低壓配電物聯網斷路器及其智能運維系統研究

許金彤，吳希韜，霍凱龍

（1.杭州電力設備制造有限公司蕭山欣美成套電氣制造分公司，杭州 311200；2.三峽大學 電氣與新能源學院，湖北宜昌 443000）

引言

物聯網在1998年被提出，其主要是RFID技術和其他傳感器技術有效的結合，應用于人們提出生活用品之中構建了一個物聯網。隨后又被重新定義，利用RFID標簽無線接入互聯網，從而實現對數百萬的物品的實時跟蹤和審計[1,2]。電力互聯網主要指以當前的電網基礎設施、人員及現場環境等組建的網絡系統。充分利用傳感器及通信技術，實現對電網各物體之間的實時互動，從而促使電力生產向著智能化、高效化的方向發展。電力互聯網技術的廣泛應用對人們生活和工作帶來了諸多便捷，但是由于該技術起步較晚，應用場景不夠廣泛，而物聯網應該在發、輸、變以及配電環節的順利發展發揮關鍵作用[3,4]。

1 多功能集成一體化物聯網斷路器

采用一二次融合的技術，將傳統的電壓/電流互感器替代為電壓/電流傳感器，使一二次設備不是相互獨立的。通過傳感器的作用，可以同時融合線路通斷、數據采集、數據識別、數據發送等功能。

2 基于物聯網技術的智能配電網運維系統

物聯網智能運維系統包含兩個部分：主站、移動終端，其中主站負責復雜數據分析以及操作和對信息進行儲存等功能，然后運維工作員在通過讀取移動終端的設備信息（二維碼）后，記錄現場運維情況[5-7]。

2.1 信息管理系統主站及終端

（1）數據存取模塊

數據存取模塊由3個部分組成：數據采集、數據傳輸以及信息讀取。數據采集：依靠如RFID、GPS等傳感器采集設備的信息數據，然后對其信息做簡單的處理。數據傳輸:依靠3G、4G以及5G網絡把模塊采集到的信息傳輸到系統主站。信息讀?。哼\維員使用主站系統讀取、錄入設備相關信息后建立數據庫，錄入信息（如生產廠商和日期、歷史工況、設備名稱和型號等）。

（2）終端運維模塊

在運維現場中，運維員于巡視功能模塊中填入巡視結果。巡視功能模塊具備以下功能：將錄入點的地理位置和時間自動記錄下來、對現場運行工程狀況及缺陷進行拍照記錄等。與此同時可通過讀取各個設備的獨特二維碼，獲取設備的詳細信息。

（3）報告生成模塊

傳統巡視記錄或報告的生成是依靠人員記錄數據后再錄進生產管理系統，耗時又耗力。此系統在終端系統里存有固定的巡視報告模板，巡視人員直接在現場填寫，隨后自動傳輸到主站保存，無需二次操作。同時，主站對運維信息及設備信息進行統計，定期定量定時生成設備評價報告，進一步減少人力、時間，提升了工作效率。

2.2 在線監測模塊

在線監測功能能夠及時發現設備裝置潛伏性缺陷，以避免其產生故障及重大事故。本系統具備拓展功能，可與溫度測量傳感器、輸電線路防外力傳感器以及色譜監測傳感器等聯接?？紤]到不同種類的在線監測模塊有著不同的特點，若要集成與之相應功能的在線監測設備，需另外單獨安裝匹配系統模塊。

2.3 拓展集成智能輔助監控

通過視頻監控模塊實現對配電站的防盜、防火等方面的安全監控，同時具備觸發警報、消防系統啟動等保護功能，有利于運維員及時了解配電站防火防盜信息，然后采取合理的處置辦法。

3 云控平臺及大數據分析應用

3.1 低壓配電網智能云控平臺

低壓配電網存在著數據結構不夠完善、配網運行環境復雜等問題，本研究采用智能開關完成配網關鍵節點數據采集，并運用智能傳感、信息傳輸、云計算和大數據分析等技術構建智慧供電云平臺系統，通過智能開關對變壓器二次側、關鍵配電線路、用戶端等節點數據的有效采集，云平臺系統對實時數據進行分析處理，實現配電網精細化管理、透明化運行[8-10]。

3.2 基于大數據的分析配電網運行狀態評估

3.2.1 建立運行狀態評估指標體系

低壓配電網運行狀態評估指標大致分為4類：安全性評價指標；可靠性和供電質量評價指標；經濟性評價指標；供電能力評價指標。

3.2.2 提取運行狀態評估主成分指標

在運行狀態評估指標體系中存在著以下問題：指標變量數目繁多；建立模型與計算工作比較復雜；眾多指標中存在一些冗余的信息，影響分析的進程。在實際運用中，通常采用主成分分析法，通過方差或者離差平方計算各個指標的計算量，刪除重復的、相關性高的指標，將相關性低（包含大部分原有信息）的運行狀態評估的可靠性指標提取出來，找出影響系統運行狀態的元件、區域以及相關環節，從而減小評估范圍。

3.2.3 挖掘獲取影響主成分指標的因素

數據挖掘是一種在大量廣泛數據中挖掘出所需信息的技術方法。本研究使用關聯分析挖掘方法，關聯分析是發現數據間關聯規則的一種數據挖掘模式，通過挖掘配電網的異構多源數據，得到主要影響因素。然后將主要影響因素輸入預測模型中，加快預測速度。通常關聯規則存在的可能性由永置信度來表示，置信度越高，其存在的可能性越高。通過尋找“影響因素-運行可靠性指標”的“強規則”，能夠獲得影響運行狀態的主要影響因素。

3.2.4 人工神經網絡進行運行狀態預測

配電網運行狀態預測是在歷史數據以及實時大數據的基礎上，對未來的可行性指標參數進行預測。根據長期運行現場所記錄留下的運行狀態指標，得到配電系統的運行狀態指標值，考慮到預測的復雜程度，很難在影響因素與運行狀態指標值之間建立起精確解析模型。本研究采用人工神經網絡方法對運行狀態進行預測，流程圖如圖1所示。

4 應用案例分析

以宜昌市碧桂園房地產開發有限公司御園二期小區為研究對象，建立起基于低壓配電物聯網斷路器的智能運維系統。低壓配電物聯網斷路器的智能運維系統采用物聯網技術，用戶通過手機APP、網頁、郵件等方式隨時隨地關注所監控的設備或設備組群的相關信息，當有告警或突發事件發生時，系統將自動發送相關信息，再通過APP推送到相應的運維人員，準確定位故障發生點。融合了云計算、大數據分析挖掘等互聯網技術，做到了SCA‐DA系統、基礎能源管理系統、高級能源預測優化系統以及多介質綜合優化系統的云端處理。整個節能管控系統的構建只需在監控中心安裝一臺客戶機。

5 結論

針對末端配電網的運維管理優化問題，構建了基于多功能集成物聯網斷路器的配電網智能運維系統，通過集成在線監測技術和智能算法，實現了智能監測和運行優化管理，增強運維工作的針對性，提高系統工作效率，保證系統安全穩定的運行。