基于趨勢分析的變電站設備異常檢測方法

姚 艷 秋

(長春師范大學 計算機科學與技術學院, 長春 130032)

變電站使用的電力設備在各種環(huán)境因素作用下, 會導致性能指標下降, 甚至發(fā)生電力事故. 利用對電力設備的在線監(jiān)測[1-2], 能及時獲知設備的性能狀況, 如設備的絕緣性. 介質(zhì)損耗因數(shù)可表征設備的絕緣性, 當設備的絕緣性較差時, 設備運行的能量損耗將增大. 因此, 通常采用隨時間變化的介質(zhì)損耗因數(shù)衡量電容型設備的絕緣性[3-4]. 不僅要分析某設備在某時刻或某段時間內(nèi)參數(shù)的變化情況, 還要判斷該設備運行狀態(tài)的長期變化情況, 即分析設備參數(shù)的變化趨勢. 隨著設備使用時間的延長, 其受環(huán)境因素影響而老化, 設備的介質(zhì)損耗因數(shù)會緩慢增加. 目前, 已有一些利用智能技術對電力設備運行狀況進行異常診斷的方法[5-8]. 本文提出的趨勢分析方法能根據(jù)設備介損變化趨勢判斷設備的絕緣性狀況, 實現(xiàn)在線輔助診斷, 減輕人工識別判斷的工作量.

1 趨勢分析方法

本文主要對介質(zhì)損耗因數(shù)的時序數(shù)據(jù)進行趨勢分析, 當介質(zhì)損耗因數(shù)呈增長趨勢時, 認為設備的絕緣性變差, 此時需要對設備進行檢修. 趨勢分析方法通過模擬一段數(shù)據(jù)流的變化直線, 忽略其細節(jié), 得到總體的變化趨勢. 該方法通過對待分析數(shù)據(jù)流進行合理分割, 先計算各段數(shù)據(jù)的特征值, 再根據(jù)每段數(shù)據(jù)的特征值分析數(shù)據(jù)的變化趨勢. 本文將進行趨勢分析的數(shù)據(jù)流定義為Y={xt1,xt2,…,xti,…,xtn}, 其中xti表示ti時刻的監(jiān)測數(shù)據(jù).

因為直線擬合的誤差會隨著所擬合數(shù)據(jù)段的增長而增大, 所以要對數(shù)據(jù)段進行適度分割. 數(shù)據(jù)流分割后的數(shù)據(jù)段表示為Y={Y1,Y2,…,Yi,…,Yj}, 其中數(shù)據(jù)段Yi可表示為Yi={xi1,xi2,…,xij,…,xik},Yi數(shù)據(jù)段內(nèi)的xi1到xik滿足對某個統(tǒng)計模型的誤差最小, 這樣將其分割在一個數(shù)據(jù)段內(nèi)可減少直線擬合的誤差. 數(shù)據(jù)流分割后, 對每段數(shù)據(jù)Yi進行直線擬合, 根據(jù)其統(tǒng)計模型進行趨勢分析. 因為設備介質(zhì)損耗因數(shù)的增大, 表示設備絕緣性變差, 通過對介質(zhì)損耗因數(shù)進行直線擬合, 能較直觀地判斷介質(zhì)損耗因數(shù)的增大或減小. 直線擬合可表示為x(t)=(a+δj)t+(b+εj), 其中x(t)表示按時序排列的數(shù)據(jù)流,δj和εj為誤差, 參數(shù)a和b表示x(t)的特征值, 記錄a和b的值即可記錄這段數(shù)據(jù)的趨勢. 因此, 對監(jiān)測的介質(zhì)損耗因數(shù)進行趨勢分析, 需要對數(shù)據(jù)流進行分割和擬合.

