基于人工神經(jīng)網(wǎng)絡(luò)與有限狀態(tài)機(jī)的變電站告警處理系統(tǒng)

周博曦，秦 晉，王金亮，王竟飛，許敏敏

（山東電力高等專科學(xué)校，山東 濟(jì)南 250000）

0 引言

變電站智能告警是調(diào)度技術(shù)支持系統(tǒng)綜合智能告警功能的有機(jī)組成部分，開展監(jiān)控告警信息廣域分布式處理的應(yīng)用研究對(duì)實(shí)現(xiàn)調(diào)控運(yùn)維智能化和一體化具有重要意義。然而，告警信息的優(yōu)化和梳理并非簡(jiǎn)單單一的任務(wù)，主要困難有：1）告警信號(hào)種類繁多，信號(hào)量龐大，梳理難度大，電力系統(tǒng)告警除事故信號(hào)序列外，通常伴隨著異常信號(hào)、操作伴生信號(hào)、狀態(tài)信號(hào)以及檢修運(yùn)維信號(hào)，據(jù)統(tǒng)計(jì)，一個(gè)中型220 kV 變電站，規(guī)模估算實(shí)時(shí)數(shù)據(jù)信息量遙測(cè)約155 個(gè)，遙信約350 個(gè)；2）干擾信號(hào)摻雜其中，以假亂真難于判定，由于設(shè)備異常、通信信道受阻等多方面的因素，不可避免還會(huì)產(chǎn)生部分誤發(fā)、頻發(fā)和漏發(fā)的信號(hào)，對(duì)告警信息處理造成極大的干擾；3）信號(hào)相互關(guān)聯(lián)、錯(cuò)綜復(fù)雜，難以透過表象看到本質(zhì)，變電站尤其是廣域分布式電網(wǎng)發(fā)生的故障往往并非相互孤立，問題影響因素多樣，因素與因素之間相互聯(lián)系，告警分析是對(duì)調(diào)度運(yùn)維人員的一個(gè)綜合性考驗(yàn)。

為了有效地輔助告警信息處理，國(guó)內(nèi)外已經(jīng)提出了多種變電站告警處理方法，包括基于專家系統(tǒng)（Expert Systems，ES）的告警信息處理［1-2］、基于智能優(yōu)化算法（Intelligent Optimization Algorithm，IOAS）的告警信息處理［3-5］、基于解析模型方法的告警信息處理［6-8］等。這些方法均各有其適用性和局限性，ES因擅長(zhǎng)邏輯推理和符號(hào)信息處理而適合于電力系統(tǒng)故障診斷問題，但該方法的推理效率極大程度取決于問題的復(fù)雜程度，對(duì)于復(fù)雜程度較高的變電站系統(tǒng)，難以滿足實(shí)時(shí)運(yùn)行的系統(tǒng)要求；基于IOAS 的故障具有執(zhí)行速度快、魯棒性好和學(xué)習(xí)功能強(qiáng)等特點(diǎn)，但I(xiàn)OAS 不具備表達(dá)電網(wǎng)拓?fù)浣Y(jié)構(gòu)的能力，因而難以適用于接線方式多變的大規(guī)模電網(wǎng)拓?fù)?；解析模型方法是通過構(gòu)造一個(gè)反映實(shí)際警報(bào)信息與期望警報(bào)信息之間差異的目標(biāo)函數(shù)，該種方法的缺陷是不擅長(zhǎng)處理啟發(fā)性知識(shí)，缺乏解釋自身行為和輸出結(jié)果的能力。

電網(wǎng)靜態(tài)數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)均為告警分析的重要數(shù)據(jù)基礎(chǔ)。為了協(xié)同運(yùn)用兩類數(shù)據(jù)，結(jié)合人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）和有限狀態(tài)機(jī)（Finite State Machine，F(xiàn)SM）開展告警信號(hào)的分析和處理。首先，利用ANN 的快速執(zhí)行和自學(xué)習(xí)能力，對(duì)歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)，獲得各種事故和異常的邏輯推理和知識(shí)表達(dá)的權(quán)連接矩陣。進(jìn)一步地，構(gòu)建FSM模型，通過實(shí)時(shí)匹配告警序列，識(shí)別告警序列中的操作伴生和誤發(fā)頻發(fā)信號(hào)，完成變電站告警的告警全過程記錄、分析和處理。最后，以實(shí)際220 kV 變電站的SCADA 信息序列為例，通過算法完成告警全過程分析。

