人工智能在變電站運維管理中的應用

張云珂 時堯

摘要：現階段，我國社會正在不斷發展，社會對于電力的需求越來越大。在此過程中，變電站運維管理工作具有非常重要的作用，而人工智能技術的應用為其提供充足的技術保障，促進變電站管理工作的順利施行。基于此，本文簡要介紹人工智能技術的相關內容，從變壓器、斷路器和電容型設備分析人工智能技術的應用，最后提出仍需加強的相關技術研究，以期為該領域的后續研究提供極有價值的參考，促進變電站的發展。

關鍵詞：人工智能;變電站;運維管理

前言：

隨著我國電網建設規模的擴大，變電站的數量也呈現日益增加的趨勢，傳統人工運維管理已經難以滿足變電站的運行需要。在科學技術的不斷發展之下，各類先進技術為變電站提供充足的技術支持，其中，人工智能技術成為變電站智能化發展的重要保證，將其應用到變電站的運維管理過程中能夠有效降低人力成本的支出，并提升管理的效率和質量，減少問題的發生概率。因此，本文的研究具有一定的現實意義。

1.人工智能的概述

人工智能技術是現代社會發展過程中出現的新興技術，以真實人體功能為基礎，開發出模擬、延伸和擴展人類智能的技術，根本目的是用科技的手段探索人類思維，實現智能化發展，為人類的生活提供更加便捷的服務。就目前情況來看，人工智能技術主要依靠于算法、算力和數據來發揮相應的功能，為其提供決策依據[1]。第一，在算法方面，人工智能技術不斷進行深入優化學習，不斷提供自身性能來提供更加優質的服務，包括減少對能源的消耗，提升可操作性、可遷移性能力等。目前，在傳統智能方法之上實現深度學習已經成為重點發展的內容之一。第二，在算力方面，需要對人工智能已有的因素進行充分考慮，如數據便捷、數據安全、平臺特點等，各大企業需要投入大量資金和人力，針對人工智能的計算框架、芯片、平臺等內容進行研究。第三，在數據方面，人工智能幾種建設基礎數據，如音頻、圖片、視頻等，此類數據為各領域的通用數據，在數據標注工具方面也將進行相應地開發，實現智能化發展。

2.人工智能的具體應用

2.1變壓器

人工智能技術在變電站運維管理的應用過程中，變壓器是最為重要的部分，必須充分發揮技術優勢，要對變壓器的監測參量進行有效測量。在傳統測量方法中，較為常見的為比值編碼方法和橫縱向比較方法等，能夠有效提升測量效率[2]。但在此過程中，設備容易受到外部因素的影響，雖然測量速度較快，但測量出來的數值難以保障精準度，準確率相對較低，進而導致故障監測效率降低。在這樣的情況下，為有效提高故障診斷準確率，專家系統、機器學習等技術開始廣泛應用在變電站運維管理中，呈現出較好的效果。利用人工智能技術診斷故障主要是對變壓器監測參量和狀態加以協調，通過二者的映射關系建立相應的模型，直觀展示變壓器的狀態，進而對故障進行判斷。近年來，此方面的工作得到大量研究，出現各類方法，包括人工神經網絡、SVM、專家系統、極限學習機、深度學習等。

例如，在使用專家系統完成映射關系的建立時，需要以相應的規則為基礎，對于知識庫的依賴性非常大，且難以進行后續維護。使用傳統機器學習算法時，能夠對樣本進行分析，從而模擬出仿真性較高的映射關系，具有良好的容錯性。而SVM、深度學習等所具備的非線性擬合能力較強，能夠高效學習歷史樣本，進而了解變壓器的運行狀態，包括油溫、振動頻率、振動幅值等，并對后續運行狀態進行有效預測。

