CN113240289A - 一种电网调度控制系统运行状态评估方法及系统 - Google Patents

Abstract

本发明属于电网调度自动化领域，具体为一种电网调度控制系统运行状态评估方法及系统，包括基于各监测点的历史故障日志生成状态评估模型；获取监测点的实时监控数据，输入生成的状态评估模型，得到当前运行状态的评估结果；基于当前运行状态评估结果对电网调度控制系统运行状态进行风险预警。本发明通过系统功能失效和系统性能失效场景下分析，设置监测点，学习监测点数据变化趋势或功能状态变化趋势与故障的关联关系；利用故障树分析监测点数据变化或功能状态变化与故障发生之间的规律，建立状态评估模型，实时监视系统运行中的动态变化，实现系统运行状态的在线评估与风险预警。

Description

一种电网调度控制系统运行状态评估方法及系统

技术领域

本发明涉及电网调度自动化技术领域，尤其涉及一种电网调度控制系统运行状态评估方法及系统。

背景技术

随着新形势下我国可再生能源的快速发展的利用，一系列随机性、间歇式的风电和光伏接入电网，这在很大的程度上显著增加了电网运行方式的不确定性。特别是由于受外部环境和电力设备健康状态等因素的影响，电力系统安全稳定运行也受到威胁。随着电网调度控制与管理要求的精益化，电网调度控制系统应用需求日益实用化、复杂化，对数据源要求多样化，与相关系统互连复杂化。电网调控运行和管理对电网调度控制系统的运行性能、远方通信状态和系统稳定性等提出了更高的要求。因此，研究基于电网监控和调度信息的大数据挖掘和电网风险辨识、预警系统对于提升调度运行人员对电网安全运行状态的认知水平，维持系统安全稳定运行具有重要意义。

在人工智能等各类现代化、智能化技术的普遍运用下，当前电网对信息处理要求多维度、立体化，对在线监测要求迅速敏捷，对监测数据要求综合性、全面性的分析，但传统的电网调度控制系统运行评估手段仍主要采用离线分析方式，导致数据模型精度不高，分析结果准确性偏差较大，已经无法满足当前电网发展需求，无法保证实时地、全方位地监测评估系统运行情况。

发明内容

为解决现有技术中存在的技术问题，本发明提出一种电网调度控制系统运行状态评估方法及系统，技术方案如下：

本发明提供一种电网调度控制系统运行状态评估方法，包括：

基于各监测点的历史故障日志生成状态评估模型；

获取监测点的实时监控数据，输入生成的状态评估模型，得到当前运行状态的评估结果；

基于当前运行状态评估结果对电网调度控制系统运行状态进行风险预警。

进一步的，所述基于各监测点的历史故障日志生成状态评估模型，包括：

获取各监测点的实验数据集并进行整合，生成训练数据集；所述实验数据集包括历史故障日志以及基于故障注入实验训练所得到的故障日志；

对训练数据集进行数据转换和降维处理；

基于智能学习改进算法对处理后的训练数据集进行训练，建立状态评估模型。

进一步的，所述获取各监测点的实验数据集并进行整合，包括：

分析各个监测点采集数据的值、变化趋势、采集时序和系统运行状态，进而获得系统典型故障与运行特征数据之间的对应关系，构成训练数据集。

进一步的，

采用多维空间中的斜率计算方法，将数据向量随时间的值转化为变化率，或者将多监测点数据根据相互关系加权累计，对数据进行转换；

采用PCA法或特征关联分析，剔除无关数据，对数据进行降维处理。

进一步的，基于智能学习改进算法对训练数据集进行训练，学习监测点数据变化趋势或功能状态变化趋势与故障的关联关系；利用故障树分析监测点数据变化或功能状态变化与故障发生之间的规律，建立预测模型。

