變電站智能診斷和維護(hù)系統(tǒng)體系結(jié)構(gòu)研究

李福鵬，梁國(guó)堅(jiān)，陶熠昆，鄭洪波

(1.廣東電網(wǎng)有限責(zé)任公司中山供電局，廣東中山528400；2.浙江國(guó)自機(jī)器人技術(shù)有限公司，浙江杭州310053)

變電站智能診斷和維護(hù)系統(tǒng)體系結(jié)構(gòu)研究

李福鵬1，梁國(guó)堅(jiān)1，陶熠昆2，鄭洪波2

(1.廣東電網(wǎng)有限責(zé)任公司中山供電局，廣東中山528400；2.浙江國(guó)自機(jī)器人技術(shù)有限公司，浙江杭州310053)

在實(shí)際運(yùn)行的過程中，具有相似故障征兆的變壓器往往具有大致相類似的故障原因，因此，依托于變壓器的運(yùn)行數(shù)據(jù)，采取基于數(shù)據(jù)驅(qū)動(dòng)的變壓器故障分析是實(shí)現(xiàn)變電站智能控制和診斷的有效方法。利用MapReduce構(gòu)建了多數(shù)據(jù)源的并行特征提取與對(duì)比算法，可以有效地對(duì)變壓器故障征兆進(jìn)行分析，從而實(shí)現(xiàn)故障點(diǎn)的及時(shí)維護(hù)。

變電站；故障智能診斷；數(shù)據(jù)驅(qū)動(dòng)

Abstract:In the process of actual operation,the transformer with similar fault symptom often had the similar cause of the fault.Therefore,it was an effective method to realize the intelligent control and diagnosis of the transformer based on the data failure of the transformer.MapReduce was used to construct a parallel feature extraction and comparison algorithm of multiple data sources,which could effectively analyze the fault symptoms of the transformer,so as to realize the timely maintenance of the fault point.

Key words:substation;fault intelligent diagnosis;data driven

隨著電網(wǎng)復(fù)雜程度的提高，變電站作為供電方與用電方的中間變換環(huán)節(jié)，其作用也日益顯著，而作為電網(wǎng)的重要一環(huán)，有效及時(shí)地實(shí)現(xiàn)變電站的故障維護(hù)是保證電網(wǎng)穩(wěn)定運(yùn)行的前提條件[1]。

我國(guó)現(xiàn)有的變電站大多都實(shí)現(xiàn)了自動(dòng)化的管理，但管理大多停留在設(shè)備運(yùn)行數(shù)據(jù)的采集、事故情況的記錄、故障的報(bào)警等方面，對(duì)于故障的成因等深層次的故障診斷并未涉及。顯然，隨著電力系統(tǒng)的進(jìn)一步復(fù)雜，利用現(xiàn)代的數(shù)據(jù)處理技術(shù)對(duì)大量的運(yùn)行數(shù)據(jù)進(jìn)行有效地處理，追根溯源，發(fā)現(xiàn)事故的深層次原因，對(duì)預(yù)防性變電站維護(hù)和縮短事故的處理時(shí)間，具有重要的意義

1 變電站故障診斷方法的研究

對(duì)于故障的診斷，目前常用的方法主要有三大類型，分別是基于常見問題點(diǎn)的數(shù)學(xué)模型的方法、基于故障點(diǎn)的知識(shí)分析的方法、基于運(yùn)行數(shù)據(jù)驅(qū)動(dòng)的分析方法[2]。

基于常見問題點(diǎn)的數(shù)學(xué)模型的方法比較適合于運(yùn)行過程比較簡(jiǎn)單的場(chǎng)合，具有數(shù)據(jù)模型構(gòu)造簡(jiǎn)單，故障檢測(cè)反應(yīng)時(shí)延小及準(zhǔn)確的優(yōu)點(diǎn)。但是，對(duì)于復(fù)雜的工業(yè)控制過程，由于工作的過程相對(duì)而言具有很強(qiáng)的非線性和時(shí)變性，同時(shí)系統(tǒng)與系統(tǒng)之間還存在著強(qiáng)耦合性，故構(gòu)建數(shù)據(jù)模型的過程較為困難。對(duì)于變電站而言，利用數(shù)學(xué)模型來構(gòu)建故障檢測(cè)系統(tǒng)并不是一種最優(yōu)的選擇。

