（电力系统及其自动化专业论文）电网智能报警研究.pdf

浙江大学硕士学位论文a b s t r a c t a b s t r a c t t h ed e v e l o p m e n to fc o m p u t e ra n di c th a sg r e a t l ye i l h a n c e dt h ei e v e lo f 铲i d m o n i t 嘶n ga n dc o n 仃o l ，a n di ta l s oh a sb r o u g h tg r e a tc o n v e n i e n c ef o rd i s p a t c h e r s h o w e v e r ，w i t ht h ee x p a n s i o no ft h es c a l e 鲥da n dm ec o m p l e xo fc o 仰e c t i n g ，an e w q u e s t i o n ”h o ww e l lu n d e r s t o o ds om u c hi n f 0 咖a t i o n c o m e so u t p a r t i c u l a r l y ，w h e n e m e 玛e n c yh a p p e n si np o w e rs y s t e m ，a l a m l ss w 猢l si n t ot h ec o n t r o lc e n t e r ，a n dt l l e d i s p a t c h e rc 肌n o tu n d e r s t a n d 也ea l a 玎n s 证s h o r tt i m e ，s oh ea l s oc a n tt a l ( er i g h ts t e p t oc o n n 0 1 a r e rs e v e r a lm 句o rp o w e ro u t a g et l l r o u 曲o u tt h ew o r l d ，e n g i n e e r sr e a l i z e d m en e e dt ou s e ac o m p u t e rt or e p l a c et l ed i s p a t c h e r sw o r k s of a r t 1 1 e r ea r es e v e r a l a l a n np r - o c e s s o r sh a v eb e e nd e v e l o p e da n du s e do n l i n eo v e rt h ew o r l d ，h o w e v e r ，d u e t 0t 1 1 ed i 衢c u l t i e so fm a i n t e n a n c ea n d l o w w o r ke 伍c i e 心t l l ee x i s t e da l a r mp r o c e s s o r s c a nn o tm e e tt h ew h o l ew o r l dn e e d s t h i sr e s e a r c hf o c u s0 nt h ed r a w b a c ko f 仃a d i t i o n a l 鲥da l a n np r o c e s s o r s ，t h e m i a nc o n t e n ta sf 0 1 1 0 w i n g s ： an e wm e t h o dw h i c ha v o i d st h ea n a l o ga l a m l sp r o c e s s i n gi sp r o p o s e di nt h i s t i l e s i s t h es w i t c ha l a r i i l sa r et a l ( e n 勰n l et r i g g e rs 伽r c eo f m ee v e n t s 孤dm ee v e n t s a r ed i s t i n g u i s h e da c c o r d i n gt ot h es t a t u so fm en o d e sv o l t a g e t h es v mc l a s s i f i e ri s u s e dt om a k et h es y s t e mh a v et l l ea b i l i 够o f “l e 锄i n g ”b e c a u s ei td e t e c t st h er e l a t i o n s b e 艄r e e n 鲥dv o l t a g ev e c t o r sa 1 1 de v e i l t s ，w i m o u ta n i f i c i a l l yr u l e s ，i ti sa l s og o o da t r e a s o n i n g b e s i d e s ，d u et oi ta v o i dm ei n h e r e n ts