李正凡，譚良良，楊淵，陳映喜，周喜，楊偉

（1.華能瀾滄江水電股份有限公司，云南昆明 650214；2.南京南瑞繼保工程技術(shù)有限公司，江蘇南京 211002；3.西安熱工研究院有限公司，陜西西安 710054）

0 引言

隨著我國(guó)電力事業(yè)的發(fā)展，多種新興設(shè)備投入國(guó)產(chǎn)化水電站的發(fā)展中，使得國(guó)產(chǎn)化水電站計(jì)算機(jī)監(jiān)控系統(tǒng)異常行為監(jiān)控十分重要。故障解列裝置異常監(jiān)控告警是整個(gè)監(jiān)控系統(tǒng)的重要一環(huán)，其作用是在水電站監(jiān)控系統(tǒng)報(bào)警檢測(cè)模塊發(fā)生故障時(shí)，能夠迅速跳開并網(wǎng)開關(guān)實(shí)現(xiàn)故障隔離，以避免故障本身影響電網(wǎng)的正常電力輸送。當(dāng)水電站故障解列裝置出現(xiàn)異常行為時(shí)，不僅無法實(shí)現(xiàn)保護(hù)機(jī)制，甚至可能造成更大面積的故障癱瘓，給水電站造成巨大的經(jīng)濟(jì)損失。因此，保證國(guó)產(chǎn)化水電站故障解列裝置的平穩(wěn)運(yùn)行狀態(tài)是維護(hù)國(guó)產(chǎn)化水電站正常工作的重要措施。

為此，不少學(xué)者就水電站故障解列裝置異常行為報(bào)警方法進(jìn)行了相關(guān)研究。陳陣等［1］提出的基于云模型的水電站故障解列裝置異常行為報(bào)警方法以云數(shù)據(jù)為基礎(chǔ)構(gòu)建云模型，結(jié)合概念樹問題采用樹形形態(tài)表示法描述裝置的運(yùn)行狀態(tài)，針對(duì)異常狀態(tài)進(jìn)行報(bào)警；該方法操作簡(jiǎn)潔，適應(yīng)性高，但報(bào)警效率不理想，難以及時(shí)響應(yīng)報(bào)警機(jī)制。滕予非等［2］提出的基于數(shù)據(jù)驅(qū)動(dòng)的水電站故障解列裝置異常行為報(bào)警方法采用相似度計(jì)算模型，排除相似運(yùn)行數(shù)據(jù)間的誤差值影響，以數(shù)據(jù)驅(qū)動(dòng)為基礎(chǔ)將運(yùn)行投射到多維空間中進(jìn)行行為分析，結(jié)合預(yù)設(shè)報(bào)警線實(shí)現(xiàn)報(bào)警；但該方法計(jì)算步驟繁瑣，導(dǎo)致最終異常行為識(shí)別精度不高，報(bào)警誤報(bào)率較高。胡姣姣等［3］提出的基于深度學(xué)習(xí)的水電站故障解列裝置異常行為報(bào)警方法以深度學(xué)習(xí)法為基礎(chǔ)，通過對(duì)采集的裝置運(yùn)行數(shù)據(jù)進(jìn)行深入挖掘，采用動(dòng)態(tài)彎曲距離公式計(jì)算數(shù)據(jù)間關(guān)聯(lián)性進(jìn)行行為判斷，整體計(jì)算簡(jiǎn)單，報(bào)警效率高；但報(bào)警模塊的設(shè)計(jì)不合理，往往不能實(shí)現(xiàn)有效報(bào)警。

為解決以上報(bào)警方法中存在的問題，本文提出了基于時(shí)間序列的國(guó)產(chǎn)化水電站計(jì)算機(jī)監(jiān)控系統(tǒng)異常行為報(bào)警方法，并設(shè)計(jì)了相應(yīng)的對(duì)比實(shí)驗(yàn)對(duì)其實(shí)際報(bào)警性能加以驗(yàn)證。