基于故障點(diǎn)的知識(shí)分析的方法主要是利用專家知識(shí)系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊算法、故障決策樹等計(jì)算方法來對(duì)變電站的故障進(jìn)行分析。這種方法的準(zhǔn)確性依賴于所選計(jì)算方法的準(zhǔn)確程度，而在實(shí)際運(yùn)行的過程中，每一種計(jì)算方法所固有的缺點(diǎn)都會(huì)影響最終判斷的結(jié)果，而對(duì)于大多數(shù)方法而言，構(gòu)造出完全反映變電站的運(yùn)行過程是一個(gè)比較困難的事情。

基于運(yùn)行數(shù)據(jù)驅(qū)動(dòng)的分析方法是從大量的運(yùn)行過程數(shù)據(jù)中分析出準(zhǔn)確的故障信息，所利用的技術(shù)是數(shù)據(jù)的挖掘技術(shù)，可以真實(shí)地反映出變電站的運(yùn)行過程，是目前較好的一種故障分析方法。

2 基于數(shù)據(jù)驅(qū)動(dòng)的變電站智能故障診斷系統(tǒng)結(jié)構(gòu)分析

實(shí)現(xiàn)變電站有效的故障診斷，需要一個(gè)完整的監(jiān)控體系，基于數(shù)據(jù)驅(qū)動(dòng)的變電站監(jiān)控體系基本功能構(gòu)成如圖1所示。

如圖1所示，整個(gè)系統(tǒng)由三大部分組成，分別是數(shù)據(jù)采集端、數(shù)據(jù)處理端及集成監(jiān)控端。數(shù)據(jù)采集端利用智能傳感器來進(jìn)行數(shù)據(jù)的采集，采集的數(shù)據(jù)主要包括：變電站進(jìn)線電壓、用電量、余電量、變壓器溫度、低壓電壓、ABC電流、功率因數(shù)等；利用視頻、圖像等手段對(duì)各儀表顯示、各柜體表面、線圈表面等進(jìn)行圖像信息的掃描分析，以確定相應(yīng)部位的完好；利用GIS信息系統(tǒng)對(duì)故障位置進(jìn)行定位。

圖1 監(jiān)控系統(tǒng)基本構(gòu)成

數(shù)據(jù)處理端是以數(shù)據(jù)驅(qū)動(dòng)為核心的故障分析的基礎(chǔ)。主要的工作環(huán)節(jié)是利用某種方式準(zhǔn)確地從大量運(yùn)行數(shù)據(jù)中提取有效地代表數(shù)據(jù)進(jìn)行分析，分析的方法需要依靠運(yùn)行數(shù)據(jù)數(shù)據(jù)庫(kù)中的數(shù)據(jù)、知識(shí)庫(kù)中的計(jì)算規(guī)則及計(jì)算的算法來支撐。本設(shè)計(jì)利用MapReduce構(gòu)建了多數(shù)據(jù)源的并行特征提取與對(duì)比算法來完成這一功能。

集成監(jiān)控端利用數(shù)據(jù)處理端所形成的決策結(jié)果實(shí)現(xiàn)對(duì)變電站內(nèi)各設(shè)備的控制。控制的過程主要包括了數(shù)據(jù)顯示、數(shù)據(jù)記錄、故障報(bào)警及控制管理等。

3 多數(shù)據(jù)源的并行特征提取與對(duì)比算法

變電站中所蘊(yùn)含的數(shù)據(jù)量大且非線性程度高，構(gòu)建強(qiáng)的數(shù)據(jù)處理能力是解決問題的關(guān)鍵。在本例中，采用MapReduce對(duì)多數(shù)據(jù)源的并行特征進(jìn)行提取，并通過對(duì)比算法，提煉出有效的數(shù)據(jù)，用來輔助決策。具體流程如圖2所示。

圖2 多數(shù)據(jù)源數(shù)據(jù)處理過程

在變電站中，由于各種設(shè)備所更替的時(shí)間及廠家有所不同，所以所提供數(shù)據(jù)源可能來自不同的數(shù)據(jù)環(huán)境。面對(duì)多種多樣的數(shù)據(jù)源，采用基于Hadoop的MapReduce分布式平行計(jì)算方式，可以有效地將變電站內(nèi)不同的數(shù)據(jù)源進(jìn)行整合，形成一個(gè)統(tǒng)一的數(shù)據(jù)模型與決策接口，有效提高數(shù)據(jù)處理的能力。