h o r t c o m i n g so fa n a l o ga l a r m s ，t h e p r o c e s s i n gs p e e da l s oh a sb e e ng r e a ts p e e du pw h e nc o m p a r e dt 0t h e 仃a d i t i o n a l m e t l l o d 1 h r o u g hm es i m u l a t i o n ，、f o u n dt l l a tt h eo r d i n a 可s v m 鲥da 1 踟i n gm e t h o d i si n e 伍c i e n tw h e n 廿l ee v e n t si n c r e 嬲e ；s o ，w ei m p r 0 v em em e m o d 自o m 似op o i n t s c o n s i d e 曲g 也en 邶曲e ro fe v e n t 帅e sa i l dt h es i z eo f m e 酣dh a v eg r e a ti m p a c to n 廿1 ep r o c e s s i n gs p e e d ，an o v e la l t e m a t i v et e c h n o l o g yc a l l e df g i a ( f a s tg r i di n t e l l i g e n t a l a n i l i n g ) w a sp r o p o s e d p m uo p t i m a ld i s p o s i t i o na l g o r i 廿枷w a su s e dt or e d u c et h e d i m e n s i o n so ft i l eo b s e n r e r w h a t sm o r e ，d t s v mw a sa l s ou s e dt or e d u c et h e n u m b e ro fc o m b i n a t i o n aw e ui m p r o v e m e n th a sb e e nc 硎e do u ta r e rt l l e 浙江大学硕士学位论文 a b s t r a c t d e v e l o p m e n to ft h em e t h o d f i n a l l y a 鲥di m e l l i g e n ta l a 咖i n gs y s t e mb a s e do nf g i a m e t h o dw a sd e s i g n e d m o d u l a rd e s i g nc o n c e p t ，a sw e l la sm u l t i t 1 1 r e a d e dp r 0 a m m i n g 厅a m e w o r kw a su s e d i nm i ss y s t e m ap a no f 缸l c t i o n sh a v eb e e na c h i e v e d b yu s i n gj a 、，al a n g u a g e k e yw o r d s ：g 订di n t e l l i g e n ta l a r m i n g ( f g i a ) ；g r i de v e n t so b s e e r ；s u p p o r t v e c t o rm a c h i n e ( s v m ) ；p m uo p t i m a ld i s p o s i t i o n ；d e c i s i o n1 r e e ；m o d u l a rd e s i 盟 c o n c e p t ；m u l t i - t h r e a d e d i i i 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研 究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得逝鎏盘堂或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示谢意。 学位论文作者签名：签字日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解逝姿盘堂有权保留并向国家有关部门或机构 送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝姿盘堂可以 将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、 缩印或扫描等复制手段保存、汇编学位论文。 学位论文作者签名：导师签名： 签字日期：年 月日 签字日期：年月 日 浙江大学硕士学位论文第章绪论 1 1 选题背景及其意义 第一章绪论 随着计算机技术和通信技术的发展，电网的监控程度和自动化程度大大提 高，往往3 、4 个调度员就能调度一块由多所变电站和无数监控装置组成的区域。 