1 ANN-FSM 告警系統(tǒng)的總體結(jié)構(gòu)

電網(wǎng)告警信號(hào)是電力調(diào)度值班員開展電網(wǎng)故障、異常判斷及分析處理的依據(jù)，可分為靜態(tài)數(shù)據(jù)和動(dòng)態(tài)實(shí)時(shí)數(shù)據(jù)。靜態(tài)數(shù)據(jù)庫(kù)包括電網(wǎng)拓?fù)?、設(shè)備參數(shù)、保護(hù)配置及整定、告警歷史數(shù)據(jù)庫(kù)等，這些基礎(chǔ)數(shù)據(jù)對(duì)告警分析處理具有重要的參考意義，可作為ANN 算法訓(xùn)練樣本集，最終生成告警信號(hào)權(quán)值函數(shù)表達(dá)的事件類型知識(shí)表達(dá)；動(dòng)態(tài)數(shù)據(jù)庫(kù)即發(fā)生故障或異常時(shí)刻，由SCADA 系統(tǒng)接收到的實(shí)時(shí)告警序列，包括動(dòng)作（事故）信號(hào)、告警（異常）信號(hào)、狀態(tài)信號(hào)，實(shí)時(shí)接收的數(shù)據(jù)是開展告警分析的直接依據(jù)，動(dòng)態(tài)數(shù)據(jù)通過ANN-FSM 的綜合判斷，形成告警全過程記錄、分析和處理的綜合結(jié)果。

ANN-FSM 的變電站告警處理系統(tǒng)的總體結(jié)構(gòu)如圖1 所示。系統(tǒng)由7 大部分組成：1）靜態(tài)數(shù)據(jù)庫(kù)管理系統(tǒng)；2）靜態(tài)數(shù)據(jù)庫(kù)；3）ANN 運(yùn)算器和連接權(quán)矩陣；4）推理機(jī)；5）動(dòng)態(tài)數(shù)據(jù)庫(kù)；6）有限狀態(tài)機(jī)模型；7）解釋系統(tǒng)和人機(jī)界面系統(tǒng)。靜態(tài)數(shù)據(jù)庫(kù)和靜態(tài)數(shù)據(jù)庫(kù)管理系統(tǒng)為上層應(yīng)用提供底層基礎(chǔ)數(shù)據(jù)，其涵蓋電網(wǎng)拓?fù)洹⒈Ｗo(hù)及告警歷史數(shù)據(jù)，數(shù)據(jù)建模方法遵循IEC61850 標(biāo)準(zhǔn)數(shù)據(jù)模型，提供兼容的邏輯節(jié)點(diǎn)類及數(shù)據(jù)類（IEC61850-7-4）和共用數(shù)據(jù)類（IEC61850-7-3），同時(shí)也允許按規(guī)則擴(kuò)展邏輯節(jié)點(diǎn)、數(shù)據(jù)和共用數(shù)據(jù)類，以支持廠站自動(dòng)化相關(guān)設(shè)備的互操作性；ANN 學(xué)習(xí)系統(tǒng)建立于靜態(tài)數(shù)據(jù)庫(kù)上層，作為故障診斷模塊，通過訓(xùn)練ANN 修改其權(quán)矩陣完成知識(shí)獲取，該層設(shè)置線路、母線及變壓器模塊化診斷單元，其知識(shí)庫(kù)表達(dá)為ANN 的權(quán)矩陣；推理機(jī)為基于ANN 獲得的告警事件知識(shí)表達(dá)，對(duì)實(shí)時(shí)接收告警信號(hào)進(jìn)行診斷，并將診斷結(jié)果發(fā)送至FSM 模型，完成告警全過程記錄、分析和處理；最后通過解釋系統(tǒng)和人機(jī)界面對(duì)系統(tǒng)故障的行為和輸出結(jié)果進(jìn)行解釋。

