電力盒鬚圖管理系統應用

前言

電力監控系統的監控項目涵蓋了高中低壓各電力設備的電壓、電流、諧波與溫度等。近年來雖然陸續有新的Online偵測技術如局部放電、油中氣體分析等，擴大了整體監控的面向，但受限於軟體架構與運轉效能的限制，我們仍持續沿用上下界限趨勢圖管制的模式。也因此警報上下界限設定的合理性非常的重要：若警報界限設定的過寬鬆，系統可能已經發生異常卻尚未觸發警報；若警報界限設定的過緊縮，則可能因為雜訊干擾等現象觸發數量過多的誤警報，造成人員警戒的鬆懈。雖然廠務各系統近年來導入了新的統計製程管制(SPC)手法，例如中位數偏移(Median Shift)與標準差變化(Sigma Ratio)等，但電力系統卻一直沒有納入正式的管制，主要的原因是因為電力系統負載的變異性較大，現有的統計分析手法並無法滿足電力系統的需求，我們以電工法規屋內線路裝置規則為例：

第67條，過電流保護應符合下列規定：配電箱內之任何過電流保護裝置，如遇裝接負載正常狀態下將連續滿載三小時以上者，除該過電流保護裝置確能照其額定值連續負載外，該負載電流以不超過其額定值之百分之八十為宜。

第104條，分路最大負載應符合下列規定：分路供應長時間(指連續使用三小時以上者)負載應不超過分路額定之百分之八十。

另外IEEE Std.519也定義了諧波對電壓值的統計規定，包括每日99百分位極短時(3秒)諧波值必須小於 表1中1.5倍的規定，以及每週95百分位極短時(10分鐘)諧波值必須小於 表1中的規定。

由此可見電力系統是以百分位數與持續時間為主要管制標的，例如短時間過載並不會造成系統立即的異常，而符合電力系統百分位數與持續時間特性的最佳的管制手法正是盒鬚圖(Box Plot)。然而統計手法通常是離線讀取歷史的取樣資料來進行計算與分析，但對電光火石的電力系統而言，其變化通常是在短暫時間內發生，因此盒鬚圖對於電力系統雖然是最適合的統計分析工具，但若無法結合即時性的防禦機制，還是無法發揮其應有的功效。本文所介紹的電力盒鬚圖管理系統，正是我們將盒鬚圖管制手法與即時警報功能結合所呈現的結果。

盒鬚圖統計手法介紹

 如前文中所言，趨勢圖的管制方式通常是在異常發生後才偵測到，適合用在短期內快速發生故障的狀況，但對於逐步惡化的狀況卻無法提前偵測到。若要滿足電力系統偵測基線偏移的需求，則必須針對百分位數與持續時間進行管制，以掌握高負載率與最大峰值，並排除雜訊的干擾，而這正是盒鬚圖(Box Plot)所擅長的角色。 圖1所示即為盒鬚圖示意圖，我們以迴路電流值為例，除了顯示統計區間的資料的最大值、最小值、平均值以及中位數外，更可指定盒子的上下緣以呈現資料分佈的百分位數值，例如80分位與20分位等。與趨勢圖不同的是，趨勢圖忠實呈現了時間軸的數據變化，但盒鬚圖是將該時間內所有的資料轉化為百分位數統計數據，最後透過單一個盒狀與鬚線圖形簡單明瞭地呈現整體資料分佈的狀況。

圖1、不同迴路盒鬚圖Box Plot 示意圖

圖1中的盒鬚圖所呈現的是相同時間點不同迴路間的負載分配差異。如果我們將同一個迴路各個不同的時間點製作一個盒鬚圖，例如一天或一週，並依照時間的順序將所有盒鬚圖並列顯示，如 圖2所示，我們將可以呈現出單一迴路長期的負載變化趨勢，我們賦予它一個新的名稱「盒鬚趨勢圖」，它可說是盒鬚圖與趨勢圖的緊密結合，比起趨勢圖而言它更加適合用來對長期的趨勢進行更精確的分析與判讀，例如我們可以觀察最大值或最小值是否有持續變化的狀況，平均值或中位數是否有偏移的狀況，也可以判斷特定百分位的數值或盒高的分佈是否有差異，圖中的箭號引線所示即為中位數的變化趨勢範例。

