基于物聯網技術的電力鎖具故障診斷方法

馬龍

（國網江蘇電力有限公司蘇州供電分公司，江蘇 蘇州 215004）

電力設備在運行過程中，一旦控制其行為的鎖具出現異常現象或故障狀態，便會對配電行為與供電服務造成直接影響，嚴重情況下，甚至會造成電網運行連鎖故障。為了實現對此類故障的及時感知，并在可控時間內進行故障的排除與處理，電力企業嘗試了多種現代化技術，進行電力鎖具故障診斷與排除方法的設計，盡管此方面的投入與建設為電力企業可持續運營提供了較好的支撐，并在逐步實踐中取得了一定成果[1]。但電力企業現用的技術仍存在一些短板，包括診斷過程中迭代次數較多，故障診斷所需時間較長、部分技術為其他行業引進，與電力鎖具出現了不匹配或矛盾現象等。為此，本文將物聯網技術引入該領域，提出一種針對電力鎖具的故障診斷新方法。

1 基于物聯網技術的電力鎖具故障診斷方法設計

1.1 電力鎖具運行信息獲取與傳輸

為了實現對電力鎖具在運行過程中故障的及時診斷，本章引進互聯網技術，在電力鎖具運行端口安裝傳感器設備，并建立一個信號傳輸機制，進行電力鎖具運行信息獲取與傳輸[3]。設計架構圖如圖1 所示。

圖1 基于物聯網的電力鎖具運行信息獲取與傳輸架構

如圖1 所示，電力鎖具在運行中，輔助使用RFID 裝置與傳感器設備，進行其基礎信息的采集，采集的信息包括：鎖具運行狀態、鎖具標識信息、屬性信息、外部作業環境信息、內部作業環境信息等[4]。并通過在此過程中對電力鎖具電子標簽的讀取與識別，實現對鎖具的初步巡檢。完成對故障信息的初步獲取后，相關信息將被采集層傳輸到信息中心，為了避免數據在傳輸中出現異常，在傳輸中引進物聯網技術進行傳輸數據通信。將CAN 作為采集總線，將信息傳輸到信息化平臺。利用物聯網技術的高效處理功能，將現有的電力鎖具運行信息劃分為三類，分別為歷史信息、預測試信息與實時信息。其中預測試信息是用于識別或判斷電力鎖具運行故障的主要信息，其中主要包括技術參數信息、檢修信息、出廠信息、故障記錄信息等。結合電力鎖具的運行狀態信息，構建針對采集數據的隸屬度函數，使用模糊統計或二元比對的方式，對比值數據進行排序與指派，對此過程中的隸屬度函數進行描述，計算公式如下：

公式（1）中：μ （x）表示電力鎖具運行數據的隸屬度函數表達式，其中x 的取值應滿足小于或等于al 條件；a 表示數據梯度；l 表示數據有效傳輸路徑。可在此過程中，將a1與a2作為電力鎖具運行的邊界條件，當獲取數據超出預設條件后，說明此時電力鎖具可能存在異常行為。根據物聯網通信信道的通暢度，傳輸電力鎖具運行信息。

1.2 基于物聯網的電力鎖具運行故障參數提取

為實現基于現有數據信息對電力鎖具故障的有效診斷，需要在傳輸終端，對獲取與傳輸的運行數據進行處理，并基于物聯網技術，對運行中的故障參數進行提取。在此過程中，需要將電力鎖具運行故障診斷行為劃分為兩個步驟，分別為電力鎖具運行參數處理與故障參數提取。同時，將現有的監測反饋信號劃分成三類，分別為常態化條件下的反饋信號、危險信號與預警信號。對分布在物聯網中的不同節點信號進行安全閾值對比分析，當信號分布在正常參數范圍內時，說明此節點傳輸或反饋的電力鎖具運行信號無異常現象，需要跳轉下一節點對其進行繼續診斷即可，當信號分布超出正常參數范圍時，說明此節點傳輸或反饋的電力鎖具運行信號存在異常現象，需要針對該節點進行采樣處理。

根據物聯網中信道的分布，將故障信號納入故障信息集合中，為后續對電力鎖具故障診斷提供參照[5]。同時，根據電力鎖具的運行狀態與停機狀態，對提取數據的邊緣進行模糊化處理，將位于模糊化邊緣的數據一并納入識別過程。考慮到在此過程中電力鎖具異常參數預警與其本體故障預警存在差異，因此，還需要在上述研究的基礎上，將基于物聯網的大數據處理技術作為提取技術。將F(x)作為參數提取范圍，當x 的取值為0 時，說明此時提取的信息存在一定的危險或故障趨勢，即數據集合存在異常。當x 的取值＜0 時，說明提取的數據集合不存在異常，電力鎖具具有連續、穩定運行的特點。當的取值＞0，但＜1.0 時，說明此時已觸發預警信號。在此基礎上，根據反饋信號在物聯網中的故障預警范圍，進行提取參數的邊緣化，并按照正交檢測的方式，相對參數的分布進行應力劃分，截取較為集中的應力區域，將其作為故障參數集中分布區域，以實現對電力鎖具運行故障參數的提取。

