配电网是电网中最前端的一种，直接为供电单位和使用者提供电能，特大城市配电网的稳定和可靠程度影响到整个社会经济和人民的正常生活。近几年，由于特大城市配电网结构复杂、数据庞大等问题，导致电网运行故障频繁出现，无法提供可持续的电力供应[1-2]。当前，国内很多电力企业使用人工方法维修故障，但维修业务较多，专业维修工人配置紧凑，维修周期长，很难应对大范围故障。为了保证特大城市配电网安全运行，需要提前对电网运行故障进行预警。配电网运行信息异常自动预警算法能够利用现代科学技术来进行配电设备的实时监测和故障检测，通过远程故障预警和预警，大大减少了检修的周期，从而使配电设备的监控更加智能化。为减少运行错误和资源浪费，实现自动监测和维修，提出一种特大城市配电网运行信息异常自动预警算法设计方法，对配电网进行有效的预警管理，为电力设备的维修策略优化、设备选型和备品备件的管理等提供了有力的决策依据。

1、电网自动预警方法优化

1.1 配电设备数据特征提取

电力网络安全监测与风险警报是建立在综合调节环境下的，要有效地分析网络中的大量数据，必须在出现问题前进行准确的位置和报警，从而提高整个配电网的信息系统水平。为保证城市配电网运行安全，对电网异常数据进行快速预警，首先需要对配电网数据运行情况进行采集提取，通过对配电设备数据日志进行抽取的方式获取特大型电网的结构化的特征数据，对标准模式下的电压a、故障电流b的信号进行采集，电网在运动过程中，往往会出现奇异性的瞬时突变情况，此时需要采集异常情况下瞬时电流a′和电压b′基于此获取特征数据作为参照，采用采集装置，对所采集到的信号进行放大和传输，使之与供电电压相符，从而追踪到电网中的电压，从而进行报警和报警。基于此，在进行异常检测的过程中，可以利用全局的故障探测和集成定时模型进行全局检索，构建异常数据特征集评价指标g,并对数据进行汇总和转化。配电设备异常情况大多是在一定时间内，振幅突然变化而导致的不连续的问题，由此产生的一阶差分间断，即所谓二次间断[3]。为方便计算，首先对配电设备异常数据进行评价识别，具体指标评价算法为：

在上述算法中R为异常环境下的电网振幅情况。配电网运行过程中的临界信息数据T进行采集识别，定义O为电流波动阈值，在电网运行过程中，若运行数据超过临界值时，可得电流波动的标准阈值为：

若p为电压变化阈值，则同理可得：

基于上述算法，进一步对大型电网的非正常负载进行识别，通过对配电设备数据的特征曲线进行分析和采样处理，从而得到每个类型的特征曲线的带通矩阵；基于在测量曲线上发现的负载不满足带通矩阵的上限和上限的情况下，可以判断出负载的不正常。日载荷数据虽然没有一个固定的变化，但仍有其基本特点，而当日的负载曲线又表现出相似和平滑的特点[4]。根据被测量的负载特性曲线，采用相似度和平滑度对非正常负载进行校正。设备失效的危险因素分为两个方面：设备的重要性和失效的可能性。设备的重要性是由它所造成的影响的大小决定的，如果发生了严重的事故，那么它在配电网络中的地位就会变得更加的突出，它所面临的维修危险也会随之增加。假定被测量的曲线是Ed,而被测量的曲线属于Ut,假定被测量的曲线Ut是一个不正常的负载，在异常负载校正之后，来校正异常负载的数据：

通过对异常负载进行校正，既能保留配电设备数据原始特性，又能较好地反映出同类特性曲线的异常特性，且能满足负载特性的非正常负载数据校正后的校正结果[5]。Ei为在被测量的负载上第i处的异常负载的相对偏差。

其中，yr正常情况下的负荷数据值，yo差异数据值。

在此基础上，利用多源信息技术对所收集到的数据进行标准化，得到最终的数值[6]。基于相对偏差进行异常数据的识别，并快速对异常数据进行定位和拦截。

1.2 配电网运行信息异常自动预警模型

需要预警的配电网运行信息异常包括故障、缺陷、过载、检修、带电、分布式能源、重要用户、保供电用户等内容。检测上述异常运行情况的关键是检测出异常信号。因此，对配电网运行信息异常进行预警，需要构建电网运行异常信号预警模型[7]。配电网中的异常信号预警要对配电网中的电流进行及时的监测，从而实现对配电网的快速报警。将该输入向量与该神经元模式相组合，设定为：

基于上述算法，当Itj达到临界特征值时，会发出预警信号；当Itj超过临界特征值时，会发出严重预警信号；当Itj小于临界特征值时，不会发出信号[8]。基于此进一步对电网异常数据的调节连接权值进行规范，具体调节公式为：

