一種配網(wǎng)故障人工智能分析方法的研究

黃園芳

摘要 為了縮短配網(wǎng)運維人員的故障排查復(fù)電時間，本文研究了一種配網(wǎng)故障人工智能分析方法。打通配網(wǎng)自動化系統(tǒng)，獲取相應(yīng)故障信息;根據(jù)跳閘信息在GIS沿部圖上進行可視化表示，在電子地圖中更新中壓線路周邊環(huán)境的影像資料，從而獲知架空線路經(jīng)過密集樹林的線段地點，從而得到優(yōu)先排查的樹障線段;通過軟件分析巡檢照片或無人機拍攝的照片，得出樹木的種類，再根據(jù)樹種的生長速度，分析出樹木生長進入設(shè)備的安全距離的時刻，對配網(wǎng)運維人員進行告警;結(jié)合生產(chǎn)系統(tǒng)的缺陷記錄和隱患記錄，給出跳閘開關(guān)后段停電線路中的缺陷記錄和隱患記錄，得到優(yōu)先排查的設(shè)備和線段;根據(jù)配網(wǎng)自動化配變重過載數(shù)據(jù)，篩選出跳閘開關(guān)后段配變重過載明細表，得到優(yōu)先排查的配變;結(jié)合雷電定位系統(tǒng)，將雷擊情況定位到GIS沿部圖中，得到優(yōu)先排查的雷擊設(shè)備和線段;將優(yōu)先排查設(shè)備和線段展示給配網(wǎng)運維人員，提供故障排查的優(yōu)先明細清單。通過典型配網(wǎng)故障專家?guī)欤峁┡渚W(wǎng)故障解決措施。

【關(guān)鍵詞】配網(wǎng)故障 人工智能 配網(wǎng)自動化樹障 雷擊

1 配網(wǎng)故障

對于電力系統(tǒng)，配網(wǎng)線路故障是影響供電可靠性和用戶停復(fù)電時間的重要因素。現(xiàn)在的配網(wǎng)故障排查主要依賴專家經(jīng)驗，工作復(fù)雜且特別耗時。特別是中壓線路查障時間過長，復(fù)電時間過長造成的影響較大。這很大程度是因為基層人員對故障判斷不準(zhǔn)確，排查方法不科學(xué)，導(dǎo)致故障排查與處理時間過長。配網(wǎng)故障原因可以分為外在因素和內(nèi)在因素兩大類。

外在因素包括：導(dǎo)線是否存在被風(fēng)刮起的拋掛物;線路附近是否存在觸及導(dǎo)線的樹木、建筑物和其他臨時的障礙物;桿塔下有無燒傷的鳥獸;臺架設(shè)備是否有小動物存在;避雷器是否雷擊導(dǎo)致破損現(xiàn)象，及其引線是否碰觸到橫擔(dān)等;內(nèi)在因素包括導(dǎo)線是否有斷股或閃絡(luò)燒傷的痕跡;各相導(dǎo)線弧垂是否過低，易觸碰到另一相導(dǎo)線;對引線及引下線與電桿、拉線、橫擔(dān)是否有碰觸現(xiàn)象;各部件的連接點是否牢固，接頭是否過熱發(fā)黑，燒焦現(xiàn)象;絕緣子是否有臟污、裂紋及破損現(xiàn)象，綁線是否松脫;桿上金具是否有松動、傾斜及螺絲脫落，拉線絕緣子是否損壞;開關(guān)是否存在套管破損、裂紋、嚴(yán)重臟污和閃絡(luò)放電痕跡;引線接點和接地是否良好;變壓器有無漏油、異味;聲音是否正常;套管是否裂紋、嚴(yán)重臟污和閃絡(luò);接頭接點有無過熱、燒傷、銹蝕。

2 配網(wǎng)故障人工智能分析方法

樹障是配網(wǎng)故障的主要原因，還有雷擊也是配網(wǎng)故障的主要原因。配網(wǎng)運維人員接到故障后，如何開始著手處理，怎樣能快速地找到故障，縮短故障排查時間呢？事實上現(xiàn)在已經(jīng)上了很多的系統(tǒng)，但是對于配網(wǎng)運維人員，要綜合分析這些系統(tǒng)，存在一定的困難。這就需要人工智能和生產(chǎn)實體的深度融合。

