羅 濤，孫 闊，張 章，遲福建，王廣宗，佟衛(wèi)超

（國網(wǎng)天津市電力公司 經(jīng)濟(jì)技術(shù)研究院，天津 300171）

0 引言

隨著智能電網(wǎng)和信息技術(shù)的發(fā)展，電網(wǎng)信息物理融合不斷加深，電力系統(tǒng)和信息系統(tǒng)的深度耦合互動為高比例可再生能源電網(wǎng)運(yùn)行精細(xì)化調(diào)控提供了技術(shù)支撐[1]～[4]。以電網(wǎng)為核心，接入多類型能源轉(zhuǎn)換設(shè)備，構(gòu)建多能源系統(tǒng)，使高比例可再生能源電網(wǎng)具有更強(qiáng)的應(yīng)對不確定性和隨機(jī)性的能力。因此，集成了精準(zhǔn)高效態(tài)勢感知信息網(wǎng)絡(luò)的多能源信息物理融合系統(tǒng)，將成為能源體 系 創(chuàng) 新 與 發(fā) 展 的 重 要 方 向[5]，[6]。

近年來，電力信息物理系統(tǒng)不斷完善，能源互聯(lián)網(wǎng)不斷發(fā)展，電力信息系統(tǒng)狀態(tài)評估面臨巨大挑戰(zhàn)。利用態(tài)勢感知技術(shù)，對多能源信息物理融合系統(tǒng)進(jìn)行綜合運(yùn)行狀態(tài)分析是未來的重點(diǎn)研究方向。目前，針對電力信息物理系統(tǒng)運(yùn)行狀態(tài)分析方法主要有模型驅(qū)動和數(shù)據(jù)驅(qū)動兩種類型。

模型驅(qū)動方法主要指利用系統(tǒng)詳細(xì)拓?fù)浣Y(jié)構(gòu)建模，從而建立相關(guān)參數(shù)的動態(tài)變化過程模型，實(shí)現(xiàn)對系統(tǒng)的整體性能評估。文獻(xiàn)[7]針對高比例風(fēng)電接入電網(wǎng)的故障識別問題，研究含風(fēng)電場的電網(wǎng)拓?fù)淠Ｐ?，并提出基于?fù)載率基尼系數(shù)的風(fēng)電電網(wǎng)健壯性分析方法。為提升多能源系統(tǒng)評估與運(yùn)行優(yōu)化結(jié)果的可靠性，文獻(xiàn)[8]提出多能源系統(tǒng)運(yùn)行優(yōu)化控制模型及求解方法，其仿真結(jié)果表明，所建立的集群拓?fù)淠Ｐ途哂须娋W(wǎng)功率平衡協(xié)調(diào)的有效性和準(zhǔn)確性。然而，模型驅(qū)動數(shù)學(xué)原理復(fù)雜，并難以應(yīng)對高比例可再生能源以及多類型能源接入的復(fù)雜電網(wǎng)演化拓?fù)渥兓?，其在線應(yīng)用 具 有 一 定 困 難[9]，[10]。

數(shù)據(jù)驅(qū)動方法指利用有監(jiān)督學(xué)習(xí)或無監(jiān)督學(xué)習(xí)的方法，利用大數(shù)據(jù)對系統(tǒng)設(shè)備級或網(wǎng)絡(luò)系統(tǒng)級進(jìn)行建模。文獻(xiàn)[11]針對高比例可再生能源電網(wǎng)狀態(tài)感知問題，提出了基于核主成分分析法的電網(wǎng)狀態(tài)感知模型，改善模型對于電網(wǎng)狀態(tài)辨識具有較強(qiáng)的魯棒性。文獻(xiàn)[12]利用蒙特卡洛模擬方法對微電網(wǎng)運(yùn)行可靠性進(jìn)行評估，其結(jié)果表明該方法具有更高的計(jì)算精度。文獻(xiàn)[13]針對智能發(fā)電系統(tǒng)特性，指出基于數(shù)據(jù)化特征的智能發(fā)電運(yùn)行控制、公共服務(wù)和數(shù)據(jù)應(yīng)用系統(tǒng)是未來電力發(fā)展的核心領(lǐng)域。因此，數(shù)據(jù)驅(qū)動的電網(wǎng)運(yùn)行狀態(tài)辨識模型在提升系統(tǒng)可靠性和降低建模成本方面具有明顯優(yōu)勢。

