基于语义分析的电网调度操作票智能校核方法

郑俊翔，刘辉乐，黄达铁，孙景钌，陆 燕

（1.国网浙江省电力有限公司温州供电公司，浙江 温州 325000；2.国网浙江省电力有限公司信通分公司，杭州 310007）

0 引言

随着能源电力行业数字化与智能化转型的趋势，电网调度智能成票与审核已成为当前能源互联网形态下调度部门建设多元融合近零碳高弹性电网的重要举措［1-2］。传统调度操作票主要依靠调度员人工校核，存在审核效率较低、准确度不够等问题。在实际工作中，调控管理多采用“三审三校”校核方式，通过增加审核流程环节和人员投入来提升校核准确率。为帮助调度人员快速、准确地完成审票任务，同时为传统调控“三审三校”提供辅助决策，利用深度学习和NLP（自然语义处理技术）对检修申请单及调度操作票进行数据挖掘并融合智能审核规则，可以提升调度员审核的效率和准确性，促进人工智能技术在调度操作票智能校验方面的应用［3-4］。

在电网操作安全校核技术的相关研究中，以往针对调度控制系统、SMP（检修申请单）拟票等方面的智能校核包括拓扑变位的冲突校核、负荷校核。吕颖等［5-6］提出了一种基于多断面潮流控制技术的计划潮流算法，应用AVC（无功电压自动控制）和潮流不收敛智能调整技术提高系统收敛性。吴旭等［7］在电网物理模型基础上，从母线负荷预测、校核断面补全及计划潮流计算着手，提出了一种联合安全校核系统的优化与改进策略。然而相关研究主要面向日前计划编制、日内计划调整等，且各市域电网网架结构、管辖范围、运行方式、拟票规则存在差异，在基于SMP的电网调度操作票审票方面尚无完善的辅助智能校验策略。

因此，国内专家开展了电网调度操作票智能校验的相关研究。陈俊全等［8］建立了一种基于规则学习的调度操作智能校核方法，通过对照规则库中匹配关系，给出调度操作票的校核判定结果和错误改进意见。文献［9］设计了一种基于LSTM（长短期记忆网络）的调度操作票审核系统，通过训练后的审核模型得到预测错误提示文本及审核结果。文献［10］提出了一种基于遍历树的自动安全校核算法，以人工审核逻辑作为逻辑判定边界，以提高电网调度操作票审核的安全性和工作效率。

为进一步提高人工智能技术对检修申请单及调度操作票辨识能力，提升智能校核准确率，本文提出了一种基于双向GRU（门控循环单元）神经网络［11-12］和多种校验规则的调度操作票审核分析方法。将基于双向GRU神经网络的语义分析技术与智能审核方法相结合，首先对调度指令及检修申请单文本进行数据预处理，将安全技术劳动保护措施（以下简称“安措”）状态与操作票设备最终状态对比初审；进入智能规则校核环节，逆序读取指令后依次进行格式校核、逻辑校核、安全校核，最后将票面异常提示输出。利用浙江电力停电智能管控系统中的历史调度操作票对所提方法进行测试，结果表明该方法提高了审核的安全性和工作效率，实现了电网调度操作票的智能效核。

1 基于双向GRU的调度操作票智能效核

本文提出的基于双向GRU和多种校验规则的调度操作票智能校核框架如图1所示。语义分析环节包括检修申请单与调度操作票关键状态提取，规则智能校核环节包括格式校核、逻辑效核、安全校核。

图1 调度操作票智能校核框架

1.1 电网调度知识抽取模型

基于Bi-GRU 神经网络方法能挖掘海量电网调度操作票及检修申请单的内涵语义特征。因此，结合文献［11-12］给出的语义识别改进算法，采用基于深度学习的双向GRU 神经网络和PCNN（脉冲耦合神经网络）模块，电网调度知识抽取结构如图2所示。