在上述算法中，:γ(x, y)为配电网运行的惯性项；其中，若γ的取值范围大于1则说明配电网运行频谱的收敛和抑制速度相对变慢，此时极易出现异常数据，出现配电故障；反之，则表明配电网运行安全。在实际的配电网运行过程中，工作人员不但要判定其工作状态，还要对其存在的问题进行分析和解决，其实质上就是一个模式化的问题。其次，在判定异常的种类时，利用各种不同的方法，将所得到的异常特征矢量进行分类，并判定出相应的异常状态，并据此判定出该异常的发生地点，当电力系统出现问题时，6s之内就会有相应的警报[9]。并调整设备连接权重，从而更好地保证电流的流通，由于网络的电压不断变化，极易超出正常的范围，所以当电流大于1.35A的时候，必须对其进行预警和控制[10]。为确保该预警信号的有效，在12s内，获取相应预警参数f。具体计算情况如下所示：

公式中：ar为监测时间内威胁信息等级为r的预警信息个数；f为获取配电网运行过程中的异常运行信号总数。基于上述算法进行异常运行信号预测，有效获取配电网运行过程中的异常信号，快速拦截和识别电网异常信息，从海量的页面中抽取出相应的数据，并利用危险数据获取流程，实现对子站的实时监测，从而实现指令的实施，设置操作条件，从而实现报警[11]。

1.3 配电网运行信息异常自动预警的实现

为了确保变电所的正常工作，采用了现场的实时录像技术，将异常数据监测与传输到现场的后台分析模块中，以确保变电所的正常工作[12]。基于此构建了配电网运行信息异常自动预警的模型，在后台分析子模块按照该方法对所获取的视频进行分析和处理，并将其记录到显示端，并将其分析的结果实时地传送给显示端。将所生成的报警信息迅速传输到现有的视频监测模块中，基于配电网运行的历史数据和计算机数据进行实时跟踪检测[13]。显示子系统通过图表、曲线、告警、视频等方式，将配电网的整体运行状态准确呈现给操作人员，配电网运行信息异常自动预警的模型结构如图1所示。

图1配电网运行信息异常自动预警的模型

配电网的数据采集机在操作时要求进行相量值的检测，要求取样区间高，并要求采集频段的数据显示完整的波形图，所以要求采集器量程高，精度高，必须增加一个电流互感器和一个电压互感器[14]。为保障设备运行安全合理，需要进一步对配电网预警设备的硬件配置及参数进行规范，具体如下：电流互感器额定输入/输出电流为10A/0.5mA,额定点比差为<±1%,电流负载<120Ω,预警的精度范围控制在0.1,线性范围区间为5%In～2 000%In,额定输入和输出电流(mA)为1A;电压互感器相位差为≤20(输入为1A,采样电阻为100Ω),线性范围为-1 000V,(采样电阻为100Ω),允许误差范围为-0.5%≤f≤0(采样电阻为100Ω,设备运行温度范围为-40 ℃-+85 ℃。在此配电网结构中，由下位计算机作为电力系统的谐波监测系统，采集0～100V的电压，4mA～25mA的电流，利用逆变器对该系统进行放大，并进行A/D取样，将三相的三相电压及电流经CAN总线传输至主机。为确保同步取样，在PC机上加装了电网的谐波报警软件，并利用自适应滤波技术，将接收到的数据进行实时的分析[15]。在进行状态警报时，利用系统的硬件服务，对配电网的安全状况进行判定，并对其进行了状况监测，若检测所得的电力运行负荷功率为ῶn当，损失负荷概率为τn,损，则当配电网运行故障风险S可以定义为：

有的数据与警报门限进行比较，若没有达到对应的警报门限，就表示此项行为达到了警戒标准，并进一步提升至警报级别；基于此，根据监测数据的发展趋向，来判定其是否满足了警报的要求，即触发阈值S(n)=1,从而对其进行短期监测；根据分值来判定监测结果中的危险程度，从而达到对信息的主动报警。通过对配电网进行分析，得到了配电网设备运行数据的异常临界值，从而对配电网的异常信号进行预报。配电网中的谐波探测是配电网异常信号检测的关键，要对配电网中的电流进行及时的监测，从而实现对配电网的快速报警。按照以上所描述的网络安全监测系统，进行了系统的工作程序的编制，以此优化了配电网异常预警流程，具体如图2所示。

图2配电网异常预警流程

基于上图步骤对配电网运行信息异常数据进行快速挖掘，基于数据识别结果进行异常数据的识别定位和快速预警，以此保证配电网设备的运行安全。

2、实验结果分析

为验证特大城市配电网运行信息异常自动预警算法的实际应用效果进行了对比实验检测，通过对某供电公司一家电厂400个机组的实际运营情况进行测试。在模拟实验之前，先设置初始的参数，主要包括了服务器和客户机的设置，数据库管理在对应的服务器上，并且设置了一个可以进行数据备份和修复的窗口，软件及软件的设置与其他模块是一样的。为检验本文方法的设计是否合理，对比传统神经网络方法进行对比检测。实验选取4核2.6 GHz CPU,16 GB容量，设备内存68 G,实验操作系统为Windows 10,电网运行频率为5.5 GHz。在实验过程中，对一个变电站的真实运行情况进行了模拟，每隔2 s左右的负载数据进行了模拟。在此模式下，以3 min资料为一窗，过滤掉短期启动后的负载，以保证负载事件的可靠性；在此基础上，将60 W以下的器件视为无负载事故监测的小型装置。识别并校正了异常负载的数据，发现了异常负载的初始值和用所提出的校正方法得到的结果如下：

