茍筱林
(國網四川省電力公司丹棱縣供電分公司,四川 眉山 620200)
綜合性較強是故障診斷的特征,主要是查詢設備運行中的故障源。工作人員需檢查輸變電系統中設備的實際運行情況,并根據反饋的數據判斷故障發生的位置。因此,工作人員在查詢故障信息時耗時較長,影響電網的恢復運行[1]。通過大數據挖掘技術診斷輸變電設備故障,可大大提升工作人員的工作效率和質量。因此,研究基于大數據挖掘技術輸變電設備故障診斷方法具有重要的現實意義。
故障診斷是按照設備運行和故障后停電信息情況處理故障源。通過故障診斷可實現設備的正常檢測維修工作和超負荷工作。通過使用先進技術,及時研究和處理設備的各種數據,可及時發現設備異常狀況和故障問題[2]。通過及時掌握設備發生故障的位置、故障程度以及造成故障的因素等信息,可第一時間合理制定有針對性的檢測維修方案,從而降低故障損失,提升設備的運行穩定性和經濟效益。
在輸變電設備運行中,若未及時檢修和養護設備,將引發安全事故,影響用戶的正常用電。雖然供電企業逐漸加大了診斷輸變電設備故障的力度,但是輸變電設備的檢修過程依然存在不足。第一,技術人員在實際工作中未嚴格根據規章制度進行檢修,且部分工作人員檢修水平較低,易漏檢和錯撿,導致安全隱患未被發現。第二,隨著計算機和信息技術的飛速發展,部分大型供電企業為提升輸變電設備故障診斷的能力,在收集和整理設備故障信息的過程中應用了大數據挖掘技術。然而,由于維修人員缺乏數據挖掘方面的專業技術和知識,勢必將影響設備的故障診斷效果。另外,在診斷輸變電故障方面,供電企業仍處于嘗試使用大數據挖掘技術的階段,僅在一定程度上發揮了穩定性作用。第三,供電企業在大數據挖掘技術方面投入較少,且監測系統陳舊,無法充分發揮該技術的作用[3]。
輸配電設備運行狀態信息含有非常復雜和不確定的內容,故在應用大數據挖掘技術過程中,需重視挖掘流程方面的應用,保障數據的準確性和時效性。工作人員需清楚和正確認識輸變電設備的運行狀態,收集基礎信息和設備缺陷信息。大數據挖掘技術的內容之一是關聯規則,主要作用是及時統計和分析自身潛在規律,從而獲取關聯規則流程。通過合理應用關聯規則,可提升大數據挖掘技術的準確度[4]。在挖掘輸變電設備數據信息、預處理設備的原始數據及收集現場數據時,都將應用關聯規則。此外,可利用大數據挖掘技術刪減不確定的數據資料,保存確定的數據資料;根據輸配電設備的特點和類型等,制定有關的關聯規則;在探索故障流程的過程中,通過關聯規則簡單敘述整個流程,從而為技術人員提供方便;工作人員統計和評價關聯規則,形成相應的故障診斷知識,以保障設備的故障診斷效果。
模糊模式識別方法是通過模糊數學中的概念和原理等解決分類識別問題,包括隸屬度法和模糊聚類法等。所謂的模糊模式識別是將研究對象定義為現實中模糊存在的現實,并將這些模糊的現實轉換為實際的信息,然后利用計算機技術處理實現模糊識別的目的。例如,過電壓等具有延伸性,且不確定的概念存在于輸電線路系統中。模糊模式識別故障的方法正是由于在輸電線路中存在的模糊性而被具體應用。傳統的行波測距方法存在無法明確的方面,如不固定的母線接線、不確定輸電線路的影響參數等,影響對母線的實際反射,降低了系統可靠性[5]。為最大限度地減少無法確定的因素,可將模糊模式識別技術應用于傳統行波測距方法。通過分段檢測輸電線路,并根據每段線路的實際情況設置不同的模式。通過識別各個分段線路上的故障模式,可準確找到發生故障的位置。如果多種候選模式應用到同一分段中,可將隸屬函數按照模糊理論定義確定故障的模式屬性。
故障樹分析法主要通過自上而下的方法分析導致設備和系統故障的直接或間接原因。在診斷輸電線路的過程中,最不希望發生頂層故障,需將造成故障的所有原因從下向上分別列出,產生故障樹現象。通過詳細說明事件間的各種聯系,從而成功應用定性和定量分析法進行分析。故障分析的關鍵為故障樹的定性分析,可在最短時間分析系統的故障模式。在診斷故障方法中主要使用定量分析,按照已給定的事件發生率計算頂層事件的發生率,即通過故障模式和影響分析法準確分析系統結構、故障對系統造成的影響,同時及時消除潛在的故障模式。具體應用到診斷輸電線路過程中時,需制定標準的FMEA表格,主要分為4個流程:(1)及時確定輸電線路運行中可能出現的故障模式;(2)科學評估每種故障模式造成的影響;(3)準確評估故障模式發生的原因和概率;(4)根據故障模式合理制定解決措施。
通過大量推廣和使用大數據挖掘技術,可加快工作人員采集和處理數據的工作速度。當前,人們不斷增加的電力需求量促使輸配電設備的運行工作量加大,導致故障問題頻頻發生。因此,供電企業需重視大數據挖掘技術的研究,不斷完善和改進技術,保障輸配電設備的穩定運行。同時,為保障用戶的正常用電,需及時發現和解決輸配電設備運行中發生的故障,從而提升工作人員的工作質量和工作效果。