2.2斷路器

在變電站中，斷路器也具有十分重要的作用，與變壓器相似，其內部的缺陷同樣也能夠通過局部放電情況表現出來，這是朱濤問題表現特征之一。二者針對特征所采取的識別方式較為相似，因此可以相互借鑒。在采用深度學習方法時，能夠有效識別斷路器的局部放電信號并迅速定位，但其建立的網絡模型和數據輸入形式與傳統人工方式存在一定的差異。建立的模型主要包括深度卷積神經網絡、變分貝葉斯自編碼器等，而數據輸入形式包括局部放電相位分布圖譜、脈沖序列分布圖譜、灰度圖等。根據實際應用的效果而言，其具備比傳統人工方式更好的性能，準確率也更高，但相對不足的是可解釋性并不能發揮出更好的作用。需要注意的是，斷路器針對放電模型建立的仿真信號診斷模型，目前來說其準確率和可信度并不能達到應有的水平，仍需進一步研究。

除此之外，在分合閘的過程中，斷路器本身會出現一定程度的振動，通常較為劇烈，會發出一定的振動信號，對這樣的信號展開分析能夠確定斷路器內部是否發生故障，并及時定位。對斷路器振動信號進行分析的方法能夠分為兩個方面的內容，一個是提取信號特征，另一個為特征故障分類，大體上類似于變壓器的故障診斷方法[3]。對于分類模型來說，其構建過程需要以特征量為基礎，首先分解信號因素，分析其具備的構造特征，結合熵理論對結果進行有效分析。分類模型的構建有多種方法，SVM、人工神經網絡等較為常用。

2.3電容型設備

電容型設備在變電站中具有十分重要的作用，其具備的在線監測功能夠實時監測運行數據，包括絕緣性能的電容量和介質損耗情況。介質損耗非常容易被外部因素所影響，導致計算準確性下降，這成為該領域內重點關注的問題之一。為解決這項問題，數值分析方法被廣泛應用，但人工智能方法的應用范圍較小，主要存在于個別研究之中。以兩個個研究為例：研究一提出一種修正模型，該模型以最小二乘支持向量機的環境因素和介質損耗因數為基礎，通過遺傳算法的優化工程，對模型參數進行修正，在最大程度上減少外部因素的影響，提升數據的精準度。研究二提出一種新型辨損方法，以深度學習為基礎，利用深度前饋多層神經網絡來辨識被測介損角的變化量，從而完成修正。

3.人工智能技術在變電站運維管理中的強化研究

3.1強化三維建模技術研究和應用

對人工智能技術的應用還需要不斷開發新技術，三維建模技術是變電站有效管理原因的重要技術保障，能夠對電力設備和工作人員進行實時定位，進行直觀化管理。三維建模技術能夠將宏觀建模和微觀建模進行有效搭配，先利用無人機完成對整個變電站范圍內設備和建筑的圖像采集，建立起宏觀模型，隨后根據每個建筑和設備建立起具體而詳細的微觀模型，最后根據無人機圖像確定每個模型的位置，實現智能化管理。

3.2強化設備異常狀態識別及定位技術研究和應用

如果電力設備出現異常，其異常狀態會直接反映給遙測系統和遙視系統，對設備溫度、外觀等情況進行分析。在設備出現異常情況時，需要有效利用設備附近的攝像頭，計算出二者之間的距離和位置關系，對異常設備進行有效定位并發出信號，指引自動巡檢機器人前往查看，如果確認設備確實存在問題，那么就需要由專業人員親自進行確認，對是否存在煙霧、明火，外觀是否破損等進行排查，并采取合理措施處理。

結論：

通過文章的分析和研究可以得知，隨著我國電網建設規模的擴大，傳統人工運維管理已經難以滿足變電站的運行需要，必須充分發揮人工智能技術的作用，將其應用到變電站的運維管理過程中，有效提升管理的效率和質量。基于此，本文針對變電站幾種主要設施對人工智能的應用進行分析，并闡述其需要對三維建模技術和設備異常狀態識別及定位技術開展進一步研究和應用，對于提高變電站運維管理水平具有重要意義。

參考文獻：

[1]黃軍輝.變電運維技術中智能化技術的應用探析[J].無線互聯科技，2020，17（24）：87-88.

[2]王劉旺，周自強，林龍，韓嘉佳.人工智能在變電站運維管理中的應用綜述[J].高電壓技術，2020，46（01）：1-13.

[3]賈逢城.智能變電站運行的安全與設備維護[J].電子技術，2021，50（06）：168-169.