针对城市电力网络停电事故中的问题，为提升电网防灾、减灾、救灾的工作效率，最大限度地减少停电带来的损失，佛山科学技术学院自动化学院、佛山市劲能电力工程有限公司的研究人员刘士亚、郭静、岑钊华，在2021年第2期《电气技术》杂志上撰文，利用大数据系统、物联网技术与人工智能算法，设计了一套电网监控应急支持系统。

系统对电网进行全方位监测，并从灾前故障预测、灾中最优决策、灾后系统更新3个方面，实现对电力故障预测、控制与应急救灾。系统可有效地减少电网隐患，降低故障发生次数，缩短供电恢复时间，有较好的应用价值。

电力系统涉及发电、输电、变电、配电和用电多个环节，容易受到恶劣环境、自然灾害及人为破坏的影响从而发生停电事故。现今民众对电能的依赖程度越来越高，尤其在用电高峰期，若发生大面积电力中断，将造成难以估量的损失。因此，建立完善的电力网络应急系统显得尤为重要。

电力系统的应急管理涉及的部门较多、范围广泛、过程繁琐及灾害信息错综复杂，需应急指挥中心与交通、气象等多个部门联合响应，共享信息。为了维护电网运行的稳定性，有效地减少大面积停电事故，降低停电事故所造成的经济财产损失，我国迫切需要建立完善的电力系统应急管理与技术体系。

为减少电网发生停电事件，可从抗灾规划建设与防灾减灾调度操作两方面着手。建设抗灾型电力系统可以从源头上增强电力网络的抗灾性能，减少停电事故；防灾减灾调度操作是指在电网发生事故时，通过不同的操作使故障造成的损失最小化。

目前，不同学者已经从电力系统防灾、减灾和救灾方面做了大量的研究工作。目前电力系统应急工作多立足于故障发生后的应急抢修，在日常监控与预测方面应用研究较少。为此，本文立足于电力系统基层用户的需求，深入探讨智能算法在故障预测与应急最优决策中的应用，结合大数据、物联网技术，实现对电网全面的监控。

1  电网监控应急系统功能设计

电网监控应急系统是对电网进行日常监测与快速应急响应的工具，是集物联网、大数据、通信技术、地理信息系统、全球定位系统与智能算法等多种技术于一体的系统平台，为电网防御自然灾害、减少系统故障的发生，并提供监控、分析、预测及决策等功能，降低停电事故带来的经济损失，减轻决策指挥人员的压力。系统分为电网运行监控模块、电网应急模块和系统自我优化模块三部分，具体功能分布如图1所示。

电网运行监控模块负责电网日常运行的数据统计、状态监测与风险评估，系统实时更新电网负荷、气候、交通与各传感器的信息，依据汇总信息进行电网运行状态监测与风险评估。对可能老化的设备做出更换提示，对应急物资进行系统式的管理。

电网应急模块负责事故发生后的应急处理。一方面汇总电网突发事故信息，如故障地点、损害程度，附近交通、应急人员与物资信息，快速有效地整合、分析、提取事故现场和相关资源信息，并向各部门发布灾害信息；另一方面作为应对突发事故的决策支持，根据现场故障信息与各部门人员配备信息，结合电网模型、电网负荷、交通及气候情况等，获得现场救援最优决策。在救援过程中，依据应急预案落实情况和故障恢复情况，实时调整决策结果，实现科学决策与高效处理。

系统优化模块，负责事故恢复后对整个应急过程进行总结与分析，将故障信息更新至故障数据库，在系统恢复时对出现的误差进行优化，补充应急物资。

系统结构复杂，涉及硬件设备较多。不同模块之间的通信与数据库的读入/写出极大地影响系统运行速度。随着系统的运行，数据库也将逐渐扩大。因此，系统采用云数据库，通过传感器与联动部门采集到的运行数据，直接传输至云数据库。各模块均可对数据库进行读入/写出的操作，随着数据的增加，可逐步对云数据库进行扩容处理。系统通信图如图2所示。

每个子系统分为共享数据和内部数据。环境参数、传感器数据和系统运行数据均为共享数据。设备型号、物资存放情况等为内部数据。共享数据存储于云数据库中，内部数据存储于子系统控制电脑硬盘中。中央总控有权限查看所有数据。

2  电网监控应急系统

2.1  电网运行监控模块

影响电力系统安全稳定运行的因素繁多，为保障电网安全稳定的运行，建立自然环境变化下的电网成灾因子数据库。通过在线监测环境温度、湿度、雨量和风速等参数，结合以往故障发生时的环境信息，建立电网成灾因子库。

