簡述變電站一次設備在線監(jiān)測數(shù)據(jù)診斷與運維檢修系統(tǒng)

班玉峰

摘 要： 本文通過對變電站一次設備的研究分析，利用大云物移的現(xiàn)代物聯(lián)網(wǎng)科技概念，旨在剖析變電站一次設備的在線監(jiān)控技術，以及后續(xù)的深入挖掘仿真技術，為提供供電系統(tǒng)的可靠性采取有力保障。通過對一次設備典型性的參數(shù)特征提取，經(jīng)過計算機仿真計算和分析，給出合理的評估結論，為支撐變電站的狀態(tài)檢修和智能運維奠定了技術基礎，文章后續(xù)采取三維建模以及遠程診斷的作用，通過信號采集器以及深度計算，為客戶提供有力判據(jù)。

關鍵詞： 系統(tǒng)運維；方案解決；軟件算法；評估診斷

一、背景和意義

目前變電站內(nèi)安裝的在線監(jiān)測裝置涉及專業(yè)不同，廠家較多，一般站內(nèi)并存多套監(jiān)測系統(tǒng)，無法實現(xiàn)信息共享，可靠性低，誤報率高，給運維帶來負擔及和不便，數(shù)據(jù)孤島難以實現(xiàn)基于各類監(jiān)測數(shù)據(jù)對設備運行狀態(tài)進行綜合評價和預警診斷，蘊含著海量數(shù)據(jù)中的價值信息沒有得到充分挖掘和應用。

隨著大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算及移動互聯(lián)網(wǎng)等新技術的迅猛發(fā)展，互聯(lián)網(wǎng)+電力設備檢修數(shù)據(jù)診斷、大數(shù)據(jù)挖掘和多維度集成綜合分析成為發(fā)展趨勢，設備檢測技術與故障診斷技術、網(wǎng)絡技術、通訊技術相滲透和結合，為支撐變電站的狀態(tài)檢修和智能運維奠定了技術基礎。

亟待整合變電站設備狀態(tài)監(jiān)測資源，實現(xiàn)變電站內(nèi)狀態(tài)監(jiān)測數(shù)據(jù)采集、數(shù)據(jù)傳輸格式及通信接口的統(tǒng)一，形成大數(shù)據(jù)歸類、深度挖掘及智能分析，全面提升運維水平，進行運維模式的創(chuàng)新，全面準確清晰地展現(xiàn)變電站內(nèi)設備的運行狀態(tài)、變化趨勢及潛在問題，實現(xiàn)設備的風險預警，為變電站智能運維及電網(wǎng)的安全運行提供輔助決策支持。

二、系統(tǒng)功能

依據(jù)國家電網(wǎng)公司《變電站在線監(jiān)測通用技術規(guī)范》及《變電設備帶電檢測工作指導意見》的要求，充分利用一流技術和設備，設計一套變電站設備狀態(tài)診斷分析及遠程運維檢修系統(tǒng)，綜合利用變電站在線監(jiān)測數(shù)據(jù)、帶電檢測數(shù)據(jù)和例行檢修數(shù)據(jù)等綜合數(shù)據(jù)信息，構建交互性好的設備評估與智能運維系統(tǒng)平臺，實現(xiàn)變電站設備的狀態(tài)數(shù)據(jù)的深度挖掘，提前發(fā)現(xiàn)深層次隱患規(guī)律，進行風險預警，提升變電站運維水平和效率、減輕運維人員的負擔。

三、實施方案

3.1 數(shù)據(jù)處理

依據(jù)數(shù)據(jù)來源，以高壓開關為監(jiān)測對象的的結構化及非結構化數(shù)據(jù)的處理方式如下：

（1）非結構化數(shù)據(jù)的接口設計：

智能運維檢修系統(tǒng)可與不同帶電檢測設備進行數(shù)據(jù)交互。帶電檢測數(shù)據(jù)（紅外測溫、局放檢測等）經(jīng)標準化處理（依據(jù)帶電檢測設備不同，開發(fā)程序，實現(xiàn)非結構化數(shù)據(jù)的讀取）后直接存儲到智能運維檢修系統(tǒng)數(shù)據(jù)庫中，作為診斷系統(tǒng)使用的基礎數(shù)據(jù)，將檢修結果按照數(shù)據(jù)需求直接進行存儲，以數(shù)據(jù)庫作為存儲媒介。