电网在正常状态下，调度员只需做一些日常的调度工作以保证电网运行经济安 全；而当发生故障或扰动时，则需要调度员迅速采取正确的措施来防止故障的扩 大，为了通知调度员电网的状态，调度中心以屏幕上显示警报的形式进行告警。 现有的e m s 系统的警报主要有四类：开关变位警报；模拟量越限报警；通信 中断的报警；e m s 系统软硬件故障报警。随着电网规模的扩大，事件类型繁多， 事件所引起的警报数量也剧增。比如，断线故障会引起临近线路潮流越限警报， 同时导致线路负载端电压降低，无功潮流上升等；当发生不稳定情况，会产生更 多的警报。加拿大h y d r 0q u e b e c 电网调度中心的研究显示： ( 1 ) 当其调度区域内一台变压器故障时，2 s 中内将产生1 5 0 条各类报警； ( 2 ) 当变电站故障时，大约产生2 0 0 0 条各类报警，其中前5 s 产生了3 0 0 条报警； ( 3 ) 当雷暴天气时，每秒产生2 0 条报警： ( 4 ) 当系统解裂时，前5 s 各控制中心收到的报警信息多达1 5 0 0 0 条。 面对巨大的信息量，即使训练有素的调度人员也很难在短时间内及时做出有 效判断。 k _ n n 的h 嘲h 毒”“啪i 图1 1 调度员工作效率与压力关系曲线 从图1 1 可以看出调度员在一定的工作压力下，反应速度随着压力的增加而 提高；而当超过所承受的压力时，工作效率大大降低。显然，经常面对大量警报， 调度员是无法出色的完成调度工作，因此电网就存在着巨大的风险。 l 咀 鼬 蛳 x叠露暑t善 浙江大学硕士学位论文第一章绪论 为了帮助运行人员更好的理解警报信息以便快速采取措施，工程师们开发了 警报处理系统。到目前为止，已提出了多种变电站警报处理的方法，例如逻辑判 别法、专家系统法、人工神经网络法、数学建模法、系统结构优化等。 1 2 国内外研究动态 国外应用系统：8 0 和9 0 年代在多种领域应用比较突出，包括医疗、交通、 化工和电力系统。表1 1 是国外各国电网中已应用的警报处理系统。 表1 1国外电网中以应用的警报处理系统 公司电网状态 c o n e d美国纽约州l9 8 9 0 7 开始使用 n s p美国明尼苏达州 1 9 8 9 1 0 开始使用 s i n g 新加坡1 9 9 0 。l l 开始使用 国内应用系统：国内还无真正的警报处理系统。 国外研究情况：1 9 8 1 年，e p r j 在文献 2 】中提出用警报综合分析方法来代替 传统简单的警报筛选方法，用复杂的推理规则来代替简单的优先级规则，实现“一 条警报对应一个事件”。 ( 1 ) 基于专家系统的警报处理系统：1 9 8 6 年，b f w 6 1 1 e n b e 玛在文献【3 提 出采用专家系统的方法来处理警报，把调度员的经验转换成规则。文中设定5 类规则，分别为警报优先级规则、停止供电规则、警报筛选规则、警报综合推理 规则。采用l i s p 语言开发了系统，并在d t s 上测试。其基本框图如图1 2 所示： l 初始化i i 知识库i 圄一一画 图1 2 基于专家系统警报处理系统的基本框图 文献 4 】【5 】使用专家系统来处理警报，并在推理机以及规则表达上做了一定 2 囱囱囱一 虱一 团| l 浙江大学硕士学位论文 第一章绪论 的发展。在实际的运行中，工程师们发现规则设定无法完整地表达电力系统中的 所有事件，为了解决这个问题，文献【6 】采用基于模型的专家系统，建立基于潮 流的关系型模型库。文献【7 】提出了让系统具备“学习 能力，当事件发生时， 系统处于推理状态，而事后系统处于“学习 状态，自动更新规则库。具有“学 习”能力的系统能减少规则库的维护量，使得规则库覆盖事件更为完整。“学习 能力用序列树实现，挖掘警报之间及警报与事件之间的相关性。 ( 2 ) 基于神经网络的警报处理系统：1 9 9 0 年，e d w a r d 在文献【8 】中首次把 警报处理看成模式识别问题，采用m 州来处理警报，系统警报有3 个特征。基 于6 n 的警报处理流程分为四个阶段： 1 ) 创建电力系统事件表，尽可能的覆盖所有事件； 2 ) 根据继保信息和潮流关系建立事件所对应的警报，过程“事件一警报 逻辑 ， 表； 3 ) 用历史样本对m 州训练，获得判别模型； 4 ) 当警报集产生时，用判别模型进行事件推理。 应用a n n 开发的系统在p g & e 公司的某1 1 5 1 2 k v 变电站测试，结果表明 系统实现了“一条警报对应一事件 的目标；在没有错误警报的情况下，推理正 确率达l o o ；当有少数错误警报出现时，系统仍能正确地得出推理结果；当错 误警报数量较多时，系统推理正确率下降。 ( 3 ) 基于结构优化的警报处理系统：文献 9 】把电力系统分成两级，分别为 变电站级和电网级。警报处理系统以此分成两部分，分别为变电站警报处理模块 和电网警报处理模块，前者对变电站警报进行处理，并把结果传给调度中心的电 网警报处理模块。双层警报处理系统如图1 3 所示： 图1 3 双层警报处理系统结构 3 浙江大学硕士学位论文第一章绪论 文献【1 0 】把警报处理系统会分为人机界面智能体、数据采集智能体、数据分 析智能体、控制智能体和数据库智能体。