圖1 ANN-FSM 告警處理系統(tǒng)總體結(jié)構(gòu)

ANN-FSM 的變電站告警處理系統(tǒng)采用ANN 模塊化診斷單元，具有快速、容錯(cuò)和學(xué)習(xí)能力強(qiáng)等特點(diǎn)；同時(shí)FSM 模型將進(jìn)一步對(duì)告警序列展開分析，實(shí)現(xiàn)告警全過程記錄、分析和處理，其結(jié)果將對(duì)調(diào)控中心和運(yùn)維處置意見提供關(guān)鍵依據(jù)。

2 綜合告警處理的關(guān)鍵技術(shù)

2.1 ANN 輸入量的獲取

表1—表4 分別劃分出設(shè)備（以斷路器為例）、線路、母線和變壓器的常見信號(hào)特征量。

表1 斷路器故障診斷的ANN 特征輸入量

其中，斷路器故障診斷輸出層ys=｛ys0，ys1，ys2，…，ys6｝；ys0為開關(guān)是否非全相動(dòng)作判斷量，ys1為開關(guān)分合閘是否總閉鎖判斷量，ys2為開關(guān)合閘是否總閉鎖判斷量，ys3為開關(guān)SF6壓力是否低報(bào)警判斷量，ys4為開關(guān)N2是否泄露及各種閉鎖判斷量，ys5為開關(guān)電機(jī)是否打壓超時(shí)判斷量，ys6為開關(guān)機(jī)構(gòu)箱加熱器是否空開斷開判斷量。上述斷路器故障診斷輸出層各符號(hào)取值為1 表示是，取值為0 表示否。

表2 線路故障診斷的ANN 特征輸入量

其中，線路故障診斷輸出層y1=｛y10，y11，y12，…，y15｝，y10—y15分別代表A 相接地、B 相接地、C 相接地、相間接地、三相接地瞬時(shí)故障和三相接地永久性故障。

表3 母線故障診斷的ANN 特征輸入量

母線故障診斷輸出層yb=｛yb0，yb1，yb2｝；yb0為母線故障，母線所連開關(guān)分閘；yb1為母線故障，母線所連開關(guān)拒動(dòng)，斷開聯(lián)絡(luò)母線及上一級(jí)變壓器開關(guān)；yb2母線故障，母聯(lián)開關(guān)拒動(dòng)，斷開聯(lián)絡(luò)母線所有開關(guān)。

表4 變壓器故障診斷的ANN 特征輸入量

變壓器故障診斷輸出層yt=｛yt0，yt1，yt2｝，yt1為主變壓器內(nèi)部故障；yt2為主變壓器外部故障；yt3為線路故障，線路斷路器拒動(dòng)；yt3為母線故障，母線斷路器拒動(dòng)。

2.2 ANN 故障診斷模型

人工神經(jīng)網(wǎng)絡(luò)（ANN）是模仿腦細(xì)胞結(jié)構(gòu)和思維處理問題的功能，它從模仿人腦智能的角度出發(fā)，探尋新的信息表示、存儲(chǔ)和處理方式。這種神經(jīng)網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間連接的關(guān)系，從而達(dá)到處理信息的目的［9-12］?；诟婢蛄械淖冸娬竟收显\斷由于告警信號(hào)種類繁多、信號(hào)量龐大、模式識(shí)別要求精度高，可利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和快速并行實(shí)現(xiàn)來解決這一問題，圖2 表示ANN 反向傳播算法（BP）的神經(jīng)元模型。

圖2 BP 模塊的神經(jīng)網(wǎng)絡(luò)

基于ANN 的神經(jīng)元反向傳播算法步驟包括：

1）初始化任務(wù)包括選定一結(jié)構(gòu)合理的變電站模塊網(wǎng)絡(luò)，置所有信號(hào)特征量的權(quán)和閥值為均勻分布的較小數(shù)值。

