人工智能在變電站運維管理中的應用綜述

劉穎超 王站原

摘要：變電站運維管理是人工智能在能源電力系統中的典型應用場景之一，研究以專家系統、傳統機器學習及深度學習為主要代表的人工智能技術，對于推動變電站的智能化發展具有重要意義。首先，概述了人工智能技術的發展現狀及特點、面臨的挑戰、發展趨勢及熱點;然后，結合變電站中基于傳感器的遙測系統與基于攝像頭的遙視系統的高級功能需求，總結分析了現有將人工智能技術應用于主要電力設備狀態評估診斷、變電站安防環境的智能感知、站內人員行為檢測判別等典型場景中的研究成果，同時指出當前人工智能技術應用于變電站典型場景時存在的問題;最后，就人工智能技術未來應用于變電站重要設備狀態感知和三維全景可視化中的重點突破領域提出了幾點建議。

關鍵詞：人工智能;變電站;運維管理;狀態監測;視頻監控;智能感知

引言

變電站的作用是為用戶提供安全可靠的用電，既能充分滿足用戶的用電需求，又能保證用戶的安全，因此成本非常高。如果選擇采用人工智能方法實現變電站的自動控制，將降低變電站的輸電成本，加快變電站的響應速度，降低人員操作帶來的風險。利用人工智能實現變電站的自動控制技術，使變電站的控制如同人控制一樣。當低壓升高時，人工智能變電站發出的負功率也會增加;相反，當低壓變壓器數量減少時，其輸出功率也自然減少，從而減少了變電站的能源浪費。與以往傳統變電站相比，人工智能變電站采用光纜代替光纜，采用數字代替模擬。通過最基礎的技術研究、系統集成、工程論證，使變電站更加安全可靠，系統集成度高，節能環保。

1基于人工智能理論的變電站一體化監控系統構架

智能變電站綜合監控系統在縱向上適應主站系統的調度和生產，在橫向上集成所有自動化設施和設備。它是智能變電站自動化的重要組成部分。而智能變電站綜合監控系統是智能電網調度控制和生產管理的重要前提。它也是建設備用調度系統的重要基礎，是建設大型運維系統的支撐條件。在智能變電站綜合監控系統中，涵蓋了現有傳統變電站的監控、控制、設備監控、運行維護等一系列相關系統。遵循標準化、模塊化原則，基于系統簡化、信息標準化、接口統一、業務協同、同化等技術特點，進一步為電網運行控制、設備運行監控、設備運行監控等提供參考，設備維修等操作維護管理是一體化的主要基礎。基于人工智能理論的變電站自動化系統體系結構基于人工智能理論的變電站綜合監控系統，全面采集站內電網運行信息和二次設備運行狀態，實現信息的交互、采集、管理和管理，基于標準化接口的監控輔助應用和輸變電設備狀態監測控制，及時管理變電站全景數據信息。

2變電站運維管理中的人工智能應用

人工智能技術在變電站運維管理中的應用，主要體現在對變電站設備、環境、人員的狀態信息進行分析。實現設備的狀態評估、故障診斷和預測報警、環境的智能感知和預警、人員行為的智能識別和控制。從狀態信息的來源來看，現有變電站狀態信息系統可分為基于傳感器的監控系統（以下簡稱遙測）和基于攝像機的監控系統（以下簡稱遙視）。因此，本部分主要針對以上兩個系統，總結了變電站運維管理中需要人工智能做技術支持的業務場景，并對其應用研究現狀進行了總結和分析。

2.1遙測系統

目前，遙測系統主要用于變電站主要一次設備的運行狀態。監測設備包括變壓器、氣體絕緣開關設備（GIS）、電容式設備（電流互感器、電容式電壓互感器、耦合電容器、高壓套管）等，遙測系統為綜合監測提供了豐富的數據基礎，及時、準確地掌握變電站設備的運行狀況和發展趨勢，而如何從這些監測數據中獲取有價值的信息成為關鍵問題，為人工智能技術的發展提供了場所。本質上，人工智能技術是用來解決從數據到設備狀態的映射問題，可以進一步分為分類（對應的故障診斷、模式識別等）和回歸（對應的狀態預測、參數識別等）。對專家系統、傳統機器學習和深度學習等人工智能技術在一次設備狀態診斷中的應用進行了總結和分析。