进一步的，不同故障构建不同的预测模型，基于多个不同预测模型的集合拟合建立系统运行状态的状态评估模型。

进一步的，还包括：

构建电网调度控制系统监控网络，包括电网调度控制系统各组成模块，系统中数据流向，业务进程调用，业务承载对象以及物理网络连接，用于表征系统的拓扑组成和电网调度控制系统各模块间的相互关系；

通过对电网调度控制系统监控网络在系统功能失效和系统性能失效场景下进行分析，设置监测点；

所述监测点需满足：在系统功能失效和系统性能失效场景下，能够分析出系统功能失效以及系统性能失效的产生原因和表现形式。

进一步的，所述对电网调度控制系统运行状态进行风险预警包括单点风险预警和故障预测风险预警；

所述单点风险预警是指，当采集的监控数据取值达到预设阈值条件时直接报警；

所述故障预测风险预警是指，根据状态评估结果，当监控数据变化趋势符合故障发生特征时，给出故障风险预警及风险等级评估。

本发明还提供一种电网调度控制系统运行状态评估系统，包括：

模型构建模块，用于基于各监测点的历史故障日志生成状态评估模型；

评估模块，用于获取监测点的实时监控数据，输入生成的状态评估模型，得到当前运行状态的评估结果；

以及，

预警模块，用于基于当前运行状态评估结果对电网调度控制系统运行状态进行风险预警。

进一步的，所述模型构建模块具体用于：

获取各监测点的实验数据集并进行整合，获得系统典型故障与运行特征数据之间的对应关系，生成训练数据集；所述实验数据集包括历史故障日志以及基于故障注入实验训练所得到的故障日志；

对训练数据集进行数据转换和降维处理；

基于智能学习改进算法对处理后的训练数据集进行训练，建立状态评估模型。

本发明具有如下有益的技术效果：

（1）本发明通过系统典型运行状态及行为特征，整合系统各类运行监视及告警信息，完善现有数据库存储及管理方式，提出电网调度控制系统海量运行数据分析挖掘方法，基于系统功能失效和系统性能失效分析设置监测点，并通过故障模式及影响分析、故障树分析等获得合适的故障表征参数，建立在线评估模型，变故障事后处理为事前预防，实时监视系统运行中的动态变化，实现系统运行状态的在线评估与风险预警。

（2）本发明通过设置子监测点，化整为零，提升监控精确性，避免监控运行周期长，导致出现故障等信息没有及时传递，保证信息的时效性，并且采用智能学习改进算法，使得故障监控预防更加的精确，减小错误信息，提升智能化程度，使之可以实时改进，实时进步，改善体验舒适性。

（3）本发明通过对故障日志的整合，基于智能学习改进算法，学习监控点数据变化趋势、功能状态变化趋势与故障的关联关系，建立电网调度控制系统运行状态评估模型，并且该模型是可以持续学习，不断成长的，具有很好的兼容性和扩展性。

