大數(shù)據(jù)技術在特高壓變電站運維中的運用

張光耀 劉興萬 陳文學 薛飛揚 翟晨宇

摘要：電力技術不斷發(fā)展，電網(wǎng)骨干網(wǎng)正由當前的500kV網(wǎng)架結(jié)構向特高壓電網(wǎng)過渡。特高壓電網(wǎng)結(jié)構復雜，電氣元件眾多，采用了豐富的數(shù)據(jù)采集技術及在線監(jiān)測技術來監(jiān)控設備狀態(tài)。變電站內(nèi)各種監(jiān)測采集裝置在運行過程中會產(chǎn)生大量的數(shù)據(jù)，從數(shù)據(jù)規(guī)模、增長速度及時間特性來看屬于當前大數(shù)據(jù)的研究范疇。如何有效的利用存儲在服務器上的海量數(shù)據(jù)進行變電站設備運維、故障發(fā)現(xiàn)及解放緊缺的運維人員是當前急需解決的問題。本文對大數(shù)據(jù)技術在特高壓變電站運維中的應用進行了探索，闡述了大數(shù)據(jù)技術如何助力特高壓運維工作并對相關技術進行了分析。

關鍵詞：大數(shù)據(jù);云計算;特高壓;運維

0引言

特高壓變電站在運行過程中會積累大量數(shù)據(jù)，數(shù)據(jù)規(guī)模和增長速度都是超高壓變電站所不能比擬的，如何有效的利用這些豐富的數(shù)據(jù)資源進行業(yè)務決策是急需解決的問題。大數(shù)據(jù)技術為特高壓變電站運維工作提供了新的解決思路，通過將站內(nèi)傳感器采集的數(shù)據(jù)集成到變電站云平臺，基于云平臺開發(fā)各種應用子系統(tǒng)可方便巡檢及故障預測，大大優(yōu)化人力配置。本文首先分析了當前特高壓變電站數(shù)據(jù)的來源及特性，界定了特高壓變電站數(shù)據(jù)從屬于大數(shù)據(jù)的研究范疇，接著從智能巡檢和故障預測兩方面探討了大數(shù)據(jù)技術如何助力特高壓運維工作，闡述了新的巡檢模式，介紹了利用大數(shù)據(jù)技術進行故障發(fā)現(xiàn)及預測的工作思路。

1變電站大數(shù)據(jù)

特高壓變電站與傳統(tǒng)超高壓變電站有著較大的區(qū)別，其設備規(guī)模和電壓等級均更上一個臺階，需要采用更多的在線監(jiān)測手段采集數(shù)據(jù)來辨別設備當前狀態(tài)，因此特高壓變電站內(nèi)集成了數(shù)量龐大的傳感器，用來實時采集設備狀態(tài)數(shù)據(jù)。各類傳感器對間隔層設備的狀態(tài)量進行監(jiān)測，監(jiān)測數(shù)據(jù)通過分布式網(wǎng)絡傳輸至服務器機群，從服務器上傳至站控層監(jiān)控后臺供運維人員進行分析判別。由于采集數(shù)據(jù)的數(shù)量龐大、采集頻率極高，造成特高壓變電站內(nèi)的監(jiān)測數(shù)據(jù)成指數(shù)級增長。

目前特高壓變電站的數(shù)據(jù)主要包括：功率、電壓、電流、功率因數(shù)、錄波數(shù)據(jù)、保護數(shù)據(jù)、通信數(shù)據(jù)、時鐘數(shù)據(jù)、電能計量讀數(shù)等設備的各種運行參數(shù)。如變壓器及高壓電抗器的油中溶解氣體含量、局部放電數(shù)據(jù)、套管介損、微水、油溫、油位、鐵芯接地電流、夾件接地電流、噪聲;斷路器的跳閘報告、測距報告、動作次數(shù)、氣體成分、氣室壓力、油壓;避雷器的泄露電流、動作次數(shù);母線GIS的壓力、溫度、局部放電圖譜、環(huán)境參數(shù);各類匯控柜端子箱內(nèi)的溫濕度數(shù)據(jù)等。

變電站內(nèi)集成的眾多傳感器每時每刻都產(chǎn)生大量數(shù)據(jù)，不同的監(jiān)測采集手段決定了數(shù)據(jù)的格式是多樣性的。數(shù)據(jù)產(chǎn)生的快，同時需要更快的處理方式。所有數(shù)據(jù)在正常情況下都是真實可靠的。數(shù)量大、數(shù)據(jù)多樣、產(chǎn)生速度快、數(shù)據(jù)真實這四個特性與大數(shù)據(jù)的4V特點相符合，因此可采用大數(shù)據(jù)技術對這些數(shù)據(jù)進行分析，制定相應的決策進行設備狀態(tài)鑒定。

2大數(shù)據(jù)助力運維

2.1基于大數(shù)據(jù)的智能巡檢

特高壓變電站地域廣、設備多，每日巡視耗費較大的精力。同時，因巡檢人員水平及能力不同，又缺乏規(guī)范的標準，造成對缺陷描述不統(tǒng)一，經(jīng)常導致缺陷重復錄入現(xiàn)象。借力大數(shù)據(jù)技術，巡檢人員可以有針對性的對可能出現(xiàn)問題的設備重點巡視，只需錄入設備現(xiàn)場數(shù)據(jù)便可由計算機自動生成缺陷描述及缺陷報告，實現(xiàn)對設備的集中管控。

