基于运行关键指标和Seq2Seq的大电网运行异常识别

doi:10.12204/j.issn.1000-7229.2020.07.003

电力建设 ›› 2020, Vol. 41 ›› Issue (7): 17-24.doi: 10.12204/j.issn.1000-7229.2020.07.003

• 能源互联网环境下电力系统安全可靠、经济运行 ·栏目主持黄涛研究员· • 上一篇下一篇

基于运行关键指标和Seq2Seq的大电网运行异常识别

庞传军1，2，牟佳男3，余建明1，2，武力3

1. 南瑞集团有限公司（国网电力科学研究院有限公司），南京市 211106；2. 北京科东电力控制系统有限责任公司，北京市 100192；3. 国家电网有限公司国家电力调度控制中心，北京市 100031

出版日期:2020-07-01
作者简介:庞传军（1984），男，硕士，高级工程师，主要研究方向为电力系统自动化、机器学习技术在电力系统中的应用；牟佳男（1987），男，博士，高级工程师，主要研究方向为电网调度运行与控制；余建明（1979），男，博士，高级工程师，主要研究方向为电力系统自动化、机器学习技术在电力系统中的应用；武力（1985），男，硕士，高级工程师，主要研究方向为电网调度运行与控制、电力系统及其自动化。
基金资助:
国家电网公司科技项目（5100-201940013A-0-0-00）

Identification of Abnormal Operation of Large Power Grids According to Key Operating Indicators and Seq2Seq

PANG Chuanjun1，2，MOU Jianan 3，YU Jianming1，2，WU Li3

1．NARI Group Corporation Co.， Ltd. （State Grid Electric Power Research Institute Co.， Ltd.）， Nanjing 211106， China； 2．Beijing Kedong Electric Power Control System Co.， Ltd.， Beijing 100192， China； 3．Power Dispatching and Control Center ，State Grid Corporation of China， Beijing 100031， China

Online:2020-07-01
Supported by:
This work is supported by State Grid Corporation of China Research Program（No. 5100-201940013A-0-0-00）.

摘要/Abstract

摘要： 基于电网运行指标的态势感知是未来主要电网调度模式，电网运行异常识别是态势感知的重要内容。首先，从大电网调控运行需求出发构建了全面反映电网运行情况的综合指标体系；然后，采用由长短期记忆单元组成的自动编码机构建指标异常识别模型，在缺少电网运行指标异常数据的情况下，采用无监督的方式从电网正常运行状态下指标历史数据中学习指标的内在模式；最后，基于模型的重构误差分布提出了反映指标偏离正常状态的异常分数。将电网运行指标实时数据送入训练后的模型进行重构，当存在异常时会产生较大的异常分数，根据异常分数识别电网运行指标异常。实验结果表明，当电网运行指标出现异常时该模型可以根据异常分数进行有效识别，从而帮助电网调度人员及时感知电网运行风险，及时采取控制措施保障电网运行安全。

关键词: 运行指标, 异常识别, 序列到序列（Seq2Seq）, 长短期记忆单元（LSTM）, 电网运行

Abstract: Situation awareness based on power grid operation indicators is the trend of future dispatching mode. Identification of anomalies is an important content of situation awareness. A comprehensive indicator system that comprehensively reflects the power grid operation is constructed. An auto-encoder composed of LSTM is used to construct the index abnormality identification model. In the absence of abnormal data on power grid operation indicators， an unsupervised approach is adopted to learn the internal model of the indicators from the historical data of the indicators under normal operating conditions of the power grid. On the basis of model reconstruction error distribution， this paper proposes an abnormal score reflecting the deviation of the index from the normal state. The real-time data of the grid operation indicators are sent to the trained model for reconstruction， and a large abnormal score will be generated when there is an abnormality. The experimental results show that the model can effectively identify the abnormal scores when the grid operation indicators are abnormal. This helps grid dispatchers perceive grid operation risks in a timely manner and take timely control measures to ensure grid security.