利用数据采集与监视控制系统（supervisory control and data acquisition, SCADA）对现场运行的设备进行监视与控制，在传统的对设备控制的基础上，加入人工智能算法进行预测与故障诊断，对维护电网稳定的重要设备予以重点监控。

电力变压器的运行状况直接关系到整个电网的运行。对变压器的在线故障诊断，不仅可以有效减少故障发生，还能在发生故障后，判断故障类型，缩短恢复时间。现如今，市面上常见的变压器有油浸式变压器和干式变压器（在一些特点的场景，只允许使用干式变压器）两种。

油浸式变压器可以通过分析油中溶解气体（如一氧化碳CO、二氧化碳CO2、甲烷CH4和氢气H2等）实现故障诊断。首先使用内嵌式传感器测量主要气体浓度，再使用特定算法对系统进行建模与计算。

目前关于油浸式变压器故障诊断的方法较多，如三比值法、Rogers法和特征气体法等传统方法，以及支持向量机、神经网络和深度学习等人工智能方法。而对于干式变压器，可通过采集变压器的温度、运行电压、运行电流和局部放电等参数对变压器进行在线监测。

高压断路器是电网中起保护和控制作用以维护电网稳定的设备。其合（分）闸线圈产生的电流波形包含了断路器运行状态的关键信息，如辅助触点状态、线圈卡滞等。

系统先采集运行中的断路器的合（分）闸电流信号，再通过去噪、建模和分析等一系列算法，获得高压断路器的运行状态。将传感器采集到的数据、电网运行数据与天气信息相结合，建立电网灾害数据库模型。

灾害数据库可以作为排查电网薄弱点的技术支持，在未引起系统故障之前排除潜在风险，为杜绝事故发生提供决策依据与手段。记录每天不同地点的用电负荷量，形成每日用电负荷曲线，作为应急抢修决策时的数据支持。电网在线监测模型如图3所示。

科学管理应急物资。通过射频识别技术对应急物资进行自动感知、识别，建立物资出入库台账，随时掌握应急物资的位置、数量和状态。利用全球定位系统与最优路径决策，实现在应急模式下对物资的最优化调配。记录每次故障发生后的物资的使用情况、磨损程度。为减少故障发生后物资调配所需时间，模拟不同故障点发生各类故障，优化物资存放数量、地点和配比等。

1）电网运行模型建立

电网运行模型的建立是系统运行的基础，建立完善的电网运行模型可以有效提高系统故障预测的准确性。电网运行模型需建立在实际电力拓扑网络结构基础上，综合考虑天气变化、环境参数、负荷情况和服役时间等运行条件对系统的影响。由此可获得系统中电力设备与输电线的运行风险与可靠性。

根据实际情况，建立电力拓扑网络。将不同节点对应的环境参数、传感器数据和运行状态进行记录保持。对每一台变压器与断路器进行在线监测，并根据有关建立输电线路偶然失效概率模型。由此可得到城市电力网络停电风险。

2）薄弱点排查

在电力系统运行时，电网的有功功率、无功功率、负荷特性和节点电压极限等因素是影响系统稳定的主要原因。当运行中的某一节点负荷供需失衡时，便成为系统薄弱节点。

节点电压的变化与功率裕度相关，可作为识别电网薄弱点的重要指标。电网薄弱点识别，可为工作人员提供排查依据，缩小排查范围，减轻工作负担。

由电网模型得到节点故障概率，根据有关文献计算系统的节点薄弱概率、电压降落期望和节点电压期望，并将之排序，由此得到系统薄弱点排查的重要依据。

3）高风险评估

电力系统中的风险是指电力系统故障发生的可能性与发生故障的严重程度。一般采用故障发生的概率与危害严重性的乘积来计算。

式中，C为表征节点重要程度的价值系数，由应急管理中保障供电需要程度决定，如举办大型活动、重要比赛的现场，可酌情增大系数。

由此可得到城市电力网络停电风险值。根据城市实际情况，设立风险阈值，一旦超过风险阈值，则列为停电高风险地区，立即组织人员排查。

4）故障预测

常见的油浸式变压器易发生低温过热、中温过热、高温过热、高能放电、低能放电和局部放电六类典型故障。在变压器运行出现隐患时，油中溶解气体含量将会发生一定的变化。对变压器故障预测，能及时地发现变压器异常，减少停电事故的发生。