2）對(duì)輸入樣本進(jìn)行前向計(jì)算。

令單元j 的激活函數(shù)為sigmoid 函數(shù)，則有：

令L 為神經(jīng)網(wǎng)絡(luò)的總層數(shù)，l≤L，當(dāng)l=1 時(shí)，則

式中：xj（n）為神經(jīng)單元j 的實(shí)際輸入值。當(dāng)l=L 時(shí)，則有

3）對(duì)輸入樣本進(jìn)行反向計(jì)算δ，輸入樣本修正權(quán)值。

則，當(dāng)函數(shù)進(jìn)行下一次迭代（n=n+1）時(shí)，權(quán)值的修正方法為

5）算法收斂判據(jù)。

令為輸出端總的平方誤差的均值，則有

定義一個(gè)學(xué)習(xí)目標(biāo)EAV，輸入新的樣本（或新一周期樣本），直至E≤EAV，則迭代達(dá)到預(yù)定要求，算法收斂。

遵循BP 算法，基于ANN 的告警診斷流程如圖3 所示。

圖3 ANN 告警診斷流程

3 基于FSM 的變電站告警形式化描述

在變電站告警過程中，不可避免地存在告警信息缺失、告警信息時(shí)標(biāo)出錯(cuò)以及告警重發(fā)等情況，為了進(jìn)一步發(fā)現(xiàn)告警信息中的操作伴生信號(hào)和誤發(fā)頻發(fā)信號(hào)，構(gòu)建FSM 模型，通過實(shí)時(shí)匹配告警序列，形成告警全過程記錄和分析的綜合結(jié)果。

有限狀態(tài)機(jī)在軟件工程中本質(zhì)是對(duì)具有邏輯順序或時(shí)序順序事件的一種數(shù)學(xué)描述模型［12-14］。系統(tǒng)以事件驅(qū)動(dòng)的方式工作，有限狀態(tài)機(jī)做出響應(yīng)，產(chǎn)生一個(gè)輸出，并伴有狀態(tài)遷移。以某220 kV 輸電線路M（見圖4）發(fā)生接地故障對(duì)FSM 進(jìn)行形式化描述，其中CB1、CB2分別為線路M 兩側(cè)斷路器，其有限狀態(tài)機(jī)的表示形式化表示為

式中：a、b、c、d、t 為系統(tǒng)輸入信號(hào)，分別為保護(hù)動(dòng)作、斷路器分閘、重合閘動(dòng)作、斷路器合閘、超時(shí)檢測(cè)；S0—S8為定義該有限狀態(tài)機(jī)的9 種狀態(tài)，其中狀態(tài)S0表示當(dāng)前無異?；蚬收闲盘?hào)發(fā)生，系統(tǒng)處于正常狀態(tài)；如圖5 所示，狀態(tài)S1、S2、S3、S4、S5、S6為分別接收到輸入信號(hào)a、b、c、d、a、b 后觸發(fā)的狀態(tài)轉(zhuǎn)變標(biāo)記，其中，S1—S5為本次故障診斷過程中的中間狀態(tài)標(biāo)記，最終狀態(tài)S6表示經(jīng)FSM 判斷后形成事故全過程判斷結(jié)果，即線路發(fā)生永久性單相接地故障，斷路器跳閘后，經(jīng)重合閘動(dòng)作合閘，繼而再斷開線路。各個(gè)狀態(tài)觸發(fā)和轉(zhuǎn)化見圖5。t 為系統(tǒng)故障超時(shí)標(biāo)志，狀態(tài)S1為系統(tǒng)超時(shí)時(shí)，確定為線路永久性故障；狀態(tài)S8為線路發(fā)生瞬時(shí)單相接地故障，跳閘后，經(jīng)重合閘動(dòng)作線路合閘成功。O 為輸出信號(hào)集合；g 為一個(gè)從系統(tǒng)輸入信號(hào)｛a，b，c，d，t｝到｛S1，S2，…，S8｝中不同狀態(tài)量的輸出函數(shù)，如圖5 中的S0→S1；f 為轉(zhuǎn)移函數(shù)，其狀態(tài)轉(zhuǎn)換如圖5 所示。