2 數(shù)據(jù)流分割擬合方法

監(jiān)測得到的介質(zhì)損耗因數(shù)是離散的, 且不斷波動, 因此對其進行趨勢分析, 就要從數(shù)據(jù)序列中找出規(guī)律性, 進而分析數(shù)據(jù)的變化趨勢, 所以將數(shù)據(jù)擬合成一條直線, 判斷介質(zhì)損耗因數(shù)總體的變化趨勢. 直線擬合是根據(jù)一些離散數(shù)據(jù)得到一條直線, 使原始數(shù)據(jù)與擬合直線符合相同的變化趨勢. 本文采用最小二乘法進行監(jiān)測數(shù)據(jù)的直線擬合. 其通過求得具有最小誤差的擬合函數(shù)進行直線擬合, 所以通過直線擬合得到的函數(shù)是使離散數(shù)據(jù)與擬合直線誤差平方和最小的函數(shù), 擬合直線與原始數(shù)據(jù)的趨勢較接近.

數(shù)據(jù)流分割是趨勢分析的一個重要問題. 當數(shù)據(jù)量增大時, 直線擬合的誤差將增大, 所以需要對數(shù)據(jù)流進行適度分割, 如果分割不當, 會增加擬合直線誤差. 分割數(shù)據(jù)流的方法目前主要有滑動窗口法和外推式分割方法. 滑動窗口分割通過設置滑動窗口, 當數(shù)據(jù)段長度達到窗口大小時就進行分割, 該方法是最簡單的數(shù)據(jù)流分割方法, 但分割后數(shù)據(jù)段中的數(shù)據(jù)直線擬合誤差可能較大, 所以這種方法通常不能選取最合適的分割點. 外推式分割方法[9]取適量數(shù)據(jù), 將其擬合成一條直線, 再逐步增加新數(shù)據(jù), 當累計誤差增加到所規(guī)定的誤差最大值時, 分割數(shù)據(jù)段. 該方法可減小擬合的誤差, 但擬合直線只符合原數(shù)據(jù)規(guī)律, 并未考慮后續(xù)增加數(shù)據(jù)的規(guī)律.

本文將上述兩種方法相結(jié)合. 設置基本滑動窗口, 從數(shù)據(jù)流的起始點開始, 逐漸增加數(shù)據(jù), 進行直線擬合. 用擬合后直線的誤差平方和與閾值進行比較, 當誤差比閾值大時, 如果數(shù)據(jù)段長度小于等于基本滑動窗口大小, 則認為數(shù)據(jù)段波動較大, 不作為趨勢分析參考； 否則, 將該數(shù)據(jù)所在位置作為分割點, 再取該數(shù)據(jù)后的數(shù)據(jù)點作為起始點, 重復擬合直線步驟； 當誤差比閾值小時, 每增加一個數(shù)據(jù), 重新擬合直線. 本文算法步驟如下：

輸入：I={x1,x2,…,xi,…,xn}, 基本滑動窗口長度lmin, 誤差平方和閾值t,f( )為擬合函數(shù);

輸出： {S,E,A,B,L},S和E表示數(shù)據(jù)流分割起止點,A和B表示特征值,L表示數(shù)據(jù)段是否作為趨勢分析參考；

1)m=1 //分割數(shù)據(jù)段開始點

2)j=1 //數(shù)據(jù)流分割段數(shù)

3) FORi=2 TOn

4)Yj={xm,…,xi}

5)k=i-m+1 //Yj數(shù)據(jù)段的長度為k

6) 由擬合函數(shù)f(Yj)計算誤差E和特征值a,b

7) IFE>t

8) IFk≤lmin

9)L(j)=1 //數(shù)據(jù)段特征值不作為趨勢分析參考

10) ELSE

11)L(j)=0 //數(shù)據(jù)段特征值表示趨勢

12) ENDIF

13)S(j)=m,E(j)=i-1 //記錄數(shù)據(jù)段起止點

14)A(j)=a,B(j)=b//記錄擬合直線的特征值

15)m=i,j=j+1 //分割數(shù)據(jù)流, 重新開始擬合直線

16) ENDIF

17) ENDFOR.