图2 电网调度知识抽取模型

本文所设计的电网调度知识抽取模型结构如下：

输入层：主要任务是将电网调度历史操作票文本数据输入到知识抽取模型中。

词嵌入层：利用分词工具和Word2Vec自然语义处理技术对操作票文本数据进行处理，得到词向量W，作为下一层BiGRU模型的输入层。

Bi-GRU 层：通过计算上一层得到的字向量信息，得到包含调度专业术语的新词向量。新词向量含有语义信息、位置信息双重意义。

PCNN层：对特征向量进行分段最大池化分，获取最重要的局部特征信息，最后得到句子（词组）特征向量P。

输出层：最后将特征向量P输入到Softmax分类器得到所需的电网调度知识抽取结果。

1.2 GRU神经网络层

在深度学习和自然语义处理技术领域中［13］，GRU是一种RNN（循环神经网络），特别适用于处理序列数据。它的内部结构与LSTM 网络非常相似［14-15］，优点是传输信息为隐藏状态下进行。但GRU模型结构比LSTM模型更加简单，且参数更少。因此，GRU 模型训练速度很快，其具体公式为：

式中：xt为输入数据；ht为GRU 模型输出；σ为Sigmoid 函数；rt、Wr为重置门；zt、Wz为更新门；Wh为候选隐藏状态的权重矩阵，其中表示t时刻的候选隐藏层状态。

在解决NLP 时，可以利用双向循环网络来处理序列化数据。因此，本文设计的双向GRU模型作为电网调度知识抽取的一部分，其简化结构分为3层，包括输入层、隐藏层、输出层，其结构如图3所示。

图3 双向GRU模型

1.3 PCNN模型

PCNN 模型是一种CNN（卷积神经网络）模型［14］。其主要由以下4个部分组成：

1）向量表达。词嵌入过程，通过Skip-gram方法预训练词向量；位置嵌入过程，通过Position embedding 表示句子单词到2 个电力名词实体的间距。随机初始化得到句向量表示为：

式中：s为句子单词数目，d=dw+dp×2。

2）卷积层。首尾填充w-1长度，则卷积核w的输出表述为：

式中：c∈Rs+w-1，1≤j≤s+w-1。

3）分段最大化池化层。卷积层输出维度为Rn×(s+w-1)，输出维度依赖于s。PCNN使用分段最大池化，输出向量为：

拼接所有卷积核分段池化层得到输出为p1：n，非线性函数输出为：

4）Softmax层。通过分类器将输出转化为类别概率，得到表述为：

为降低PCNN 模型在数据标注过程中的错误影响，模型使用半监督学习。

2 智能校核规则方案

因不同市域电网电网网架结构、运行方式、调度管辖、拟票规则有所区别，故设计了温州电网智能调度操作票校核方法，智能审核总体流程框架如图1所示，包括格式校核、逻辑效核、安全校核［16-17］。

2.1 格式校验策略

格式审票对应校验规则共有4个项目，分别为电力专业术语校验、管辖范围及受令单位校验、系统方式状态语法结构校验、许可汇报工作格式校验，审票校验流程如图4所示。

图4 格式审票校验流程

2.1.1 电力专业术语校验

构建温电调度专业名词库（电力调度操作自定义词典），对不属于专业名词库的词汇组合进行辨识，从而校验出拟票错误的专业间隔名称和术语。例如同杆双回线路“商瞬2Q98 线”误写为“商瞬2Q99 线、商岙2Q98 线”；T 接线路“垂横鼎1031线”误写为“垂横鼎1032线”“垂横安1031线”；“经百深1711 线”误写为“经百深1712 线”“经岛水1711线”。

2.1.2 受令单位及操作管辖范围校验

受令单位及管辖范围校验子流程如图5 所示。对于市域范围内的110 kV变电站，以主变10（20）kV侧母线隔离开关为分界点；对于县域范围内的110 kV 变电站，内桥接线变电站以间隔线路隔离开关为分界点，单母分段变电站为主变高侧隔离开关分界点，分界点为地调许可、县调管辖设备。以表1中调度指令为例。

