基于云共享的智能故障運維平臺

朱 孟，黃麗君，劉 奕，尤莎琳，林曉新

（國家電網福建省電力有限公司泉州供電公司明，福建 泉州 362000）

0 引 言

采集是計量的最后一關。隨著系統建設和應用的飛速發展，一方面采集系統是一套準實時的數據采集系統，對數據質量與采集時限有很高的要求；另一方面，采集系統也是一套實現了“全覆蓋、全采集、全費控”的系統。各類采集裝置、通信方式眾多，現場環境復雜，導致出現了復雜多樣的故障。因此，作為電力采集重要支撐之一的現場運維，是否能快速準確地進行故障診斷和處理，對電網的安全、優質、經濟運行起著不可忽視的作用。目前，泉州地區電網規模較大，用戶分布范圍較廣，運維工作量較大，運維效率有較大提升空間。

采集專業作為整個電網的末端節點，現場運維面對的故障不僅有本專業的因素，也有來自于公司各個相關專業的關聯故障。當前在本專業設備性能的提高、人員技能的熟練情況下，面對體制和機制的束縛提升采集運維效率是重中之重。

全面提升采集運維信息智能化管理，實現大數據的資源優化利用和跨專業協作的溝通壁壘擊破，達到真正的內外兼修，是目前可以采用的最有效管理手段。為了更好地分析電力采集現場運維對信息智能化管理的需求，通過梳理運維流程，分類統計了2018年3個月（3—5月份）的采集運維信息（如表1所示），發現了以下問題：現場運維人員對其他專業在現場發現的問題不清楚，無法根據實際情況準確判斷并及時完成消缺；運維人員如果發現故障需其他專業配合處理，轉由主站運維人員負責，以電話、工作聯系單等方式跨班組、部門溝通，效率較低，嚴重拖累采集指標。

其中，計量表計故障包括表計黑屏、電池欠壓、表計時間錯以及失壓斷流等；計量接線問題包括新柜未預留采集接線、表計到聯合接線盒端接線斷或者未接線等；進線柜內故障包括高壓熔絲斷、無電源等；通信故障包括運營商IP占用、運營商基站信號減弱或屏蔽等。

表1 2018年3—5月份的采集運維信息

如何解決運維時限過長的問題呢？根據設想，需要一種云共享平臺，能夠通過手機、掌機等運維設備上的APP為現場運維人員（并不僅限于采集專業運維人員）提供目標設備的關聯信息，如設備編號、設備位置、周邊各種設備的拓撲圖、設備故障記錄、運維記錄以及操作記錄等各種運維相關重要信息。

1 平臺的基礎功能設計

1.1 信息共享化

這樣一個平臺依托于各專業已有系統的數據庫，建立了一個面向全專業信息公開且可實時維護的設備立體拓撲圖，可用手機APP或者掌機查閱或維護。拓撲圖包含運維現場所有臨近的電力相關設施及設備。通過空間層次和帶箭頭連接線的方式，標明設備間的相對位置和隸屬關系；通過顏色分類區別設備、線路的電壓等級；通過閃爍或高亮顯示，提醒該部分設備存在異常或者故障；通過標簽備注提供對應設備的所有信息，包括但不限于資產編號、所屬饋線臺區或用戶、使用年限、經緯度、故障情況、運維記錄以及運維人員等相關運維信息[1]。

采集現場運維人員經手機APP或者掌機可以直接調閱指定設備及鄰近所有設施的立體拓撲圖。經過全面排查，懷疑采集專業所屬設備無故障的情況下，能利用共享信息及時了解是否存在其他專業的關聯故障（如線路停電、變壓器檢修停運、高壓熔絲斷、進線柜無電源以及表計故障等）及預計故障恢復時間。

1.2 設備節點化

以每個采集終端為拓撲圖上的神經元節點，通過采集專業HPLC高速電力線載波通信，將終端及臨近設備狀態（包括但不限于攝像頭拍攝的圖片及溫濕度感應器收集到的數據）、各專業大數據、故障信息及運維信息等傳送到平臺，經過數據處理形成每個神經元節點的基本檔案。神經元節點基本檔案的維護和更新主要由各種信息采集設備自動完成，輔以現場運維人員根據自身經驗判斷且經過運維證實的故障情況收集。

1.3 采集樞紐化

以計量專業的末端——采集專業為平臺樞紐，對每個終端及其臨近設備運行狀態進行實時監控、故障預警和故障輔助判斷，并把信息分析結果按緊急性等級發布給各相關專業，最后收集處理結果。借助平臺，各專業運維人員能夠第一時間獲得現場故障信息，對可能存在的故障情況及對應處理方案能作出充足準備。對于在專業分界點附近的故障點，各相關專業運維人員可以通過該平臺進行及時、迅速、有效的會診。對于現場具有代表性或者特殊性的故障，可以通過該平臺將故障信息包括但不限于故障情況視頻影像記錄、故障會診紀要、故障運維處理過程上傳到技培中心數據庫，為現場VR模擬實操提供寶貴的經驗[2]。

1.4 故障預警及診斷智能化

通過對各專業大數據（包括但不限于各種設備在各種狀態下的溫濕度、外在形態、空氣中的氣味）的統一采集與分析，借助專業數學建模及趨勢化分析，對設備進行全壽命周期的管控。同時，將設備臺賬規范化，簡化至保留唯一性標識，補充運維狀態、運維記錄、會診記錄及預警等級。系統自動根據拓撲圖上神經元節點之間的距離及檔案記錄的設備老化情況，合理輔助安排終端、表計設備的輪換計劃，既節約了運維時間，又最大程度避免了可能出現的終端故障導致的采集率下降。

基于黑盒子理論的故障AI預警診斷系統，可以為現場運維人員提供初步的故障預警、故障判斷和處理方案。搜集各個系統數據庫提供的大數據，加上現場運維人員更新的故障信息，盡量窮舉所有設備處于異常狀態下的運行參數、告警標識及設備外觀狀態等信息，交由故障AI預警診斷系統自行學習。診斷系統通過對每個實時檔案的判斷，可以直接找到存在故障的神經元節點。

2 結 論

該云共享平臺的建設旨在全面整合相關應用系統資源，實現有效的跨專業信息及人力資源共享機制，提供了一個新的電力專業故障運維管理視角和處理方案，并采用故障預警及診斷智能化手段，在電力行業提升工作效率和服務質量上具有參考價值。