2.1 幫助配網(wǎng)運維人員快速排查的人工智能方法

如圖1所示，本文研究了一種配網(wǎng)故障人工智能分析方法：打通配網(wǎng)自動化系統(tǒng)，根據(jù)中壓故障饋線跳閘的智能開關(guān)和分段智能開關(guān)的跳閘動作，獲取相應(yīng)故障信息;根據(jù)跳閘信息在GIS沿部圖上進行可視化表示，在電子地圖中更新中壓線路周邊環(huán)境的影像資料，從而獲知架空線路經(jīng)過密集樹林的線段地點，從而得到優(yōu)先排查的樹障線段;通過軟件分析巡檢照片或無人機拍攝的照片，得出樹木的種類，再根據(jù)樹種的生長速度，分析出樹木生長進入設(shè)備的安全距離的時刻，對配網(wǎng)運維人員進行告警;結(jié)合生產(chǎn)系統(tǒng)的缺陷記錄和隱患記錄，給出跳閘開關(guān)后段停電線路中的缺陷記錄和隱患記錄，得到優(yōu)先排查的設(shè)備和線段;根據(jù)配網(wǎng)自動化配變重過載數(shù)據(jù)，篩選出跳閘開關(guān)后段配變重過載明細表，得到優(yōu)先排查的配變;結(jié)合雷電定位系統(tǒng)，將雷擊情況定位到GIS沿部圖中，得到優(yōu)先排查的雷擊設(shè)備和線段;將優(yōu)先排查設(shè)備和線段展示給配網(wǎng)運維人員，提供故障排查的優(yōu)先明細清單。

2.2 通過對樹木的生長預(yù)測樹木的進入設(shè)備安全距離的時間

樹障占到配網(wǎng)故障50%以上。因此對樹木的巡查是非常有必要的，但是反復(fù)的巡查占用的時間多，因此可以在樹木巡視時拍攝下照片，通過軟件分析照片確認樹種，再根據(jù)該樹種的生長周期就可以預(yù)測樹木進入設(shè)備安全距離的時間。對于一些路況比較差的地方，也可以采用無人機進行照片的拍攝。

例如：

If D-r*t<=Dl則告警 （1）

式中：D為樹木到設(shè)備的水平距離或垂直距離;r為該樹木種類的生長速度;t為現(xiàn)在減去上一次巡視的時間;D1為安全距離。

2.3 對于群眾砍樹的人工智能分析

樹障，有的是因為群眾砍樹導(dǎo)致的跳閘事件導(dǎo)致。有一些林場或者私人承包的一些土地，當(dāng)數(shù)據(jù)生長到符合的高度，群眾就會把樹木砍下來，這時配網(wǎng)運維人員就應(yīng)主動與樹主溝通了解砍樹排期，對群眾做好砍樹注意事項的教育，做好監(jiān)管。通過人工智能分析系統(tǒng)建立沿線數(shù)據(jù)臺帳及樹主的聯(lián)系方式，通過式（1）的算法預(yù)測下次群眾砍樹的周期，針對群眾砍樹開展巡查和監(jiān)管。

2.4 對找到的故障給出解決方案

配網(wǎng)有很多典型故障，可以分為架空線路、電纜線路、變壓器、柱上開關(guān)、跌落式熔斷器、隔離開關(guān)、戶外分接箱、室內(nèi)開關(guān)柜的故障。對于這些設(shè)備故障都有典型的原因和對應(yīng)解決方案。

例如高壓柜常見的機械故障主要有：機械連鎖故障、操作機構(gòu)故障等。故障部位多是緊固部位松動、傳動部件磨損、限位調(diào)整不當(dāng)?shù)取６鴻C械連鎖故障的一般解決方法：為了保證開關(guān)的正確操作，開關(guān)柜內(nèi)設(shè)置了一些機械連鎖。例如手車進出柜體時開關(guān)必須是分閘。開關(guān)合閘時不能操作隔離開關(guān)等。這類故障形式多樣，應(yīng)當(dāng)沿著機械傳動途徑進行查找。一般防護機構(gòu)比較簡單，與其它機構(gòu)很少交叉，查找比較方便。

將這些典型故障和典型的解決方案形成專家?guī)欤?dāng)運維人員用語音詢問時候智能分析系統(tǒng)就可以從專家?guī)炖锩嬲{(diào)用解決方案提供給運維，互動式地幫助運維人員。

3 結(jié)論

本文提供了一種配網(wǎng)故障人工智能分析方法，包括以下步驟：

（1）打通配網(wǎng)自動化系統(tǒng)，根據(jù)中壓故障饋線跳閘的智能開關(guān)和分段智能開關(guān)的跳閘動作，獲取相應(yīng)故障信息;

（2）根據(jù)跳閘信息在GIS沿部圖上進行可視化表示，在電子地圖中更新中壓線路周邊環(huán)境的影像資料，從而獲知架空線路經(jīng)過密集樹林的線段地點，從而得到優(yōu)先排查的樹障線段;

