變電運維中電力信息故障處理的方法研究

王 璐，王 文，戴佳寧

(國網宣城供電公司，安徽 宣城 242000)

0 引言

變電運維主要內容為面對變電站等大型設施的維護與監督工作。電力信息故障在變電運維作業過程中對作業進度與用電安全等方面的影響巨大，因此，本研究針對變電運維過程中電力信息的故障處理進行研究與討論[1-5]。

針對電力系統中變電運維處理的應用，現有技術進行了相關研究。文獻[1]提出了利用數據融合對變電運維中的安全防護進行監控，通過多傳感器技術對數據信息進行互補，這一方法擴展了數據監控的范圍，但現有算法無法完整實現這一技術。文獻[2]基于硬件模塊化設計對電力信息的安全防護進行監控，但是該技術方案只能實現硬件監控范圍內的保護，無法對變電運維系統的整體進行檢測。

針對上述研究的技術缺陷，本研究提出了基于數據融合的算法創新，通過軟件平臺設計的云平臺服務，主要將現場安全防控平臺與集中管理平臺相結合，對變電運維中的電力故障進行綜合處理。

1 基于數據融合和定位的算法創新

壓縮感知算法在電力信息故障數據信息采樣過程中對數據進行壓縮，通過對稀疏可壓縮的故障信號進行迭代，可以使用較少的運算量對故障信息信號進行處理[3]。

1.1 壓縮感知算法在變電運維中的應用

變電運維過程中，主要考慮對故障地點的排查與故障形式的確定，以此能夠用最快的速度對故障的處理方式與處理過程進行規劃，這一點在運維處理過程中尤為重要。

傳統運維定位系統算法由于數據的精細度不高，算法模糊值過多導致最終計算出的定位也有較大的差異[5]。故障信息的特點，將壓縮感知算法應用于定位系統中去，通過權值的設置將故障信號定位進行精細化處理，具體算法架構如圖1所示。

圖1 壓縮感知算法架構

如圖1所示，壓縮感知算法中，通過故障信號的算法定位和多傳感器定位給出基礎定位信息，然后將基礎定位信息進行權值判斷，定位信息清晰的賦予高權值，定位信息模糊的賦予零權值，定位信息規定區域但不確定的賦予低權值，將權值賦予后的信息可以再次調整定位，反饋到定位匹配中，將信息更加精細化，從而使得定位的準確性得到保證[1-5]。

在故障信息定位過程中，假設從獲取的數據信息中輸出多種信號矩陣，設定信號矩陣為Φ∈RM×N(M?N)，然后再定義未知信號的定義域和屬性，則未知信號可以記作為X∈RN，在其他數據信息中，假設信號矩陣的線性測量值可以定義為Y∈RM，那么對于Y的計算公式可以定義為：

YM×1=ΦM×NXN×1

(1)

在公式(1)中，Y為信號X在故障信息矩陣Φ下的投影，通過壓縮感知算法，將已知投影結果Y的信息，通過壓縮算法還原出X信號。因為初始X信號中，X信號的維數要遠大于Y信號的維數因此公式(1)的解有無數個，但在壓縮感知算法的理論之下，對故障信號進行求解時，能夠通過最小最優化問題來進行精確重構，因此在面對故障信息處理的問題下使用壓縮感知算法能夠大大增加計算的精確度。

在公式(1)中，也可以作為測量矩陣進行計算，比如ΦM×NXN×1，必要時，需要對數據信息進行壓縮，假設測量矩陣記作為：

y=Φx

(2)

則y表示壓縮后的數據信息，其中數據維度可以為M等。由于電力數據在運行過程中容易出現多種數據信息，在進行壓縮感知時，Φ矩陣需要滿足約束等距原則，該規則通過以下關系式進行表達：

(3)

公式(3)中的δ需要滿足最小值能夠使約束等距原則的應用達到最佳值。

1.2 貪婪匹配重構算法對壓縮感知算法的補充

貪婪算法主要面向于定位模糊和不確定定位的故障信號。將這些低權值甚至無權值的故障信號通過貪婪算法所擁有的篩選機制，對原信號庫進行選擇整理，利用迭代逐步逼近設定的閾值，從而達到原始信號在一個壓縮后的稀疏感知域的模糊表示[6]。本研究主要通過正交匹配和跟蹤采樣相結合的貪婪匹配重構算法，將計算的復雜度降低，減少對運算速度的要求，由于經過多次迭代，計算得出較為適合的系數，通過系數區域閾值的選擇漸漸縮小故障信號間的線性組合，從而產生高速的重建效率和非常優秀的重建效果，并且在對變電運維中的電力信息故障進行處理的過程中，能夠保證信息計算的穩定性[3-6]。

假定給出稀疏度為1的一個故障信息樣本，在算法中輸入研究中的故障信息矩陣PM×N和測量結果YM×1，輸出重構信號為X，則求解稀疏度的公式可以表示為：

(4)