（2）結構化數(shù)據(jù)的接口設計：

在線監(jiān)測與診斷系統(tǒng)的接口也以數(shù)據(jù)庫為基礎。

（3）歷史數(shù)據(jù)的錄入：

智能運維檢修系統(tǒng)可錄入產(chǎn)品缺陷、交接試驗、例行試驗等歷史數(shù)據(jù)，作為整個診斷系統(tǒng)的一部分功能，由用戶將特定的信息錄入系統(tǒng)中，并為后續(xù)診斷分析做好基礎數(shù)據(jù)的儲備。

（4）數(shù)據(jù)存儲周期設計：

存儲周期的設計需要根據(jù)不同的數(shù)據(jù)特點制定，高頻短時數(shù)據(jù)可以以秒或者毫秒的時間標識存儲，而對于長周期的狀態(tài)數(shù)據(jù)，可以小時、天、年等單位存儲，并存儲對應的結果值，全部數(shù)據(jù)可根據(jù)實際需求進行設計是否存儲。

（5）數(shù)據(jù)預處理

精確的設備分析診斷依賴高質(zhì)量的監(jiān)測數(shù)據(jù)，通過前端采集到的變電站海量監(jiān)測數(shù)據(jù)可能存在一些完全錯誤的干擾信號、重復信號、畸變數(shù)據(jù)及含有噪聲的臟數(shù)據(jù)等，無法直接用于后續(xù)的數(shù)據(jù)診斷分析或挖掘，需要通過數(shù)據(jù)預處理完成對采集到的監(jiān)測原始數(shù)據(jù)進行清洗、填平、平滑、歸約化及一致性檢查等，實現(xiàn)對結構化、半結構化和非結構化的海量監(jiān)測數(shù)據(jù)的智能化辨析、抽取、數(shù)據(jù)清洗、信號轉換及歸約化處理，為后續(xù)有效快速分析處理做好數(shù)據(jù)準備。

3.2 數(shù)據(jù)管理軟件平臺

搭建測試數(shù)據(jù)管理平臺，對檢測數(shù)據(jù)進行集中管理、分析和應用，保障檢測數(shù)據(jù)管理的安全性和規(guī)范性；同時通過多種高級應用了解配電設備的運行狀態(tài)情況，應用有效的狀態(tài)分析模型提供輔助決策建議，指導配電設備進行狀態(tài)檢修。通過對局部放電檢測、數(shù)據(jù)存儲、數(shù)據(jù)分析與應用進行統(tǒng)一管理，有效提高工作效率，維護設備安全。

建立基于物聯(lián)網(wǎng)和云診斷方法的設備數(shù)據(jù)管理平臺、以局放測試技術為基礎，結合紅外測試技術及機械特性測試技術等，研究大數(shù)據(jù)挖掘技術在電力設備狀態(tài)診斷中的應用及其相關多參量狀態(tài)評估技術，開發(fā)相應的軟件功能模塊。通過物聯(lián)網(wǎng)技術對開關柜的測試位置進行精確管理，提高局放測試數(shù)據(jù)的真實性、一致性和可比性；通過帶電檢測云診斷技術，簡化基層測試設備和測試方法，提高測試的有效性，對所有檢測數(shù)據(jù)進行統(tǒng)一的、集約化的管理和分析，有條件可與PMS系統(tǒng)等互聯(lián)，建立生產(chǎn)計劃式的帶電檢測工作管理流程。