1 構(gòu)建時(shí)間序列符號(hào)轉(zhuǎn)換模型

1.1 時(shí)間序列的符號(hào)化

為了有效描述時(shí)間序列的形態(tài)特征，本文提出了基于形態(tài)特征的時(shí)間序列符號(hào)轉(zhuǎn)換模型，即以特征描述學(xué)中的分段時(shí)間序列聚合近似算法為基礎(chǔ)，通過計(jì)算分段時(shí)間序列的斜率，以斜率特征描述該斜率對(duì)應(yīng)的分段時(shí)間的形態(tài)特征。以某一時(shí)間序列Q為例，假設(shè)其總長(zhǎng)度為L(zhǎng)，將其平均分為w個(gè)子序列，每一個(gè)子序列的長(zhǎng)度則為L(zhǎng)/w，子序列可進(jìn)行進(jìn)一步的分段，每一個(gè)分段子序列可視為一個(gè)元素，其元素值滿足：

式中：表示子序列i中第j個(gè)分段序列的元素值；q'ij表示子序列i中第j個(gè)分段序列的斜率；n表示子序列i的分段數(shù)量。

斜率的計(jì)算公式如下：

式中：k的取值為：k=（i-1）n+1。

采用時(shí)間序列符號(hào)轉(zhuǎn)換將時(shí)間序列Q轉(zhuǎn)化為Q～后，其總長(zhǎng)度由原來的L縮短到m，轉(zhuǎn)化后的序列稱為SPAA 序列，可以用來表示原時(shí)間序列的時(shí)間特征。根據(jù)符號(hào)轉(zhuǎn)換的需求，需采用z-score 轉(zhuǎn)換法使獲得的SPAA 序列標(biāo)準(zhǔn)化，常使用的方法為將SPAA 序列放到標(biāo)準(zhǔn)正態(tài)分布空間進(jìn)行等概率區(qū)域劃分，采用相應(yīng)字符表示每一個(gè)區(qū)域特征，即可完成由SPAA 序列到符號(hào)序列的轉(zhuǎn)換，轉(zhuǎn)換后的符號(hào)序列可表示為SSAX，符號(hào)序列轉(zhuǎn)換示意圖如圖1所示。

圖1 SPAA序列轉(zhuǎn)換為SSAX序列的形態(tài)變化趨勢(shì)Fig.1 Trend of morphlogical change of SPAA series to SSAX series

1.2 相似性度量

采用符號(hào)化特征對(duì)時(shí)間序列進(jìn)行表示后，可以識(shí)別國(guó)產(chǎn)化水電站故障解列裝置運(yùn)行數(shù)據(jù)的形態(tài)特征，有效區(qū)分正常運(yùn)行數(shù)據(jù)和異常運(yùn)行數(shù)據(jù)。參考國(guó)產(chǎn)化水電站故障解列裝置的運(yùn)行數(shù)據(jù)的時(shí)間特征，結(jié)合裝置運(yùn)行數(shù)據(jù)的基本特征，本文利用相應(yīng)的距離度量函數(shù)描述國(guó)產(chǎn)化水電站故障解列裝置運(yùn)行數(shù)據(jù)間的相似性，以準(zhǔn)確區(qū)分裝置的正常運(yùn)行數(shù)據(jù)和異常運(yùn)行數(shù)據(jù)。

