当前位置:首页 期刊杂志

基于机器学习的电力调度SCADA系统信号自动识别研究

时间:2024-07-28

章杜锡,吴昱浩,杨 淇

(国网浙江省电力有限公司宁波供电公司,浙江 宁波 310014)

0 引言

电力调度数据采集与监视控制(supervisory control and data acquisition,SCADA)系统作为电网运行的核心技术支撑手段,是保障电网安全运行的基础。主厂站信息联调工作是确保SCADA 系统精准反应变电站一二次设备运行状况的关键工序。传统的信息联调采用人工“逐一比对”方式,即调度主站人员一边电话联系变电站端触发信号,一边根据SCADA 系统确认信息。该方式不仅耗费时间和精力,还存在指令出错风险,给电网运行埋下安全隐患。当前的解决方案有两种:一是基于现有调度自动化体系架构,利用数据库关联关系辅助开展信息联调;二是利用专用工具对数据通信网关机的远动配置进行静态校核,通过报文比对,辅助开展信息联调。但上述方案均无法解决SCADA 系统前端图形画面显示、告警信息上窗等环节的信息核验问题,需要一种更智能、高效的电力信息联调技术用于支持信息联调验收。因此,提出应用人工智能技术实现SCADA 系统各类电气设备状态信息的自动辨识,并通过与厂站端智能对点装置联动,实现主厂站信息的自动联调。

1 方案设计

根据现场需求,对人工业务流程重新进行设计,利用视觉识别、机器学习等新技术,以人工智能方式自动开展信息校收,并形成符合电力规范要求的自动信息校验机制和方法,智能对点信息校验机制架构如图1 所示。通过部署运行在调度系统上的智能对点服务器,利用文字识别、电力图像识别、机器人按键轨迹智能构建、电力主备调同步验证等人工智能技术,实现对点信号和画面信息的自动识别与分析处理,解决调度技术支持系统中图像图元、告警信息、前置信息、设备信息等信息的校验问题,提升主站端对点验收效率和智能化作业水平。

图1 智能对点信息校验机制架构

1.1 AI 控制鼠标操作轨迹智能构建技术

在电力系统管理自动化流程中,当收到信息联调请求后,系统首先自动检索与请求相关的信号参数,并分析这些参数在电力接线图上的具体位置;其次,系统会智能地规划一个高效的鼠标操作轨迹,确保鼠标按照最短和最直接的路径快速移动到目标位置;最后,基于移动轨迹信息,系统可自动控制鼠标指针的行为,即按照预定轨迹,自动驱动鼠标穿越不同的界面和菜单,直至抵达目标图形画面,从而实现快速并准确地导航至需要校核的图形界面位置。

1.2 电网模型数据信息一致性核验技术

根据需要重新建立图形画面中的设备连接关系和信息关联的校验规则。基于电网CIM 模型和电力接线图数据解析技术,实现校核图形画面与电网模型数据信息的一致性。

根据电力图形画面文件中相关标签的属性,系统可找到与待核验信号参数中密钥标识符(key_id)相同的图形文件,以此确定待核验信号所属电力图形画面文件名,生成一致性分析文件并进行如下步骤的核验。

1) 变电站图形画面按钮关联检查。解析一致性分析文件,可列出所有重复的图形画面跳转按钮以及其坐标位置。

2) 遥信、遥测关联重复性检查。解析一致性分析文件,列出测点在同一个画面图形界中关联的多个图元的异常信息以及图元坐标位置。

3) 测点关联所属间隔错位检查。解析一致性分析文件,列出测点存在多个间隔分图的告警信息,以及所在间隔分图的坐标位置。

1.3 文字自动训练技术

采用文字分割及图像识别技术,通过训练文字自动组合及过滤算法,生成待训练文字的图片,由算法自动计算各个文字的位置及特征,利用Tesseract (一个开源的光学字符识别(OCR)引擎)对文字进行智能训练,训练的迭代结果可不断提高文字识别的准确率。具体过程如下。

1) 文字自动训练首先通过OCR 将图像内的文字内容转化为机器可读格式。

2) 其次利用深度学习模型实现高准确度的文字识别。为了增强模型的泛化性能和文字精准定位,数据增强技术和文字区域检测技术被引入以丰富训练数据;借助半监督或无监督学习,可以降低对大量手动标记的依赖;上下文的深度理解进一步提升了文字识别的精确性;实时的学习策略可以快速适应SCADA 系统的动态变化。

3) 最后将安全策略纳入其中,确保数据的完整性和安全。

通过与先进识别技术、模型等的结合,SCADA 系统能够更加高效和准确地解析与处理显示的信息。

1.4 告警信息识别技术

在SCADA 系统中,告警识别是至关重要的,将直接影响到系统的安全和运行效率。基于Tesseract 和OpenCV 架构,设计一种高效的告警文字和颜色的识别方法,具体步骤如下。

1) 利用OpenCV 进行图像处理,包括图像阈值化以分离文字和背景。通过寻找连通域,可以定位到告警信息的具体区域,从而确保只对关键区域进行进一步处理,提高了整体效率。

2) 通过直方图投影技术,将图像按照水平或垂直方向进行投影生成直方图。一旦确定了文字的行列位置,可进一步使用文字行分割技术将每一行或每一个字符分开,为后续的文字识别做好准备。

3) 利用Tesseract 的OCR 工具,可以将图像中的文字转化为机器可读的文本;同时,OpenCV提供了颜色识别功能,系统不仅可以读取到告警的文字内容,还可识别文字的颜色,这对于区分不同级别的告警尤为重要。