其中数据分析智能体扮演着核心角色， 它接受来自数据采集智能体的警报并具有警报筛选和“学习”的能力；数据采集 智能体是整个系统的前端，接受来自r t u 的警报；控制智能体则是“大脑”，它 协调各个智能体间的通信，并且根据实际情况选择规则交与数据分析智能体。 国内研究情况：根据覆盖集理论建立目标函数，然后再通过智能算法求解目 标函数的最优值。覆盖集理论最大的优势能够处理不完全信息或错误信息。 一个警报处理问题p 可以定义为一个四元式尸= d ，m ，足m + ，其中 d = 4 ，吐，以) 、膨= 聊- ，) 是事件及警报的有限非空集合；r s d m 是 定义在d m 上的关系子集，其定义域为如m a 加( r ) = d ，而值域为r 口玎g e ( r ) = m ； m + = ，) 是m 的一个子集，称为实时警报集。d ，= 研，吃，屯) 是d 的一 个模糊子集，也是能解释m + 的一个解。解释度可定义为脚肠砌( m + lq ) 。当警 报丢失或产生错误警报时，应用覆盖集建立数学模型仍能很好的表示实际情况。 因此警报处理在数学上可转换为一个0 1 整数规划问题。针对该问题，文献 【1 1 】采用基因算法来求最优解，平均每一个事件的处理速度为1 5 s 。文献【1 2 】采用 禁忌搜索法来求解，速度为5 s ，更适于警报处理。文献 1 3 】对此方法加以实现， 并在某个大型变电站进行了测试，结果表明准确率较高。 文献【1 4 】提出将基于时间窗的序列模式挖掘算法应用于电力系统警报信的 智能处理中去，并将产生的规则补充故障诊断专家系统的知识库。 上述警报处理系统的基本功能可归结为3 点：筛选警报，减少警报数量；综 合分析警报，推理电力系统所发生的异常事件，让运行人员正确掌握电力系统的 状况；决策支持，向运行人员提出事件处理措施建议。 系统的一般结构如图1 4 所示： 4 浙江大学硕士学位论文第一章绪论 1 3 本文所做的工作 图1 4 警报处理系统的一般结构 本文在第二章提出一种新的快速电网智能报警方法，以开关变位报警为事件 发生依据，采用统一时标，根据此时刻的电压观测器状态来判别事件类型，并生 成一条警报描述电网事件，这样提高了单位时间内的警报处理量；采用支持向量 机( s 订) 分类方法通过训练使系统学习新事件，不需人为地设定规则，相比 传统的方法更加灵活智能，此外由于规避了模拟量警报处理固有缺陷，这样大大 缩短了事件推理过程。 为了应对大规模电网的复杂情况，第三章通过p m u 优化算法来降低观测器 维度，并采用基于决策树的支持向量机( d t - s v m ) 减少分类数。文中通过简单 示例阐述模拟量警报的缺陷以及展示报警思路，并与几种警报处理方法进行了比 较，最后在i e e e 3 9 ，1 1 8 节点系统中对不同事件进行了验证，结果表明此方法 是有效可行的。 在第四章，本文设计了电网报警系统，把本文所提出的方法进行了实现。设 计了系统的整体结构，设计了报警处理所需的数据模型，另外还设计了各个模块 之间的接口以及啪方式的人机界面，最后用j a 、，a 语言加以实现。 浙江大学硕士学位论文第二章新的报警思路 第二章新的报警思路 2 1 传统警报处理的思路及不足 电网的警报分为四类：模拟量越限警报，包括母线电压越限和输电线路的潮 流越限等；开关变位警报，线路闸刀跳闸，变压器保护动作等；通信设备故障警 报，这些警报由专门的远动终端扫描得到；e m s 系统的软硬件故障警报。一般 调度员关注前两类警报。 传统警报处理方法的目标为：筛选警报，减少警报的处理量；推断电网事件。 本文对i e e e 9 节点系统进行了模拟，以线路三相接地故障为例来阐述警报的 产生过程：在时刻仁1 0 ：3 0 ：0 0 时母线7 发生三相接地短路，仁l o ：3 0 ：3 6 时 断路器跳开，在整个暂态过程期间，一些模拟量越过设定限制，r t u 经过比较 产生越限警报传入控制中心，警报如表2 1 所示。 表2 1 le e e 9 节点母线7 发生三相接地短路时的警报 序号时间区域元件描述 11 0 ：3 0 ：3 5 1 母线7电压超过下限 21 0 ：3 0 ：3 51 线路7 8潮流超过上限 31 0 ：3 0 ：3 6l 断路器1断开 4l o ：3 0 ：3 71 母线5电压超过下限 5 1 0 ：3 0 ：3 7 1 母线6电压超过下限 61 0 ：3 0 ：3 7l 母线l无功超过上限 71 0 ：3 0 ：3 81 母线2无功超过上限 81 0 ：3 0 ：3 9l 母线4无功超过上限 不同的事件会产生不同的警报，两者的关系描述如式( 2 1 ) ： p ，一4( 2 _ 1 ) 其中，p ，为事件( 故障或扰动) f ；彳，为产生事件口，时，e m s 系统所产生 的警报集；设心为彳，中的模拟量越限警报，屯开关变位警报。 经过传统的报警处理系统对表1 警报的筛选，一般会得到的警报如表2 2 所 示： 6 浙江大学硕士学位论文第二章新的报警思路 表2 2 经过传统方法处理后的警报 11 0 ：3 0 ：3 5l 母线7电压超过下限 21 0 ：3 0 ：3 51 线路7 8潮流超过上限 3 1 0 ：3 0 ：3 6 l 断路器l断开 上述处理过程是根据先前人为设定好的规则进行简单的筛减警报，而并未探 究深层的原因，因此调度员看到这些筛选后的警报并不能真正了解电网所发生的 事件。 