圖2、單一迴路盒鬚趨勢圖Box Trend 示意圖

透過盒鬚趨勢圖的呈現，我們將能夠更彈性也更全面地掌握各個面向的趨勢變化，舉例而言，特定負載的電流在啟動的瞬間通常會有Peak值，但這個數值並不代表此迴路長期的高負載電流，若我們改以盒子上緣P99也就是99百分位來判定，我們將可過濾掉前百分之一的最大數值，如此可將Peak干擾的雜訊排除掉，所得到盒子上緣P99就是具有更代表性的高負載電流。也就是說盒鬚趨勢圖上的所有節點以及持續時間都可以當作計算的參數，各系統可依據設備特性與運轉需求進行客製化管理參數設定，例如P99/P01、P90/P10或P80/P20，這樣的統計手法比起傳統趨勢圖上下界限管制的模式，讓我們更有彈性的評估與掌握系統運轉的各個面向的趨勢變化，以下我們以中科廠務電力盒鬚圖管理系統來進一步說明。

電力盒鬚圖管理系統介紹

電力系統負載管理至關重要，對單一迴路而言，維持適當的負載率可避免長期高載造成系統異常跳脫，對於上游變電站而言，更必須確保平時雙邊合成的負載率，避免保養、停電或異常狀況切換單邊供電時造成過載跳脫，導致運轉中斷。為了對電力系統負載進行有效的管理，中科廠務部導入了電力盒鬚圖管理系統，其操作界面如 圖3所示。在畫面上我們可以看到指定變電站的負載管理盒鬚趨勢圖，系統會自動帶出變電站指定區間每週的合成電流負載率盒鬚趨勢圖，並同時顯示下游所有迴路當週的負載率盒鬚圖。透過變電站負載盒鬚趨勢圖，可以快速檢視變電站雙邊合成電流負載率的變化，以掌握變電站的負載率是否能滿足單迴路供電的狀況，而下游迴路負載率盒鬚圖，更可以進一步檢視下游各迴路的是否有過載的風險。

圖3、變電站與下游迴路負載管理盒鬚圖

除了呈現變電站的負載管理盒鬚圖外，系統也提供單一迴路長期的負載率的查詢功能，並透過盒鬚趨勢圖並列的方式，完整呈現迴路負載變化的趨勢， 圖4顯示即為單一迴路長期負載盒鬚趨勢圖。

圖4、單一迴路負載管理盒鬚趨勢圖

另外在實務運轉上，我們有時必須將同一廠區相同負載類型的迴路進行比對以了解各迴路與負載間的差異性，有時也需要跨越不同廠區來進行特定目的的迴路與負載比對，因此系統也提供了群組負載管理盒鬚圖的功能，可由操作人員自行定義與挑選要進行比對的迴路，系統會透過並列的方式呈現各指定的迴路的盒鬚圖，讓操作人員了解機差並進一步分析可能的原因與尋找解決對策。 圖5中所顯示即為中科廠區各EPI機台迴路的負載率比對盒鬚圖，電力盒鬚圖管理系統提供了電力工程師更豐富細緻而有效的分析決策資訊。

圖5、群組負載管理盒鬚圖

電力盒鬚圖系統警報管理與應用

統計手法通常是讀取過去一段時間的取樣資料來進行計算，再將分析結果反饋回系統進行調整與改善，因此屬於Offline的比對工具，相對也欠缺了即時性。如本文所展示的電力盒鬚圖管理系統，其資料的呈現是以一週為結算單位，但對電力系統而言，其變化常是在短暫時間內發生，我們沒辦法等到一週後才得到統計結果再判讀趨勢的變化，因此必須考慮結合即時性的防禦機制。