附图说明

图1为本发明的电网调度控制系统运行状态评估方法流程示意图；

图2为本发明中状态评估模型构建示意图；

图3为本发明中网络构建及监测点设置示意图。

具体实施方式

下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

参见图1，本发明提供一种电网调度控制系统运行状态评估方法，包括：

对各监测点的历史故障日志进行分析研究，生成状态评估模型；

获取监测点的实时监控数据，输入生成的状态评估模型，获得当前运行状态的评估结果；

基于运行状态评估结果对电网调度控制系统运行状态进行风险预警。

本发明实施例中，对历史故障日志进行分析研究，生成状态评估模型，参见图2，包括：

获取实验数据集并进行整合，生成训练数据集；

对训练数据集进行数据转换和降维处理；

基于智能学习改进算法对处理后的训练数据集进行训练，建立状态评估模型。

具体的，实验数据集包括历史故障日志以及基于故障注入实验训练所得到的故障日志。

对所获取的实验数据集，分析各个监测点采集数据的值、变化趋势、采集时序、系统运行状态等，进而获得系统典型故障与运行特征数据之间的对应关系，构成训练数据集。

具体的，对训练数据集进行数据转换和降维处理，主要为了提升智能学习的效率和质量。训练数据集的内容来自于各个监测点周期性采集，数据量非常巨大，如果所有数据均纳入智能学习，将带来极大的计算量，故需要进行数据转换和降维处理。数据转换拟采用多维空间中的斜率计算方法，将数据向量随时间的值转化为变化率，或者将多监测点数据根据相互关系加权累计，从而用替代数据表征直接采集到的数据；降维处理主要采用PCA法或特征关联分析，剔除一些无关的数据，实现数据降维。

具体的，基于智能学习改进算法对训练数据集进行训练，学习监测点数据变化趋势、功能状态变化趋势与故障的关联关系；利用故障树分析（FTA）技术分析软件系统存在的主要故障模式，探究监测点状态数据的变化与故障发生的规律，建立预测模型。

不同故障构建不同的预测模型，基于多个不同预测模型的集合拟合建立系统运行状态的状态评估模型。

需要特别说明的是，状态评估模型不是一成不变的，它可根据训练数据集内容的丰富不断完善，也可通过实际与预测结果的比较进行优化。

本发明实施例中，设置监测点，参见图3，包括：

构建电网调度控制系统监控网络，包括电网调度控制系统各组成模块，系统中数据流向，进程调用，业务承载对象以及物理网络连接等，用于表征系统的拓扑组成和电网调度控制系统各模块间的相互关系。

对所构建的监控网络进行分析，覆盖系统功能失效和系统性能失效两种场景，在核心节点或者关键步骤上设置监测点，监测点要求能够分析出系统功能失效以及系统性能失效的产生原因和表现形式。监测的结果应能反映缺陷类型，故障传播途径，故障影响是否具有时间累加特性等；表现形式包括是否产生明确的输出结果差异，是否会影响系统依赖资源，是否存在时间延迟不同步等；实现通过部分模块数据状态量的监测，有效的反映整个软件系统的运行状态，在不影响系统正常运行的前提下为故障预测提供足够有效的数据，在降低监测点资源消耗和保证监控效果和质量之间达到平衡。

本发明实施例中，还包括，

在通用接口采集带宽使用量、数据吞吐量、TCP连接数、服务响应时间、内存使用量、CPU负载、硬盘I/O、硬盘温度等的基础上，增加应用系统运行参数采集调用的数量、进程数量、线程数量、信号量的数量、任务调度的超时次数等的专用接口，采集数据通过聚类分析发现各监测点数据属性之间的意义的相互关系，满足评估模型预测的需要。

本发明实施例中，基于运行状态评估结果，若符合故障特征，对电网调度控制系统运行状态进行风险预警，其中包括单点风险预警和故障预测风险预警。单点风险预警主要根据之前分析的能够直接反映故障发生的监控参数，研究设计风险阈值，当监控数据取值达到阈值条件时直接报警；故障预测风险预警将监测点实时采集数据带入到评估模型中，当监控数据变化趋势符合故障发生特征时，给出故障风险预警及风险等级评估，使得使用者可以准确的得出故障信息以及位置。

本发明实施例还提供一种电网调度控制系统运行状态评估系统，包括：

模型构建模块，用于基于各监测点的历史故障日志生成状态评估模型；

评估模块，用于获取监测点的实时监控数据，输入生成的状态评估模型，得到当前运行状态的评估结果；

以及，

预警模块，用于基于当前运行状态评估结果对电网调度控制系统运行状态进行风险预警。

具体的，模型构建模块用于：

获取各监测点的实验数据集并进行整合，获得系统典型故障与运行特征数据之间的对应关系，生成训练数据集；所述实验数据集包括历史故障日志以及基于故障注入实验训练所得到的故障日志；

对训练数据集进行数据转换和降维处理；

基于智能学习改进算法对处理后的训练数据集进行训练，建立状态评估模型。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种电网调度控制系统运行状态评估方法，其特征在于，包括：

