用户侧多元主体的安全态势感知与扰动监测方法及系统与流程

本发明涉及电力系统安全监测与智能电网，具体涉及一种用户侧多元主体的安全态势感知与扰动监测方法及系统。

背景技术：

1、随着新型电力系统的加速建设，分布式光伏、储能系统、电动汽车充电桩等用户侧电源和负荷设备呈现规模化接入态势。用户侧多元主体是在新型电力系统中与电网进行数据交换、业务处理和决策的各类终端设备和主体，这类多元主体的接入虽然提升了配电网容量和供电可靠性，但由于其出力或负荷具有随机波动性，没有明显规律，这也给系统安全监测带来了新的挑战。

2、当前针对此类主体的安全监测普遍采用分域监测模式，电源侧系统聚焦发电设备运行参数，用户侧系统关注用电负荷数据，且异常判定多依赖固定阈值，当电压、电流或功率等监测量越限时触发告警。这种模式难以识别涉及多主体的复合型异常且固定阈值无法适配波动性电源和多样化负荷的动态变化，导致误报与漏检风险较高。

技术实现思路

1、为了克服上述新型电力系统安全监测误报与漏检风险较高的问题，本发明提供一种用户侧多元主体的安全态势感知与扰动监测方法及系统。

2、一方面，本发明提供一种用户侧多元主体的安全态势感知方法，应用于部署在用户台区或负荷聚合商侧的边缘计算节点，包括：

3、获取用户侧多元主体的多源异构数据，对所述多源异构数据进行融合处理，得到综合特征向量；所述多源异构数据包括设备运行数据、用户行为数据和气象数据；

4、对获取到的各主体的设备属性信息进行多属性校验，得到静态异常系数；提取出综合特征向量中的设备运行特征和用户行为特征作为各主体的动态特征，基于当前评估周期内各主体的动态特征与对应预测值之间的误差确定动态异常系数；

5、对当前评估周期内的用户行为特征与设备运行特征分别进行用户与设备之间以及各主体之间的关联分析；

6、基于所述静态异常系数和动态异常系数以及关联分析结果，确定当前评估周期的异常事件；

7、其中，所述预测值为基于各主体的历史运行数据或用户历史行为数据以及预测期的气象数据确定的。

8、可选地，所述多元主体包括多种分布式能源、储能、充电桩、负荷聚合商和智能电表。

9、可选地，所述设备属性信息包括以下至少一项：设备标识、固件版本、通信协议类型、设备运行参数和安全证书序列号；

10、所述多属性校验包括以下至少一种：标识校验、通信规范校验、参数校验和安全要求校验。

11、可选地，基于当前评估周期内各主体的动态特征与对应预测值之间的误差确定动态异常系数，包括：

12、对于当前评估周期内每个时刻，计算出每个动态特征与该时刻对应预测值之间的欧氏距离作为预测误差；

13、基于所述预测误差与对应动态特征的历史误差统计量，确定该动态特征在该时刻下的误差水平；

14、基于对该时刻下各动态特征的误差水平的统计分析，确定该时刻下的动态异常系数；

15、其中，每个时刻下每个动态特征的预测值为将历史时期的动态特征和该时刻的气象数据输入长短期记忆自编码器得到的。

16、可选地，所述关联分析结果包括各主体间的耦合度；对当前评估周期内的用户行为特征与设备运行特征进行各主体之间的关联分析，包括：

17、将所述多元主体按物理特性划分为至少一组，每组主体包括源端主体和响应端主体，所述源端主体的出力受外界一次因素主导，所述响应端主体的出力受内部控制策略或外界需求主导；所述耦合度为源端主体对响应端主体的单向耦合度；

18、对于任一组主体，利用滑动窗口内的多元线性回归估计响应端主体当前动态特征对源端主体前一时刻动态特征的雅可比矩阵；

19、以各窗口所得雅可比矩阵frobenius范数的平均值作为该组主体的单向耦合度。

20、可选地，在计算所述单向耦合度之前，还包括：

21、对于每组主体，以所述气象数据为条件变量，检验响应端主体当前动态特征与源端主体前一时刻动态特征在给定气象数据的条件下是否满足条件独立；

22、若满足条件独立，确定该组主体的单向耦合度为零。

23、可选地，所述关联分析结果包括各对用户行为特征与设备运行特征的相关度；；基于所述静态异常系数和动态异常系数以及关联分析结果，确定当前评估周期的异常事件，包括：