本文在典型多能源信息物理融合系統(tǒng)的拓?fù)浣Y(jié)構(gòu)基礎(chǔ)上，研究多能源數(shù)據(jù)對于電力信息物理系統(tǒng)運(yùn)行狀態(tài)分析的作用機(jī)理，提出了電力信息物理系統(tǒng)中用于可靠性評估的系統(tǒng)運(yùn)行狀態(tài)劃分方法。針對電力信息物理系統(tǒng)正常狀態(tài)、臨界狀態(tài)、緊急狀態(tài)和恢復(fù)狀態(tài)的辨識問題，研究基于改進(jìn)魯棒偏M估計(jì)算法的電力信息物理系統(tǒng)綜合態(tài)勢感知模型。本文以東北某地區(qū)電網(wǎng)運(yùn)行數(shù)據(jù)為例進(jìn)行仿真驗(yàn)證，表明所提方法能夠?qū)崿F(xiàn)以可靠性辨識為目標(biāo)的電力信息物理系統(tǒng)綜合態(tài)勢感知，能夠有效提升系統(tǒng)狀態(tài)辨識的精度和速度。

1 電力信息物理系統(tǒng)態(tài)勢感知框架

1.1 電力信息物理系統(tǒng)的運(yùn)行

高比例可再生能源以及多類型負(fù)荷接入的電力信息物理系統(tǒng)，由大量電力物理設(shè)備和通信信息設(shè)備組成（圖1）。其中，電力網(wǎng)絡(luò)利用通信網(wǎng)絡(luò)采集、傳遞、處理、計(jì)算交互信息，引導(dǎo)電網(wǎng)運(yùn)行，電力網(wǎng)絡(luò)為通信網(wǎng)絡(luò)提供電力供應(yīng)，從而實(shí)現(xiàn)電力信息物理系統(tǒng)協(xié)同運(yùn)行。

圖1 電力信息物理系統(tǒng)Fig.1 The structure of power cyber-physical system

電力信息物理系統(tǒng)依賴于電力網(wǎng)絡(luò)能量流和信息網(wǎng)絡(luò)信息流的交互體系。電力網(wǎng)絡(luò)指物理層網(wǎng)絡(luò)。由于多類型能源設(shè)備的接入以及燃?xì)饩W(wǎng)絡(luò)的耦合，物理層網(wǎng)絡(luò)主要包括電鍋爐、電轉(zhuǎn)氣、燃?xì)廨啓C(jī)、電負(fù)荷、熱負(fù)荷、氣負(fù)荷以及電力網(wǎng)絡(luò)和燃?xì)饩W(wǎng)絡(luò)。信息網(wǎng)絡(luò)信息層主要是通過對關(guān)鍵設(shè)備的關(guān)鍵參數(shù)進(jìn)行數(shù)據(jù)采集、傳輸及處理相關(guān)數(shù)據(jù)的通信網(wǎng)絡(luò)，指導(dǎo)物理系統(tǒng)運(yùn)行，對物理層相關(guān)設(shè)備進(jìn)行調(diào)節(jié)。

1.2 電力信息物理系統(tǒng)運(yùn)行狀態(tài)分析

電力信息物理系統(tǒng)運(yùn)行狀態(tài)可分為正常狀態(tài)、臨界狀態(tài)、緊急狀態(tài)和恢復(fù)狀態(tài)。在正常狀態(tài)下，系統(tǒng)運(yùn)行過程中主要保證多類型能源供應(yīng)的質(zhì)量和系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。在其他狀態(tài)下，系統(tǒng)須要協(xié)調(diào)內(nèi)部可控靈活性資源對狀態(tài)進(jìn)行調(diào)整，使系統(tǒng)恢復(fù)到正常狀態(tài)。