式中，z為稀疏度為1的故障信息的列向量，且z≠0，則經過故障信號重構的結果即為X。通過凸松弛法將算法定位設計進行處理，在處理過程中，將公式(5)的步驟代入公式(4)中，在公式(4)中執行一遍，進行一次迭代，迭代訓練如公式(5)所示：

y′=y′-Pz，X=X+z

(5)

式中，y′為匹配的余量，公式(4)和公式(5)通過算法將測量的電力故障信息矩陣中每個信息的關聯性利用信號逼近與余量更新等途徑進行處理，保證每一次迭代都處于最優解。

基于上述理論分析，下面對步驟進行以下說明。

1)實現對輸入的電力信息故障數據信息進行初始化處理，以測量矩陣y=Φx作為輸出對象，為了計算方便，在初始化時，將數據模型內部的列向量進行施密特正交化處理，其中數據的采樣信號為y，稀疏度記作為k，完成初始化后，進行下一步工作。

2)在多種電力信息數據集合中找出索引集Λt，則存在以下關系式：

Λt=argi=1,2,…,N

(6)

完成數據索引后，進行下一步的數據計算。在完成索引后，數據結合最大值滿足以下條件：max|17|。

3)然后進行數據計算，則滿足以下條件則表示計算完成：

bt=10，rt=Y-bt

(7)

4)然后進行迭代計算，則在t=t+1情況下，當t

1.3 超聲信號網格定位算法對故障精細化定位的處理

超聲信號因傳播速度快，在測量精度方面能夠達到微秒級別的測量精度。因此，在變電運維中，通過使用超聲信號對不易定位的故障信號進行網格定位，網格大小的初始值選擇根據運維區域的大小進行選擇，每次篩選將網格平均分為4分，細化到其中的1份，如圖2所示。

圖2 網格細化定位圖

如圖2所示，將網格沿著對角線進行劃分，能夠劃分為4塊相同的區域，通過4個角與中心點連線的中點，可以連接成一個面積為原網格四分之一的新區域，對目標網格的細分最小偏差計算公式：

(4)

如公式(4)所示，W為權重值，di為測量之后得出的故障點與原點的距離，d0為上次測量得到的故障點與原點的距離，此迭代的終止條件為距離值或精細值達到壓縮感知算法中得到的閾值[5]。

超聲波網格精細算法就是利用此方法將故障信號集合比作一個網格，不斷對其進行精細化，輔助壓縮感知算法對故障點的精細化過程進行處理，進而使得最終結果的精細度更加穩定[7]。

2 電力信息故障監測平臺的設計

變電運維的電力信息故障因素具有多樣性與不確定性]，因此本研究通過搭建安全防護平臺對電力信息故障進行監測[8-10]。

2.1 平臺的功能設計

本研究平臺主要通過對傳統安全防護平臺進行創新，從而設計一款能夠面對變電運維過程中故障發現與處理的實用型平臺[10]。該平臺將作為變電運維工作中的核心，通過對現場的安全管理作為切入點，突出安全管理的及時性與準確性[11]。功能設計圖如圖3所示。

圖3 功能設計圖

如圖3所示，在平臺的功能設計中，選擇物聯網技術作為平臺的搭建技術，通過GitHub技術添加web交互，利用移動應用終端技術的引進擴大電力信息的調控，使得變電運維人員能夠通過專用的移動終端實時地對電力情況進行監視與調控[12]；在可視化的方面，本研究運用可視化圖表與GIS三維建模等方法，將每個信息進行可視化處理，努力改進傳統電力信息監控平臺對數據分析不明顯，解釋度不足的情況，通過可視化的引入，在實時數據的處理方向增加效率。在網絡通信服務方面，運用服務調度框架、系統總線與異步通信框架相結合的網絡通信方式，對系統整體提供網絡支持[13-14]。

2.2 平臺的架構設計

平臺架構主要分為硬件架構與軟件架構，在硬件架構方面主要通過對服務器的架構與通信設施的架構支撐系統的硬件架構，具體硬件架構如圖4所示。

圖4 運維系統硬件架構

如圖4所示，硬件架構的平臺布局分為三層，第一層為數據存儲和SAN交換機，主要實現對實時數據的保存；第二層主要包含數據庫服務器、數據監控服務器、管理服務器、運維監控站和手動維護站，通過第二層的部署，實現實時的數據處理功能，同時對異常數據的報警、數據的統計和數據的采樣等功能均有所安排，在整個硬件系統中處于決策執行的一層；第三層通過數據采集與通信交換機和時間同步采集裝置，將信息處理結果第一時間反饋到運維人員手中，實現系統的實時性與穩定性[15-20]。

2.3 運維系統的軟件架構

運維系統的軟件架構也分為三層，這三層分別為應用層、核心層和傳感層[21]。應用層主要提供運維過程中的應用服務和應用持久化服務；核心層通過前端通信及計算中心對信號進行處理，同時核心層作為中間層，向上面對應用層有服務作用，向下面對傳感層有調控作用，同時利用前端通信能夠將信息及時反饋，因此核心層需要支持多通道和持久化的服務；傳感層主要通過超聲波對故障進行定位傳感，將故障信息傳遞到核心層處理，是整個系統“五官”的代表[22-24]。軟件系統的三層設計如圖5所示。

