電力設備運維智能管控系統研究

劉練 夏銳

摘 要：電力生產行業設備復雜、工藝龐大，在日常的生產和檢修維護作業中存在很多危險源，因此企業需要通過管理手段來避免工作人員在生產作業過程中可能遇到的危險，我們經常用到一套電力設備運維智能管控系統。電力設備運維智能管控系統是一項融合了數據獲取，數據分析，數據利用的智能管控系統。如何將這些孤立的子模塊連接利用起來，達到數據資源的整合有效，是電力設備運維智能管控系統的研究關鍵。

關鍵詞：運維;管控;數據;電力設備

中圖分類號：TM63 文獻標識碼：A 文章編號：1671-2064（2019）18-0181-02

1 概述

電力設備的運行維護無疑是一項關于生產和安全的大事，隨著近年來運維智能管控體系的全面推廣，逐步實現了管控系統信息匯集、數據分析及信息流轉功能，但運維智能管控體系還未實現全面貫通、高效傳統的管理目標。需要通過精確掌握設備實時信息，加強運維業務及資源管控，為電網安全穩定運行提供有力的組織保障。電力設備的種類很多，包括電氣設備及線路、熱力機械、熱工熱控系統等等，在日常生產和檢修維護過程中，工作人員經常會因為個人疏忽或工作監護不到位或違規作業等發生安全事故，導致對人身安全和設備本身造成巨大傷害，甚至出現工作人員傷亡。

2 存在問題

變電站的電力設備運行維護基于人工判斷，出錯率高，時間和人力成本較高。電網集控中心對網絡數據容易把握，但對現場設備的具體運行情況了解不夠，操作人員到現場后才能反饋現場設備準確狀態到集控中心，導致電力設備運維環節周期非常長，集控中心不能實時掌握現場設備情況，只能根據操作人員上報的信息進行簡單的判斷和調度。經常因為上報的信息不全面導致電力設備運行維護系統執行不暢[1]。

現階段我們需要一種全面監控現場電力設備數據，高效貫通的管控系統幫助我們實現電力設備數據獲取，數據分析，數據利用的一系列設備運維管控智能化。

3 設計思想

電力設備運維智能管控系統是基于智能電網發展而來，智能電網的核心是構建具備智能判斷與自適應調節能力的多種能源統一入網和分布式管理的智能化網絡系統，其本質為能源替代和兼容利用，海量電力數據的采集及終端智能化、電力數據的傳遞、電力數據的一體化分析和管理、電力信息的綜合應用[2]。

一種電力設備運維智能管控系統，需要大量的數據作為基礎，進行智能化分析和決策，在這過程中，建立實用的專家規則庫是一種直接有效的辦法。最后有用的數據資源不僅可以為電力設備運行維護所用，也可以整合到其他行業中去提供支持。

4 控制系統

根據以上設計思想，該設備運維管控系統包括以下幾個模塊。

4.1 設備參數采集模塊

將采集的參數發送集控中心，在集控中心可以進行查詢，推送給需要的部門。

隨著電力系統的不斷發展，越來越多的計量、保護、變換、控制、監測、用電等設備接入電力系統，各種電力設備的運行產生了大量數據，目前多數現場數據采集設備仍然基于傳動的工業采集裝置，數據可靠性差，精度低，也使得終端設備的智能化程度低。目前市場上存在著很多微型智能傳感器具備高精度、低功耗、微型化、智能計算的特點，一方面可以完成設備信息的采集、提取及傳遞;另一方面通過本地邊緣計算，實現終端智能化，完成本地自控，從而無需像傳統設備一樣只具備遙測遙信功能而不具備遙控功能[3]。

與設備有關的參數依靠各種傳感器采集：電壓傳感器，電流傳感器，壓強傳感器，溫度傳感器，濕度傳感器，風速傳感器，雨量傳感器，氣體濃度傳感器，電磁傳感器等等。

下面舉例說說其中幾種特殊傳感器：

溫度傳感器：測溫終端采用微功耗技術，使用8AH/3.6V的自消耗低、壽命長、耐高溫的鋰亞電池供電方式，能夠使溫度采集終端單元工作在5年以上;鋰亞電池與微功耗技術相結合，很好地解決了測溫終端單元取電的問題。

局部氣象環境監測傳感器：監測的氣象參數主要包括風速、風向、氣溫、濕度、氣壓等。系統將采集到的各種氣象參數及其變化狀況通過網絡實時地傳送到集控中心。

氣象傳感器的氣象數據包括氣溫、氣壓、風速、風向、相對濕度和降雨量，將溫度、濕度、降雨量、風速、雷電等實時數據或預報值與設備地理坐標進行空間分析，實時計算出設備周邊發生的環境變化，將計算分析結果與設備運維關心的惡劣雷電、氣象指標進行匹配，形成告警信息在地圖進行顯示[3]。

氣體傳感器：型號為TGS3048，該傳感器由加熱器和金屬氧化物半導體組成，可識別低壓交直流電纜高溫分解時產生的氣體，氣體濃度越高，傳感器電導率越高，氣體濃度對應的電壓輸出也越高。該傳感器識別的氣體為揮發性有機物，包括乙烷、乙酸乙酯、2-苯基-1-丙烯，笨乙酮、鄰笨二甲酯二丁酯，通過對某種氣體濃度的檢測，來判斷電纜設備是否高溫發生故障。