24、将所述静态异常系数与动态异常系数进行加权融合，得到综合异常评分；

25、当所述综合异常评分大于等于第一阈值，存在至少一对用户行为特征与设备运行特征的相关度大于等于第二阈值，各组主体的单向耦合度均小于第三阈值三个条件均满足时，确定当前评估周期为设备-用户复合异常事件；

26、当所述综合异常评分大于等于第一阈值，且存在至少一组主体的单向耦合度大于等于第三阈值时，确定当前评估周期为多主体级联异常事件；

27、当所述综合异常评分大于等于第一阈值各对用户行为特征与设备运行特征的相关度均小于第二阈值，各组主体的单向耦合度均小于第三阈值三个条件同时满足时，确定当前评估周期为单主体异常事件；

28、可选地，所述第三阈值基于正常工况下各组主体的历史耦合度的统计分布确定。

29、可选地，在确定当前评估周期的异常事件之后，还包括：

30、针对所述异常事件执行本地分级安全响应。

31、可选地，在执行本地分级安全响应之前，还包括：

32、接收云端平台下发的全局安全策略；

33、基于本地安全响应策略与所述全局安全策略之间的差异，更新所述本地安全响应策略；

34、其中，所述全局安全策略为云端平台基于各边缘计算节点上报的各监测点的异常事件和异常特征数据确定的。

35、另一方面，本发明还提供一种用户侧多元主体的扰动监测方法，应用于部署在主站侧的云端平台，包括：

36、接收多个边缘计算节点上报的扰动事件及其扰动特征数据和异常事件及其异常特征数据；

37、若在预设事件接收时间窗口内，接收到来自多个空间邻近的边缘计算节点上报的扰动事件，且各扰动事件所记录的扰动到达时刻相互邻近，确定发生跨区域扰动事件，并基于当前时间窗口内接收到的所述扰动特征数据，执行扰动源定位和扰动传播路径追踪；

38、基于当前时间窗口内接收到的所述扰动特征数据和异常特征数据，对所述跨区域扰动事件和各异常事件进行时空关联，确定所述跨区域扰动事件与各异常事件的关联关系；

39、基于扰动源定位结果、扰动传播路径追踪结果和所述关联关系，生成并下发差异化的全局安全策略至各边缘计算节点。

40、可选地，所述扰动特征数据包括各监测点的扰动到达时刻；所述扰动源定位，包括：

41、对扰动源到各监测点的空间距离与各监测点的扰动传播距离之间的差值进行加权融合，以构建评价函数；

42、基于当前时间窗口内的扰动特征数据，以扰动源的位置为优化变量，最小化所述评价函数为目标，采用矩阵粒子群优化算法进行优化求解，得到最优粒子位置作为扰动源定位结果；

43、其中，所述扰动传播距离基于各监测点的扰动到达时刻与基准节点的扰动到达时刻之间的扰动到达时差以及扰动传播速度确定；所述基准节点为最早检测到扰动的监测点。

44、可选地，所述扰动传播路径追踪，包括：

45、获取各边缘计算节点所监测的配电网区域的网络拓扑，将所述配电网区域中母线或设备接入点作为节点，传输线路或变压器支路作为边；以潮流方向和扰动传播方向作为边的方向，以扰动从边的源节点传播到目标节点的衰减系数作为边的权重，构建所述配电网区域的有向图；

46、基于当前时间窗口内接收到的各节点的扰动特征数据，构建节点特征矩阵，将该有向图和所述节点特征矩阵输入至预训练的图卷积网络进行逐层卷积处理和全连接处理，得到扰动传播概率矩阵；

47、在所述扰动传播概率矩阵中，从扰动源定位结果对应节点出发，按最大概率依次选择下一跳节点形成路径序列，直至传播概率低于扰动阈值或到达末端节点，得到扰动传播路径及受扰节点序列；

48、其中，所述衰减系数为基于配电网的历史扰动事件确定的。

49、可选地，所述异常特征数据包括来源节点和动态异常系数，所述动态异常系数用于表征各主体的实际动态特征与预测的期望特征之间的偏差水平；对所述跨区域扰动事件和各异常事件进行时空关联，确定所述跨区域扰动事件与各异常事件的关联关系，包括：

50、对于当前时间窗口内的任一异常事件，若该异常事件的来源节点位于所述受扰节点序列中，则基于该异常事件的异常感知时刻与所述跨区域扰动事件的扰动到达时刻之间的时间差，确定该异常事件是否与扰动关联；

