利用率等，分數值在0～100區間內［3］。

3．3故障診斷分析和定位

在調控系統實際運行過程中部分較復雜的業務故障已經發生，但難以被運行維護人員發現，故障檢測功能主要用于實現對這部分業務故障的及時發現和告警，提醒工作人員及時采取應對措施；對于已發現的故障，通過故障診斷模塊完成初步的分析、判斷和分類（并進行相應標注）以供后續故障定位模塊使用。根據上述故障診斷結果由故障定位模塊判斷出故障類型，結合系統的實際業務拓撲關系完成對故障的定位和確認。

（1）故障檢測快速發展完善的信息物理及通信技術（尤其是廣域測量系統WAMS等）在電網信息采集與監控領域中的應用范圍不斷擴大，電網信息數據的采集流程得以有效簡化，有效提高了廣域大電網的可控性和可觀性，但目前仍然存在數據采集與挖掘應用的適配度較低的問題，阻礙了數據高質量共享與利用及高度集成化電網的實現，電力大數據在時間、空間與目標3個維度間緊密關聯，電網智能調控系統實現的關鍵在于對這些數據信息進行深度挖掘和高效利用［4］。電網智能調控系統涵蓋的業務種類和數量會不斷增多，進而增加了邏輯層級關系的復雜程度，導致所需采集的狀態數據表現出數量多、更新快、關聯關系復雜等特點。本文結合運用孤立森林算法實現高效準確的故障檢測功能，明顯提高了數據使用效率和質量，該算法易于模型構建且學習策略準確度較高，針對電網調控系統中的異常運行業務狀態，結合業務實時資源占用數據實現準確高效的檢測過程，故障檢測具體流程為：D5000系統運行過程中會產生業務相關進程資源，將采集到的這些資源占用情況的歷史數據作為原始樣本集構建L個隔離樹，在此基礎上建立初始異常檢測模型，然后構建子森林異常檢測器（使用系統抽樣方法完成）并對其進行訓練，進而得到告警閾值k值，接下來通過孤立森林異常檢測算法訓練k，并在此基礎上判斷數據異常狀態；實時資源占用信息被采集后立即傳送至異常檢測模型中，經其處理后得到系統狀態分數，系統處于正常狀態時分數在（0，k）區間、系統出現異常對應（k，1）區間內的分數；同時在滑動窗口中更新數據，簡單隨機抽樣已完成檢測的實時數據進入到緩存區，在積累的抽樣數據滿足更新條件的情況下觸發更新得到用于更新異常檢測模型的數據集，據此構建k個子森林異常檢測器并完成對常檢測模型的更新，使其同系統的運行狀態相匹配，從而持續完善異常檢測模型的性能［5］。

（2）故障診斷對電網智能調控系統發生的異常狀態的實時數據（通過故障檢測獲取）采用相應的故障診斷方法進行人工處理操作，并對此時發生的故障類型（可能包含一種或多種）進行標注，為有效區分不同故障類型，在異常檢測運行過程中需收集和標注各類故障的異常數據，各故障類型超過一定數量后（本文設置為100條）時，針對這些故障類型的異常數據，通過分類器算法的使用完成數據的訓練與測試，然后據此建立故障分類模型，進而構成能夠自動判斷不同的系統異常狀態對應的故障類型的異常診斷系統［6］。

（3）故障定位通過綜合考慮系統的業務邏輯拓撲、告警順序等因素，完成故障定位功能的設計，該模塊主要用于對源頭異常進行定位，先完成某時間段內告警信息（存儲于數據庫中，如業務邏輯映射表和進程信息表）的讀取，并對告警進程進行分類，然后定位單業務告警信息的故障源進程（根據業務內進程號），根據約束關系，在最終故障源進程中定位由單業務告警信息構成的多業務告警［7］。節點硬件資源異常，對業務源頭告警進程所在節點占用該資源類型的全部進程進行關聯處理，根據資源約束關系完成對導致異常的原始進程的確定；系統軟件資源占用異常，根據相關映射表進行分類，將全部共享故障的進程建立關聯，根據具體情況確定導致異常的原始進程；數據庫異常，按數據庫、表類型進行分類，建立同一數據庫操作的全部進程間的關聯性，根據實際操作情況判斷數據庫及實時數據的異常；業務邏輯異常，除上述異常外，在全部報警進程同屬一個進程的情況下可初步判斷為該類異常，根據相應拓撲映射表確定導致異常的進程［8］。