積極探索電力內(nèi)外網(wǎng)數(shù)據(jù)的交互，將數(shù)據(jù)通過公網(wǎng)上傳到平臺數(shù)據(jù)服務器中。平臺在結構設計與信息安全設計方面，嚴格遵循國網(wǎng)信息安全要求，考慮日后接入國網(wǎng)統(tǒng)一規(guī)劃實施的“國網(wǎng)云”，為“國網(wǎng)云”提供業(yè)務感知、數(shù)據(jù)分析及深度學習的數(shù)據(jù)基礎。

數(shù)據(jù)管理平臺的應用：

（1）在線監(jiān)測及帶電檢測數(shù)據(jù)的管理和多維度展示，以及與前端數(shù)據(jù)采集設備的交互。搭建基于數(shù)據(jù)管理平臺的數(shù)據(jù)診斷應用算法和云診斷的數(shù)據(jù)高級應用。

（2）在數(shù)據(jù)管理平臺上，逐步建立各類型電力設備局放測試案例庫和培訓資料；在大量統(tǒng)計數(shù)據(jù)的基礎上，形成有價值的適用于電力公司的設備測試導則和作用指導書。

（3）搭建基于在線監(jiān)測及帶電檢測數(shù)據(jù)平臺的電力設備綜合診斷技術，提高電力設備診斷的準確性，為電力設備的狀態(tài)維修提供科學的依據(jù)。

3.3 狀態(tài)診斷及評估策略技術

目前，變電設備運檢數(shù)據(jù)量呈指數(shù)級增長，但設備狀態(tài)評價大多側重于某項指標超標的告警，未能有效利用多源數(shù)據(jù)實現(xiàn)綜合評價，對設備狀態(tài)管控和生產(chǎn)管理的支撐不足。利用最新前沿的深度學習診斷技術，以大數(shù)據(jù)挖掘為基礎，使用深度學習圖像識別技術應用到局放圖譜識別等，實現(xiàn)多源海量數(shù)據(jù)的自動抓取、綜合分析、自動預警、智能診斷，提高設備狀態(tài)評價診斷的智能化水平，強化設備狀態(tài)管控，優(yōu)化設備運維策略，提高生產(chǎn)管理效率和效益。endprint

制定不同分類指標參數(shù)間的轉化機制，統(tǒng)一狀態(tài)評估的量度，構建設備運檢修大數(shù)據(jù)庫；利用大數(shù)據(jù)的方法，融合電網(wǎng)、設備狀態(tài)和自然環(huán)境等各類信息，實現(xiàn)基于數(shù)據(jù)驅動的規(guī)律發(fā)現(xiàn)，從海量數(shù)據(jù)中找出體現(xiàn)設備狀態(tài)變化的信息，提高設備狀態(tài)評價診斷的智能化水平；開發(fā)設備狀態(tài)評估診斷智能輔助決策系統(tǒng)，優(yōu)化設備運維策略，實現(xiàn)生產(chǎn)綜合計劃智能化排程，提高生產(chǎn)管理效率和效益。

3.4 診斷結果應用

1.狀態(tài)數(shù)據(jù)可視化展示

系統(tǒng)采用圖、模、庫一體化建模方式，利用三維軟件建立變壓器、斷路器、隔離開關、互感器、電容器、電抗器、母線等高精度三維模型，建立與設備位置一致的變電站三維模型，設備賦予唯一ID，實現(xiàn)設備的分類、型號、設備狀態(tài)、設備動態(tài)等數(shù)據(jù)的調(diào)用，與三維模型的關聯(lián)。

全站三維全景模型采用基于實時狀態(tài)監(jiān)測數(shù)據(jù)驅動模式。監(jiān)測數(shù)據(jù)與三維模型接口形式。實時數(shù)據(jù)采用共享內(nèi)存方式進行交互，保證數(shù)據(jù)的實時性和訪問的便捷性。

歷史數(shù)據(jù)采用直接訪問歷史數(shù)據(jù)庫的方式獲取，關聯(lián)的音視頻數(shù)據(jù)由音視頻數(shù)據(jù)庫獲取。