（3）通過軟件分析巡檢照片或無人機拍攝的照片，得出樹木的種類，再根據(jù)樹種的生長速度，分析出樹木生長進入設(shè)備的安全距離的時刻，對配網(wǎng)運維人員進行告警;

（4）結(jié)合生產(chǎn)系統(tǒng)的缺陷記錄和隱患記錄，給出跳閘開關(guān)后段停電線路中的缺陷記錄和隱患記錄，得到優(yōu)先排查的設(shè)備和線段;

（5）根據(jù)配網(wǎng)自動化配變重過載數(shù)據(jù)，篩選出跳閘開關(guān)后段配變重過載明細表，得到優(yōu)先排查的配變;

（6）結(jié)合雷電定位系統(tǒng)，將雷擊情況定位到GIS沿部圖中，得到優(yōu)先排查的雷擊設(shè)備和線段;

（7）將優(yōu)先排查設(shè)備和線段展示給配網(wǎng)運維人員，提供故障排查的優(yōu)先明細清單。

（8）將典型故障和典型的解決方案形成專家?guī)欤?dāng)運維人員用語音詢問時候智能分析系統(tǒng)就可以從專家?guī)炖锩嬲{(diào)用解決方案提供給運維，互動式地幫助運維人員。該方法可以減輕運維人員工作量，提供運維人員工作效率，縮短復(fù)電時間，提高供電可靠性。

參考文獻

[1]陳國恩，李偉，張仲孝，電網(wǎng)故障診斷方法及其系統(tǒng)架構(gòu)的研究[J].電氣技術(shù)，2018，19 （01）： 64-67.

[2]王豐，一種輸電線路弱故障識別方法[J]，電氣技術(shù)，2018，19 （06）：37-41.

[3]李振興，王新，田斌，李振華，翁漢琍.基于沿線電壓分布規(guī)律的快速故障測距[J]，電工技術(shù)學(xué)報，2018，33（01）：112 -120.

[4]徐彪，尹項根，張哲，陳國炎，楊雯，基于拓撲元信息融合胡電網(wǎng)故障診斷模型[J].電工技術(shù)學(xué)報，2018，33 （03）： 512-522.

[5]楊德尚，洪海生，李綺琳.基于綜合評分法的配網(wǎng)自動化終端差異化巡視策略[J]，廣東電力，2016，29 （04）： 84-88.

[6]曾新雄，李新海，曾慶祝.lOkV開關(guān)柜內(nèi)部電弧故障的危害與保護[J].廣東電力，2016，29 （06）： 67-71.

[7]章熙，王宏宇，陳勝.調(diào)度自動化系統(tǒng)運行監(jiān)管信息模型建模研究[J].廣東電力，2017， 30 （02）：110-115+1.

[8]陳自富，強人工智能和超級智能：技術(shù)合理性及其批判[J].科學(xué)與管理，2016，30（02）：1-6，28.

[9]高艷豐，黃曉胤，閆紅艷，輸電線路雷擊故障的綜合識別研究[J].廣東電力，2016，29 （03）： 93-98.

[10]裴星宇，梁飛強，翁奕珊.10 kV配電網(wǎng)在線合環(huán)輔助決策系統(tǒng)的設(shè)計與實現(xiàn)[J].廣東電力，2016，29 （01）： 58-64.

[11]梁浩波，基于文本挖掘的用電客戶訴求智能聚類研究[J].廣東電力，2016， 29 （08）： 45-50+66.

[12]LIANG Haobo.Research on IntelligentClustering for ElectricityCustomers' Demands Based on TextMining[J].Guangdong ElectricPower， 2016， 29 （08）： 45-50+66.

[13]杜桉安，吳杰康，基于等級區(qū)域劃分的故障定位矩陣算法[J].廣東電力，2016， 29 （08）：120-124.

[14]左利云，云計算中基于任務(wù)特性和資源約束的調(diào)度方法研究[D].華南理工大學(xué)，2016.

[15]簡萌.面向圖像語義提取的判別結(jié)構(gòu)學(xué)習(xí)[D].西安電子科技大學(xué)，2 015.

[16]蔡明杰，大數(shù)據(jù)下動態(tài)信息系統(tǒng)約簡理論及應(yīng)用[D].湖南大學(xué)，2016.

[17]王朝霞.網(wǎng)絡(luò)環(huán)境下多智能體系統(tǒng)一致性研究[D].上海大學(xué)，2016.

[18]劉玉寶，基于智能優(yōu)化算法的系統(tǒng)可靠性優(yōu)化問題研究[D].吉林大學(xué)，2017.

[19]安思成.交互式配電網(wǎng)智能控制系統(tǒng)及其關(guān)鍵技術(shù)研究[D].華北電力大學(xué)（北京），2016.