2.1.1變壓器/電抗器

尤其是變壓器是最重要的，因此對變壓器的監測參數也是最豐富的。傳統的變壓器診斷方法主要采用橫向和縱向比較、比值編碼、閾值判斷等數值分析方法。但由于設備故障機理復雜，故障類型多樣，現場干擾多，簡單的數值分析方法精度較低。因此，結合專家系統、機器學習等人工智能技術實現變壓器故障診斷成為多年來的研究熱點，而豐富的變壓器監測參數正是為這一研究提供了良好的數據基礎。人工智能診斷方案的實質是尋求變壓器監測參數與變壓器狀態（包括故障）類型之間的映射關系。通過樣本訓練完成的映射模型可以用來識別變壓器的狀態。近年來，在這方面已經有了大量的研究成果。研究人員嘗試了幾乎所有的人工智能算法，包括早期的專家系統和后來的人工神經網絡、貝葉斯、決策樹、支持向量機、極限學習機等傳統的機器學習算法，以及最近的深度學習方法。

其中，專家系統建立的映射關系是基于規則的。雖然它具有很強的解釋性，但是它過于依賴知識庫，容錯性差，維護困難。變壓器故障診斷專家系統（TFDES）作為早期的專家系統，采用三比值法判斷故障性質，故障識別規則相對簡單。本文將傳統的三比值法、統計學習法和實踐經驗法相結合，建立了一個擴展新規則的專家系統。變壓器結構復雜，引起故障的因素多。依賴一個或兩個狀態參數（如油色譜）是片面的。因此，將變壓器的多維信息進行融合，并與專家系統相結合，以提高診斷的準確性。隨著設備狀態監測大數據的形成，信息融合是故障診斷技術發展的必然趨勢。

2.2遙視系統

遠程監控系統主要對變電站的設備、環境和人員進行監控。應用現狀呈現出點多、面廣、功能有限的特點。首先，本文有以下幾點：以某省為例，在110kv以上電壓等級的變電站設置了變電站視頻監控設備，部分變電站實現了全局視頻監控。視頻圖像存儲到位。110kV以上電壓等級變電站的視頻信號基本接入國家電網統一視頻平臺，部分接入省級變電站輔助綜合監控平臺。二是范圍廣：監控對象可以覆蓋一次設備、二次設備、控制室、接入通道等，但功能有限：目前省變電所輔助綜合監控平臺的主要功能是攝像頭監控等實時功能，錄像和觀看，以及與安防、消防、門禁等其他輔助設備的智能聯動功能。它只實現了“千里眼”的能力，仍然屬于傳統視頻監控系統的范疇，能夠對監控視頻中的有效信息進行篩選和控制的分析判斷還需要依靠監控人員，系統的智能化先進功能還不完善。

2.2.1設備相關

遠程監控系統只監控肉眼可見的設備外部狀態，包括外觀損壞、部件缺失、漏油、開關狀態、信號燈狀態、儀表狀態等外觀異常狀態信息。此外，借助紅外熱成像技術，還可以發現溫度異常。

3結論

總之，隨著科學技術的不斷進步，我國的計算機通信技術也在不斷發展和完善。計算機通信技術為我國變電站自動化控制技術提供了技術支撐。本文論述了人工智能變電站的組成，數字變電站與人工智能變電站的區別，人工智能變電站自動化系統的功能，介紹了人工智能變電站自動化控制系統應用中存在的問題及解決方案，以及人工智能變電站未來的發展方向，以使人們對人工智能變電站有更多的了解，人工智能變電站的自動控制技術正朝著網絡化、綜合智能化、多媒體化方向迅速發展。

參考文獻：

[1]劉自發，張建華.基于改進多組織粒子群體優化算法的配電網絡變電站選址定容

[2]董永峰，楊彥卿，宋潔，等.基于改進粒子群算法的變電站選址規劃

[3]關洪浩，唐巍.變電站選址方法.電力系統保護與控制，2010，38（20）：196