2 技术验证

2.1 数据概述

2.1.1 数据来源

因技术开发主要针对电力调度技术支持系统,数据主要包括:电力CIM 模型(CIM-E 格式与CIM-G 格式)、变电站接线图画面的SVG 或者G格式图形文件(可缩放的矢量图形)、数据库测点key_id 关系对应表(文本格式)、变电站电力监控信息表以及电力调度技术支持系统中厂站主接线图、间隔图和告警窗界面截图(无损压缩图形)等。

2.1.2 数据预处理

为提高智能对点实时过程的处理速度和质量,对部分原始数据进行简单预处理,解决包括数据关系对应混乱、信号缺失等问题,预处理方法如表1所示。

表1 数据预处理方法

2.2 模型算法

2.2.1 子模型1——图形画面识别算法

1) 模型输入。变电站接线图、电力调度技术支持系统元器件图元、数据库测点key_id 关系对应表。

2) 算法逻辑。图像处理和识别系统由预处理、目标检测、图像分割、特征提取与选择、目标分类等几个步骤构成(见图2),根据图形画面上的文字、图元形状、图元颜色、闪烁等特性,形成(非联网环境)非深度学习方式的图像识别方法。通过调用电力图形画面识别引擎,实现对电力接线图画面中测点信息的实时验收。

图2 图像处理和识别系统步骤

采用图像识别技术代替人工辨识,通过二值化处理、颜色提取分类、SIFT 图像匹配算法、霍夫变换等,准确识别电力图形画面上图元状态,达到采用图像识别技术代替人工辨识的目的。算法示意图如图3 所示。

图3 图形画面识别算法示意

3) 模型输出。图形画面测点状态。

4) 算例应用。根据电网相关规范,调用电力图形画面识别引擎,实现对接线图画面中测点信息的验收,包括遥测数据、遥信变位、图元颜色、光字闪烁等。画面测点识别正确率达99.2 %。

2.2.2 子模型2——文字模型离线自动训练

1) 模型输入。变电站电力监控信息表,电力调度技术支持系统厂站主接线图、间隔图和告警窗界面截图。

2) 算法逻辑。采用文字分割及图像识别技术,通过训练文字自动组合及过滤算法,以及Tesseract 对文字进行自动智能训练,提高文字识别的准确率。同时该算法简化了文字训练的步骤,能快速实现文字训练,生成所需的训练模型,提高训练效率。文字自动训练流程如图4 所示。

图4 文字自动训练流程

3) 模型输出。文字模型离线自动训练识别。

4) 算例应用。调度主站系统因安全性无法具备在线环境,且配置的工作站、服务器不具备GPU 等图像硬件设备,因此,采用OpenCV+识别引擎Tesseract,通过非深度学习的方式进行离线环境下的接线图图像识别和告警窗文字识别,实现对告警窗内容的自适应识别处理(包含信息推送方式、时标、字体颜色、告警内容格式等),自动判别告警内容及信号等级是否有误,并自主完成对点信号的验证及记录。文字识别通过率达98.3 %。

2.2.3 子模型3——智能核验关联一致性算法

1) 模型输入。变电站接线图可缩放矢量图形、电力CIM-E 模型、电力CIM-G 图形、数据库测点key_id 关系对应表、变电站电力监控信息表。

2) 算法逻辑。该算法通过分别解析调度技术支持系统中的CIM-E 模型和CIM-G 图形,得到所有间隔对象的连接信息。以CIM-E 模型解析得到的对象连接信息为基准,与CIM-G 图形的对象连接信息进行核对,以此核验调度系统图形画面关联的一致性。具体流程如图5 所示。

图5 智能核验图形关联一致性算法流程

3) 模型输出。图形画面关联、按钮跳转校核结果。

4) 算例应用。智能对点前会完成对测试变电站的调度图形画面关联工程一致性校验,包括变电站图形画面按钮关联检查、遥信遥测关联重复性检查、测点关联所属间隔错位检查等,及时发现纠正人工关联的失误。

2.2.4 子模型4——图形画面切换路径规划算法

1) 模型输入。变电站接线图、数据库测点key_id 关系对应表、变电站电力监控信息表。

2) 算法逻辑。该算法实现了从当前画面依次切换跳转至某一测点全部所属画面的路径规划,以最短路径为原则,画面切换速度快,效率高,且画面切换浏览准确无误。图形画面切换路径规划算法流程如图6 所示。

图6 图形画面切换路径规划算法流程

3) 模型输出。智能跳转切换电力接线图画面。

4) 算例应用。基于电力调度系统图形画面切换路径轨迹算法,解析目标位置相对屏幕坐标系的精准坐标等信息,自动驱动鼠标实现SCADA系统图形画面及时准确的切换跳转,正确率可达100 %,且支持动态指令鼠标操作(移动、按键)等;可同时自动按键切换多个程序或窗口,例如告警窗、图形画面主接线图、间隔分图、前置多通道数据界面等,可实现联调对点过程中的画面自动切换。

3 工程实践

基于前述理论基础,研制开发了调度主厂站信息联调装置并投入应用,截至目前,该信息联调装置应用效果良好,识别效率和准确率得到有效提升,改变了传统的人工信息联调工作易遗漏、易出错的状态。

4 结束语

基于机器学习的电力调度SCADA 系统信号自动识别技术可有效解决电力调度主站SCADA 系统中海量的图像图元、告警信号、前置信息、设备状态的校验问题,实现主厂站信息的自动联调,从根本上发现和消除信息联调工作不到位带来了的安全隐患,有效提升了电网安全运行的水平。

免责声明

我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自各大过期杂志,内容仅供学习参考,不准确地方联系删除处理!