张 宁
（国网灵寿县供电公司，河北 石家庄 050500）
0 引 言
电力系统一旦出现运行故障，就会产生大量告警信号。电力调控实施，通常需要快速处理这些告警信号。据相关统计，某县域电力调控中心平均每天接收的告警信号量高达40 万条，导致调控人员很容易出现遗漏重要告警信号的风险[1]。同时，调空人员很难在第一时间快速做出正确决策，严重影响故障处理效率，不利于电力系统运行性能的快速恢复。为避免不良现象的出现，技术人员要借助文本信息挖掘与归类告警信号，利用归类处理好的告警信号快速处理电力系统故障，有效提高电力系统运行性能[2]。为保证告警信号文本挖掘和分类效果，强化对电力调控故障的诊断显得尤为重要。
1 告警信号文本预处理
1.1 告警信号文本预处理流程
通过对告警信号文本进行预处理，可以获得良好的文本向量化处理效果，为后期告警信号分类提供重要的依据和参考[3]。告警信号文本预处理流程，如图1 所示。告警信号文本预处理主要包含统计本体、词性标注、导入故障样本、分词、去除停用词以及建立向量6 个环节。
图1 告警信号文本预处理流程
1.2 建立本体词典
本体词典中的“本体”主要是指告警信号中具有一定含义的实词。结合本体词语的类别，可以判断本体词性。每类本体词语均含有相应的词性标注。
本体和本体词性标注组合后，可以形成本体词典。本体词典实例，如表1 所示。其中：n 代表一次设备或者二次设备的名词；qn 代表带编号设备的带修饰名词；u 代表电压等级等数量信息的数词；v 代表输变电设备状态的状态词。现阶段，本体词典主要采用人工方式构建，构建工作量较大。例如：某省电网应用告警信号实词、变电站名和线路名等信息，完成了对本体词典的构建。本体词典是否完整，直接影响后期故障诊断结果的精确度。本体词典具有较高的通用性，因此在告警信号中出现一次即可。
表1 本体词典实例
1.3 故障样本向量化
对于中文文本而言，在进行词语分隔时，无须借助空格，增加了中文文本信息挖掘复杂度，不利于后期中文文本信息挖掘工作的开展。在进行文本向量化处理时，中文分词属于重要环节。通过运用隐马尔可夫模型，可以保证分词处理效果，同时要将词性标注添加到分词后的词语中，并结合实际用词习惯，去除“和、或、及”等停用词。此外，文本信息特征表示模型的应用，可以有效表示和描述非结构化文本特点，使其表示为结构化向量。告警信号簇主要指告警信号一类集合，运用故障诊断方法，可以将所有告警信号簇一一映射到指定的向量空间，为所有告警信号簇分配相应的向量。向量与主体之间存在一对一映射关系，保证故障样本向量化实现效果。单个故障样本告警信号簇映射为向量是，首先将各个故障样本导入电力系统，其次分词处理告警信号簇并去除停用词，保证告警信号簇处理效果，再次结合各个告警信号簇构建相应的向量，并对向量各维坐标进行初始化处理，使其处于置零状态，最后从告警信号簇中搜索需要的本体。当搜索出一个本体时，向量维坐标值自动加1。
2 电力调控故障诊断
2.1 基于告警信号文本挖掘的故障诊断流程
故障诊断流程，如图2 所示。该故障诊断算法划分为2 层实施，先根据故障和非故障情况下相似度向量在向量空间中的分布情况判断是否发生故障，再根据发生故障的相似度向量中所有相似度的分布情况判断发生的故障类型，可以避免阈值设定问题。
图2 故障诊断流程
应用提出的2层故障诊断算法，可以结合故障情况下和非故障情况下对应的相似度向量，有效分析和判断当前电力系统是否存在故障问题，然后结合发生故障相似度向量判断其故障类型。这种故障诊断算法具有较高的可靠性和准确性[4-5]。
2.2 实时告警信号向量化
应用故障诊断方法时，要做好对实时告警信号的构建，并根据滑动时间，实时读取和输入各个实时告警信号[6]。应用滑动机制，切分处理实时告警信号簇，保证故障诊断精确度。为保证实时告警信号向量化效果，要从所有告警信号中筛选和删除故障无关告警信号，便于调控人员更好地向量化处理告警信号。
3 算例分析
3.1 算例设置
利用C++编程语言，编写相应的故障诊断程序，并利用计算机，以某电力调控系统实际告警信号为算例，对设计方法进行有效测试和验证。为保证最终测试结果与实际电力调控运行情况接近，算例中从某县域电力调控中心的调控系统数据库中抽取部分实时告警信号[7]。分析算例时，要利用故障诊断程序对所有告警信号进行遍历处理，确定故障样本，并以单一故障和相同地点多故障2 种故障典型形式对该算例进行展示。
3.2 故障诊断结果统计
利用故障诊断程序，对所有告警信号进行遍历，获得如表3 所示的故障诊断结果。从表3 可以看出，整个程序除了形象化模拟故障诊断后无漏诊发生，还有效模拟了误诊发生情况，有效保证了故障诊断结果的精确度和真实性。
表3 故障诊断结果统计 单位：次
3.3 单一故障诊断结果
2022 年5 月26 日10 时30 分20 秒，在狂风暴雨等恶劣天气的影响下，某电网变电站出现明显跳闸现象，线路保护动作正常，重合闸稳定启动，但是变电站线路难以成功重合闸，造成整个线路出现严重的三相跳闸故障。当滑动时间窗位于2022 年5 月26 日10 时30 分20 秒至2022 年5 月26 日10 时30 分29秒位置时，按照相关故障分类，整理某变电站跳闸告警信号如下：2022 年5 月26 日10 时30 分20 秒华北地区第二套线路保护动作；2022 年5 月26 日10时30 分29 秒华北地区开关油压低重合闸闭锁。程序显示单个事故发生流程，发现故障诊断用时相对较短，仅为9 s。
3.4 相同地点多故障诊断结果
2022 年7 月15 日9 时20 分10 秒，在狂风暴雨等恶劣天气的影响下，某电网变电站内部2 条线路同时出现跳闸现象。其中：双兰线A 相出现事故跳闸现象，此时线路2 套保护动作准确执行，整个重合闸正常启动，重合达到成功状态；龙鹿线C 相出现事故跳闸现象，线路2 套保护动作准确无误地执行，重合闸正常启动，重合失败。
程序显示出现2 个事故：事故1 为典型A 相事故跳闸现象，2 套线路保护动作准确执行，重合闸正常启动，处于成功状态；事故2 为双龙变，龙鹿C相出现事故跳闸现象，2 套线路保护动作准确无误地执行，重合闸正常启动，此时重合处于失败状态。整个滑动时间处于2022 年7 月15 日9 时20 分10 秒至2022 年7 月15 日9 时20 分12 秒，故障诊断用时2 s。
4 结 论
文章从文本挖掘和文本分类2 个环节出发，对电力调控告警信号进行统一化处理，可以实现对电力系统故障问题的快速诊断和处理，无须计算电气量，无须分析电力系统结构，能很好地满足现代化电力系统结构多变的处理需求。在告警信号文本预处理环节，通过构建本体词典，可以分词处理告警信号，并筛选和删除停用词。同时，应用向量空间模型可以将告警信号与向量空间进行一一映射，保证告警信号文本的向量化实现效果。文章所提故障诊断方法主要用到监督模型，具有良好的分类效果，对训练故障样本依赖度较高，有助于电力调控人员快速有效地诊断和处理电力系统故障。
