基于大數據架構的變電站設備智能化巡檢系統設計

（國網浙江省電力有限公司信息通信分公司，杭州 310000）

0 引言

當前國內變電站設備巡檢作業大多數為人工巡檢，此種巡檢方式勞動強度較大，且容易受到環境的影響、巡檢結果主觀性過強[1～3]。在國家電網致力于構建智能化變電站的環境下，傳統的巡檢方式已經不能滿足變電站日常運維管理的需求。為此，設計一個智能化巡檢系統成為了當前亟待解決的問題。

沈鑫[4]等人提出并設計基于物聯網技術的設備監測系統。利用匯聚網絡流量控制和通信流重定向實現通信網絡擁塞問題的解決，并提出異構雙網雙通道構建方式，提升通信網絡的容錯性能，以此實現設備的在線監測以及資產巡檢之間的有效結合。實驗結果表明，該系統穩定性較好，但不具備較高的查準率，即設備故障巡檢準確性較差。莊園[5]等人提出并設計基于3D末端路徑自學習導航的電力巡檢系統，該系統利用對當前電力設備巡檢體系的分析，提出利用三維路徑模型設計電力設備巡檢系統。模擬結果表明，系統運行復雜度較低，但不適用于大規模巡檢中，設備故障警報的實時性較差。

為解決變電站設備巡檢相關系統中存在的問題，提出并設計基于大數據架構的變電站設備智能化巡檢系統。

1 基于大數據架構的變電站設備智能化巡檢系統框架

基于大數據架構的變電站設備智能化巡檢系統整體框架如圖1所示。

圖1 基于大數據架構的變電站設備智能化巡檢系統框架

圖1中，變電站設備智能化巡檢系統中的大數據處理體系，主要是完成變電站設備穩定安全運行相關數據信息之間的融合，并按照所得大數據實現巡檢數據規范建模，利用歷史數據構建知識庫，構成可以應對各種突發事件的專家體系。圖中的通信端、變電站數據存儲平臺、網絡攝像單元、環境采集等模塊均可在變電站網絡設備中實現數據信息的相互傳遞，為巡檢集控中心管理人員的高效管理提供支撐。

以下為基于大數據架構的變電站設備智能化巡檢系統中的軟硬件設計。

2 變電站設備智能化巡檢系統軟硬件設計

2.1 巡檢任務管理單元

變電站設備智能化巡檢系統中的巡檢任務管理單元中包含對應任務新建和保存以及刪除等功能，還可以實現人工下達指令以及定時運行等功能。該單元可以在人機交互界面對巡檢任務進行新建與刪除，操作人員能夠自主對系統運行時間進行調節[6,7]。對于巡檢任務的開展，主要是以某次巡檢工作的主要性質為指導中心，基站在獲取相應反饋之后，開始進行相應工作任務。

2.2 圖像監控單元

變電站設備智能化巡檢系統的圖像監控單元屬于功能類，其主要功能示意圖如圖2所示。

圖2 圖像監控單元示意圖

圖2中，由可見光攝像機和紅外攝像儀組成的模塊是變電站設備智能化巡檢系統中的圖像監控單元，其中可見光攝像機從本質而言，可以封裝視頻服務設備，系統輸出的模擬視頻均能夠通過該設備實現。通過紅外攝像儀對變電站中各個設備的各種信息進行無損采集，兩者相互結合能夠實時監控變電站設備運行，以提升變電站設備智能化巡檢的查全率和查準率。

2.3 大數據平臺

大數據平臺作為變電站設備智能化巡檢系統設計中的重點部分，其將時間、天氣和地質等非電氣量數據信息與變電站設備的狀態、繼電維護等站端檢測數據相互結合[8]，以快速、精確地將變電站設備故障檢測出來，并發出安全預警，盡可能地對變電站設備的安全運行進行維護。

在基于大數據架構的變電站設備智能化巡檢系統中的數據來源為實測數據和時間與天氣等信息數據，在此可將變電站設備巡檢系統中數據集成的數據流劃分為若干類別[9,10]。

3 變電站設備智能化巡檢系統軟件設計

綜合上述基于大數據架構的變電站設備智能化巡檢硬件設計，得到的變電站設備智能化巡檢系統軟件運行流程如圖3所示。

圖3 變電站設備智能化巡檢系統軟件運行流程

圖3的變電站設備智能化巡檢系統軟件運行流程中，系統初始化階段，系統各個單元模塊處于準備狀態。對變電站設備歷史數據進行采集，并初始化巡檢任務管理單元和圖像監控單元，將所得數據存儲。連接站端監控體系和大數據平臺，使兩個子系統的數據互通，大數據平臺對所得數據進行建模、挖掘和分析，并判斷變電站設備是否存在風險，如果結果為是，則發出警報；如果為否，則迭代上述過程。

4 實驗結果與分析

以驗證基于大數據架構的變電站設備智能化巡檢系統性能為目的，進行一次相關性實驗。實驗參考對象為某省大型變電站。實驗指標為：

1）巡檢查全率；

2）巡檢查準率；

3）巡檢警報實時性。

實驗結果如圖4和圖5所示。

圖4 不同系統查全率對比

由圖4和圖5可以看出，基于大數據架構的變電站設備智能化巡檢系統的查準率和查全率明顯高于當前系統。該系統將可見光攝像機和紅外攝像儀組成的模塊當作變電站設備智能化巡檢系統中的圖像監控單元，兩者的高效結合可以實時監控變電站設備運行，進而提升變電站設備智能化巡檢的查全率和查準率。

以警報延遲的長短驗證不同系統的實時性。表1中，A代表設備故障點編號。B代表基于3D末端路徑自學習導航的電力巡檢系統警報延遲，單位為μs。C代表基于大數據架構的變電站設備智能化巡檢系統警報延遲，單位為μs。

圖5 不同系統查準率對比

表1 不同系統警報延遲對比

由表1可知，基于3D末端路徑自學習導航的電力巡檢系統警報延遲平均為1.6μs，基于大數據架構的變電站設備智能化巡檢系統警報延遲平均為0.18μs。該結果表明，所提系統時效性強，具有可行性。所提系統和當前系統在警報延遲上差距較大的原因為：所提系統在數據處理過程中采用了MapReduce分布式計算形式和實時流計算模式，有效提升了系統運行實時性。又利用Windows底層中的api語音播放函數實現警報功能，進一步保障了系統的實時性。

5 結束語

變電站是電力系統中不可缺失的一部分，針對變電站設備智能化巡檢的重要性，提出并設計基于大數據架構的變電站設備智能化巡檢系統。系統主要由站端監控體系和變電站設備數據集成、分析體系構成，利用軟硬件結合的方式實現系統整體性能。實驗結果表明，該系統性能較為全面，設備故障查準率和查全率均較高，且系統延遲短。