4示范應用

為測試本文所設計系統的可行性，將其在某電力調度系統的安全III區試運行，在三區的獨立服務器保存運行狀態采集信息，其他設備狀態信息的數據匯聚節點（包括一區、二區、備調及云平臺）均為管理網內的主備服務器再聚到三區的存儲服務器（經過正向隔離設備），針對存在于各分區內的相關軟硬件信息，先通過使用采集程序（通常在匯聚節點根據實際需要部署）完成信息的采集后，傳輸至該區的匯聚節點，網絡設備狀態信息的獲取與信息向匯聚節點傳輸時分別通過TCP／IP和SNMP協議完成。目前該系統主要負責對主站機房內的軟硬件狀態動力環境設備狀態（包括存儲／網絡／安防設備、服務器和工作站）進行監視，工作人員查看自動化設備的運行狀態時可通過WEB訪問完成。該系統運行已超過一年，能夠及時發現系統存在的異常并告警，可準確定位系統存在的故障點，通過健康度評價結果實現了對系統潛在問題及時準確的判斷，幫助工作人員及時全面的掌握電網調控系統的運行狀態并通過該平臺快速分析故障，能夠為系統運維工作提供科學合理的參考，使運維工作更加精細化和專業化，有利于確保電網調控系統的安全穩定運行，進而保證電網的安全穩定運行，為保障電網的安全穩定運行提供有力支撐［9］。

5總結

隨著電網規模及用電需求的不斷增加，對智能電網調控系統的自動化水平安全穩定性能提出了更高的要求，本文主要對電網智能調度系統進行了優化設計，為保障系統整體的穩定運行，通過構建的運行狀態監視與智能診斷平臺使監控、評價、故障預警等功能得以有效實現，實際在調控中心試點的初步應用表明本文的設計方案能夠實時高效的監控電網調控系統的運行狀態，并據此進行評價、診斷及預警，以確保電網能夠安全穩定運行。本研究僅限于調控系統運行狀態監控和故障，對于二次設備監視工作仍有待深入研究，如對二次設備通過構建協同監視體系（針對自動化設備）實現統一監視和管理功能，并研究相應的全壽命周期信息模型實現設備全生命周期管理。

參考文獻

［1］閆湖，黃碧斌，劉龍珠．人工智能在新一代電力系統中的應用前景分析［J］．電力信息與通信技術，2018（11）：7－11．

［2］黃彥浩．基于數據認知的電網仿真數據智能分析系統架構研究［J］．電力信息與通信技術，2017（12）：59－64．

［3］張宇航，邱才明，賀興，等．一種基于LSTM神經網絡的短期用電負荷預測方法［J］．電力信息與通信技術，2017（9）：19－25．

［4］張永剛，莊衛金，孫名揚，等．大運行模式下面向監控的分布式智能告警架構設計［J］．電力系統保護與控制，2016（22）：148－153．

［5］陳亮，王震，王剛．深度學習框架下LSTM網絡在短期電力負荷預測中的應用［J］．電力信息與通信技術，2017（5）：8－11．

［6］章銳，劉道偉，陳樹勇，等．信息驅動的大電網全景安全防御系統可視化設計［J］．電力信息與通信技術，2016（12）：46－51．

［7］孫啟明，石立寶，司大軍，等．基于連鎖故障事故鏈搜索的輸電網風險評估研究［J］．電力系統保護與控制，2017（19）：27－34．

［8］沈鳳杰，才洪全，徐洪濤，等．省地兩級電網緊急控制裝置協同監控系統設計［J］．電力系統保護與控制，2017（6）：126－132．

［9］冷華，童瑩，李欣然，等．配電網運行狀態綜合評估方法研究［J］．電力系統保護與控制，2017（1）：53－59．

作者：李鐵 單位：國網遼寧省電力有限公司