電力信息物理系統(tǒng)包含多類型能源耦合、傳遞、消費(fèi)過程。系統(tǒng)運(yùn)行狀態(tài)的改變主要受到電網(wǎng)、多類型負(fù)荷以及信息網(wǎng)中關(guān)鍵設(shè)備運(yùn)行狀態(tài)改變的影響。電力信息物理系統(tǒng)運(yùn)行狀態(tài)的主要影響因素如圖2所示。

圖2 電力信息物理系統(tǒng)運(yùn)行狀態(tài)及主要影響因素Fig.2 Operation status and main influencing factors of power cyber-physical system

①正常狀態(tài)：已處于正常狀態(tài)的電力信息物理系統(tǒng)受到擾動后，仍可滿足關(guān)鍵設(shè)備運(yùn)行狀態(tài)的所有等式和不等式約束，并且所有關(guān)鍵參數(shù)的改變均在允許偏差內(nèi)。

②恢復(fù)狀態(tài)：恢復(fù)狀態(tài)是短時間內(nèi)系統(tǒng)受到干擾后所處的狀態(tài)。在該狀態(tài)可采用集中、分布控制方法對系統(tǒng)進(jìn)行恢復(fù)調(diào)節(jié)。

③臨界狀態(tài)：臨界狀態(tài)是存在能源質(zhì)量波動與穩(wěn)定性下降等問題的狀態(tài)。此時系統(tǒng)運(yùn)行在臨界運(yùn)行約束條件，須要采用穩(wěn)定控制手段對系統(tǒng)進(jìn)行調(diào)整。

④緊急狀態(tài)：該狀態(tài)下電力信息物理系統(tǒng)中的部分關(guān)鍵參數(shù)不能滿足安全運(yùn)行的約束條件，須要切除發(fā)生故障的能源設(shè)備，或者利用可控靈活能源設(shè)備的調(diào)整，維持整個系統(tǒng)的穩(wěn)定。

2 基于改進(jìn)魯棒估計(jì)的綜合態(tài)勢感知模型

面向多能源數(shù)據(jù)驅(qū)動的電力信息物理系統(tǒng)運(yùn)行狀態(tài)感知問題是具有復(fù)雜過程的復(fù)雜系統(tǒng)運(yùn)行狀態(tài)評估問題，須要對電力信息物理系統(tǒng)關(guān)鍵參數(shù)進(jìn)行定量劃分，對輸入和輸出數(shù)據(jù)判別的準(zhǔn)確性要求極高。

在多類型能源接入的電力信息物理系統(tǒng)中，由于電力、熱力、燃?xì)獾榷嗄茉吹南嗷f(xié)同，在提升網(wǎng)絡(luò)復(fù)雜性的同時，也增強(qiáng)了系統(tǒng)在各種運(yùn)行場景以及故障風(fēng)險(xiǎn)下的應(yīng)對能力。例如，熱力系統(tǒng)或燃?xì)庀到y(tǒng)等具有較大慣性或恢復(fù)能力的系統(tǒng)，在發(fā)生能源供應(yīng)設(shè)備故障、供需不平衡或信息傳輸設(shè)備故障時，對于整個電力信息物理系統(tǒng)的影響程度也不相同，此時系統(tǒng)狀態(tài)評估結(jié)果不僅依賴于故障本身，也依賴于系統(tǒng)整體協(xié)調(diào)恢復(fù)能力。電力信息物理系統(tǒng)的正常狀態(tài)、臨界狀態(tài)、緊急狀態(tài)和恢復(fù)狀態(tài)的評估，與單一設(shè)備故障或多個設(shè)備故障之間具有非線性關(guān)系，單一設(shè)備故障或多個設(shè)備故障所對應(yīng)的權(quán)重也具有不確定性。由于傳統(tǒng)最小二乘算法估計(jì)難以應(yīng)對多能源數(shù)據(jù)驅(qū)動系統(tǒng)狀態(tài)辨識的復(fù)雜性、協(xié)同性和不確定性，因此應(yīng)當(dāng)采用具有自適應(yīng)能力的魯棒估計(jì)算法。

