引言

變電站的遠(yuǎn)程控制涉及感知節(jié)點、能量控制、實施控制模塊等多項內(nèi)容,主要用于監(jiān)測變電站功率、溫度、濕度等指標(biāo),并及時進行設(shè)備的開關(guān)調(diào)節(jié),需要進行頻繁的啟停。

因此,全面掌握變電站運行狀態(tài),及時對變電站進行遠(yuǎn)程調(diào)度,成為目前要解決的關(guān)鍵問題之一。本文提出一種基于粗糙集聯(lián)合決策樹的方法,旨在實現(xiàn)對變電站的遠(yuǎn)程精準(zhǔn)調(diào)度。

1粗糙集聯(lián)合決策樹法

粗糙集能對變電站中的不確定性數(shù)據(jù)、非規(guī)則性數(shù)據(jù)進行分析,求得數(shù)據(jù)的最小知識表達,并依據(jù)預(yù)設(shè)規(guī)則來提高結(jié)果的精準(zhǔn)度。決策樹對粗糙集處理后的數(shù)據(jù)進行遞歸分析,尋找到最終的結(jié)果。粗糙集聯(lián)合決策樹方法具有幾方面優(yōu)勢:(l)能夠處理變電站中感知節(jié)點的海量數(shù)據(jù),并減少冗余數(shù)據(jù)所占比例:(2)通過遞歸分析,得到較為準(zhǔn)確的計算結(jié)果:(3)彌補決策樹無法處理海量數(shù)據(jù)的不足以及粗糙集無法實現(xiàn)精準(zhǔn)遞歸的缺陷。

2變電站遠(yuǎn)程調(diào)度的數(shù)學(xué)描述

假設(shè)1:第i個感知節(jié)點傳輸?shù)墓β蕿?i,濕度為wi,溫度為Zi,電壓為Ui,粗糙集合為sel,那么,集合數(shù)據(jù)的收集過程如下:

其中,k為粗糙集篩選數(shù)據(jù)的規(guī)則,濕度的篩選條件為wi<45%,溫度為Zi<50℃,電壓為Ui<230V。如果k入l不成立,說明收集的數(shù)據(jù)為不確定性數(shù)據(jù),需要進行標(biāo)準(zhǔn)化處理,否則數(shù)據(jù)可以直接被納入到集合sel中。

為了更好地對變電站進行遠(yuǎn)程控制,要對sel集合進行縮減,減少數(shù)據(jù)總量,所以提出假設(shè)2。

假設(shè)2:變電站的粗糙集規(guī)則調(diào)節(jié)函數(shù)為Ru.g[A,B,k],A為不確定性程度,C為非規(guī)則數(shù)據(jù)比例,k為篩選規(guī)則,數(shù)據(jù)調(diào)節(jié)系數(shù)為a,粗糙集處理后的集合為RGsel,那么RGsel的數(shù)據(jù)收集過程如下:

RGsel為映射后的函數(shù),所含數(shù)據(jù)是標(biāo)準(zhǔn)化處理后的函數(shù)。

假設(shè)3:變電站運行狀態(tài)的數(shù)據(jù)集合為RGsel,變電站整體運行狀態(tài)函數(shù)為Ji(RGsel),該函數(shù)的計算如下:

式中:ai為不同規(guī)則下的調(diào)節(jié)系數(shù):ki為不同狀態(tài)下的篩選規(guī)則。

如果J函數(shù)的結(jié)果處于[0,1],說明變電站運行正常,只需進行監(jiān)測:如果大于1說明變電站運行異常,需要確定感知節(jié)點的位置,并對相應(yīng)設(shè)備進行開關(guān)調(diào)整。

3基于粗糙集聯(lián)合決策樹法的變電站遠(yuǎn)程調(diào)度

在實際運行過程中,要依據(jù)粗糙集聯(lián)合決策樹中的參數(shù)調(diào)節(jié),找出異常的變電站運行數(shù)據(jù),并確定故障變電站的位置。

3.1變電站運行參數(shù)初始化

將獲得的變電站運行數(shù)據(jù)進行粗糙集規(guī)則處理,并映射到?jīng)Q策樹的根節(jié)點中,完成參數(shù)的初始化,數(shù)據(jù)映射過程為:

變電站運行參數(shù)的初始化是對不規(guī)則數(shù)據(jù)、不確定性數(shù)據(jù)進行分析,能夠有效降低數(shù)據(jù)誤差,提高數(shù)據(jù)的標(biāo)準(zhǔn)化程度。