电力系统是一个相当复杂的系统，不同事件可能引起相似的变化，导致相同 警报产生。比如，母线电压越过下限这条警报有可能是因为母线端的无功功率负 荷增大所造成，也有可能是邻近线路接地所造成，从而使得传统的以警报为处理 的对象的报警系统无法推理出真正的事件。实际上，报警系统如果足够聪明，分 析的信息如果除警报外还有电网的实时数据，那么是可以区分出这两种情况的。 此外，电力系统又是一个高度耦合的系统，各类电气量之间关系复杂，某个 电网参数的变化，肯定会在某种程度上引起其他电网参数的变化，也就意味着每 条警报之间有很复杂的关系，r t u 产生警报是因为模拟量越限或开关变位，然 而在不同运行条件下同一事件产生的警报会不同，此时仍产用固定规则进行推理 就很难得出正确结果。 因此，单纯以警报为处理对象，利用规则来确定警报之间的联系，以此来推 断事件，并未实现真正的分析，所得出的结果也值得商榷。 笔者查阅资料，对传统警报处理系统不足进行了总结，大致有3 点： ( 1 ) 系统运行触发机制不明确：因为系统无法把警报和事件对应起来，即 不知道哪些警报由哪个事件引起，所以一般的警报处理系统接受到警报就开始处 理，导致c p u 资源浪费，处理速度降低，还会产生警报和事件“瞎对应”的情 况；此外还有系统先把警报存入缓冲池，并定时处理缓冲池的警报，定时时间太 长会延误处理时机，时间太短，会因为警报太少而无法推理事件，此外，这么做 同样会产生警报和事件“瞎对应”的情况。 ( 2 ) 对警报综合分析能力不强，缺乏灵活性，如前所述电网复杂，具有高 度耦合性，事件类型多，各种电气量之间联系紧密，相同事件在不同运行状态下 产生类似的警报，如果简单的利用经验从警报之间的相关性出发去推理，就有可 7 浙江大学硕士学位论文第二章新的报警思路 能得出错误的推理结果；此外电网随着用电量的增大而建设扩大，那么规则也将 会随之改变，知识库的维护将是一项复杂的工程。 ( 3 ) 模拟量警报处理的固有缺陷：在s c a d a 系统中，遥信信息先于遥测 信息到达调度中心，因此模拟量警报从产生到传输到调度中所需要的时间更长； 在警报传输过程中，由于通信线路故障而使得警报丢失或产生错误警报；电网发 生某事件时，所有关联的电气量都会产生一定变化，而模拟量警报只反应少数越 限模拟量信息，其它未越限的模拟量信息并未生成，但是这些信息同样对事件推 理有一定作用。 因此，有必要研究新的报警方法规避以上几点不足，实现真正的智能事件推 理。 2 2 事件观测器 本文从系统能观性理论得到启发，定义了电网事件的能观性，并据此构建了 电网事件观测器。 2 2 1 系统能观性理论 在现代控制理论中，能观性是系统的一大特征。以线性定常系统为例，其状 态方程如( 2 - 2 ) 所示： 戈= 彳( f ) x + b ( f ) “；x ( 乇) = h 乇，f y = c ( f ) x + d ( f 咖 ( 2 - 2 ) 系统能观性可定义为存在一有限的观测时间，l ，o ，使根据 f o ，】期间的输出 少( ，) ，能唯一地确定系统在气时刻的状态x ( f o ) ，则称系统在时刻气的状态x ( 气) 是 能观测的。完全能观可定义为：若系统的每一非零状态在时刻气都是能观测的， 则称系统在时刻气是完全能观。 其他类型系统如线性离散非时变系统，非线性时变系统同样在一定条件下具 有能观性。 2 2 2 电网事件能观性 电力系统是复杂的非线性非定常系统，电网的运行方式繁多，瞬息万变， 窘 浙江大学硕士学位论文第二章新的报警思路 电网参数也会随运行方式及潮流的改变而改变。它的运行可由以下状态方程表 示： 髋篇 仁3 ， 本文对电网事件能观性定义如概念1 ： 概念1 ：电网事件的能观性可定义为通过观测有限时间内的线路电流及母线 电压等模拟量来识别出电网所发生的事件。 在公式( 2 3 ) 中，厂( ) 是事件，x 是电压相角、发电机功角等状态变量，y 是 线路潮流等模拟量，而g ( x ，y ) = 0 是满足一定的潮流约束条件，电网发生扰动和 故障后，会进入一个暂态变化的过程，x ，y 会产生一定的变化，当这些量越限 时，便会产生警报。 设气时刻发生事件厂o ，之后x ，y 会产生一系列的变化，不同的厂o 会使 x ，y 得变化不同，通过z ，j ，的变化来识别厂o ，就称为事件推理。如果厂o 可推测，就称为事件能观或事件能推测。 因为模拟量警报就是对电网输出( 线路电流及母线电压) 观测比较所产生的， 所以对模拟警报的处理可认为是对模拟量的处理。不同事件所引起状态变量的变 化是不同，因此可以根据状态变量的特定模式来推断电网事件，其关系可用式 ( 2 - 4 ) 表示。 ( 五，恐，) f 哆( 2 4 ) 其中( x l ，x 2 ，工一) ，为对应事件e ，电网状态变量所组成的向量，刀为可观测 状态变量的个数。 2 2 3 基于母线电压向量的事件观测器 在2 2 2 中所述对模拟警报的处理可认为是对模拟量的处理，这样计算机处 理从单纯的字符串处理转换为了数字处理。