表1配电网异常负荷数据识别结果

基于上表对比检测结果进行对比分析不难发现，相对于传统神经网方法而言，在相同环境下，提出的特大城市配电网运行信息异常自动预警算法在实际应用过程中可以更加准确地对配电网异常负荷数据进行准确识别。在配电网中的异常信号预警中，配电网中的谐波探测是关键性的可量化指标，因此，在实验中仍旧使用谐波探测结果作为异常预警结果的显著可量化证明，进一步对比分析两种方法下的异常数据预警的准确性。为保障预警效果，首先对实验时段配电网谐波频谱的变化特征进行展示，具体如图3所示。

图3配电网运行波频样本

基于上述波频特征进行对比检测，分析相同环境下本方法及传统神经网络方法的预警响应情况，具体检测结果如图所示：

图4故障预警响应情况对比检测结果

基于上图对比检测结果进行综合分析不难发现，相对于传统方法而言，提出的特大城市配电网运行信息异常自动预警算法在实际应用过程中，预警响应敏感度更高，与电网谐波频谱的变化情况基本相符，进一步对比分析了两种方法在相同环境下的预警速度和误差情况进行汇总，具体检测结果如图5所示。

图5异常预警有效性对比检测结果

基于上图对比检测结果进行综合分析可知，在相同环境下进行多次对比检测后，本方法的故障预警响应时间明显更快且异常区域定位误差率明显降低，整体性能明显优于传统神经网络方法，但由于受到当前技术限制，提出的配电网运行信息异常自动预警方法在实际应用过程中仍存在一定误差和时延的问题，有待后续完善。

3、结束语

针对特大城市电力设备的实际运营要求，提出了一种配电网运行信息异常自动预警算法设计方法，从而更好地保障配电网运行安全，实验表明本方法相对于传统方法而言具有较高的实用性，但整体运行仍存在一定不足，因此，在未来的研究中，要加强对配电设备的监测和预报，并将其与配电设备的运行、维护和管理等工作紧密联系起来。

参考文献:

[1]陈艳丽,周群,滕欢.配电网故障定位容错算法[J].电力系统保护与控制,2020,48(24):91-95.

[2]葛少云,蔡期塬,刘洪,等.考虑负荷特性互补及供电单元划分的中压配电网实用化自动布线[J].中国电机工程学报,2020,40(3):790-802.

[3]杜晓东,赵建利,刘科研,等.基于数字孪生的光伏高比例配电网过载风险预警方法[J].电力系统保护与控制,2022,50(9):136-144.

[4]童光华,董亮,任永平,等.基于DBN和K-means聚类的配变重过载预警方法[J].现代电力,2021,38(5):492-501.

[5]李明明,王建,熊小伏,等.高温天气下架空线路运行温度与弧垂越限预警方法[J].电力系统保护与控制,2020,48(2):25-33.

[6]苏立伟,刘振华,苏华权,等.基于数据负荷序列聚类的配电网电力营销实时信息系统测试[J].电网与清洁能源,2021,37(12):64-69,80.

[7]杨朝赟,夏圣峰,江南,等.基于相关性分析和长短时记忆网络的稳态电压质量指标预测[J].电力建设,2021,42(4):9-16.

[8]袁方方,赵江信,郭宝甫,等.分布式光伏电源与配电网协调控制策略研究[J].电测与仪表,2020,57(24):116-124.

[9]刘光辉,王维庆.计及等效负荷密度的电网二维故障选线仿真[J].计算机仿真,2020,37(7):123-127.

[10]俞小勇,秦丽文,桂海涛,等.新一代人工智能在配电网智能感知与故障诊断中的应用[J].南方电网技术,2022,16(5):34-43.

[11]董张卓,刘魁,陈雷,等.配电网重构图及配电网重构可行解生成[J].电力系统及其自动化学报,2020,32(11):57-64.

[12]刘胜强,杨峰.基于大数据挖掘技术的智能变电站故障追踪架构研究[J].电子设计工程,2022,30(3):54-57.

[13]秦帅,邹晴,李超然,等.基于深度学习和智能在线场景匹配的配电网源网荷储无功协调优化策略[J].电网与清洁能源,2022,38(5):25-35.

[14]李舟,乔文,谈震,等.基于行波特征频率的配电网混合线路故障定位方法[J].电网与清洁能源,2021,37(5):33-42,51.

[15]任鹏哲,刘友波,刘挺坚,等.基于互信息贝叶斯网络的配电网拓扑鲁棒辨识算法[J].电力系统自动化,2021,45(9):55-62.

基金资助:配网调度智能视窗系统建设项目(090000202 1030103YXPW00002);

文章来源:李扬,梁誉锵.特大城市配电网运行信息异常自动预警算法设计[J].自动化与仪器仪表,2024,(09):173-176.