張 飛
(鄭州開新電工有限公司, 河南 鄭州 450000)
提高配網運行管理是實現智能配網的重要基礎,目前配電自動化終端智能運維管理系統已在很多城市得到了廣泛應用。伴隨著配電自動化覆蓋范圍的擴大,系統運維管理體系的重要性越來越顯著。配電自動化終端智能運維管理系統以一次網架和設備為條件,集成了多種通訊形式達到配電系統的監督控制,能夠提高供電能力、減少故障停電范圍,是實現配網高效運行的主要手段[1]。
第一,配電終端較多,難以達到集成化,運行環境差容易產生故障問題,配電自動化主站難以有效進行終端運行監控,系統運行狀態、故障問題反映不及時,配電自動化終端設備有待進一步優化從而提高設備監測和故障分析能力。第二,設備故障檢修被動,缺少設備狀態評價和故障預警,往往是在設備發生故障后才進行現場故障檢修,影響配電自動化系統的穩定運行。因此,現階段當務之急是準確評價自動化終端設備狀態,預見故障問題并制定防范方法,盡可能保證設備正常運行。制定科學的巡檢計劃,結合設備狀態有目的性地運維檢修,由被動檢修變為主動檢修。第三,設備故障檢測、消缺有待完善,閉環管理的流程沒有生成,缺少系統的設備運行、故障檢測記錄。第四,配電自動化終端設備故障檢測缺少歷史信息分析,對配電自動化終端設備故障發生規律缺少了解,檢測方案、設備類型、構件管理缺乏可靠支撐[2]。
基于Hadoop開源大數據構件下,大數據平臺配電自動化形成,其中儲存構件有HBase、Hive、HDFS、Redis;并行計算處理構件有 Spark、Spark Streaming;數據開發分析引擎為Spark MLlib開發算法包。配電網模型、終端設備信息、告警信息等數據采用Hive儲存。實時數據選擇Redis在內存中緩存,量測歷史數據選擇HBase儲存。利用分布式儲存和并行計算分析達到配電網大數據的處理與保存,以此作為上層應用數據處理分析的重要依據[3]。
配電自動化終端智能運維管理需具備幾方面要求:第一,電網一次模型數據。第二,自動化終端設備臺賬和通訊網絡通道的分析,如:商家、型號、運行時間、種類。第三,配電網及自動化終端運行,通訊狀態數據。第四,告警信息分為配電自動化終端上下線告警、終端運行狀態告警。第五,遙控操作記錄信息;量測歷史信息,配電自動化主站系統每5 min對量測信息采樣儲存。結合信息種類系統采用多種數據采集方法:配電網模型和設備臺賬等信息定時讀取數據庫表,全量覆蓋更新的模型同步方法。
第一,實時數據計算處理。結合配電自動化終端通訊和運行計算系統的終端在線率;一旦出現批量終端掉線就會對配電自動化終端網絡特征展開分析,查找其原因形成設備缺陷告警數據;監控終端運行,一旦出現異常狀況及時發出警報。第二,歷史數據處理。經過對配電網運行信息的統計處理,判斷配電自動化終端量測時間不更新、遙信抖動、離線掉線的原因。第三,數據開發。通過Spark MLlib提供的數據挖掘方法進行配電自動化終端故障歷史信息和終端運行狀態分析,分析遙信抖動、離線掉線等數據關聯性,創建配電自動化終端狀態評價的模型。
系統結合Activiti運行過程創建配電自動化終端缺陷閉環控制管理系統,分為缺陷提取、確認、分配管理、現場消缺、信息反饋、審核等部分。其中,缺陷提取能夠從系統自動提取或操作人員由告警信息中人工提取,提取缺陷至缺陷池等待進一步判斷。缺陷確認是工作人員通過對缺陷信息分析確定或取消。分配管理指的是工作人員對確定的缺陷安排,由維修人員進行消缺。信息反饋是在消缺結束后工作人員提供反饋信息。信息審核是對消除的缺陷歸檔,沒有消除的缺陷重新安排。
采用大數據分析法來分析配電自動化終端設備故障和運行狀態數據、投運時間、型號和離線掉線等信息鏈接規則和變化規律,創建配電自動化終端狀態評估和預估模型,通過設備學習和關聯分析方法調節數據信息。配電自動化終端狀態評價模型是結合運行狀況參數和其他數據。將其分為不同等級,0—100表示正常狀態;85—100表示良好,符合要求;70—85表示狀態正常,無異常;55—70表示需給予重視,但對系統運行不會造成過大影響;40—55表示狀態異常,如運行數據發生警報信息,離線掉線頻繁;40以下表示系統已經產生故障[4]。
本文基于配電大數據環境下分析配電自動化終端設備狀態和異常報警模型、設備缺陷閉環管理和運維管理決策等,提出了配電自動化終端智能運維管理系統。經過實驗證明,配電自動化終端智能運維管理系統彌補了傳統運維管理問題,有助于控制效果提高,確保系統穩定運行。在今后的系統研究中,應重點立足于系統評價算法和故障預見的精準性,根據終端設備的遠程運維,提升配電自動化終端設備的運維管理效果。