图5 受令单位及操作管辖范围校验子流程

表1 典型调度指令

Step1：判别城中变是否属于市区范围内。

Step2：判别间隔设备是否属于地调管辖。若是则受令单位为“温州集控或者城中变”，若否则受令单位为“温州配调”。

Step3：地调管辖基础上，判别设备是否为可遥控设备。若是则受令单位为“温州集控”，若否则受令单位为“城中变”。

2.1.3 语法结构及方式状态校验

调度指令遵循如表2 指令结构，对固定动词、状态属性的语法结构进行校验。

表2 地调管辖指令语法结构

1）状态方式规则

220 kV变电站中存在110 kV正母线、110 kV副母线，因此对状态方式进行校验，此类双母线接线需要区分正/副母运行或者正/副母热备用。

Step1：建立正常运行方式下系统运行方式，正常运行方式下，110 kV 出线遵循单数线路接正母线、偶数线路接副母线原则，对调度指令的运行方式正确性初步校验。例如昆阳变110 kV 副母线带昆龙阳1232线；昆阳变110 kV正母线带昆郑宋1237线。

Step2：通过SCADA（数据采集与监控系统）实时获取操作前电网运行方式进行复校验，执行时间为T，拟票时间通常为T-3日。

Step3：关联更新该调度指令的在未执行调度操作票中的状态方式变化情况，检索时间为（T-3，T）区间，对通过SCADA实时获取的操作前电网运行方式进行复校验。

2）语法结构校验规则

受令单位及受令子单位由受令单位及操作管辖范围校验模块进行校验，此次语法结构校验对地调管辖指令依次进行校验。

Step1：间隔名词/设备名称校验，例如经百深1711线、110 kV备自投。

Step2：固定动词1校验，此处为“由”。

Step3：状态属性1 校验，线路具体状态属性包括：正母运行、副母运行、正母热备用、副母热备用、冷备用、线路检修、开关及线路检修，此处仅校验语法结构。正/副母接线方式融合状态方式规则1。