Key words: operating indicators, anomaly identification, sequence to sequence（Seq2Seq）, long short term memory（LSTM）, power grid operation

中图分类号:

TM 73

庞传军，牟佳男，余建明，武力. 基于运行关键指标和Seq2Seq的大电网运行异常识别[J]. 电力建设, 2020, 41(7): 17-24.

PANG Chuanjun，MOU Jianan，YU Jianming，WU Li. Identification of Abnormal Operation of Large Power Grids According to Key Operating Indicators and Seq2Seq[J]. Electric Power Construction, 2020, 41(7): 17-24.

参考文献［19］

［1］	辛耀中，石俊杰，周京阳，等．智能电网调度控制系统现状与技术展望［J］．电力系统自动化，2015，39（1）：2-8．
	XIN Yaozhong， SHI Junjie，ZHOU Jingyang， et al. Technology development trends of smart grid dispatching and control systems［J］. Automation of Electric Power Systems，2015，39（1）: 2-8.
［2］	张晓华，冯长有，王永明，等. 电网调控机器人设计思路［J］. 电力系统自动化， 2019， 43（13）: 1-8.
	ZHANG Xiaohua， FENG Changyou， WANG Yongming， et al. Design ideas of robotic dispatcher for power grid［J］. Automation of Electric Power Systems， 2019， 43（13）: 1-8.
［3］	裴湉，齐冬莲. 基于时间序列提取和维诺图的电力数据异常检测方法［J］. 电力建设， 2017， 38（5）: 105-110.
	PEI Tian， QI Donglian. Outlier detection method based on compressed time series and voronoi diagram for power data［J］. Electric Power Construction， 2017， 38（5）: 105-110.
［4］	赵天辉，王建学，马龙涛，等. 基于非参数回归分析的工业负荷异常值识别与修正方法［J］. 电力系统自动化， 2017， 41（18）: 53-59.
	ZHAO Tianhui， WANG Jianxue， MA Longtao， et al. Outlier detection and correction method for industrial loads based on nonparametric regression analysis［J］. Automation of Electric Power Systems， 2017， 41（18）: 53-59.
［5］	周忠强，韩松. 基于样本协方差矩阵最大特征值的低信噪比环境电网异常状态检测［J］. 电力系统保护与控制， 2019， 47（8）: 113-119.
	ZHOU Zhongqiang， HAN Song. MESCM based abnormal state detection of power system in low SNR environment［J］. Power System Protection and Control， 2019， 47（8）: 113-119.
［6］	田力，向敏. 基于密度聚类技术的电力系统用电量异常分析算法［J］. 电力系统自动化， 2017， 41（5）: 64-70.
	TIAN Li， XIANG Min. Abnormal power consumption analysis based on density-based spatial clustering of applications with noise in power systems［J］. Automation of Electric Power Systems， 2017， 41（5）: 64-70.
［7］	陈启鑫，郑可迪，康重庆，等. 异常用电的检测方法: 评述与展望［J］. 电力系统自动化， 2018， 42（17）: 189-199.
	CHEN Qixin， ZHENG Kedi， KANG Chongqing， et al. Detection methods of abnormal electricity consumption behaviors: Review and prospect［J］. Automation of Electric Power Systems， 2018， 42（17）: 189-199.
［8］	严英杰，盛戈皞，陈玉峰，等. 基于大数据分析的输变电设备状态数据异常检测方法［J］. 中国电机工程学报， 2015， 35（1）: 52-59.
	YAN Yingjie， SHENG Gehao， CHEN Yufeng， et al. An method for anomaly detection of state information of power equipment based on big data analysis［J］. Proceedings of the CSEE， 2015， 35（1）: 52-59.
［9］	吕朋蓬，赵晋泉，李端超，等. 电网运行状态评价指标体系与综合评价方法［J］. 电网技术， 2015， 39（8）: 2245-2252.
	L Pengpeng， ZHAO Jinquan， LI Duanchao， et al. An assessment index system for power grid operation status and corresponding synthetic assessment method［J］. Power System Technology， 2015， 39（8）: 2245-2252.
［10］	刘瑞叶，李卫星，李峰，等. 电网运行异常的状态特征与趋势指标［J］. 电力系统自动化， 2013， 37（20）: 47-53.
	LIU Ruiye， LI Weixing， LI Feng， et al. State features and tendency indices embodying abnormal operation of power systems［J］. Automation of Electric Power Systems， 2013， 37（20）: 47-53.
［11］	林静怀. 基于大数据平台的电网运行指标统一管控方案［J］. 电力系统保护与控制， 2018， 46（4）: 165-170.
	LIN Jinghuai. A unified scheme of grid operation index control based on big data platform［J］. Power System Protection and Control， 2018， 46（4）: 165-170.
［12］	VINCENT P， LAROCHELLE H， LAJOIE I， et al. Stacked denoising autoencoders: Learning useful representations in a deep network with a local denoising criterion［J］. Journal of Machine Learning Research， 2010， 11: 3371-3408.
［13］	LIOU C Y， CHENG W C， LIOU J W， et al. Autoencoder for words［J］. Neurocomputing， 2014， 139: 84-96.
［14］	刘建华，李锦程，杨龙月，等. 基于EMD-SLSTM的家庭短期负荷预测［J］. 电力系统保护与控制， 2019， 47（6）: 40-47.
	LIU Jianhua， LI Jincheng， YANG Longyue， et al. Short-term household load forecasting based on EMD-SLSTM［J］. Power System Protection and Control， 2019， 47（6）: 40-47.
［15］	BENGIO Y， BOULANGER-LEWANDOWSKI N， PASCANU R. Advances in optimizing recurrent networks［C］//IEEE International Conference on Acoustics. IEEE ，2012.
［16］	HOCHREITER S， SCHMIDHUBER J. Long short-term memory［J］. Neural Computation， 1997， 9（8）: 1735-1780.
［17］	CHAHLA Charbel， SNOUSSI Hichem， MERGHEM-BOULAHIA Leila. A novel approach for anomaly detection in power consumption data［C］//8th International Conference on Pattern Recognition Applications and Methods. Prague，Czech Republic，2019.
［18］	WU J， XIONG J J， SHIL P， et al. Real time anomaly detection in wide area monitoring of smart grids［C］//2014 IEEE/ACM International Conference on Computer-Aided Design （ICCAD）， 2-6 Nov. 2014， San Jose， CA， USA. IEEE， 2014: 197-204.
［19］	GIBSON Adam， PATTERSON Josh. Deep Learning: A practitioner's approach ［M］.Boston：O'Reilly Media，2017.