根据式( 2 - 4 ) ，本文选择了一定观测量 来组成观测器，如概念2 所示。 概念2 ：基于母线电压相量的事件观测器。根据电网潮流计算方法可知在电 9 浙江大学硕士学位论文第二章新的报警思路 网拓扑以及参数定的条件下，只需知道节点的电压相量就可得所有模拟量的 值。根据概念l 同的( ) 会使x ，y 得变化不同，而对所有变化的z ，j ，处理耗 时，延误时间，因此本文构造了基于母线节点电压向量的电网观测器，并且这些 量采集于某特殊时刻，形式如肚屯，1 ，场吻。坳访l ，其中下标，z 为电网的母线节点 数。 2 3 报警触发机制 本文2 1 中指出传统警报处理系统运行触发机制不明确，系统无法把警报和 事件对应起来，浪费c p u 资源，错失推理时机。 一般情况下，电网发生事件必然会引起开关变位，而未引起开关变位的事 件影响程度较小。 开关变位引起拓扑变化，是一个暂态过程的开始，电流等量必定经历一个 连续的过程，而电压量可以发生突变( 如接地故障会使电压瞬变为0 ) ，因此可 认为此时刻的电压向量具有明显特征。而不同的事件所引起的电压也不同。因此 为了更快的实现报警，本文以开关变位警报作为触发源，以开关变位时刻的电压 向量为特征值。 所以电网观测器胙地，1 ，吻场。，坳d l 中的f 指的是开关变位时刻。 2 4 基于支持向量机的报警模型 2 4 1 支持向量机原理及其在电力系统中的应用 ( 1 ) 支持向量机的基本原理 支持向量机( s u p p o r tv e c t o rm a c h i n e ，s v m ) 是一种新的、有效地机器学习算 法，已经被广泛应用在模式识别、系统辨别等许多领域中。它是从线性可分情况 下的最优分类面( o p t i m a lh y p e 印l a n e ) 提出的。所谓最优分类面就是要求分类线 不但能将两类样本无错误的分开，而且要使两类之间的距离最大。 设线性可分样本集为( ，以) ，f = 1 ，2 ，玎，x r d ，乃 + 1 ，一1 ) 是类别标号。d 维空间中线性判别函数的一般形式为：g ( x ) = w x + 6 ，分类面方程为： w x + 6 = 0 ( 2 5 ) 1 0 浙江大学硕士学位论文第二章新的报警思路 将判别函数进行归一化，使两类所有样本都满足ig ( 戈) f 1 ，即使离分类面最 近的样本的j g ( x ) | _ l ，这样分类间隔就等于2 1 1 w l i ，因此间隔最大等价于使 1w l l ( 或l lw i l 2 ) 最小；而要求分类线对所有样本正确分类，就是要求其满足： 乃【( w 薯) + 6 】一l o ，( f = l ，2 ，刀) ( 2 6 ) 因此，满足上述条件且使| 1wl i2 最小的分类面就是最优分类面。这两类样本 中离分类面最近的点且平行于最优分类面的超平面上的训练样本就是使式( 2 6 ) 中等号成立的那些样本，他们叫做支持向量( s u p p o nv e c t o r s ) 。根据上面的讨论， 最优分类面问题可以表示成如下的约束优化问题，即在式( 2 6 ) 的约束下，求函数 ( 2 6 ) 的最小值： 妒( w ) = i 叫| 2 = ( w w ) ( 2 7 ) 这是一个二次规划问题，可定义以下的拉格朗日函数，如( 2 8 ) 所示： 三( w ，6 ，口) = ( w w ) 一口， 只 ( w 薯) + 6 一1 ) ( 2 8 ) 其中：q o 为l a 轳a n g e 系数。求式( 2 8 ) 的极小值就是对w 和6 求拉氏函数的 极小值。求三对w 和6 的偏微分，并令其等于0 ，可转化为对偶问题： 在约束条件q 乃= o ，q o ，江1 ，2 ，力之下对q 求式( 2 - 9 ) 的最大值： 矽( 口) = q 一 q 乃儿乃( 曩_ ) ( 2 9 ) f = lf 。， 由k n i l i l t u c k e r 定理可知，最优解满足： 儿( w x + 6 ) 一1 = o v f ( 2 一l o ) 显然，只有支持向量的系数口f 不为0 ，即只有支持向量影响最终的划分结果。 于是w 可表示为： w = q 咒薯 & 恫州n 叫o h ( 2 1 1 ) 即最优分类面的权系数向量是训练样本向量的线性组合。若a ，为最优解，求 解上述问题后得到的最优分类函数是： 浙江大学硕士学位论文 第二章新的报警思路 ( x ) = s 印 ( w x ) + 6 = s 印 喜q ”( 薯石) + 6 ) ( 2 一- 2 ) 其中：s g i l ( ) 为符号函数，6 是分类的阈值，可以由任意一个支持向量用式 ( 2 1 2 ) 求得，或通过两类中任意一对支持向量取中值求得。对于给定的未知样本 x ，只需计算s g n ( w _ ) c + 6 ) ，即可判定x 所属的分类。 支持向量机引入核函数k ( j c f ，而) = 七( t ) j i ( t ) = q y 。( 玉) i f ，。( - ) ，把特征量映 月= i 射到高维空间线性化，这样能把非线性问题近似为现行问题，核函数的研究和选 用也是支持向量机研究的一个方向。 ( 2 ) 多类支持向量机 支持向量机最初是针对二类分类问题提出的，为有效解决多分类问题，已有 多种算法将二类支持向量机进行了推广，这些方法称为“多类支持向量机 ( m u l t i c a t e g o 巧s u p p o n 、厂e c t o rm a c h i n e ) 。 目前常用的多类分类方法主要有一对一方法，一对多方法以及决策树方法。 一对多多类分类算法由w e s t o n 在1 9 9 8 年提出的基于改进目标函数的多类分 类算法，即将多个分类面的参数求解合并到一个优化问题中，通过求解该优化问 题“一次性，地实现多类分类；一对多方法对拧类分类问题，会产生垒_ = 掣分类 z 组合，每个分类器对两个不同训练数据集进行分类。分类过程中使用投票策略。 ( 3 ) 支持向量机在电力系统中的应用 a 变压器故障诊断和线路故障定位：文献【1 6 】通过统计分析理论，选择典型 油中气体作为支持向量机输入特征量，然后在深入挖掘油中气体所含故障信息基 础上，根据典型故障气体相对含量在高维空间的分布特性来进行变压器故障类型 诊断。文献【1 7 】将支持向量机运用到高压传输线上的故障精确定位上，提出了一 种基于两阶段的故障定位方法：首先，根据测量数据中的基本电压和电流信息， 构造基于s v m 的预测网络，得到大致的故障位置，然后通过分析故障位置邻近 区域系统的高频特性，来修正初值以得到线路故障的精确位置。文献 1 8 】提出一 种基于s v m 分类方法的线路参数估计方法，之后再根据精确的线路参数来进行 故障定位。 1 2 浙江大学硕士学位论文第二章新的报警思路 b 电力系统负荷预测：文献【1 9 】考虑到气温因素对电力系统负荷的影响，提 出了一种模糊支持向量机算法，首先利用隶属函数对影响负荷的气温因素进行模 糊化，然后结合已知数据得到支持向量机的训练样本集，采用序列极小优化算法 实现对支持向量机的快速训练，最终得到预测结果；文献 2 0 】以温度以及负荷参 数作为训练样本，利用s 订分类方法建立电力系统短期负荷预测模型，并与多 层b p 神经网络所建的预测模型进行比较试验，仿真结果表明前者具有更高的预 测精度和稳定度，主要原因在于后者往往无法得到全局最优解，而前者的所得解 是全局的，唯一最优的。 c 暂态稳定评估：电力系统稳定评估对保证电力系统安全稳定运行具有重要 作用，已有学者尝试把支持向量机技术应用到暂态稳定评估上。文献【2 l 】应用支 持向量机，提出了一种新的暂态稳定评估模型，利用装袋和近似推理相结合的策 略，对未知样本进行精确推理。在i e e e 3 9 节点测试系统中应用结果证明了该方 法对暂态稳定评估的有效性；文献【2 2 】设计了一个新的支持向量分类器用于暂态 稳定分类，将样本划分为3 类：稳定类、不稳定和边界区类，与传统的b p 神经 网络相比，减少了误分类，提高稳定评估的可靠性；文献【2 3 】针对影响暂态稳定 判别最终后果的最重要因素输入特征的选择，利用信息融合的思想，构造具 有不同输入特征的多组子分类器，再对子分类器的结果在输出空间进行信息融 厶 口o d 电能质量分析：论文【2 4 】提出了基于s 订非参数稳健频谱估计算法的电 力系统间谐波分析算法。该算法在没有异常噪声情况下和有大量异常噪声干扰情 况下都有相当高的分析精度，可以满足电力系统间谐波分析的要求，通过引入特 殊代价函数的方法消除异常值影响，使算法对异常值具有稳健性，算法不需要同 步采样即可以准确地分析出谐波和间谐波分量，对于非平稳信号也可以准确得分 析出谐波和间谐波分量。 2 4 2 基于s v t 的报警方法 ( 1 ) s v m 在电网报警中应用的可行性 本文报警推理事件所用数据为电网电压向量，这些数据具有明显的非线性特 征，因此需要算法能处理非线性问题；电网事件类型繁多，不同运行状态下相同 事件所产生的数据变化较大，因此对算法泛化性能有较高的要求；此外，由于事 1 3 浙江大学硕士学位论文第二章新的报警思路 件的繁多性，针对每个事件的样本量不能太多，否则样本太多不仅造成样本差异 太大，而且会造成数据库数据量太大从而导致算法效率，因此每一个事件的训练 样本数量较少。 而支持向量机最初的目的就是用来解决小样本情况下的机器学习问题，具有 很高的泛化性能，这样就很好的解决了电网报警训练样本较少的问题；此外支持 向量机还规避了神经网络所固有的结构选择和局部极小点问题，从而使得事件推 理能力大大提高；它还能通过事先选择的非线性映射( 核函数) 将输入向量映射到 一个高维特征空间，使样本线性可分，然后在线性可分的情况下求取最优分类面， 刚好符合电网数据非线性的特性。 ( 2 ) s v m 报警方法的步骤 基于s v m 的报警具体实现分三个阶段：样本采集、离线训练和在线报警。 第一步：建立报警的s v m 模型 构造事件观测器1 ，= ( ，g ) ，( 1 ，行) ，该，z 节点系统可能发生的事件类型 记为p = q ，乞，。其次建立基于历史事件的训练样本集( e 乃，以及模拟不同运 行方式下的不同事件得到，个样本x ，其中刃，岖u 岖= 。