




摘 要:電力全維度設備狀態監測方法主要利用離散小波變換處理設備狀態信號,但該方法易受降采樣分量噪聲影響,導致監測數據與實際數據無法擬合。因此,基于物聯網設計了一種電力全維度設備狀態監測方法。利用物聯網技術生成了電力全維度設備狀態監測網絡架構,設計了電力全維度設備狀態監測算法,實現了電力全維度設備狀態監測。實驗結果表明,采用該監測方法監測的數據與實際數據擬合較好,監測歸一化指標較高,具有可靠性,為提高電力設備的運行安全性、降低電力設備維護難度作出了一定的貢獻。
關鍵詞:物聯網;電力;全維度;狀態監測;設備維護;電氣安全
中圖分類號:TP27;TM855 文獻標識碼:A 文章編號:2095-1302(2024)09-00-03
DOI:10.16667/j.issn.2095-1302.2024.09.010
0 引 言
電力設備是一種重要的輸配電設備,具備電壓轉換、控制保護功能。常見的電力設備包括發配電設備、控制設備、保護設備等[1-2]。全維度監測指對設備的不同維度進行全面監測預警[3],可以提高設備使用效果[4]。為保證電力系統供配電質量,需要一種可靠的電力全維度設備狀態監測
方法。
電力全維度設備狀態監測主要包括以下幾個方面:
(1)通過紅外線等手段監測電力設備的溫度,及時發現設備的過熱和異常發熱情況,預防因溫度過高而引起的設備故障[5];
(2)通過振動傳感器監測電力設備的振動情況,及時發現設備的振動異常和機械故障,保障設備的安全;
(3)通過測量電力設備的絕緣電阻、介質損耗等參數,及時發現設備的絕緣故障和老化問題[6];
(4)通過監測電力設備的電流、電壓等參數,及時發現設備的電氣故障和異常運行情況,保障設備的電氣安全[7]。
但上述方法易受降采樣分量噪聲影響,得到的監測結果不準確。因此,本文基于物聯網設計了一種電力全維度設備狀態監測方法。
1 電力全維度設備狀態物聯網監測方法設計
1.1 處理電力全維度設備狀態監測信息
設計的電力設備狀態監測方法首先利用信息聚合法處理了電力全維度設備狀態監測信息。根據設備狀態監測信息處理的必要步驟生成電力全維度設備狀態信息處理模型,如
圖1所示。電力全維度設備狀態監測信息處理的關鍵步驟[8]如下:
第一步,清洗交換采集的電力設備狀態信息數據,剔除噪聲數據,并壓縮數據;
第二步,將采集到的監測狀態信息進行有效分類與二維關聯分析,實現數據集聚合;
第三步,根據多維關聯信息的相似度匹配狀態提取全景特征,作為決策支持;
第四步,決策級融合[9],按照監測需求修正決策分區,輸出可靠狀態監測信息數據。
1.2 基于物聯網生成全維度設備狀態監測網絡架構
利用物聯網技術可以全面感知電力設備,實現實時監測。基于物聯網生成的電力全維度設備狀態監測網絡架構如
圖2所示。
在設備感知層,利用物聯網技術部署傳感器,如RFID、溫濕度傳感器、壓力傳感器等,實時采集狀態信息[10];在數據傳輸層,通過物聯網將數據傳輸到數據中心,即采用ZigBee、WiFi等無線傳輸方式傳輸數據;在數據處理層,利用云計算處理海量數據,提取狀態信息,并評估和預測設備的運行狀態;在設備監測層,通過數據可視化技術將運行狀態實時展示;在預警與控制層[11],利用物聯網技術預警和智能控制設備的運行狀態。當設備出現異常時系統發出預警,通過智能控制技術遠程控制設備。采用物聯網技術可以最大程度提高電力全維度設備狀態監測的可靠性。
1.3 設計電力全維度設備狀態監測算法
電力全維度設備狀態監測過程中計算量較大、計算難度大,容易增加監測時延,降低實時性。為解決該問題,設計了電力全維度設備狀態監測算法,首先提取電力設備狀態監測特征D,公式為:
(1)
式中:ak代表監測采樣幅值;x(n)代表監測輸出分量;gn代表監測參數。變換處理不同的監測特征,表達式如下:
(2)
式中:x(t)代表監測時域:Kr代表監測瞬時頻率。不同類型的監測特征具備不同的擬合關系,可以對其進行變換分析,生成監測變換式如下:
(3)
式中:τ代表監測時寬;Δt代表監測采樣間隔;f代表變換頻域;H代表變換參量。根據上述變換式得到監測互相關系數C(τ)表達式如下:
(4)
式中:FΩ代表子時間窗口;FΩ+1代表監測窗口;代表向量歸一化計算。根據相關系數確定監測數據集合特征,生成設備狀態監測算法表達式為:
(5)
式中:SKmax代表異常監測維度。利用該監測算法可以獲取監測時間維度參數,提高監測實時性。
2 實 驗
為驗證設計的基于物聯網的電力全維度設備狀態監測方法的監測效果,本文選取了可靠的監測實驗環境,將本文方法與文獻[6]、文獻[7]的電力全維度設備狀態監測方法進行對比,實驗如下。
2.1 實驗準備