我們的改善作法是採用Online每三分鐘連線一次的方式，匯入所有迴路每一分鐘的記錄值並儲存起來，並立即進行當週所有累積資料的統計與運算。當系統偵測到當週負載變化達到警報設定條件時，將立即發送Mail通報給相關人員進行加強監控與應變處理，也就是我們在三分鐘內即可收到預警，而不是等待一週後才得到統計結果，錯失了先機。這邊要特別注意的是Power SCADA電力監控系統必須將電錶回傳的即時值記錄為每一分鐘的平均值與最大值，如此才能精確估算出平均負載率與最大峰值。透過這樣的方式，我們將Offline盒鬚趨勢圖統計手法結合了Online即時警報的機制，協助電力課更快速也掌握系統的運轉變化。另外值得一提的是由於我們要同時監控三相的電流，所以系統會自動挑選三相電流中的最大值來代表改迴路的運轉電流，而不是挑選固定相位的電流來進行計算，有效提升了防禦的完整性。再則是系統以一個禮拜的區間來進行累積計算，若計算的負載率超過警報條件，但未超過當週前一次警報的負載率，則系統將不再重複發出警報，避免過多重複的警報造成值班人員運轉的負擔，提升整體警報的有效比率。

表2所示即為中科廠務部電力盒鬚圖管理系統所設定的警報條件，如同前文所言，我們可以觀察到這與傳統趨勢圖警報管制界限的方式截然不同，它可以偵測運轉基線或運轉模式變化的狀況，除了最大負載率可設定絕對值與持續上昇週數的警報條件外，其他如中位數、平均值甚至指定百分位數，所有的統計數據與持續時間都可動態組合成所需的判斷條件，讓我們可以依據負載的特性來進行最佳的客製化的設定，做到防微杜漸的境界。另外我們也將盒鬚圖管理系統加入法規所規範的負載率，當分路負載率大於80%連續達3小時，系統將會立即發送出最嚴重等級的警報，避免運轉牴觸法規的限制，造成人員安全的疑慮。

我們以實際的案例來說明電力盒鬚圖管理的應用，以 圖6為例，系統於W726顯示FAB F1C變電站平均負載率持續上昇並達到警報條件，最大負載率已突破100%，我們立即針對下游迴路進行負載分析，發現將03迴路的負載進行轉移是最快速也對生產影響最小的解決方案，並估計可將整體變電站的平均負載率降低10%，最大負載率也可以降低到100%以下。協調相關單位於W727進行移載完成後，我們可以由電力盒鬚圖管理系統中確認F1C變電站最大負載率已確實降低至警報條件100%以下，過載危機得到有效的控制與解除。

圖6、盒鬚圖電力移載應用案例

結論

電力盒鬚圖管理系統於2016年於十五A廠完成建置，於2017年逐步完成十五B廠各廠區的導入與上線，是中科廠區各電力課運轉不可或缺的工具。除了變電站與ACB迴路負載管理外，電力盒鬚圖管理系統也陸續加入了模鑄變壓器溫度與變電站諧波的管理，目前正進行變電站電壓與功率因素模組的建置，後續我們更將持續進行Online PD局部放電訊號與UPS負載與SWB開關盤負載管理，協助電力課進行電力系統全面性防禦。我們也希望能將電力盒鬚圖管理系統推展到其他廠區，以集思廣益強化完整性並擴大整體應用範圍。

隨著巨量資料與工業物聯網時代的到來，電力系統將佈設範圍更廣泛與數量更多的感應器，人工智慧與機器學習模型更將不斷推陳出新，可以預見未來除了盒鬚圖之外，更彈性與更有效的統計分析手法也將因應而生，我們將持續不斷引進新的觀念與經驗，讓我們的電力管理系統能夠更快速更準確偵測到更多樣的異常變化，真正做到全面防微杜漸的境界。