本文所采 用的方法是仿真获取样本，对断线、短路等事件岛进行仿真，并获取跳闸时刻的 电压向量，= ( 吩，嘭) ，( 1 ，刀) ，仿真一次，得到一个样本，因为在线推测事件 时，实际情况未必和仿真条件一致，为了使样本接近实际情况，本文把运行方式 与样本相关联，同一运行方式下，再通过较小调整负荷和发电来获取多个样本。 在这里，同一运行方式，同一事件采集的样本数为1 0 个。假设某电网有甩种运 行方式，所类事件，则我们所仿真的样本数为刀聊x 1 0 个。 第二步：离线训练 根据实际情况选择核函数以及核函数的系数，最后通过训练样本集，求解二 次规划式的系数w ，6 ，获得每一个s v m 的支持向量及相应的拉格朗日乘子q ， 生成最优的多类分类函数厂( x ) = s 印 ( x ) + 6 ) = s 印 喜q + 只( 蕾x ) + 6 。 。 第三步：在线报警 1 4 浙江大学硕士学位论文第二章新的报警思路 从s c a d a 获取警报信息，并进行分析，当t 时刻检测到有开关变位警报时， 立即读取t 时刻的系统母线电压并形成时间观测向量，然后把观测向量作为x 代 入由( 2 8 ) 训练得到的多类分类函数厂( x ) 计算，得到事件类型少。 三个阶段可用图2 1 表示： 廷仃力风n 卜一- 1 ； 事件m = o仿真 一样本 叫n 幸m 宰1 0 i 负荷和发电调整l o = o 。，一 i 核函数选择 = = o 训练 一判别函数f ( x ) 1系数w ，b ，a i 很函数系数调整 = = o i 开关警报信息 = = 令 在线推理= 纠事件y i 母线节点电压向量 = 令 图2 1 基于s v m 报警方法的三个阶段 采用本文方法对例1 的处理，可应得到以下两条警报： 表2 3 普通s 报警方法( s g a ) 所产生的警报 1 l o ：3 0 ：3 5 1 母线7三相接地 21 0 ：3 0 ：3 6 1 断路器1断开 对比表2 2 ，表2 3 可以看出新方法推理的结果为得出事件“三相接地”，而 不是简单的减少警报数量，把分析推理工作留给调度员；由于新方法以开关变位 警报作为触发源，因此它相对于传统的警报处理方法能提前进行推理，从而使得 调度员在转瞬即逝的暂态过程中把握时机采取相应措施；另外由于本方法采用样 本训练方式，使得次方法具有“学习 能力，无需人为的设定规则，不过这样一 来样本的选择尤为重要，选择越接近实际情况的样本，则得到的推理模型越真实， 反之，推理模型的可靠性就越差。 1 5 浙江大学硕士学位论文第二章新的报警思路 2 5 本章小结 本章采用一个i e e e 9 节点系统母线接地的事件来阐述了传统警报系统的思 路，并分析传统方法的不足之处；之后从系统能观性理论得到启发，采用类比的 方法定义了电网事件能观性这个概念，并以此构造了基于电网节点电压向量的观 测器；为了规避传统警报处理对于模拟量警报处理的固有缺陷，本章确立了以开 关量警报为事件依据的触发机制；最后建立基于支持向量机的报警方法模型，并 详细描述了新方法的三个阶段。 1 6 浙江大学硕士学位论文 法 第三章f g i a 方 第三章f g i a 方法 3 1 基于决策树的支持向量机报警模型 3 1 1 基于决策树的支持向量机 2 3 1 2 中阐述了“1 对多 和“1 对1 两种多类分类方法，但是两种方法 都有一定缺点。 “1 对多 多类分类算法会产生“拒绝分类区”，导致结果不正确，如图3 1 所示。 图3 1 一对多算法的“拒绝分类区” 而“1 对1 ”算法，类别数刀过大会产生组合爆炸的问题，此外，将多类问 题转换为两类问题求解时，往往会出现“无法分类区 ，同样导致结果不正确， 如图3 2 所示。 图3 21 对1 算法的“无法分类区” 为了解决“无法分类区”及组合爆炸的问题，国内外的一些专家相继提出了 将支持向量机与决策树相结合的算法，取得了很好的效果。 基于决策树的支持向量机( d t _ s v m ，d e c i s i o nt r e es v m ) 由f 啪i t a k e 1 7 浙江大学硕士学位论文 法 第三章f g i a 方 t a l ( a h a s h i 首次在2 0 0 3 年提出心5 j 。该算法在训练过程中，首先将根节点所对应的 类分成两个子类，再将子类进一步划分为两个次级子类，如此循环下去直到不可 分为止，这种方法克服了传统方法所遇到的不可分问题。 因为决策树分类只需沿着树根向下走到叶节点，所以组合数大大减少，训练 及推理速度就更快，此外决策树所挖掘出的分类规则准确度高，因此推理结果更 准确；此外，由于支持向量机具有较强的泛化能力，对样本数量要求低，很好的 弥补了决策树在这方面的不足。可以这么说，两者的结合都优于单一的分类方法。 3 1 2 事件可分度 生成基于支持向量机模型的关键是构造决策树，而构造决策树就是确定叶节 点的在决策树中的位置以及生成决策节点，其中确定叶节点位置就是按照某种规 则对其排序。对于电网报警问题，叶节点对应电网事件，为了对电网事件进行排 序，引入了事件可分度的概念，以下是两种事件可分度。 ( 1 ) 基于欧几里得距离的事件可分度 为了阐述事件可分度需从类间可分度讲起。不同类之间有一定的差异，为了 量化类间的差异