根據電力全維度設備狀態監測實驗要求,選取Hadoop集群搭建實驗平臺,并通過Linux系統輔助開發,核心為Ubuntu Server,共包括7臺14核主機(6臺為雙核,內存為2 GB;1臺為Dell 4核服務器主機,內存為256 GB)。實驗平臺為Hadoop 1.0.4、Hbase 0.90.3、Java 1.6,利用交換機與通信組網連接。為降低設備狀態監測實驗的運算難度,本文調整6臺主機配置為DataNode\JobTracker,實驗平臺的連接結構如圖3所示。
待集群主機結構連接后,配置實驗軟件及參數,其中NameNode主機的IP設置為192.168.0.2,使用JDK、SSH、Hadoop、Hbase安裝軟件安裝,承擔主/從節點任務;NameNode01、NameNode02、NameNode03、NameNode04、NameNode05、NameNode06主機的IP分別設置為192.168.0.11、192.168.0.12、192.168.0.13、192.168.0.14、192.168.0.15、192.168.0.16,使用JDK、SSH、Hadoop、Hbase安裝軟件安裝,承擔從節點1、2、3、4、5、6任務。根據監測任務數量進行占用內存配置與調優,設置的實驗Hbase內存配置代碼如圖4所示。
對上述代碼進行處理后,輸出實驗任務執行端口號,計算實驗歸一化指標,得到實驗結果。
2.2 實驗結果與討論
選取某500 kV變電站變壓器作為研究對象,分別采用本文方法、文獻[6]的基于模糊層次分析的電力全維度設備狀態監測方法以及文獻[7]的考慮自適應去噪算法的電力全維度設備狀態監測方法進行監測,實驗結果見表1所列。其中:a為合閘時間;b為合閘速度;c為分閘時間;d為分閘速度;e為合閘直流電阻;f為分閘直流電阻;g為三相電流不平衡度。
由表1可知,本文監測方法在不同監測狀態量下監測的電力設備數據與實測數據較擬合,歸一化指標較高,監測時延較短,且能成功進行監測預警;文獻[6]的監測方法以及文獻[7]的監測方法在不同監測狀態量下監測的電力設備數據與實測數據相差較大,且歸一化指標偏低,監測時延較長,在部分狀態下難以進行監測預警。上述實驗結果證明,本文設計的基于物聯網的電力全維度設備監測方法的監測效果較好,具有可靠性,有一定的應用價值。
3 結 語
電力全維度設備狀態監測是指對電力設備的各種參數進行全面監測和分析,包括溫度、振動、絕緣等參數。受信號特征處理等因素的影響,常規的電力全維度設備狀態監測方法的監測效果較差,不符合目前的監測要求。因此,本文基于物聯網技術設計了一種全新的電力全維度設備狀態監測方法。實驗結果表明,設計的電力全維度設備狀態監測方法的監測效果較好,具有可靠性,有一定的應用價值,為提高設備的安全可靠性、降低設備的維護成本作出了一定的貢獻。
參考文獻
[1]毛曉明,羅洪博,鐘文大,等. dq-序動態相量建模方法及其在電力電子設備建模中的應用[J].中國電機工程學報,2023,43(24):9711-9721.
[2]于曉,莊光耀.基于輕量化VGG16和BCBAM的電力設備故障紅外圖像診斷識別[J].河南科技學院學報(自然科學版),2023,51(6):60-69.
[3]丁國君,范開元,李一航,等.基于R-FCN區域全卷積網絡的絕緣子紅外圖像識別研究[J].自動化技術與應用,2023,42(11):147-150.
[4]鄭力勇. 500 kV變電站微環境在線監測技術的應用與探討—以南方電網某500 kV變電站為例[J].電氣技術與經濟,2023,43(9):346-348.
[5]蔡開明,關向雨,林建港,等. LDV對典型電工材料表面非接觸振動檢測的有效性分析[J].福州大學學報(自然科學版),2023,51(6):784-789.
[6]戚鵬健.基于模糊層次分析的電力設備狀態自動監測方法研究[J].今日制造與升級,2023,10(11):154-156.
[7]孫通,張石,張博,等.基于自適應去噪算法的電力設備在線狀態監測研究[J].制造業自動化,2023,45(7):26-30.
[8]劉伯強,任凱,楊帆,等.基于換流站監測信息采集與展示的便攜式智能終端設計[J].工業儀表與自動化裝置,2023,53(2):
84-89.
[9]李明軒,楊柱石.基于故障診斷加強電力變壓器安全管理—評《變壓器直流偏磁風險分析與治理》[J].中國安全科學學報,2023,33(2):233.
[10]陳鵬,邰彬,石英,等.融合BERT、雙向長短記憶網絡和條件隨機場的電力設備缺陷文本實體抽取[J].電網技術,2023,47(10):4367-4376.
[11]張辰,毛冬,黃海潮.面向異構電力設備狀態監測的低功耗OPCUA協議轉換最小系統[J].機械科學與技術,2022,41(12):1936-1942.
收稿日期:2024-01-17 修回日期:2024-02-19
作者簡介:劉金浦(1979—),女,河南南陽人,碩士,副教授,研究方向為電氣工程。