1.3 基于模糊理論構建電力鎖具故障發生征兆關系函數

公式（2）中，L 表示模糊變換矩陣。將上述公式（2）作為電力鎖具故障發生征兆關系函數。

1.4 電力鎖具故障智能分類與診斷

公式（3）中，Q 表示經過除雜降噪處理后的電力鎖具故障數據；B 表示原始電力鎖具故障數據；Xi表示受到人工因素影響下接收到的電力鎖具故障數據中存在的噪聲數值。根據上述公式（2）實現對故障數據的除雜降噪處理，以此得到新的電力鎖具故障數據集合。將這一數據集合作為依據，根據電力鎖具故障類型的模糊綜合評估方法對電力鎖具故障數據與其對應故障類型之間的關系進行判斷，從而對發生故障的隸屬關系進行劃分，以此實現對電力鎖具的故障分類。將上述過程帶入到R矩陣中，實現智能故障分類，R 矩陣的表達式為：

再結合電力鎖具故障指標評估對其實際出現的故障類型進行診斷，從而實現對基于物聯網技術的電力鎖具故障診斷方法的設計。圖2 為電力鎖具故障智能診斷流程。

圖2 電力鎖具故障智能診斷流程

至此，完成電力鎖具故障診斷。

2 對比實驗

2.1 實驗準備

以某電力企業作為依托，針對該電力企業中用于實現對電力開關控制的手柄寬度≤42MM 電氣空開隔離工業鎖具進行故障診斷。已知該電力鎖具的型號為BDD12X，鎖具配套安全標示牌型號為P01,P02 等吊牌，材質為尼龍PA& 聚丙烯PP，可使用鎖梁直徑小于等于7mm，可鎖手柄寬度小于等于42mm 的斷路器。

2.2 本文故障診斷方法可行性檢驗

為驗證本文故障診斷方法在實際應用中的可行性，利用本文故障診斷方法對上述BD-D12X 型號電力鎖具在運行過程中的各項信息進行獲取，并根據獲取到的信息確定故障發生征兆關系函數，最終結合函數計算結果實現對電力鎖具故障智能分類和診斷。在完成上述操作后，將診斷結果記錄如表1 所示。

由表1 可以看出，在10:25:36～10:58:23 電力鎖具運行期間，共出現了四次故障，并且其故障類型診斷結果均不相同。由于電力鎖具在出現故障問題時，其輸出反饋端與電源供電端之間的導通電阻會發生變化，因此，基于這一特點，通過將本文上述得出的診斷結果與實際測定結果進行比較，能夠實現對本文診斷方法可行性的檢驗。在對電力鎖具的導通電阻進行測定時，選用MICRO-JUNIOR-2 型號電阻測量儀，該測量儀的精度為±0.1%rdg；分辨率為5Digits；電阻測量范圍在0～100Ω之間。利用該測量儀完成對10:25:36～10:58:23 電力鎖具運行期間輸出反饋端與電源供電端之間的導通電阻的測定，并將測定結果繪制成如圖3 所示。

表1 本文故障診斷方法診斷結果記錄表

圖3 電力鎖具運行期間導通電阻實際測量結果

從圖3 得到的電力鎖具運行期間導通電阻實際測量結果可以看出，在10:35:28～0:51:18 電力鎖具運行期間，其導通電阻出現了明顯的變化，在10:35:28～10:51:18 期間和10:55:17～10:58:23 期間，導通電阻數值均低于100Ω。在正常情況下，電力鎖具未出現故障異常時，其導通電阻應高于100Ω。因此，從圖3 得出的實際測量結果可以看出，在這兩個運行期間電力鎖具出現了故障問題，并且故障的時間與本文故障診斷方法得出的結果完全一致。由此可知設計方法可實現對電力鎖具故障的診斷，具有極高的可行性。

2.3 兩種故障診斷方法應用優勢對比分析

再選擇將電力企業以往應用的文獻[2]方法作為對照組，將本文方法作為實驗組。選擇將故障診斷的效率作為評價兩種診斷方法的指標。將該電力企業中所有類型電力鎖具匯總，共包含32 個。對比兩種診斷方法診斷結果中正確識別出故障類型的鎖具個數進行統計，并將得出的結果繪制成如表2 所示的實驗結果對比表。

表2 兩種故障診斷方法應用效果對比表

表2 中結果隸屬度是指診斷結果與實際故障類型一致的比例，從表2 中數據可以看出，實驗組診斷方法診斷個數更多，并且診斷結果的隸屬度更高，均在0.95 以上，而對照組診斷個數較少，并且結果隸屬度均未超過0.55。

結束語

本文從電力鎖具運行信息獲取與傳輸、電力鎖具運行故障參數提取、基于模糊理論構建電力鎖具故障發生征兆關系函數、電力鎖具故障智能分類與診斷四個方面，開展了基于物聯網技術的電力鎖具故障診斷方法設計研究。在此基礎上，為了驗證本文故障診斷方法在實際應用中的可行性，選擇某電力企業作為參與單位，對設計的故障診斷方法進行檢驗，證明此次方法在應用到電力企業當中時，能夠在規定的時間范圍內對更多電力鎖具的診斷，并且得出的診斷結果準確性更高。