基于機器學習的輔助系統設備狀態監測算法及數據分析模型框架分析

姚明亮 周萬竣 高 菘 張龍浩 陳遠政

（南方電網調峰調頻發電有限公司 西部檢修試驗分公司，貴州 興義 562400）

作為融合多領域內容的學科，機器學習是一類從數據中自動分析獲得規律，并利用規律對未知數據進行預測的算法?，F階段，機器學習已在諸多領域得到應用，其優勢也逐漸為人們所熟知，圍繞基于機器學習所延伸出模型展開討論是大勢所趨。

1 項目概況

近幾年，國內水電站均已引入互聯網監控系統，同時根據自身情況開發了多個輔助系統，例如在線監測系統，由此來達到對海量監測數據進行采集的目的。由于水電站內監測信息往往極為分散，僅憑借現有技術無法使數據獲取效率達到用戶預期，這一問題主要表現在以下方面。

一是用戶無法做到準確表達自身對信息的需求，開發可幫助用戶對自身需求加以表達；二是即便用戶能夠對自身需求加以表達，若將沒有經過處理的海量信息直接呈現在用戶眼前，多數用戶均難以做到自行選擇適合的分析方法，快速消化海量信息并對其進行直觀表達[1]。

本項目主要是以機器學習為前提，對監測設備狀態的算法和分析監測所得數據的模型框架進行研究，具體工作包括以下內容：一是以水電廠所安裝輔助設備為依據，圍繞監測和數據分析技術展開討論，對技術方案進行確定；二是結合水電廠所提出監控需求，對狀態監測所涉及模型進行研究，例如數據通訊模型，結果輸出模型等；三是招標方利用投標方所提供設備，對軟件進行研發并安裝，通過現場調試的方式，確保軟件可發揮出應有作用。

2 模型開發意義

研究表明，將機器學習技術與設備狀態監測充分結合，可確保對設備當前狀態進行如實反映，與用戶對設備進行監測及使用的習慣相符。將相關技術用于檢測設備故障的工作中，可降低用戶對設備健康狀態進行分析的難度，通過及時發現設備所存在危險因素并發出異常告警的方式，將設備出現故障的概率降至最低，另外，用戶還可以借助相關技術，及時獲取設備風險評估以及狀態評價的結果，確保自身所選擇檢測策略能夠發揮出應有作用。

3 模型構建框架分析

對檢修設備狀態的輔助模型進行研究，借助電力信息平臺對設備運行工況及狀態信息進行獲取，結合大數據所具有內在規律，對設備狀態演變所具有的關聯性和未來發展趨勢進行研究，構建相應的模型框架。本項目所需構建模型較多，主要有評價設備狀態的模型，基于設備狀態進行動態告警的模型，評估設備風險的模型，對設備檢修方案與手段進行優選的模型。

3.1 開發分析模型

3.1.1 狀態建模

以空壓機系統、壓油裝置及排水系統等輔助設備所對應狀態評價導則為依據，對設備狀態模型進行構建，確保輔助設備狀態量規則可得到量化處理。

3.1.2 監測預警

結合輔助設備所涉及評價特征量相關歷史數據，對設備狀態發展趨勢及規律進行分析，利用圖表或其他載體對分析結果進行直觀展示，確保用戶能夠及時發現輔助設備所存在問題。與此同時，根據設備狀態發展趨勢，參考現有算法對相應動態閾值范圍進行生成，以實時采集所得設備狀態數據為依據，對超出閾值上線的數據發布相應的超標告警信息[2]。

3.1.3 狀態評價

對設備歷史狀態的變化數據進行獲取，參考相關數據對設備狀態的變化情況進行分析，通過圖表等方式對分析所得結論進行直觀展示，為用戶盡快發現并解決問題提供便利。結合設備狀態相關特征量還有現行評價規則，針對設備實時狀態給出具體的評分。結合健康評價導則及相關信息，參考狀態評分對設備各階段健康狀態所處等級加以確定。