圖4 220 kV 線路接地故障示意

圖5 220 kV 輸電線路接地故障FSM 狀態(tài)轉(zhuǎn)換

4 基于ANN-FSM 的電力系統(tǒng)故障診斷告警處理系統(tǒng)

4.1 ANN 推理模型及模型的訓(xùn)練和檢驗(yàn)

以某220 kV 變電站母線跳閘事故告警分析為例，說明本算法的有效性和實(shí)用性。

事故經(jīng)過為：2015 年5 月，沙角A 廠因220 kV 2212 斷路器的C 相絕緣子被擊穿，導(dǎo)致母線差動(dòng)保護(hù)動(dòng)作，斷開與220 kV Ⅱ母線相連的所有斷路器。事故前，沙角A 廠、長(zhǎng)安變電站、北珊變電站通過220 kV 朱北線、沙角A 廠、B 廠之間的500 kV 1 號(hào)、2 號(hào)聯(lián)絡(luò)變壓器中壓側(cè)與廣東電網(wǎng)相連，長(zhǎng)安變電站、北珊變電站為受電變電站，如圖6 所示。其中沙角A 廠為220 kV 雙母線運(yùn)行，其中220 kV Ⅰ母線上接有沙角A 廠與沙角B 廠之間的500 kV 2 號(hào)聯(lián)絡(luò)變壓器中2212 斷路器、沙長(zhǎng)乙線2293 斷路器、沙北乙線2264 斷路器、母聯(lián)2012 斷路器、2 號(hào)聯(lián)絡(luò)變壓器2202 斷路器，2 號(hào)起備變壓器2210 斷路器，其余設(shè)備接入220 kV Ⅱ母線，沙角A 廠接線如圖7所示。

圖6 事故發(fā)生地區(qū)電網(wǎng)接線

該事故發(fā)生時(shí)間為2015-06-21T13∶47∶51，歷時(shí)11 min，所接受事故告警信息共計(jì)523 條。診斷模塊化劃分故障子集告警序列被劃分為母線、變壓器、和線路3 個(gè)子模塊歷時(shí)47 ms；對(duì)各個(gè)子模塊中的告警信號(hào)融合及特征量提取，時(shí)長(zhǎng)527 ms；ANN-BP 算法訓(xùn)練樣本，從而產(chǎn)生神經(jīng)網(wǎng)絡(luò)的權(quán)矩陣在診斷方面系統(tǒng)故障試驗(yàn)數(shù)據(jù)，歷時(shí)7.84 min 收斂。將故障特征量代入神經(jīng)網(wǎng)絡(luò)模型，表5—表7 為神經(jīng)元法對(duì)故障診斷結(jié)果與其實(shí)際驗(yàn)證結(jié)果之間的比較。

圖7 沙角A 廠升壓站主接線

表5 神經(jīng)網(wǎng)絡(luò)對(duì)母線故障診斷結(jié)果

當(dāng)訓(xùn)練誤差指標(biāo)最低（E=Emin）時(shí)，對(duì)ANN 告警診斷算法可整合為：由于220 kV 線路故障，母線差動(dòng)保護(hù)動(dòng)作，斷開220 kV Ⅱ母線所有斷路器；同時(shí)，500 kV 變壓器差動(dòng)保護(hù)動(dòng)作，斷開三側(cè)斷路器；線路高頻主保護(hù)動(dòng)作，斷路器三相跳閘；線路距離I 段保護(hù)動(dòng)作，斷路器C 相跳閘，后重合成功。

進(jìn)一步地，為了更詳盡分析告警過程及原因，將告警信息與FSM 模型進(jìn)行比對(duì)，并忽略正常設(shè)備操作產(chǎn)生的伴生信號(hào)。

