智能電網輸變電設備集中監控信息數據統計應用

田黎耀

摘要：隨著電網建設朝著智能化的方向發展，輸變電設備的監控水平也在不斷提高，集中監控電網各類輸變電設備，產生豐富的且具有較高利用價值的監控信息，結合大數據技術，挖掘信息并充分利用，實現了對輸變電設備的主動監控。本文通過對智能電網輸變電設備集中監控內容的了解，提出監控信息的采集方法和分析方法，獲取具有利用價值的信息，利用信息指導智能電網運維管理工作，保證智能電網的運行穩定性，提高工作效率，并對輸變電設備集中監控的發展趨勢進行了展望。

關鍵詞：智能電網；輸變電設備；監控信息；大數據

引言

傳統電網的調控分析手段因缺乏對豐富信息數據的合理運用，難以滿足新形勢下智能電網輸變電設備運行管理的要求，如何深度挖掘海量的信息數據并合理利用是電網領域的重難點內容。基于該現狀，本文提出了智能調控新技術，通過智能化的手段集中監控電網，獲取具有利用價值的信息數據，為日常管理、技術優化等工作提供輔助，從而促進傳統電網向智能電網的進步。根據該發展思路，建立信息分析中心，由多種類型的信息分析模塊密切配合，全面監控智能電網輸變電設備，獲取集中監控信息數據，實現電網輸變電設備的智能化管控。

1. 智能電網輸變電設備集中監控內容

1.1 設備狀態監測

監測對象包括發電機、變壓器等，監控項目包括電流、電壓、溫度、濕度等與電力設備運行狀態有關的參數，根據監測數據判斷各設備是否存在故障。

1.2 電網拓撲監控

監控的是設備之間的連接關系，即電網的拓撲結構，具體包括變壓器狀態、線路開關狀態和設備間的電流、電壓等，能夠反映電網的運行狀態。

1.3 負荷監測

包括負荷功率、負荷因數等，根據監測數據確定電網的負荷，分析在一定時間內的電網負荷變化趨勢，采取調控措施，使負荷維持在合理的區間內。

1.4 安全監控

監測電流、電壓等數據，評價電網的運行安全性，根據監測數據采取安全控制措施，避免電網短路、過載等情況，對于已經出現的危害，可根據監控數據及時判斷真實情況，快速處理。

1.5 故障監測和診斷

監測故障指示器的數據和電網的參數，根據監測結果快速鎖定故障點，妥善處理線路短路、設備損壞等故障。

2. 輸變電設備集中監控信息的采集與分析

2.1 信息的采集

根據輸變電設備的運行參數，采用不同的信息采集系統，如圖1所示。具體為：調度管理系統OMS——采集設備臺賬、監控日志、流程管理等；智能電網調控技術支持系統——采集電網實時運行數據、遙測/遙信歷史數據、遙測越限告警數據等，主要包括運行數據和設備告警信息兩大類；輸變電設備在線監測系統——采集告警信息，如主變油色譜分析報警信息。

2.2 信息的分析

大數據分析采用的是K-Means聚類算法，合并、轉換信息，根據信息類別的不同分類展示，給工作人員的分析、決策等工作提供了重要參考[1]。K-Means聚類算法是聚類中成員不斷移動而產生的理想聚類，是迭代過程中產生的結果。假定n個對象，將其劃分為C個內部高度相似的聚類，再根據聚類的重心計算相似度。在大數據聚類分析告警信息時，先確定告警信號發生的時間區間及實訓，再評價信號間的關聯性，以短時間內反復發生的信號為例，可以將此類信號聚為一類。實時告警信號和歷史告警信號均存儲在告警信號數據庫中，其中的數據可作為集中監控決策系統的輸入源，應用K-Means聚類算法完成告警信號的聚類匹配操作，形成多個信號分類后，確定初始聚類中心，產生告警簇并通過特定的模塊展現，此部分展現結果具有重要的分析價值，工作人員可以根據展示結果評價監測設備的運行狀態，識別對設備運行不利的因素，及時做出決策，采取管控措施。