51、若该异常事件的来源节点未处于所述受扰节点序列中，将该异常事件标记为独立异常事件；

52、其中，所述异常感知时刻为异常事件对应的动态异常系数首次超过预设误差阈值的时刻。

53、可选地，所述异常特征数据包括综合异常评分；所述扰动传播路径追踪结果包括受扰节点序列和扰动传播路径；基于扰动源定位结果、扰动传播路径追踪结果和所述关联关系，生成并下发差异化的全局安全策略至各边缘计算节点，包括：

54、对于与扰动关联的异常事件，生成响应降级指令作为对应边缘计算节点的全局安全策略并下发，以提示异常事件为扰动关联响应；

55、对于独立异常事件且其综合异常评分超过预设高阈值时，生成维持或升级响应等级指令作为对应边缘计算节点的全局安全策略并下发；

56、对于所述受扰节点序列中未上报异常事件的边缘计算节点，基于所述扰动传播路径，生成预警通知作为对应边缘计算节点的全局安全策略并下发，提示其检查设备状态；

57、若所述扰动源定位结果指向可隔离的设备或支路，生成选择性隔离指令作为扰动源所在节点对应的边缘计算节点的全局安全策略并下发。

58、另一方面，本发明还提供一种边缘计算节点，包括：

59、数据融合模块，用于获取用户侧多元主体的多源异构数据，对所述多源异构数据进行融合处理，得到综合特征向量；所述多源异构数据包括设备运行数据、用户行为数据和气象数据；

60、异常系数计算模块，用于对获取到的各主体的设备属性信息进行多属性校验，得到静态异常系数；提取出综合特征向量中的设备运行特征和用户行为特征作为各主体的动态特征，基于当前评估周期内各主体的动态特征与对应预测值之间的误差确定动态异常系数；

61、关联分析模块，用于对当前评估周期内的用户行为特征与设备运行特征分别进行用户与设置之间以及各主体之间的关联分析；

62、异常分析模块，用于基于所述静态异常系数和动态异常系数以及关联分析结果，确定当前评估周期的异常事件；

63、其中，所述预测值为基于各主体的历史运行数据或用户历史行为数据以及预测期的气象数据确定的。

64、另一方面，本发明还提供一种云端平台，包括：

65、接收模块，用于接收多个边缘计算节点上报的扰动事件及其扰动特征数据和异常事件及其异常特征数据；

66、扰动分析模块，用于若在预设事件接收时间窗口内，接收到来自多个空间邻近的边缘计算节点上报的扰动事件，且各扰动事件所记录的扰动到达时刻相互邻近，确定发生跨区域扰动事件，并基于当前时间窗口内接收到的扰动特征数据，执行扰动源定位和扰动传播路径追踪；

67、时空关联模块，用于基于当前时间窗口内接收到的所述扰动特征数据和异常特征数据，对所述跨区域扰动事件和各异常事件进行时空关联，确定所述跨区域扰动事件与各异常事件的关联关系；

68、策略生成模块，用于基于扰动源定位结果、扰动传播路径追踪结果和所述关联关系，生成并下发差异化的全局安全策略至各边缘计算节点。

69、另一方面，本发明还提供一种用户侧多元主体的安全态势感知系统，包括：部署在用户台区或负荷聚合商侧的如前述任一项所述的边缘计算节点和/或部署在主站侧的如前述任一项所述的云端平台。

70、另一方面，本发明还提供一种可读存储介质，其上存有执行程序，所述执行程序被执行时，实现上述中任意一项所述的方法。

71、与现有技术相比，本发明的有益效果为：

72、本发明提供一种用户侧多元主体的安全态势感知方法，通过融合设备运行、用户行为与气象数据三类异构数据形成综合特征向量，在此基础上，将异常检测分解为两个互补维度：静态异常系数通过多属性校验发现设备属性等配置级异常；通过基于当前评估周期内各主体的动态特征（设备运行特征和用户行为特征）与对应预测值之间的误差确定动态异常系数，以适应用户侧多元主体的出力或负荷的随机波动性；通过动静异常系数，能够区分天气驱动的正常波动与设备自身的真实异常，从而降低因环境因素引发的误报。

73、本发明通过对当前评估周期内的用户行为特征与设备运行特征分别进行用户与设备之间以及各主体之间的关联分析，能够捕捉窃电等行为导致的设备-用户关联异常以及各主体之间的相互影响强度，实现用户侧与电源侧以及各主体之间的影响关联，降低跨域、多主体安全监测的误报和漏报率。