魯棒偏M估計(jì)算法是一種單輸出變量的加權(quán)迭代偏最小二乘算法的魯棒形式，能夠有效解決輸入和輸出數(shù)據(jù)的高不確定性和高殘差對評估結(jié)果所帶來的影響。

設(shè)電力信息物理系統(tǒng)運(yùn)行在不同狀態(tài)下，電網(wǎng)電壓、頻率、熱網(wǎng)管道流量、溫度、燃?xì)饩W(wǎng)管道流速、壓力、信息網(wǎng)數(shù)據(jù)延時、數(shù)據(jù)缺失等關(guān)鍵設(shè)備運(yùn)行數(shù)據(jù)矩陣為

式中：N為樣本數(shù)；J為過程變量數(shù)。

輸 出 矩 陣 為y=KN×1。

由于過程數(shù)據(jù)變量波動均涉及電力信息物理系統(tǒng)運(yùn)行狀態(tài)變化，當(dāng)網(wǎng)絡(luò)狀態(tài)變量偏離各自允許范圍時，電力信息物理系統(tǒng)運(yùn)行狀態(tài)發(fā)生相應(yīng)變化，4種運(yùn)行狀態(tài)會循環(huán)或交替出現(xiàn)。確定各個狀態(tài)之間的邊界是整個系統(tǒng)運(yùn)行狀態(tài)精準(zhǔn)辨識的關(guān)鍵環(huán)節(jié)，因此對X，y進(jìn)行加權(quán)處理，對加權(quán)后的數(shù)據(jù)進(jìn)行回歸分析：

式（2）中，得 分 矩 陣T∈KN×A關(guān) 于X的 對 應(yīng) 關(guān)系可以表示為

式中：W為原權(quán)重系數(shù)矩陣。

根據(jù)魯棒偏M估計(jì)算法對于樣本綜合權(quán)值ωi的定義，綜合權(quán)值代表單一設(shè)備故障或多個設(shè)備故障所對應(yīng)的電力信息物理系統(tǒng)運(yùn)行狀態(tài)的動態(tài)權(quán)重：

式中：T為樣本數(shù)據(jù)的得分矩陣，其第i行即為ti；medL1為T的空間中位值；‖·‖為歐幾里得度量；ri為模型預(yù)測誤差；為模型預(yù)測誤差的估計(jì)值或中值，；c為自然常數(shù)。

反復(fù)迭代計(jì)算更新T，r，從而更新權(quán)值，直到滿足收斂條件為止。收斂過程除了具有計(jì)算意義之外，也代表了多類型能源接入的電力信息物理系統(tǒng)在應(yīng)對不同故障類型或能量流、信息流不平衡時的協(xié)同應(yīng)對能力。對加權(quán)后的數(shù)據(jù)XW進(jìn)一步分解，提取與輸出相關(guān)的過程變量：

式中：twy為經(jīng)過魯棒偏M估計(jì)算法處理后的回歸模型得分矩陣，與系統(tǒng)運(yùn)行狀態(tài)指標(biāo)yw直接相關(guān)的過程變化信息；Tw0為回歸模型得分矩陣T中與系統(tǒng)運(yùn)行狀態(tài)指標(biāo)yW無關(guān)的內(nèi)容；Twr為殘差矩陣E中殘留的過程信息；Ewy為白噪聲部分；pwy，Pwo和Pwr為 相 應(yīng) 的 負(fù) 載 矩 陣。

改進(jìn)魯棒偏M估計(jì)算法，將輸入數(shù)據(jù)矩陣XW分解為4個子空間，因此，對于一個新的樣本數(shù)據(jù)向量xw可以分解為

式中：xwy為樣本數(shù)據(jù)中與系統(tǒng)運(yùn)行狀態(tài)指標(biāo)xw直接相關(guān)的數(shù)據(jù)部分；xwo為與xw無關(guān)的數(shù)據(jù)部分；xwr為偏差數(shù)據(jù)中殘留的過程數(shù)據(jù)部分；wr為白噪聲數(shù)據(jù)部分。