基于各监测点的历史故障日志生成状态评估模型；

获取监测点的实时监控数据，输入生成的状态评估模型，得到当前运行状态的评估结果；

基于当前运行状态评估结果对电网调度控制系统运行状态进行风险预警。

2.根据权利要求1所述的一种电网调度控制系统运行状态评估方法，其特征在于，所述基于各监测点的历史故障日志生成状态评估模型，包括：

获取各监测点的实验数据集并进行整合，生成训练数据集；所述实验数据集包括历史故障日志以及基于故障注入实验训练所得到的故障日志；

对训练数据集进行数据转换和降维处理；

基于智能学习改进算法对处理后的训练数据集进行训练，建立状态评估模型。

3.根据权利要求2所述的一种电网调度控制系统运行状态评估方法，其特征在于，所述获取各监测点的实验数据集并进行整合，包括：

分析各个监测点采集数据的值、变化趋势、采集时序和系统运行状态，进而获得系统典型故障与运行特征数据之间的对应关系，构成训练数据集。

4.根据权利要求2所述的一种电网调度控制系统运行状态评估方法，其特征在于，

采用多维空间中的斜率计算方法，将数据向量随时间的值转化为变化率，或者将多监测点数据根据相互关系加权累计，对数据进行转换；

采用PCA法或特征关联分析，剔除无关数据，对数据进行降维处理。

5.根据权利要求2所述的一种电网调度控制系统运行状态评估方法，其特征在于，基于智能学习改进算法对训练数据集进行训练，学习监测点数据变化趋势或功能状态变化趋势与故障的关联关系；利用故障树分析监测点数据变化或功能状态变化与故障发生之间的规律，建立预测模型。

6.根据权利要求5所述的一种电网调度控制系统运行状态评估方法，其特征在于，不同故障构建不同的预测模型，基于多个不同预测模型的集合拟合建立系统运行状态的状态评估模型。

7.根据权利要求1所述的一种电网调度控制系统运行状态评估方法，其特征在于，还包括：

构建电网调度控制系统监控网络，包括电网调度控制系统各组成模块，系统中数据流向，业务进程调用，业务承载对象以及物理网络连接，用于表征系统的拓扑组成和电网调度控制系统各模块间的相互关系；

通过对电网调度控制系统监控网络在系统功能失效和系统性能失效场景下进行分析，设置监测点；

所述监测点需满足：在系统功能失效和系统性能失效场景下，能够分析出系统功能失效以及系统性能失效的产生原因和表现形式。

8.根据权利要求1所述的一种电网调度控制系统运行状态评估方法，其特征在于，所述对电网调度控制系统运行状态进行风险预警包括单点风险预警和故障预测风险预警；

所述单点风险预警是指，当采集的监控数据取值达到预设阈值条件时直接报警；

所述故障预测风险预警是指，根据状态评估结果，当监控数据变化趋势符合故障发生特征时，给出故障风险预警及风险等级评估。

9.一种电网调度控制系统运行状态评估系统，其特征在于，包括：

模型构建模块，用于基于各监测点的历史故障日志生成状态评估模型；

评估模块，用于获取监测点的实时监控数据，输入生成的状态评估模型，得到当前运行状态的评估结果；

以及，

预警模块，用于基于当前运行状态评估结果对电网调度控制系统运行状态进行风险预警。

10.根据权利要求9所述的一种电网调度控制系统运行状态评估系统，其特征在于，所述模型构建模块具体用于：

获取各监测点的实验数据集并进行整合，获得系统典型故障与运行特征数据之间的对应关系，生成训练数据集；所述实验数据集包括历史故障日志以及基于故障注入实验训练所得到的故障日志；

对训练数据集进行数据转换和降维处理；

基于智能学习改进算法对处理后的训练数据集进行训练，建立状态评估模型。

Images