Step4：固定动词2校验，此处为“改为”。

Step5：状态属性2 校验，线路具体状态属性包括：正母运行、副母运行、正母热备用、副母热备用、冷备用、线路检修、开关及线路检修，此处仅校验语法结构。

2.1.4 工作许可汇报格式校验

调度指令许可汇报工作格式遵循如表3 结构。在站内工作汇报固定格式中，加入“临时接地线已拆除，人员已撤离，具备送电条件，可以复役”。

表3 工作许可汇报格式

2.2 逻辑校验

2.2.1 线路停役审票

以“线路由运行改为检修”为操作目的电网调度操作票校核规则如图6所示。

图6 地调管辖110 kV线路逻辑审票子流程

对于地调管辖110 kV线路，审票子步骤如下。

Step1：获取设备最终操作状态（状态变更包括：线路间隔、主变、母线、压变、电容器/电抗器、二次设备）。

Step2：获取检修申请单安全措施状态。

Step3：判别Step1与Step2中设备状态是否一致，若一致则进入下一流程；若不一致输出错误提示0；此步以上为共享步骤。

Step4：判别操作对象是否为线路间隔。若是则进入线路逻辑审票子程序。

Step5：判别线路间隔处检修状态，是否存在一侧未处线路检修（包括开关及线路检修）。若是则输出错误提示1，进入下一流程；若否则直接进入下一流程。

Step6：校对“由冷备用改为线路检修”之前状态，判别是否处冷备用。若是直接进入下一流程；若否输出错误提示2后进入下一流程。

Step7：校对“由热备用改为冷备用”之前状态，判别是否处热备用。若是直接进入下一流程；若否输出错误提示3后进入下一流程。

Step8：校对是否有“由运行改为热备用”或“检查线路间隔处热备用”步骤。若是直接进入下一流程；若否输出错误提示4后进入下一流程。

Step9：线路逻辑校验完毕。

2.2.2 母线停役审票

对于地调管辖110 kV母线，以母线“由冷备用改为母线检修”为操作目的调度操作票对应校核规则如图7所示。

图7 地调管辖110 kV母线逻辑审票子流程

母线审票子步骤如下：

Step1：判别操作对象是否为母线设备。若是则进入母线逻辑审票子程序。

Step2：校对“由冷备用改为母线检修”之前状态，判别是否处冷备用及以上。

Step3：校对桥开关是否处冷备用及以上。若是直接进入下一流程；若否输出错误提示1后进入下一流程。

Step4：校对主变是否处冷备用及以上。若是直接进入下一流程；若否输出错误提示2后进入下一流程。

Step5：校对线路间隔是否处冷备用及以上。若是直接进入下一流程；若否输出错误提示3后进入下一流程。

Step6：校对110 kV备自投是否处信号。若是直接进入下一流程；若否输出错误提示4后进入下一流程。

Step7：母线逻辑校验完毕。

2.2.3 主变停役审票

对于地调管辖110 kV主变，以主变“由运行改为主变检修”为操作目的调度操作票对应校核规则如图8所示。

图8 地调管辖110 kV主变逻辑审票子流程

主变审票子步骤如下：

Step1：判别操作对象是否为主变。若是则进入后续主变逻辑审票子程序。

Step2：判别1号主变（或2号主变）“运行改为主变检修”之前状态。

Step3：校验已执行步骤“配调汇报10 kVⅠ段（或Ⅱ段）母线各分路已停役”。

Step4：校验负荷已经由备用电源线转供。

Step5：判别进线开关是否有冷备用及以上安措。若否直接进入下一流程；若是输出错误提示2后进入下一流程。

Step6：判别进线开关处合位。

Step7：主变逻辑校验完毕，系统重新校验一次后输出。进入后续操作流程。

2.3 安全校验

涉及分层分区校验、中性点校验、保护设备投退情况（如图9所示），对于安全校验模块，本文仅给出校验基本流程［16］。

图9 安全审票子流程

3 基于语义分析的操作票智能校验技术应用

3.1 智能校核的实施应用

本文所提出的技术作为浙江电网停电智能管控系统的补充模块，在温州电网运行大脑辅助拟票、审票系统中集成，从而对调度操作票实施在线校核分析。本文以安措“飞北1045线线路由运行改为检修”温州电网检修申请单拟定的电网调度操作票为目的实施了校验，详细内容如表4所示。

表4 智能校核实施应用（飞北1045线改为线路检修）

3.2 预期效益分析

该智能校核技术为调控值班、管理人员进行电网调度操作票审核提供了更安全高效的智能化解决方案。当前作为试运行阶段，电力调度控制中心在利用本方案人工智能方法进行校核的同时，也采用传统的“三审三校”模式对上述当值电网调度操作票进行校核。

统计2021 年8—11 月浙江电网停电智能管控系统中465 张温州电网调度操作票的错误修改记录，得到效益指标情况如表5所示。

表5 效益指标分析

分析表5 可知，在准确率方面，传统的“三审三校”模式下共发现电网调度操作票错误57处，而智能校验发现错误63 处，错误识别率提升高达10.5%。在执行效率（包括平均校核耗时、人员投入）和每张票的平均校核时间方面，传统的“三审三校”模式需要投入3 名专业调度运行人员，且每张票的平均校核时间约为1.5 h；而智能规则校核仅需1名调度员执行，且校核耗时在10 s以内。因此，智能校核方法提高了审核的安全性和工作效率，为调度员审票辅助决策提供了参考。

4 结语

为实现电网调度操作票的自动智能校核，将基于双向GRU神经网络的语义分析技术与智能审核方法相结合，提出了一种基于双向GRU神经网络和多种校验规则的调度操作票审核分析方法。该方法实现了电网调度操作票的智能效核，审核的准确率和工作效率较传统“三审三校”模式有较明显提高，为调度员审票提供了辅助决策。调控人员校验耗时减少，有更多精力用于突发电网缺陷故障处置，有助于调度班组精益化管理，提升电网安全风险管控水平，成果实施转化后，具有显著的经济和社会效益。采用人工智能NLP 技术对调度操作票及检修申请单辨识和分析，作为后续基于知识谱图的电网调度操作票智能生成、审核、发令的技术铺垫［18］，为拓展近零碳电网运行大脑功能提供了理论指导。