3.2變電站遠(yuǎn)程調(diào)度的實施步驟

粗糙集聯(lián)合決策樹法對變電站的遠(yuǎn)程調(diào)度屬于持續(xù)性控制,是一個循環(huán)往復(fù)過程,具體計算步驟如圖1所示。

由圖1可知,變電站遠(yuǎn)程調(diào)度需要4個步驟。

步驟1:獲得變電站運行狀態(tài)數(shù)據(jù),將電壓、濕度、溫度以及功率等數(shù)據(jù)進行預(yù)處理。

步驟2:利用粗糙集規(guī)則剔除冗余數(shù)據(jù),并進行決策樹分析,輸出變電站運行結(jié)果。

步驟3:依據(jù)變電站的數(shù)據(jù)來源,確定異常信號的來源。

步驟4:依據(jù)異常信號確定故障位置。

4變電站遠(yuǎn)程調(diào)度的實際案例

為了驗證調(diào)度效果,用粗糙集聯(lián)合決策樹法對32kV變電站進行遠(yuǎn)程調(diào)度,以調(diào)度準(zhǔn)確率、異常感知節(jié)點位置判斷以及響應(yīng)時間為評價指標(biāo)。

4.1變電站簡介

32kV變電站內(nèi)部有3臺服務(wù)器、2臺交換機、12個感知節(jié)點(溫度、濕度、風(fēng)力、日照、功率等),其一般信息如表1所示。

由表1中的數(shù)據(jù)可知,變電站中所有設(shè)備、控制開關(guān)之間均為獨立數(shù)據(jù),無相關(guān)性,可以進行后期的監(jiān)測判斷。

4.2變電站運行預(yù)測準(zhǔn)確性與位置判斷準(zhǔn)確性

對于變電站運行狀態(tài)的數(shù)據(jù)分析,要多次取樣,并比較預(yù)測數(shù)據(jù)與實際數(shù)據(jù)的差異。同時,利用決策樹方法確定異常數(shù)據(jù)的來源,確定故障的位置,具體結(jié)果如表2所示。

由表2可知,在06:00一12:00階段,狀態(tài)預(yù)測、位置預(yù)測準(zhǔn)確性較低,主要是由于該階段處于生產(chǎn)、工作的高峰階段,處理的數(shù)據(jù)量較大。但是,該階段的預(yù)測偏差仍然小于3%,說明粗糙集聯(lián)合決策樹法能更好地進行數(shù)據(jù)分析,提高變電站遠(yuǎn)程調(diào)控的準(zhǔn)確性。

對變電站進行30日的數(shù)據(jù)收集,判斷數(shù)據(jù)的穩(wěn)定性,結(jié)果如圖2所示。

由圖2可知,狀態(tài)預(yù)測、故障預(yù)測的數(shù)據(jù)處理量在49.5兆~51.5兆之間,變化幅度為2兆,整體比較穩(wěn)定。究其原因,粗糙集采用粗糙集規(guī)則進行數(shù)據(jù)標(biāo)準(zhǔn)化處理,并將數(shù)據(jù)映射到?jīng)Q策樹的根節(jié)點,實現(xiàn)數(shù)據(jù)的簡化處理,大幅壓縮了數(shù)據(jù)量。

4.3變電站遠(yuǎn)程調(diào)度的響應(yīng)時間

響應(yīng)時間是變電站遠(yuǎn)程調(diào)度的重要指標(biāo),是驗證粗糙集聯(lián)合決策樹方法的重要內(nèi)容。響應(yīng)時間包括三個方面:狀態(tài)發(fā)生時間、預(yù)警響應(yīng)時間以及命令執(zhí)行時間,具體結(jié)果如表3所示。

由表3可知,粗糙集聯(lián)合決策樹在狀態(tài)發(fā)生時間、預(yù)警響應(yīng)時間、命令執(zhí)行時間方面均短于實時監(jiān)控方法,整體上要短2s左右,而且兩種方法在響應(yīng)時間方面存在顯著差異,方差為13.526。究其原因,粗糙集規(guī)則剔除了冗余數(shù)據(jù),并對不確定性信息、非規(guī)則信息進行標(biāo)準(zhǔn)化處理,提高了數(shù)據(jù)的處理效率,大幅縮短了變電站調(diào)度的響應(yīng)時間。其中,響應(yīng)時間之間的處理關(guān)系如圖3所示。

由圖3可知,狀態(tài)、預(yù)警和執(zhí)行之間的處理關(guān)系較為密切,說明響應(yīng)時間的處理結(jié)合較好,最終結(jié)果的處理關(guān)系較佳,可以為變電站遠(yuǎn)程調(diào)度提供數(shù)據(jù)支持。

5結(jié)語

針對變電站遠(yuǎn)程調(diào)度問題,本文提出了一種基于粗糙集聯(lián)合決策樹的方法,通過粗糙集規(guī)則的約束,將變電站功率、濕度、溫度和電壓進行標(biāo)準(zhǔn)化處理,簡化決策樹分析的數(shù)據(jù)量。實踐結(jié)果顯示,變電站狀態(tài)預(yù)測、故障預(yù)測的準(zhǔn)確率在85%以上,數(shù)據(jù)變化幅度在0~2兆內(nèi),而且粗糙集聯(lián)合決策樹方法對變電站調(diào)度的響應(yīng)時間較短,優(yōu)于在線監(jiān)測法。所以,本文提出的粗糙集聯(lián)合決策樹方法適合于變電站遠(yuǎn)程調(diào)度。