式中：ti為子序列i的標(biāo)準(zhǔn)差，采用如下公式計(jì)算：

以子序列的均值度量值為基礎(chǔ)，采用距離度量函數(shù)進(jìn)行相似性距離計(jì)算，距離度量函數(shù)的表達(dá)式為：

式中：C為非線性特征統(tǒng)計(jì)參數(shù)。

該國(guó)產(chǎn)化水電站故障解列裝置運(yùn)行數(shù)據(jù)的相似性距離值為：

式中：d為相似性距離值。

2 基于時(shí)間序列的國(guó)產(chǎn)化水電站故障解列裝置異常行為檢測(cè)算法

2.1 國(guó)產(chǎn)化水電站故障解列裝置異常行為特征識(shí)別

一般來說，國(guó)產(chǎn)化水電站故障解列裝置運(yùn)行數(shù)據(jù)為時(shí)間序列數(shù)據(jù)，可分為正常運(yùn)行數(shù)據(jù)、過渡運(yùn)行數(shù)據(jù)和異常運(yùn)行數(shù)據(jù)三種。其中，過渡運(yùn)行數(shù)據(jù)是指國(guó)產(chǎn)化水電站故障解列裝置由正常運(yùn)行狀態(tài)過渡到異常運(yùn)行狀態(tài)產(chǎn)生的數(shù)據(jù)；異常運(yùn)行數(shù)據(jù)是判斷故障解列裝置運(yùn)行狀態(tài)的重要數(shù)據(jù)來源，也是進(jìn)行異常行為特征識(shí)別的主要對(duì)象。針對(duì)采集的運(yùn)行數(shù)據(jù)集，通過選取合適的特征識(shí)別方法可以有效識(shí)別故障解列裝置的異常行為，本文根據(jù)時(shí)間序列的符號(hào)特征表示方法，結(jié)合特征識(shí)別技術(shù)能夠有效識(shí)別國(guó)產(chǎn)化水電站故障解列裝置的運(yùn)行狀態(tài)，異常行為特征識(shí)別示意圖如圖2所示。

圖2 國(guó)產(chǎn)化水電站故障解列裝置異常行為特征識(shí)別流程示意圖Fig.2 Flow diagram of hydropower station fault disconnection device abnormal behavior recognition

國(guó)產(chǎn)化水電站故障解列裝置3種運(yùn)行狀態(tài)下的時(shí)間序列數(shù)據(jù)特征如圖3 所示，其即表示國(guó)產(chǎn)化水電站故障解列裝置處于正常態(tài)、過渡態(tài)以及異常態(tài)的3 種數(shù)據(jù)，也表明3 種運(yùn)行狀態(tài)下時(shí)間序列數(shù)據(jù)的形態(tài)特征［4，5］。從數(shù)據(jù)波動(dòng)情況來看，正常態(tài)時(shí)間序列數(shù)據(jù)的波動(dòng)具有明顯規(guī)律性，而異常態(tài)沒有；過渡態(tài)與其他兩種形態(tài)數(shù)據(jù)存在較高的相似性，且過渡態(tài)數(shù)據(jù)與其他兩種形態(tài)數(shù)據(jù)間無明顯的連接點(diǎn)，使其特征識(shí)別較為困難。為了實(shí)現(xiàn)精準(zhǔn)的數(shù)據(jù)識(shí)別，本文提出“去頭尾”的特征識(shí)別方法，即針對(duì)符號(hào)轉(zhuǎn)化后的時(shí)間序列數(shù)據(jù)，以4 個(gè)分段序列為單位進(jìn)行序列劃分序列組，刪除四個(gè)分段均相同的組別，從而降低特征識(shí)別難度，保證識(shí)別效率。

圖3 國(guó)產(chǎn)化水電站故障解列裝置3種運(yùn)行狀態(tài)下的時(shí)間序列數(shù)據(jù)特征Fig.3 Data character of hydropower station fault disconnection's time series in three running status

2.2 異常行為檢測(cè)算法

在國(guó)產(chǎn)化水電站故障解列裝置運(yùn)行時(shí)間序列數(shù)據(jù)挖掘中，由裝置的異常行為產(chǎn)生的異常時(shí)間序列的子序列與正常運(yùn)行時(shí)產(chǎn)生的時(shí)間序列的子序列最不相似。針對(duì)異常時(shí)間序列的檢測(cè)也是檢測(cè)裝置異常行為的重要依據(jù)，目前常采用SAX 算法進(jìn)行異常時(shí)間序列的檢測(cè)。其原理是以時(shí)間序列最不相似算法和序列發(fā)現(xiàn)算法為基礎(chǔ)，結(jié)合時(shí)間序列間的關(guān)聯(lián)規(guī)則進(jìn)行計(jì)算，從而發(fā)現(xiàn)異常子序列在時(shí)間序列中的位置。