3. 智能電網輸變電設備集中監控信息數據統計

在應用智能電網調控技術后，可以將異常、越限、告知、變位、事故五類輸變電設備告警信號上送至系統告警窗，由輔助決策系統監控信息分析展示中心整理優化五類信號，在此階段主要采用的是K-Means聚類算法，其優勢在于能夠借助應用模塊進行分析和展示，保證了信息的展示效果。接下來分析應用模塊的主要類型及各自的應用。

3.1 信號總量統計模塊

以特定的時間期限為前提，統計此時段內的五類信號數量，生成柱形圖，并統計近30天的平均數量，生成波形圖，如圖2所示。

將指定日期內的信號數量和近30天平均數量整合至同一張圖中，方便對比分析，判斷指定日期內告警窗的信號量是否在合理范圍內，通過圖中信息揭示某類存在明顯波動的信號，再對此部分信號做針對性的分析，確定究竟何種原因導致信號頻發，鎖定此部分信號對應的設備，為決策、故障處理等后續工作的開展打好基礎。

3.2 信號頻發排名模塊

在日常監控工作中，監控人員的關注對象主要為值班時出現的告警信號，關注的內容有限，難以滿足大數據技術背景下的數據分析需求。相比之下，監控信息分析中心能夠對信號進行分類，共確定五種信號類型，再根據各自的頻發程度進行排名，按照順序全面羅列出特定時間段內的信號。在獲取完善的信號后，篩選出現次數在前十的部分，確定各自的頻發次數，再分析此部分信號，結合掌握的其他運行信息，分析信號頻發的原因。若由于設備缺陷而出現信號頻發現象，鎖定故障的設備，由運維人員進行處理。若由于信號上傳通道異常而出現信號頻發現象，則由自動化運維人員快速處理[2]。在信號頻發排名模塊的輔助下，能夠高效整合及處理信息，方便監控員準確地發現設備以及電網的缺陷。

3.3 日信號量統計模塊

監控員以自身工作需求為準，確定特定的時間段，通過日信號量統計模塊即可獲取此階段的五類信號量，也可以通過復選框選擇某種類型的信號，分析其對應的折線圖后即可判斷信號數量是否在合理的區間內，對于信號頻發問題，則在此時間段內選擇具體的日期，做詳細的分析。圖表具有自動更改縱坐標單位的功能，方便監控員在選擇單獨一類信號時更加直觀地掌握信號數量，判斷是否存在信號突變的情況。

3.4 AVC遙控成功率統計模塊

為變電站容抗器接入AVC遙控成功率統計模塊，在此模塊的輔助下，提高電網無功、電壓控制水平，保障電網運行安全，提高電網運行的技術經濟性。通常，AVC遙控命令下送通道異常會引起遙控預制超時問題，現場容抗設備切至就地位置或開關機構發生故障時均有可能導致遙控執行失敗，若遙控預制超時比例較高，電網輸變電設備的運行狀態變差。在確定故障類型后，由相應的人員采取處理措施。例如，若遙控執行失敗比例高，則需要由運維人員進行處理；遙控預制超時比例較高時，由自動化工作人員和AVC系統管理人員進行處理。

3.5 變電站信號量統計模塊

以變電站為單位，統計排序設備的五類告警信號，直觀地反映在特定時間段內各變電站的異常信號數量，由監控員根據統計出的信號數量合理安排值班，尤其是嚴密監控異常信號較多的變電站，也可以安排運維人員深入現場進行巡視，做好源頭管控。以變電站的直流電壓越限或母線電壓越限為例，按照數量關系對越限信息頻發程度進行排序，反映出容易出現電壓越限的區域，從中鎖定薄弱點，加強對此部位的監測和管理，確保薄弱部位可維持正常工作狀態。