3.1.4 風險評估

嚴格按照評價導則與有關規定，對設備可能存在的危險因素、潛在危險所造成損失等數據進行識別，確保風險評估工作需要運用到的各項規則及要素得到完善。在此基礎上，結合固化后評估規則與要素，對設備實際風險值、風險等級信息進行計算，確保檢修決策的制定及日后檢修工作的開展具有理論基礎。

3.1.5 檢修建議

將壓油裝置和其他設備所適用的檢修方案導入對應模型，生成相應的檢修方案庫，為用戶選擇檢修策略提供支持。若檢修策略所涉及因素較多或存在多名決策用戶，則可通過模糊決策或其他算法，對符合多屬性決策特點的檢修策略庫進行構建。

3.1.6 立方分析模型

通過對檢修策略、設備檢測和風險評估等數據進行實時監控及多維度分析的方式，獲得構建分析多維數據所用立方模型需要的參數，具體包括監控度量和規則、計算頻率、維度成員以及監控路徑。

3.1.7 計算多維數據

借助立方分析模型使源數據得到實時同步，在定期對源數據進行清洗并處理的基礎上，利用分析模型對源數據進行轉換，同時將度量計算所得結果存儲在對應數據庫內[3]。

3.2 系統功能分析

3.2.1 硬件

本項目對硬件所提出要求如表1 所示。

表1 系統硬件配置

3.2.2 數據集成

經由計算中心對SCADA 設備模擬量和開關量數據進行獲取。從數據中心處獲取監測數據，生產管理設備臺賬以及歷史運維信息。

3.2.3 圖表功能

全部圖表都支持導出數據和查看列表，對于海量數據列表，用戶可選擇分批對其進行導出。統計圖支持多選及單選，在用戶做出選擇后，過濾可能干擾數據看板的因素，通過圖表聯動的方式，確保數據價值可得到充分實現。關于散點圖，用戶可利用套索工具對多邊形區域進行選擇。由控制臺負責對系統進行管理，管理內容包括但不限于系統配置、用戶權限更改和調取操作日志。

3.2.4 數據看板

其一，新增多維分析引擎，確保數據虛擬立方存儲能夠和對應邏輯間形成映射，結合界面數據看板，將相關操作轉換成SQL 查詢，保證立方查詢以及數據結果得到組裝。其二，任一主題數據看板均能夠進行全局查詢過濾的操作，由系統向用戶提供相應的查詢面板，用戶可根據自身需求對過濾器選項做出選擇，與此同時，數據看板對圖表和數據進行實時刷新。對于用戶所勾選查詢條件，系統將在數據面板上方進行顯示，為用戶掌握數據看板所對應數據條件提供便利。其三，若相同數據看板所對應圖表的分析維度存在內在關聯，用戶只需操作某個圖表，其他圖表及數據便會自動刷新。其四，用戶可全屏查看數據看板，在全屏狀態下，系統能夠將瀏覽器菜單和無關工具欄隱藏，確保用戶能夠全身心投入到對主題業務進行分析的過程中。