3 實例分析

為驗證本文趨勢分析方法的實際應用效果, 采用某變電站電容型設備的介質(zhì)損耗實測數(shù)據(jù)進行實驗. 對如圖1所示的隨時間變化的介質(zhì)損耗因數(shù)進行趨勢分析, 首先對數(shù)據(jù)流進行分割, 對數(shù)據(jù)流進行分割先要確定基本滑動窗口、 誤差平方及閾值大小. 本文基本滑動窗口設置為30. 因為監(jiān)測參數(shù)每天測量一次, 根據(jù)經(jīng)驗分析, 滑動窗口不能太小, 否則診斷結(jié)果可能由于突變引起, 并不代表變化趨勢. 將基本滑動窗口設為一個月大小30, 符合實際應用對數(shù)據(jù)流的分割需求. 閾值t表示擬合直線誤差平方和允許的最大值, 當誤差平方和大于閾值時, 需要分割數(shù)據(jù)流. 根據(jù)經(jīng)驗分析, 當誤差閾值t=0.003時較符合實際要求. 對圖1中介質(zhì)損耗因數(shù)進行趨勢分析, 得到擬合曲線如圖2所示. 圖2的趨勢分析結(jié)果列于表1. 由圖2可見, 其擬合的曲線與圖1的趨勢相符.

圖1 介質(zhì)損耗因數(shù)數(shù)據(jù)

圖2 對圖1介質(zhì)損耗因數(shù)數(shù)據(jù)的擬合曲線

表1 擬合曲線分析數(shù)據(jù)

由表1可見: 從時刻1到時刻24, 數(shù)據(jù)段擬合結(jié)果無意義； 從時刻25到時刻68, 時刻69到時刻103, 數(shù)據(jù)快速下降； 從時刻104到時刻155, 時刻156到時刻226, 時刻227到時刻275, 數(shù)據(jù)較平穩(wěn), 有上升趨勢； 從時刻276到時刻303, 數(shù)據(jù)段擬合結(jié)果無意義； 從時刻304到時刻375, 數(shù)據(jù)快速上升； 從時刻376到時刻429, 時刻430到時刻459, 數(shù)據(jù)較平穩(wěn), 前段有上升趨勢, 后段有下降趨勢； 從時刻460到時刻509, 時刻510到時刻545, 數(shù)據(jù)快速上升； 從時刻546到時刻575, 數(shù)據(jù)快速下降； 從時刻576到時刻623, 數(shù)據(jù)較平穩(wěn), 呈上升趨勢； 時刻624到時刻643, 數(shù)據(jù)段擬合結(jié)果無意義； 從時刻644到時刻675, 數(shù)據(jù)較平穩(wěn), 呈上升趨勢.

趨勢分析主要分析數(shù)據(jù)長期的發(fā)展趨勢, 數(shù)據(jù)可能在短時間內(nèi)波動, 而短時間內(nèi)波動不作為關注的重點, 所以將基本滑動窗口長度設為30, 即1個月作為閾值, 當數(shù)據(jù)段長度不超過30時, 可認為是干擾引起, 不作為數(shù)據(jù)發(fā)展趨勢. 根據(jù)經(jīng)驗分析, 當擬合曲線斜率超過2×10-5時, 設備出現(xiàn)故障的可能性較大. 本文研究結(jié)果表明, 具有這種趨勢的數(shù)據(jù)段為異常數(shù)據(jù)段, 所以反映設備出現(xiàn)故障的數(shù)據(jù)段包括時刻460～509,510～545產(chǎn)生的數(shù)據(jù)段. 這里不考慮超過閾值并且趨勢為快速下降的數(shù)據(jù)段. 分析結(jié)果表明： 超過長度閾值并且趨勢為快速上升的數(shù)據(jù)段為異常數(shù)據(jù)段； 在時刻460～509,510～545數(shù)據(jù)產(chǎn)生期間, 設備可能發(fā)生故障, 需要工作人員到現(xiàn)場檢修.

綜上所述, 基于電容型設備的介質(zhì)損耗因數(shù)能反映設備的絕緣狀況, 本文應用時序數(shù)據(jù)的趨勢分析方法對設備介損監(jiān)測參數(shù)進行了分析, 通過對數(shù)據(jù)流進行合理分割, 基于最小二乘法進行直線擬合, 進而實現(xiàn)了對變電站設備異常趨勢的檢測. 該方法目前已應用在變電站的實際監(jiān)測系統(tǒng)中, 其能對實時監(jiān)測數(shù)據(jù)進行自動分析判斷, 對電力設備的可能異常提示預警, 從而為工作人員提供輔助分析判斷.