算法的描述如下：

輸入：長(zhǎng)度為L(zhǎng)的時(shí)間序列Q，關(guān)聯(lián)規(guī)則out和in。

輸出：最不相似子序列以正常運(yùn)行狀態(tài)下時(shí)間序列序列子序列的最小距離s，以及該最不相似子序列在時(shí)間序列Q中位置loc。

（1）將時(shí)間序列Q符號(hào)化，默認(rèn)初始最小距離s值和位置loc值為0，利用out 關(guān)聯(lián)規(guī)則控制算法的內(nèi)層循環(huán)，利用in 關(guān)聯(lián)規(guī)則控制算法的外層循環(huán)，用u，v 來記錄兩個(gè)子序列在時(shí)間序列Q中的位置信息。

（2）在外層循環(huán)中，對(duì)于位置信息u 有初始最小距離s0=-1，根據(jù)u值進(jìn)行內(nèi)層循環(huán)，內(nèi)層循環(huán)過程如下：①若|u-v|>L，進(jìn)行序列匹配，執(zhí)行操作②，反之，執(zhí)行操作③。②若u2-v2

（3）判斷s0是否大于s，若大于，則記作s=s0，異常子序列的位置信息loc=u，同時(shí)返回步驟（2），直至檢測(cè)完時(shí)間序列Q的所有子序列為止。

（4）若無異常序列，數(shù)據(jù)安全值10。輸入下一序列進(jìn)行計(jì)算。

3 基于時(shí)間序列的國(guó)產(chǎn)化水電站故障解列裝置異常行為報(bào)警

3.1 基于時(shí)間序列的自適應(yīng)報(bào)警線的確定

確定自適應(yīng)報(bào)警線的目的是為國(guó)產(chǎn)化水電站裝置監(jiān)控中心對(duì)故障解列裝置運(yùn)行狀態(tài)的評(píng)估提供參考依據(jù)。在水電站中所使用的報(bào)警標(biāo)準(zhǔn)一般為靜態(tài)標(biāo)準(zhǔn)，從國(guó)產(chǎn)化水電站故障解列裝置投入到國(guó)產(chǎn)化水電站的微機(jī)保護(hù)時(shí)，需經(jīng)過多次的維修和檢測(cè)，因此需指定一個(gè)不變的標(biāo)準(zhǔn)進(jìn)行評(píng)估。然而受磁場(chǎng)干擾以及機(jī)械老化等影響，故障解列裝置的運(yùn)行狀態(tài)呈現(xiàn)出動(dòng)態(tài)變化趨勢(shì)。本文采用數(shù)理統(tǒng)計(jì)法對(duì)故障解列裝置的異常行為檢測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)，即將檢測(cè)結(jié)果進(jìn)行數(shù)值化處理，并采用拉依達(dá)法剔除異常數(shù)據(jù)［6］。

拉依達(dá)法的判別標(biāo)準(zhǔn)以三倍標(biāo)準(zhǔn)差為基礎(chǔ)，因此該判別方法又稱三倍標(biāo)準(zhǔn)差判別法［6］；其原理是根據(jù)概率論與數(shù)理統(tǒng)計(jì)中對(duì)三倍標(biāo)準(zhǔn)差的定義：當(dāng)某一事件滿足正態(tài)分布規(guī)律時(shí)，該事件發(fā)生在(-3σ，+3σ)的概率為99.73%（-X為中心坐標(biāo)，σ為標(biāo)準(zhǔn)差），而落在其他區(qū)間的概率為0.27%，在故障解列裝置的異常識(shí)別中，則可判定其檢測(cè)值為異常數(shù)值。

3.2 自動(dòng)報(bào)警方法的實(shí)現(xiàn)