改進(jìn)魯棒偏M估計(jì)算法能夠準(zhǔn)確地提取出與輸出相關(guān)的電力信息物理系統(tǒng)在正常狀態(tài)、臨界狀態(tài)、緊急狀態(tài)和恢復(fù)狀態(tài)等不同運(yùn)行狀態(tài)下的過程變化信息，實(shí)現(xiàn)電力信息物理系統(tǒng)綜合態(tài)勢感知，對于系統(tǒng)狀態(tài)感知結(jié)果既具有較強(qiáng)的魯棒性，又具備對過程變化信息精準(zhǔn)提取的能力。

算法具體步驟如圖3所示。

圖3 改進(jìn)魯棒偏M估計(jì)算法流程圖Fig.3 Algorithm flow chart of improved robust partial M estimation

3 算例分析

根據(jù)東北某地區(qū)電網(wǎng)實(shí)際運(yùn)行數(shù)據(jù)，建立包含電鍋爐、電轉(zhuǎn)氣、燃?xì)廨啓C(jī)、電負(fù)荷、熱負(fù)荷、氣負(fù)荷以及電力網(wǎng)絡(luò)和燃?xì)饩W(wǎng)絡(luò)的多能源電力信息物理系統(tǒng)仿真數(shù)據(jù)模型。模型調(diào)度周期為24 h，單位調(diào)度步長為1 h，調(diào)用CPLEX進(jìn)行求解。

電力信息物理系統(tǒng)的運(yùn)行狀態(tài)與多類型能源設(shè)備、能源網(wǎng)絡(luò)和可再生能源及負(fù)荷的不確定性相關(guān)。本文結(jié)合實(shí)際運(yùn)行情況，選取電網(wǎng)電壓、頻率，熱網(wǎng)管道流量、溫度，燃?xì)饩W(wǎng)管道流速、壓力，信息網(wǎng)數(shù)據(jù)延時和數(shù)據(jù)缺失8個變量作為電力信息物理系統(tǒng)運(yùn)行狀態(tài)感知的監(jiān)測變量。考慮系統(tǒng)運(yùn)行實(shí)際情況，選取電力信息物理系統(tǒng)的正常狀態(tài)、臨界狀態(tài)、緊急狀態(tài)和恢復(fù)狀態(tài)等4種狀態(tài)作為系統(tǒng)運(yùn)行狀態(tài)綜合態(tài)勢感知的狀態(tài)等級。采集800組運(yùn)行數(shù)據(jù)建立多能源數(shù)據(jù)驅(qū)動型系統(tǒng)綜合態(tài)勢感知模型。

圖4為電力信息物理系統(tǒng)的綜合態(tài)勢感知結(jié)果。

圖4 綜合態(tài)勢感知結(jié)果Fig.4 Comprehensive situational awareness results of the system

由圖4可知，模型對正常、臨界、緊急和恢復(fù)等4種運(yùn)行狀態(tài)都能準(zhǔn)確辨識。各個狀態(tài)的相似度閾值在0.5以上，能夠有效提升系統(tǒng)狀態(tài)辨識精度，并且也能減少對于離群狀態(tài)的誤識別。

為驗(yàn)證所提出方法在多類型能源接入的電力信息物理系統(tǒng)動態(tài)過程中評估系統(tǒng)狀態(tài)的有效性，設(shè)置了在正常狀態(tài)下系統(tǒng)出現(xiàn)兩種典型故障，即熱網(wǎng)管道流量故障和燃?xì)饩W(wǎng)管道壓力故障，采用本文所提方法對系統(tǒng)動態(tài)狀態(tài)進(jìn)行分析。