目前各電力公司普通采用手持移動終端巡檢的工作方式，這種工作方式實現(xiàn)了設備信息的自動錄入，但仍存在諸多問題，比如巡檢內(nèi)容繁雜且無針對性，無法實時讀取設備工況，缺陷異常的定性較為困難等。

依托大數(shù)據(jù)技術，搭建變電站云平臺。云平臺可根據(jù)集成的設備出廠信息及歷史數(shù)據(jù)等知識資料，結(jié)合當前運行工況及氣象環(huán)境進行主動推薦當日巡視重點項目。運維人員手持智能巡檢設備，在巡檢過程中將發(fā)現(xiàn)的設備現(xiàn)象通過圖片、音頻、視頻或文字描述等方式錄入巡檢設備，巡檢設備將信息自動上傳云平臺，通過后臺服務器進行數(shù)據(jù)分析得出設備健康狀態(tài)變化趨勢，從而進行設備狀態(tài)定性，給出合理化建議，預先發(fā)現(xiàn)設備故障。

圖?1?基于大數(shù)據(jù)的智能巡檢

當巡檢完某一項目，巡檢設備會根據(jù)推薦系統(tǒng)相關算法進行推薦距離最近的應去巡檢的設備。依托智能移動設備，基于大數(shù)據(jù)技術的巡檢，規(guī)范巡檢流程，集成標準操作，能有效提高巡檢效率，預先發(fā)現(xiàn)設備隱患，解脫運維人員壓力。

2.2基于大數(shù)據(jù)的故障發(fā)現(xiàn)及預測

特高壓電網(wǎng)已經(jīng)逐漸成為電力系統(tǒng)的主要網(wǎng)架結(jié)構，特高壓變電站站內(nèi)設備作為電力生產(chǎn)系統(tǒng)的核心，其重要性不言而喻。準確預測并及時發(fā)現(xiàn)設備故障，對維護電網(wǎng)穩(wěn)定至關重要。傳統(tǒng)的故障研究及學習一般都是事后分析，這種生產(chǎn)方法導致了定期計劃檢修的工作模式。當前大數(shù)據(jù)技術已然成熟，利用大數(shù)據(jù)技術進行數(shù)據(jù)分析，從而進行故障診斷和預測的研究將具有十分重要的意義。特高壓變電站內(nèi)集成匯總了SCADA系統(tǒng)實時數(shù)據(jù)、紅外圖譜數(shù)據(jù)、SF6在線監(jiān)測數(shù)據(jù)，局放在線監(jiān)測數(shù)據(jù)，保護、測控、故障錄波數(shù)據(jù)，油溫油位數(shù)據(jù)、EMS、PMS、OMS等，豐富的信息資源足以進行合理的故障發(fā)現(xiàn)及預測。

首先將這些異構數(shù)據(jù)信息進行融合并分別存儲到相應的數(shù)據(jù)庫及文件系統(tǒng)中，建立設備的索引樹，通過整合并比對歷史故障發(fā)生前后負荷、功率、電流、電壓、操作情況、設備狀態(tài)及氣象信息等內(nèi)外部因素，對無用數(shù)據(jù)過濾，進行聚類及分類處理，對設備工況進行關聯(lián)分析及規(guī)律發(fā)現(xiàn)，采取合理的機器學習算法或者推薦算法進行故障發(fā)現(xiàn)及風險預測，形成可以預測故障的模型。模型可基于協(xié)同過濾或內(nèi)容過濾思想，以歷史數(shù)據(jù)及典型案例為訓練集，當前數(shù)據(jù)為測試集，進行缺陷預測及風險評估，通過準確率與召回率計算進行參數(shù)調(diào)節(jié)與模型修正。

圖?2?基于大數(shù)據(jù)的故障發(fā)現(xiàn)及預測

利用大數(shù)據(jù)技術進行故障發(fā)現(xiàn)及預測，在故障發(fā)生之前找出最可能發(fā)生故障的設備，進行有針對性的維護，可以大大降低故障發(fā)生的概率，提高電網(wǎng)穩(wěn)定性。

3結(jié)語

大數(shù)據(jù)技術為特高壓變電站的運維帶來了新的解決思路，通過相關技術應用可以方便巡檢及故障預測，充分優(yōu)化人力配置。借助大數(shù)據(jù)技術還可以生成每日設備數(shù)據(jù)報告及風險評估，并實現(xiàn)智能推送。大數(shù)據(jù)技術將成為特高壓變電站所有業(yè)務決策的基礎，推動變電站朝著集約化管控、專業(yè)化運維方向轉(zhuǎn)變。

參考文獻：

[1]王一波，李施.500kV智能化變電站運維一體化分析[J].低碳世界，2019，9（6）.

[2]烏建恒.能源互聯(lián)網(wǎng)中的大數(shù)據(jù)技術[J].能源評論，2017：153.

[3]劉世成，張東霞，朱朝陽，等.能源互聯(lián)網(wǎng)中大數(shù)據(jù)技術思考[J].電力系統(tǒng)自動化，2016，v.40;No.582（08）：19-26+61.