[1]	刘广一，张凯，舒彬. 主动配电网的6个主动与技术实现[J]. 电力建设, 2015, 36(1): 33-37.
[2]	黄文英，邓兆云，邓勇，何光宇，陈睿，刘铠诚. 输电网安全性需求评估指标集的构建[J]. 电力建设, 2014, 35(8): 12-17.
[3]	刘铠诚，何光宇，陈睿，黄文英，邓兆云，邓勇. 输电网运行评估系统在福建电网的实现[J]. 电力建设, 2014, 35(8): 18-23.
[4]	邓勇，陈睿，黄文英，邓兆云，刘铠诚，何光宇. 面向闭环控制的输电网运行评估指标体系架构设计[J]. 电力建设, 2014, 35(7): 1-6.
[5]	陈睿，何光宇，刘铠诚，黄文英，邓兆云，邓勇. 输电网外部需求评估指标集构建[J]. 电力建设, 2014, 35(7): 7-12.
[6]	倪正沁 . 配电带电作业防护及工具——绝缘斗臂车配套线路护具及工具[J]. 电力建设, 2000, 21(4): 0-0.

基于运行关键指标和Seq2Seq的大电网运行异常识别

Identification of Abnormal Operation of Large Power Grids According to Key Operating Indicators and Seq2Seq

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献［19］

相关文章 6

编辑推荐

Metrics

本文评价

基于运行关键指标和Seq2Seq的大电网运行异常识别

Identification of Abnormal Operation of Large Power Grids According to Key Operating Indicators and Seq2Seq

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 ［19］

相关文章 6

编辑推荐

Metrics

本文评价

参考文献［19］