圖5和圖6分別為熱網(wǎng)管道流量故障、燃?xì)饩W(wǎng)管道壓力故障下系統(tǒng)綜合態(tài)勢感知結(jié)果。圖中橫軸為運(yùn)行時間；縱軸為系統(tǒng)運(yùn)行狀態(tài)類型，即包括正常狀態(tài)、臨界狀態(tài)、緊急狀態(tài)和恢復(fù)狀態(tài)，分別 用1，2，3，4表 示，閾 值 取ε≥0.5。

圖5 熱網(wǎng)管道流量故障下綜合態(tài)勢感知結(jié)果Fig.5 Comprehensive situational awareness results considering the flow failure of heating network

圖6 燃?xì)饩W(wǎng)管道壓力故障下綜合態(tài)勢感知結(jié)果Fig.6 Comprehensive situational awareness results considering the pressure failure of gas network pipelines

由圖5和圖6可知，熱網(wǎng)管道流量故障和燃?xì)饩W(wǎng)管道壓力故障會對系統(tǒng)狀態(tài)產(chǎn)生影響，但由于多種類能源之間的耦合支撐作用，當(dāng)系統(tǒng)中較大慣性能量流發(fā)生改變時，系統(tǒng)依靠不同能源之間的轉(zhuǎn)換、傳輸，抵御系統(tǒng)進(jìn)入緊急狀態(tài)的風(fēng)險(xiǎn)，使系統(tǒng)整體可靠性增強(qiáng)，保持正常狀態(tài)。本文所提出的基于魯棒估計(jì)綜合態(tài)勢感知方法，也能對系統(tǒng)故障的動態(tài)過程進(jìn)行正確辨識，從而得到實(shí)際狀態(tài)下的精準(zhǔn)狀態(tài)評估結(jié)果。

為驗(yàn)證本文所提出的電力信息物理系統(tǒng)綜合態(tài)勢感知模型對系統(tǒng)運(yùn)行狀態(tài)在線評價以及系統(tǒng)動態(tài)過程評估的準(zhǔn)確性，設(shè)置故障類型為正常狀態(tài)下熱網(wǎng)管道流量故障，并與傳統(tǒng)最小二乘辨識方法進(jìn)行比較。圖7為本文所提方法和傳統(tǒng)最小二乘辨識方法的相對誤差收斂情況對比結(jié)果。由圖7可知，傳統(tǒng)最小二乘辨識方法收斂所需數(shù)據(jù)量大，表明本文所提出的方法對于系統(tǒng)態(tài)勢感知泛化能力強(qiáng)，具有較快的收斂特性。本文所提出的魯棒估計(jì)方法的相對誤差比傳統(tǒng)方法的相對誤差更小，具有較強(qiáng)的適應(yīng)性。由此顯示本文所提出的方法能夠?yàn)槎囝愋湍茉唇尤氲碾娏π畔⑽锢硐到y(tǒng)的穩(wěn)定性辨識與評估提供理論依據(jù)。

圖7 相對誤差收斂情況對比結(jié)果Fig.7 Comparison result of relative error convergence

4 結(jié)論

本文考慮電力信息物理系統(tǒng)中影響系統(tǒng)運(yùn)行狀態(tài)的關(guān)鍵因素，研究面向可靠性評估的電力信息物理系統(tǒng)運(yùn)行狀態(tài)劃分方法，提出了基于魯棒估計(jì)的電力信息物理系統(tǒng)正常狀態(tài)、臨界狀態(tài)、緊急狀態(tài)和恢復(fù)狀態(tài)等4種不同狀態(tài)的辨識方法，建立了數(shù)據(jù)驅(qū)動的電力信息物理系統(tǒng)綜合態(tài)勢感知模型。以東北某地區(qū)電網(wǎng)運(yùn)行數(shù)據(jù)為例對模型進(jìn)行驗(yàn)證，通過算例仿真及其結(jié)果分析表明，本文所提出的方法能夠?qū)崿F(xiàn)以可靠性辨識為目標(biāo)的電力信息物理系統(tǒng)綜合態(tài)勢感知，能夠?yàn)殡娏ο到y(tǒng)穩(wěn)定運(yùn)行提供可靠的技術(shù)支撐。