在上述報(bào)警線設(shè)置的基礎(chǔ)上，根據(jù)異常行為檢測(cè)算法結(jié)果響應(yīng)報(bào)警機(jī)制，以自動(dòng)化技術(shù)為基礎(chǔ)，實(shí)現(xiàn)無人看管的國(guó)產(chǎn)化水電站故障解列裝置異常行為警報(bào)。為實(shí)現(xiàn)有效的自動(dòng)報(bào)警，本文采用的自動(dòng)報(bào)警方法以系統(tǒng)報(bào)警和聲音報(bào)警兩種形式為基礎(chǔ)，其中聲音報(bào)警形式需結(jié)合相關(guān)控制算法和聲音設(shè)備發(fā)出警報(bào)聲音以實(shí)現(xiàn)報(bào)警效果。當(dāng)SAX 算法檢測(cè)到異常行為時(shí)，通過SPI 接口將檢測(cè)結(jié)果傳給國(guó)產(chǎn)化水電站裝置監(jiān)控中心，國(guó)產(chǎn)化水電站裝置監(jiān)控中心經(jīng)過一系列分析識(shí)別后生成控制指令并將指令以數(shù)字化形式傳遞給下級(jí)響應(yīng)模塊［7-9］。下級(jí)相應(yīng)模塊與聲音報(bào)警器以雙鑒傳感網(wǎng)絡(luò)連接方式進(jìn)行連接，具有信號(hào)傳輸效率高、可進(jìn)行雙向傳輸?shù)葍?yōu)點(diǎn)，能夠提升異常行為警報(bào)的效率。當(dāng)聲音報(bào)警器進(jìn)入預(yù)警狀態(tài)時(shí)，其最高振動(dòng)頻率為8 Hz，警報(bào)聲音大小約為70 分貝，具有一定警報(bào)力度且不會(huì)對(duì)國(guó)產(chǎn)化水電站其他裝置設(shè)備造成影響，能夠及時(shí)提醒相關(guān)工作人員對(duì)國(guó)產(chǎn)化水電站故障解列裝置進(jìn)行檢查，以保證裝置的穩(wěn)定運(yùn)行。自動(dòng)化報(bào)警方法的實(shí)現(xiàn)流程如圖4所示。

圖4 自動(dòng)化報(bào)警方法的實(shí)現(xiàn)流程Fig.4 Flow diagram of automatic alarm method

4 實(shí)驗(yàn)研究

為檢測(cè)本文提出的基于時(shí)間序列的國(guó)產(chǎn)化水電站計(jì)算機(jī)監(jiān)控系統(tǒng)異常行為報(bào)警方法研究的實(shí)際報(bào)警性能，選用本文提出的方法與傳統(tǒng)的基于深度學(xué)習(xí)的國(guó)產(chǎn)化水電站故障解列裝置異常行為報(bào)警方法和基于數(shù)據(jù)驅(qū)動(dòng)的國(guó)產(chǎn)化水電站故障解列裝置異常行為報(bào)警方法進(jìn)行對(duì)比，為保證實(shí)驗(yàn)結(jié)果的可靠性，實(shí)驗(yàn)參數(shù)的設(shè)置如表1所示。

表1 實(shí)驗(yàn)參數(shù)Fig.1 Experiment pameters

根據(jù)上述實(shí)驗(yàn)參數(shù)，在相應(yīng)實(shí)驗(yàn)環(huán)境中進(jìn)行實(shí)驗(yàn)，為確保實(shí)驗(yàn)結(jié)果的真實(shí)性，選取某一國(guó)產(chǎn)化水電站2019故障解列裝置異常行為時(shí)間序列數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)，共采集異常數(shù)據(jù)1 400 個(gè)，采用N-garm檢測(cè)法分析3種報(bào)警方法的有效報(bào)警率和誤報(bào)率。