MapReduce分布式計(jì)算包括兩個(gè)過程：map過程和reduce過程。map過程完成的是任務(wù)的分解與處理，是并行處理的基礎(chǔ)；而reduce完成的是數(shù)據(jù)的整理和融合，為數(shù)據(jù)的處理提供統(tǒng)一的對(duì)外數(shù)據(jù)模型。在執(zhí)行過程中，起主要核心作用的是兩個(gè)處理事件，一個(gè)是Jobtracker，主要的任務(wù)中在兩個(gè)階段中調(diào)節(jié)數(shù)據(jù)Job的運(yùn)行；而另一個(gè)核心是Tasktrackers事件，主要的任務(wù)將由Jobtracker切分的數(shù)據(jù)分片(split)按照一定的規(guī)則進(jìn)行處理，最終提交給HDFS分布式文件系統(tǒng)，具體過程如圖3所示。

圖3 map與reduce的數(shù)據(jù)處理過程

由于本例采用的是并行特征提取與對(duì)比算法，算法采用模糊聚類故障診斷與對(duì)比模型，核心算法采用Gustafson-Kessel(G-K)算法。在實(shí)際操作中，我們將某一故障的數(shù)據(jù)特征規(guī)定為一個(gè)聚類，并以此作為一個(gè)原型類的中心，采用線性圓的對(duì)比方式，在有效地區(qū)域半徑r當(dāng)中，將實(shí)際采集值與此聚類對(duì)象進(jìn)行對(duì)比，實(shí)際值與中心值的均方差在有效半徑之內(nèi)的，就將此數(shù)據(jù)歸于此類，進(jìn)行統(tǒng)一的處理。由于故障特征數(shù)據(jù)的不同，系統(tǒng)會(huì)形成不同的數(shù)據(jù)特征聚類，這些聚類將分配到不同的Jobtracker及Tasktrackers上進(jìn)行并行處理。每一次處理過程由Tracker周期性將所有數(shù)據(jù)節(jié)點(diǎn)上各種信息(主要包括機(jī)器的使用資源狀況、任務(wù)執(zhí)行進(jìn)度及運(yùn)行狀態(tài))通過心跳機(jī)制匯報(bào)給JobTracker，然后根據(jù)其結(jié)果調(diào)用LaunchTaskAction(啟動(dòng)任務(wù))、CommitTaskAction(提交任務(wù))、TaskTrackerReinitAction(重新初始化)等過程進(jìn)行有效的任務(wù)完成。

整個(gè)處理的最后一步是形成統(tǒng)一的數(shù)據(jù)模型，在MapReduce中需要調(diào)用HDFS中的數(shù)據(jù)，由于多種數(shù)據(jù)源的模式不同，需要利用程序來進(jìn)行MapRecuce參數(shù)的設(shè)置。以HBase數(shù)據(jù)模式為例，其接口程序如圖4所示。

圖4 HBase數(shù)據(jù)接口程序

4 總結(jié)

本例采用Gustafson-Kessel(G-K)算法構(gòu)建了特征數(shù)據(jù)的并行處理功能，將變電站內(nèi)大量的故障信息進(jìn)行分類并行對(duì)比處理，并將此信息處理后的結(jié)果輸出到集中管理系統(tǒng)中產(chǎn)生維護(hù)命令，從而提高故障診斷與維護(hù)的實(shí)時(shí)性和準(zhǔn)確性。

[1]周志霞.變電站故障診斷系統(tǒng)的研究與開發(fā)[D].保定：華北電力大學(xué)，2003：3-5.

[2]呂寧.基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷模型及算法的研究[D].哈爾濱：哈爾濱理工大學(xué)，2009：24-26.

Research on operation and management mode of intelligent substation based on regulating and controling

LI Fu-peng1,LIANG Guo-jian1,TAO Yi-kun2,ZHENG Hong-bo2
(1.Zhongshan Power Supply Bureau of Guangdong Power Grid Co.,Ltd.,Zhongshan Guangdong 528400,China;2.Zhejiang Guozi Robot Technology Co.,Ltd.,Hangzhou Zhejiang 310053,China)

TM 131

A

1002-087X(2017)09-1369-02

2017-02-12

李福鵬(1977—），男，廣東省人，本科，高級(jí)工程師，主要研究方向?yàn)樽冸娺\(yùn)行管理。