4.2 數據歸納及數據處理分析模塊

當傳感器測量的數據到達集控中心后，集控中心負責提取有用的數據，并將這些數據進行歸納和處理分析。另外集控中心內部有專家系統數據庫。專家系統數據庫是一個龐大的安全策略庫，有些安全策略是基于五防邏輯的，比如操作某一個設備，必須要其他相關設備的狀態是符合五防邏輯的。設備狀態確認基于電壓參數，電流參數的判定。有些安全策略基于設備環境考慮，比如設備當前的溫度，濕度，設備的氣壓參數。當溫度，濕度，設備氣壓參數超出一定范圍，被認為不安全。有些安全策略是基于極端天氣下的露天設備考慮，涉及的參數比如風速參數，雨量參數。有些安全策略是基于傳輸電纜故障檢測，涉及的參數包括氣體濃度，當某段線纜某種目標氣體的含量超出一定值，認為其區域線纜有故障。

以上設備中出現違反安全策略，會進行可視化告警提示，展示異常數據以及提醒可能存在原因和解決方案（基于異常數據的基本分析和以往案例）。

當然，專家系統數據庫不僅有安全策略，還可以將安全狀態下的實時設備數據入庫，設備運行的大量實時數據作為訓練樣本，規則分類，生成新的安全策略供人工驗證，篩選，使用。隨著這樣自學習的過程，專家系統的安全策略會越來越豐富，越來越自適應，越來越人性化。

還可以專門將氣象預警信息單獨列出來作為獨立模塊，從而提高對預警信息快速了解和定位。在本專家系統數據庫下的智能預警提示中，可以有效過濾次要信息，快速判斷設備狀態，讓運行人員盡快判斷故障可能類別，并提供正確處理的解決方案和提醒運行人員值得注意的事項。專家數據庫中還存儲了大量的氣象歷史數據，基于數據分析，看出氣象變化趨勢，災害空間分布情況，發現潛在規律，建立相應的氣象庫及指標條件，配合這些指標條件自行處理氣象數據。下面簡單討論一下專家氣象數據庫[4]。

（1）氣象災害預警量化指標;通過分析多年來由氣象災害引發的電網故障及其發生的原因，通過數據分析、提煉和總結故障發生時的氣象條件，初步確定各類氣象災害可能發生的量化的氣象指標條件。為了使規則庫的修改維護方便和靈活，這些氣象災害類型、等級以及氣象指標條件可以進行自定義。

（2）氣象災害預警機制;系統每天自動接收氣象局提供的未來7天的氣象預報信息，經過統計分析后根據預警類型指標定義自動提取預警區域和受影響范圍，通過郵件或短信自動將預警信息發給生產一線專責。整個過程無需人工參與，不但節省人力物力，還大幅提升了數據的處理效率和可靠性。

（3）氣象災害預警信息確認;由系統自動生成的預警信息經人工檢驗后，在預警記錄信息上添加確認標簽和注釋信息。預警指標的調整需要不斷觀察和總結，需要不斷修改自適應，逐步提高災害預警的精確度[4]。

綜上，專家氣象數據庫可根據當前氣象和預測值，進行空間分析和計算，得出氣象災害可能影響的范圍，并自動生成預警信息;歷史統計分析功能可從時間和空間兩方面對氣象變化趨勢，災害空間分析情況進行跟蹤和對比，從而發現潛在規律。不管是系統自動生成的氣象預告警信息，還是通過歷史統計分析發現的潛在規律，系統旨在通過這些功能，將氣象多源數據信息有效處理到一起，展示給運維檢修人員，讓運維人員提前做好預防措施，減災防災，從而提高電網運行的安全水平。

4.3 數據利用模塊

集控中心面對大量的電力設備數據，還可以進一步加工數據，使其為社會其他行業服務。例如風向數據，雨量數據，溫度數據，濕度數據均可提供給氣象部門，作為當地氣象研究的樣本數據。

電網各部門獨立運行，如何對龐大的電力數據統一分析，互補融合，打破相互的障礙，降低信息冗余，實現運維、檢修、調度、營銷、計量、財務、資產等不同業務貫通。本系統不僅可以達到電力設備的數據分析，進一步地推廣到電力大數據的數據分析和利用。

下面簡單舉例描述電力數據利用的可能的幾個方面：

（1）數據促進行業融合。電力大數據可以廣泛應用于冷、熱、氣等不同工商行業;利用電力數據的特點，冷熱氣等行業可以進行生產活動的調節優化，制定個性化的生產和服務流程，促進電、冷熱氣互相聯合，實現更好的社會服務和更高企業盈利。

（2）數據衍生新型業務。大數據海量優質的數據可以應用于互聯網金融等領域，電力數據依托其龐大的用戶基數和積累的用戶數據，可以開拓互聯網金融流量入口方面的業務。

（3）數據租售。氣象行業、高等院校、研究院等對電力原始數據或處理數據有著巨大的需求。有了本系統，無需將數據作為行業壁壘，通過數據租售，可以實現相關行業的快速發展，也能促進電力數據的不斷完善。

本系統的數據處理模塊可以如圖1簡化所示。

5 結語

本文以電力設備運維目前的現狀和問題出發，研究了電力設備運維管控系統的需求和解決方案，提出一種集合智能專家數據庫的集控中心，針對變電站的電力設備數據進行采集，人工智能處理分析后，使其運行維護得到全面的監控，并引申拓展了數據利用服務。

參考文獻

[1] 劉建明，趙子巖，等.物聯網技術在電力輸配電系統中的研究與應用[J].物聯網學報，2018，3（2）：88-102.

[2] 賈浩，王哲.物聯網技術在變電站輔助系統中的應用[J].電力科學與工程，2011，4（27）：53-57.

[3] 孫玉.我國物聯網產業發展趨勢[J].物聯網學報，2017，1（3）：1-5.

[4] 鄭一博，王馨，等.氣象大數據在運檢智能管控中的應用.東北電力技術[J].2018，39（3）：56-59.