3.6 告警抑制數目變化量統計模塊

在常規的監控方式下，根據上窗信號判斷電網運行情況，但部分停役設備會發出大量信號刷屏，受此干擾，可能出現監控不全面、不準確等問題。為解決該問題，在D5000系統中開發告警抑制數目變化量統計功能[3]。若設備間隔被告警抑制，與之對應的信號不會上告警窗，而設備間隔被告警抑制時也不會出現此情況。電網中的某些設備復役時，通過相關信號或間隔即可對其是否存在抑制的現象做出判斷，再根據判斷結果采取控制措施，解除設備抑制。在告警抑制數目變化量統計模塊的輔助下，正常運行的設備型號可及時上實時告警窗。

3.7 帶電抑制間隔統計模塊

根據前文對告警抑制功能的分析可知，此項功能在防止檢修信號頻繁上告警窗方面有良好的應用效果，減少對監控員的干擾。但需注意的是，當值監控需處理的上窗信號較多，可能在集中檢修過程中遺漏部分間隔的告警抑制，覆蓋面不足，而運行設備間隔被告警抑制時，將會嚴重影響正常監控，存在信號監漏問題。為規避該問題，增設帶電間隔告警抑制情況統計一欄。若間隔被告警抑制并且此間隔正處于帶電運行狀態，將在帶電間隔抑制欄中呈現出該間隔的名稱。若設備無異常，則不能被告警抑制，該欄應為空，屬于正常監視狀態。為保證智能電網的安全運行，監控員在值、交接班時均要詳細查看帶電間隔抑制欄，妥善處理查看過程中出現的問題。例如，若檢查中發現遺漏未解除抑制的帶電間隔，監控員及時進行核對，確認實際情況后解除告警抑制，以免出現漏檢。

4. 智能化輸變電設備集中監控大數據的發展趨勢

（1）大數據分析與挖掘：隨著對輸變電設備監控活動的持續進行，將產生豐富的監控數據，部分數據具有利用價值，因此需要深度分析和挖掘[4]。在未來的輸變電集中監控大數據發展中，需要持續提高人工智能、機器學習等技術的應用水平，開發基于大數據的分析算法和模型，評估輸變電設備運行狀態，優化負荷，預測故障等，提高輸變電設備的運行水平。

（2）云計算與邊緣計算：在智能輸變電設備集中監控大數據研究中，還需充分利用云計算和邊緣計算的資源和算力，目的在于更加精準地計算和分析大數據，并完整存儲，此時系統的響應速度隨之加快，可擴展性和靈活性均有所改善。

（3）可視化與決策支持：深度開發數據展示和決策支持工具，提高可視化水平，將復雜的數據轉化為易于理解的可視化圖表、動態模型等，直觀地展現數據，使監控人員、運維人員等相關工作人員進行精準地分析，根據分析結果快速做出決策，及時處理各類輸變電設備的各類異常情況。

結語

綜上所述，集中監控大數據模式具有監控能力強、監控信息利用價值高等優勢，將其用于智能電網輸變電設備監控、管理工作中，能夠幫助監控人員及時發現設備及電網的缺陷，進行處理，也可以反饋設備和電網的薄弱環節，采取加強措施，使輸變電設備安全運行。

參考文獻：

[1]姚漣漪，戴華江，于海梅.大數據環境下電網企業財務與業務數據融合研究——以國家電網SD省電力公司為例[J].互聯網周刊，2023，（14）：61-63.

[2]靳凱倫，王超杰，吳學正.輸變電設備集中監控大數據及應用[J].中國設備工程，2023，（1）：129-131.

[3]汪麗燕.基于5G技術的電力物聯網建設分析[J].互聯網周刊，2022，（20）：10-12.

[4]高強，鄭樂為，童存智.輸變電設備集中監控大數據研究及應用[J].電力大數據，2019，22（3）：13-18.

作者簡介：田黎耀，本科，工程師，研究方向：電力系統運行與分析、高電壓技術、絕緣技術監督。