4 配網設備狀態檢修的具體應用

第一步是檢修變壓器的狀態。配電網系統當中變壓器的作用就是負責所有的交流變電及輸配電工作。繞組、鐵芯、油箱三部分構件共同組成了變壓器，一旦變壓器出現故障，除了會使供電能耗增加以外，還容易引起供電癱瘓的問題，導致所有的電力生產工作均需要承受較高的安全風險。所以，在檢修變壓器的狀態時，應該先對設備運行的聲音、引線狀態以及絕緣狀態例行檢測。絕緣檢測的過程中應該重點檢測內部的受潮情況、老化情況和破損情況，此環節的檢測可以通過老化試驗或者油簡化試驗的途徑來實現。檢修變壓器狀態時，需特別重視引線檢測環節。導致引導燒斷、開焊、線柱松動等變壓器故障問題發生的原因在于引線故障，且這種現象往往也會造成變壓器運行不穩定。對設備運行聲音進行檢測時，應結合聲音異常狀態作出判斷。如果變壓器在正常運行狀態下時，一般可以聽到“嗡嗡”的聲音，此間運行聲音具有很強的節奏感，且聲音比較均勻。如遇檢測聲音比較溫柔的狀況時則意味著變壓器存有異常性故障問題。比如，零件在發生松動時，會使變壓器的運行負荷加重，此時就能檢測到異常的聲響。再比如，現有一電廠在檢測變壓器性能狀態時，發現變壓器高壓側存有接地故障，并且接地面積相對較大，致使消弧線圈處在一種過量補償沒有辦法滿足的狀態。只要故障發生，檢修工作人員基本沒有辦法對發生的位置進行明確，這樣就會增加線路故障判定的難度。檢修時，工作人員會先對變壓器的外部鐵芯及鐵軛進行檢查，具體查驗接地的痕跡以及具體破損的狀況，緊跟著再查驗夾件的變形問題與位移問題，如遇鐵芯太熱而燒毀線圈時，應該及時更換鐵芯，使變壓器恢復，緊接著便是檢修隔離開關的狀態。在設備運行當中檢修隔離開關狀態時，因隔離開關在運行過程中容易出現的故障比較多，因此工作人員需要采取一些比較現代化的技術手段，分析找到隔離開關保養或運行當中存在的問題。不僅如此，工作人員還需要對隔離設備的運行狀態作出客觀評價，同時評估開關的運行狀態。經綜合實踐診斷檢修管理建立行成科學性較強的管理系統，同時再建立起相應的設備狀態評估機制，保證隔離開關時常處于可控狀態。迫于這種情況下，工作人員便能及時發現安全隱患，并對隔離開關的故障部位進行具體定位，保證整體線路正常工作。例如，現有一電站應用的是SPVT-550/4000 型號的隔離開關，氣體絕緣與配網設備組合，而隔離開關僅屬于此設備的附屬部件。運行期間隔離開關容易出現切換把手接觸不良的問題，導致隔離開關控制回路斷線。經反復切換幾次之后進行就地切換把手，就可以使隔離開關正常工作。鑒于配網設備狀態監測工作的特殊性，工作人員使用在線監測或離線監測方法能及時發現并找到故障問題所在。另外在線檢測需要借助輔助信息系統來完成，系統會根據設備電壓電流的相關信息，實時檢測設備運行狀態。應用紅外線檢測設備能夠將設備的運行狀態實時反映出來，并且還能全面檢測一次設備，最終獲取到一次設備內的結構信息及運行溫度信息。借助油液分析儀、振動檢測儀可以有效地提升設備的在線監測技術水平，提高設備的狀態監測效果。

5 基于機器學習的配網設備狀態新型自動檢修方法的搭建

在建構基于機器學習的配網設備狀態新型自動檢修方法時，其主要內容包括：安獵執行條目文件當中有關配網設備狀態運行的數據需保持并列以及順序結合的連接狀態。為確保在所有的自動檢修工作中這些數據始終能處于良好的連接狀態，要求在對語義匹配結果進行檢修的前提下，及時調整并確認安獵執行條目文件當中的文件?；跈C器學習理論的影響，配網設備在運行過程中應該根據物理鏈路連接請求來生成傳輸數據，一些安獵執行條目文件當中節點會連接根節點，同時也會釋放其間的目的信息到配網運行環境中去，促使具體的操作模塊能夠感知到數據檢修的可行性。調整安獵執行條目文件時應該以根節點當作起始，在配網環境下的語義匹配結果達到運行數據的發展需求時，調整并處理文件便可以借助判斷安獵執行條目文件中物理鏈路連接請求存在的方式來完成。在數據檢修的過程中，最后一個環節便是確認文件，若配網設備狀態運行數據連接頻率比較穩定，那么就可以在確認操作安獵執行條目文件以后，再搭建起基于機器學習配網設備狀態的自動檢修方法。

6 結論

本文強調以電力信息平臺為依托，對設備運行工況及狀態信息進行獲取，在明確設備狀態發展方向和演變規律的基礎上，從監測設備狀態和分析監測數據的角度出發，圍繞基于機器學習的模型框架構建展開了討論，旨在使用戶能夠快速制定檢修決策，確保設備可長期處于安全且穩定的運行狀態，同時為設備退役決策的制定提供理論依據。