2.設備故障主動提示

設備狀態(tài)數(shù)據(jù)主要有主變壓器、高壓GIS、中壓開關、避雷器、電纜、電抗器等設備的異常或故障運行數(shù)據(jù)。如果監(jiān)測到設備出現(xiàn)異常，三維可視化系統(tǒng)主動將設備模型進行異常標識，自動產(chǎn)生設備故障主動提示。在整個三維場景中，每個設備模型會隨著實時采集來的數(shù)據(jù)，智能判斷設備工作狀態(tài)是否正常，對于異常的，三維場景會自動將設備渲染成紅色告警模式并精確定位，不斷提示操作人員及時排除異常。設備監(jiān)測的數(shù)據(jù)主要有（如絕緣特性、溫濕度、氣體壓力和機械特性方面）。故障事故的報警主要包括主變壓器故障、電壓互感器故障、電流互感器故障、開關設備故障、斷路器異常故障、電容器故障、母線故障、避雷器故障等。

3. 設備風險評估。一是本身的風險：設備在運行中包括原材料制造缺陷、自然磨損、意外事故遭受損壞的可能性。二是設備運行風險：設備的損壞停運，對此部分最大和最小損失的風險評估；能夠綜合監(jiān)測數(shù)據(jù)，進行設備的風險評估，精確定位風險，實現(xiàn)精確檢修。

4. 專家系統(tǒng)診斷

變電站設備監(jiān)測的結果，系統(tǒng)往往很難做出綜合判斷，需要進行專家系統(tǒng)診斷，建設專家系統(tǒng)診斷給出設備運行維護方案、進而對異常數(shù)據(jù)跟蹤、設備停電檢修。

5. 移動端預警消息推送

基于設備性能評價指標，對指標設定預警的級別。數(shù)據(jù)與缺陷分析系統(tǒng)對監(jiān)測的數(shù)據(jù)發(fā)生異常時，系統(tǒng)根據(jù)不同級別，做出響應，采用移動應用技術對變電站相關人員推送預警消息。

3.5 智能化移動終端應用技術

采用移動智能監(jiān)測APP，可通過Wifi、3G/4G與云端監(jiān)測平臺交互，主要包含設備狀態(tài)數(shù)據(jù)的瀏覽、診斷分析數(shù)據(jù)展示、智能告警及統(tǒng)計以及專家診斷分析接口等核心功能。

參考文獻

[1] 李明，韓學山等.電網(wǎng)狀態(tài)檢修概念與理論基礎研究[J].中國電機工程學報，2011， 31（34）：43-4481.

[2] 郭雅娟，陳錦銘等.江蘇電網(wǎng)設備狀態(tài)評價系統(tǒng)的研究與實現(xiàn)[J].電力信息通信技術， 2014，30（31）：47-49.

[3] 徐波，韓學山等.基于關聯(lián)集分解的系統(tǒng)狀態(tài)檢修決策模型[J].電力系統(tǒng)自動化，2015，2（15）：35-36.

[4] 王少華，胡文堂等.浙江電網(wǎng)輸變電設備智能化及狀態(tài)檢修體系[J].高壓電器， 2013， 4（25）：22-25.

[5] 王佳明，劉文穎等.基于壽命周期成本管理的輸變電設備狀態(tài)檢修策略研究[J].電力系統(tǒng)保護與控制，2011，5（20）：29-3.

[6] 俞乾，李衛(wèi)國，羅日成. 基于層次分析法的大型變壓器狀態(tài)評價量化方法研究[J]. 湖南大學學報（自然科學版），2011，38（10）：56-60.

[7] 黃飛， 宋璇坤，周暉， 等. 基于效果與基礎互動的電網(wǎng)智能化水平綜合評價指標體系研究[J].電力系統(tǒng)保護與控制， 2016， 44（11）： 142-148.endprint