圖5 軟件監控平臺的設計

如圖5所示，變電運維過程中的電力故障信息經由傳感層網絡采集交由前端通信，核心層計算甄別，最后交由應用層對處理后的信息進行應用可視化，對故障信息進行報警，運維人員通過應用操作，能夠選擇不同的運維信息作為關注點，針對不同權值的信息也具有不同的報警方式。保證了大故障與小故障處理緩急程度的排序[24]。

3 仿真結果與分析

3.1 試驗環境

在試驗時，采用的硬件計算機操作系統為Microsoft Windows 2020，64 位。運行環境硬件參數為CPU：Inter(R)Core(TM)i7；主頻為2.59 GHz；內存128 G。

本研究通過模擬湖南省長沙市岳麓區國際企業港的變電運維配置來驗證本研究的技術優越性。據初步了解，長沙市在十五年內預計將變電站提高到五百余座，其中包括兩座一千千伏特高壓變電站、十五座五百千伏變電站、一百余座220千伏變電站和四百余座110千伏變電站，因此，在變電運維方面壓力巨大。

3.2 試驗過程

給定一個含有變電運維中故障信息的信息集，分別輸入本研究系統(下文簡稱系統a)的傳感層與文獻[1]系統(下文簡稱系統1)及文獻[2]系統(下文簡稱系統2)中，通過對比3種系統對故障信息的檢測概率和信息反饋的延遲來對比傳統變電運維安全防護系統與本研究所設計的電力信息檢測系統方案的技術優越性。

本試驗實驗對象選擇一百組含有簡單故障原因的故障信息的數據建立數據群一號，再選擇一百組含有多種復雜故障信息的數據群信息建立數據群二號，每隔一定的時間對變電運維安全防護系統輸入一次故障信息數據，檢查數據輸入后系統的報警情況，通過系統的報警次數和報警的時間延遲來對比3種系統面對故障的反應情況及反應時間，建立對照組。最后將仿真結果列為表格。

3.3 試驗結果

將故障數據集一號分別輸入系統a、系統1和系統2中，對3種系統的報警結果進行整理，最終列出表格如表1所示。

表1 一號數據集檢測結果對比

檢測故障個數結果分析如圖6所示。

圖6 一號數據群檢測系統延遲柱狀圖

由表1和圖6可得，本研究所設計的系統對單個元器件故障檢測識別率高達100%，并且平均延遲在14 ms；而系統1對單個元器件的故障識別率僅為95%，在系統延遲上也達到了獎金32 ms的延遲；系統2在判別率上比系統1高出3個百分點，達到98%，但是仍然比系統a判別率低，在延遲方面，系統2比系統1優化了15.6%，達到27 ms的延遲，但是仍超系統啊大概一倍的時間。經過上述實驗結果的分析，明顯看出在面對簡單的系統故障，本研究在甄別準確率和甄別時間上都有很大的優勢。

對數據集二號的輸入后的系統反饋結果進行整理，最終列出表格如表2所示。

表2 數據集二號檢測結果對比

檢測故障個數結果如圖7所示。

圖7 二號數據群檢測系統延遲柱狀圖

由表2和圖7可知，本研究所用的系統在面對復雜的故障信息時仍有98%的檢測識別率；系統1在故障信息變得復雜的情況下，識別準確率只有85%，系統延遲也增加至65 ms；系統2在故障檢測中識別率為93%，對比簡單故障識別率下降明顯，比系統1的識別率高九個百分點，但是仍比系統a的識別率低，在延遲上也是，優于系統1的延遲，但是比系統a的延遲高。

3.4 結果分析

由上述試驗可以得出結論，不論是在檢測準確度上還是延時問題的處理上，本研究所設計的系統都要優于文獻[1]的系統與文獻[2]的系統。在面對復雜故障信息的處理甄別時，文獻[1]系統無法準確進行報警，且報警反饋延時過長，文獻[2]系統雖然有所改良，但仍然有不小的誤差，本研究所用系統不僅能準確地對故障信息進行檢測與定位，并且延遲短，效率高，更有利于運維人員對故障進行處理與記錄。

4 結束語

本研究基于變電運維中的電力信息故障處理技術、通過貪婪匹配算法對壓縮感知算法進行改良，讓其更適用于電力信息的處理中，使用超聲信號網格定位算法對區域內的故障點進行定位。構建出新型的三層運維系統物理模型與三層軟件模型，進一步改進了傳統變電運維系統精度不高與時延過長等缺點，實現了簡單迅速且高準確率對區域內變電運維的安全運行與檢修，這使得變電運維電力信息故障處理領域提升了一個新的技術高度。

通過對安全防護系統的研究，進而對整個變電運維領域進行研究，增加了變電運維的安全性也就是減少了停電事故的產生，這能夠直接體現在日常的生產與生活之中。