有效報(bào)警率的計(jì)算公式如下：

式中：Ieff表示有效報(bào)警率；H表示有效報(bào)警數(shù)量；M表示無效報(bào)警數(shù)量。

誤報(bào)率的計(jì)算公式如下：

式中：Ierror表示誤報(bào)率；R表示誤報(bào)數(shù)量。

有效報(bào)警率和誤報(bào)率的實(shí)驗(yàn)結(jié)果如圖5 和圖6 所示。從圖中可以看出，隨著異常檢測(cè)時(shí)間序列數(shù)據(jù)樣本的輸入，3種報(bào)警方法的有效報(bào)警率均處于下降趨勢(shì)，誤報(bào)率呈現(xiàn)出上升趨勢(shì)，但下降幅度和上升幅度各不相同?；跀?shù)據(jù)驅(qū)動(dòng)的報(bào)警方法有效報(bào)警率下降趨勢(shì)較大，誤報(bào)率上升幅度較大，平均有效報(bào)警率為75%，平均誤報(bào)率為22%。基于深度學(xué)習(xí)的報(bào)警方法有效報(bào)警率和誤報(bào)率的變化幅度相對(duì)較小，其平均有效報(bào)警率為85%，平均誤報(bào)率為16%。相較之下，本文研究的報(bào)警的有效檢測(cè)率始終高于92%，平均有效報(bào)警率為94%，平均誤報(bào)率低至8%，無明顯幅度變化。

圖5 3種報(bào)警方法有效報(bào)警率對(duì)比Fig.5 Positive alarm rate of three alarm methods

圖6 3種報(bào)警方法的誤報(bào)率對(duì)比Fig.6 False alarm rate of three alarm methods

基于3 種報(bào)警方法的有效報(bào)警率和誤報(bào)率，我們對(duì)3 種方法的報(bào)警效率進(jìn)行了對(duì)比，實(shí)驗(yàn)結(jié)果如圖7 所示。從圖7 中可以看出，針對(duì)1 400 個(gè)報(bào)警數(shù)目，基于數(shù)據(jù)驅(qū)動(dòng)的報(bào)警方法的響應(yīng)時(shí)間為485 s，平均效率為2.9 個(gè)/s?；谏疃葘W(xué)習(xí)的報(bào)警方法的響應(yīng)時(shí)間為384 s，平均效率為3.6 個(gè)/s。而本文研究的基于時(shí)間序列的報(bào)警方法的響應(yīng)時(shí)間為180 s，平均效率為7.8個(gè)/s。

圖7 3種方法的報(bào)警效率結(jié)果Fig.7 Efficiency of three alarm methods

綜上所述，本文研究的基于時(shí)間序列的國(guó)產(chǎn)化水電站計(jì)算機(jī)監(jiān)控系統(tǒng)異常行為報(bào)警方法具有較為準(zhǔn)確的異常行為檢測(cè)能力，能夠進(jìn)行高效率的報(bào)警，實(shí)現(xiàn)裝置異常行為有效檢測(cè)的同時(shí)及時(shí)響應(yīng)報(bào)警機(jī)制；而傳統(tǒng)的報(bào)警方法普遍存在漏報(bào)和誤報(bào)現(xiàn)象，且報(bào)警效率較低，不利于維護(hù)國(guó)產(chǎn)化水電站的正常運(yùn)行；相較之下，本文研究的報(bào)警方法具有更高的報(bào)警性能，值得被廣泛應(yīng)用。

5 結(jié)語

針對(duì)傳統(tǒng)國(guó)產(chǎn)化水電站故障解列裝置異常行為報(bào)警方法出現(xiàn)的檢測(cè)精度低、誤報(bào)率高、響應(yīng)速度遲緩等問題，本文提出了基于時(shí)間序列的國(guó)產(chǎn)化水電站計(jì)算機(jī)監(jiān)控系統(tǒng)異常行為報(bào)警方法，通過對(duì)裝置運(yùn)行時(shí)間序列數(shù)據(jù)進(jìn)行深入挖掘，準(zhǔn)確分析裝置的異常行為，并及時(shí)響應(yīng)報(bào)警機(jī)制，通過對(duì)比實(shí)驗(yàn)結(jié)果可知，本文提出的基于時(shí)間序列的報(bào)警方法性能更好，能快速、準(zhǔn)確地對(duì)裝置的異常行為進(jìn)行報(bào)警，以維護(hù)國(guó)產(chǎn)化水電站的正常工作，能夠促進(jìn)國(guó)產(chǎn)化水電站的進(jìn)一步發(fā)展，對(duì)于國(guó)產(chǎn)化水電站效益的提升具有重要意義。