4.2 FSM 模型及告警處理結(jié)果分析

本次啟用FSM 對(duì)告警信號(hào)進(jìn)行處理，共處理伴生信號(hào)達(dá)300 余條，頻發(fā)信號(hào)76 條。忽略未發(fā)生告警信號(hào)，首先定義S0～S9為本案例有限狀態(tài)機(jī)模型的10 種狀態(tài)值，S10表示經(jīng)FSM 判斷形成可表述事故全過程的狀態(tài)。表8 為事故對(duì)應(yīng)的狀態(tài)轉(zhuǎn)換表，根據(jù)每一類信號(hào)動(dòng)作的時(shí)序信息，構(gòu)建觸發(fā)事件的最大動(dòng)作時(shí)間t 值，形成圖8 的事故對(duì)應(yīng)的狀態(tài)轉(zhuǎn)換圖，狀態(tài)轉(zhuǎn)換表和轉(zhuǎn)換圖從時(shí)序上描述了一個(gè)完整的越級(jí)跳閘事故過程，其中t1～t4為經(jīng)神經(jīng)網(wǎng)絡(luò)診斷所得的4 個(gè)組合故障對(duì)應(yīng)的最大時(shí)間值，結(jié)果顯示，通過FSM 篩選有用的事故信號(hào)，對(duì)事故的全過程分析和原因分析，詳細(xì)結(jié)果為：由于沙角A 廠220kV Ⅱ母線差動(dòng)保護(hù)和沙角B 廠500 kV 2 號(hào)聯(lián)絡(luò)變壓器差動(dòng)保護(hù)動(dòng)作時(shí)間在同一區(qū)段，且跳閘時(shí)限與外部故障時(shí)限一致；另沙角A 廠2212 斷路器C 相分段后重合，該有限狀態(tài)機(jī)可敏銳地判斷出2212 斷路器同時(shí)位于沙角A 廠220 kV Ⅱ母線差動(dòng)保護(hù)和沙角B 廠500 kV 2 號(hào)聯(lián)絡(luò)變壓器差動(dòng)保護(hù)的范圍內(nèi)，且事故故障點(diǎn)位于沙角A 廠2212 斷路器，故障為C 相短路；同時(shí)導(dǎo)致長(zhǎng)安站220 kV 沙廠乙線過負(fù)荷跳閘。

表6 神經(jīng)網(wǎng)絡(luò)對(duì)變壓器故障診斷結(jié)果

表7 神經(jīng)網(wǎng)絡(luò)對(duì)線路故障診斷結(jié)果

表8 事故對(duì)應(yīng)的狀態(tài)轉(zhuǎn)換表

圖8 事故對(duì)應(yīng)的狀態(tài)轉(zhuǎn)換

本次事故經(jīng)現(xiàn)場(chǎng)查實(shí)，故障點(diǎn)位于沙角A 廠2212 斷路器，故障為C 相盤式絕緣子被擊穿，與本文提出方法所推理結(jié)果基本吻合，為事故的正確處理打下了堅(jiān)實(shí)的基礎(chǔ)。

5 結(jié)語

提出一種結(jié)合人工神經(jīng)網(wǎng)絡(luò)（ANN）和有限狀態(tài)機(jī)（FSM），對(duì)電力系統(tǒng)告警信息進(jìn)行處理的方法，具有較強(qiáng)的應(yīng)用價(jià)值。在電網(wǎng)拓?fù)浜瓦\(yùn)行方式一致的情況下，故障診斷的ANN 的連接權(quán)矩陣訓(xùn)練僅需進(jìn)行一次，為告警的快速判斷和處理打下良好的基礎(chǔ)；FSM 可實(shí)現(xiàn)信號(hào)的排查和告警過程記錄，并通過綜合分析形成告警的原因分析和結(jié)果處理。通過實(shí)際電網(wǎng)案例對(duì)本算法的驗(yàn)證，結(jié)果證明該方法對(duì)于電力系統(tǒng)通用故障告警判斷具有快速、容錯(cuò)和學(xué)習(xí)能力強(qiáng)等特點(diǎn)，對(duì)應(yīng)用于大規(guī)模電力系統(tǒng)的在線故障診斷問題的解決具有重要意義。