变压器故障预测的方法众多，这里不再赘述。

5）故障诊断

当变压器发生故障时，对故障类型的诊断可大大减少检修时间。通过检测油中溶解气体含量，即可实现变压器在线故障诊断。故障诊断与故障预测方法一致。

系统运行流程如图4所示。

2.2  电网应急模块

电网应急模块是在电网发生故障之后应急指挥的辅助平台。当今电网设备繁多，结构复杂，在发生故障之后，根据不同故障类型需要涉及不同的抢修人员与抢修物资，还需与联动部门密切配合，在情形复杂、时间紧张的情况下，仅凭人为经验难以做出合理的应急策略。尤其在发生大面积停电时，人员紧张，形式严峻，各故障点的恢复顺序对应急救援的结果影响巨大。因此科学制定抢修恢复策略显得尤为重要。

对电网系统的拓扑结构进行建模，根据每日的负荷数据，得到各个节点的负荷曲线。对负荷曲线积分运算得到负荷的时变模型。发生故障后，先确定发生故障的拓扑节点，建立故障网络模型，依据当前道路情况，获得相邻节点之间的车程距离与车程所需时间。

抢修目标分为恢复时间最快与经济损失最低两种。恢复时间最快是在发生故障之后，使用路径最短的原则实施抢修，以期尽快完成抢修，节省时间成本；经济损失最低是优先恢复失电荷等级较高、负荷较大的设备，以期降低经济损失。

若选择恢复时间最短原则，则在故障网络模型上采用二进制粒子群算法，获得连接所有节点的时间最短路径。若选择经济损失最低原则，则结合每个节点的负荷情况，计算连接所有节点的负荷最低路径。两种抢修原则可根据实际情况进行选择。

故障发生之后，从电网运行监控模块获取故障节点的运行数据，根据建立的电力设备模型，对设备故障做出预判。一方面使抢修人员到达现场后迅速了解设备情况，对故障恢复做出预判，加快故障恢复时间；另一方面便于指挥人员了解故障严重程度，作为指挥人员的决策支持。利用信息交互平台，指挥此次应急预案实施所需的人员调度、车辆调度和应急物资调度。

由于道路交通、受灾规模和外部条件均在动态变化之中，因此抢修恢复的最佳决策也应该根据环境的变化做出相应的调整与修改，使之获得全局最优的应急决策。系统应急流程图如图5所示。

与此同时，电网应急平台也是电力企业信息发布与信息沟通的平台。发生故障之后，将有关停电区域、线路、预计恢复供电时间与恢复供电顺序等信息，通过网络与短信的形式发送给相关部门与用户。同时，在应急救援工程中，应及时将救援现场情况与进展汇报给联动部门，实现与联动部门的信息互通。

2.3  系统优化模块

应急突发事件在正常条件下均是小概率事件，在数据库中，海量的是运行正常的数据。因此在发生故障后，故障时的传感器数据、电网运行数据可以优化系统模型，使模型的预测结果更加准确。而在恢复故障过程中遇到的异常情况可用于优化应急决策模型，如电网拓扑节点之间的车程时间异常，导致路径最短决策下所经历的时间并非最短。在这一过程中，应急救援物资的需求情况，可以对应急物资存放提供新的思路。

3  算例分析

本文以某地区的住宅商业区为例，将用电区域简化为如图6所示的母线系统简化图。该系统共有15处负荷，编号1—15为负荷节点，没有发电机，所有功率由电源节点承担。负荷重要性分为一级、二级和三级，对应权重分别为50、20和1。本文采用Matlab7.1进行仿真计算，系统的主控界面图如图7所示。

1）薄弱点排查

测量系统的运行参数，某时刻有3个节点电压超出范围，计算其节点薄弱概率、电压降落期望和节点电压期望，并由高到低，排序见表1。

图片

表1  系统节点薄弱点排序

2）高风险评估

假设台风即将进入该区域，根据灾害数据库匹配与灾害强度、设备抗灾能力计算节点停运概率。由负荷等级与日负荷数据，得到系统停电风险的前三名见表2，其中节点4为一级负荷，价值系数为50；节点11、5为二级负荷，价值系数为20。

3）故障诊断

某时刻发生变压器故障，油中气体含量见表3，判断故障为高能放电。

4）救援最优决策

编号F1—F4为故障点，4处故障造成配电系统10处负荷失电。失电负荷的重要性等级见表4。

恢复时间最短原则下的抢修顺序：F1→F2→F3→F4；经济损失最低原则下的抢修顺序：F1→F3→F2→F4。系统应急界面如图8所示。

4  结论

本文研究设计了一套电网监控应急系统，系统分为电网运行监控模块、电网应急模块和系统优化模块，实现对电网的监测、控制与应急功能。系统故障数据库的建立有赖于过往故障的发生，随着故障数据库的完善，系统的准确率将会逐步提升。

本系统可提升电网信息采集、处理的效率，实现对电网的全面监测；使应急指挥系统更加科学化、智能化，降低突发事件造成的经济损失。因此，本系统有很好的应用前景。