基于專家系統的設備狀態評價研究與應用

舒越 郭晨鋆 馬顯龍 于虹 朱玨佩 李昊

摘 要： 為了能及時、準確、動態掌握電力設備狀態的變化情況，提高狀態評價結果的應用水平，根據包括在線監測、帶電檢測、生產管理系統等多個數據來源，基于專家系統模型，結合設備狀態模糊性分析，構建設備狀態評價體系架構。在此基礎上，通過設備狀態數據獲取與預處理分析，研究狀態量選取和構建設備的自動狀態評價模型。最后通過實例應用，驗證該方法的實用性與先進性，從而為設備狀態的準確、自動評價提供一種參考。

關鍵詞： 專家系統; 模糊數學; 知識庫; 輸配電設備; 狀態評價

中圖分類號： TP393 ? ? ?文獻標志碼： A

Research on Automatc Evaluaton of Equpment Condton Based on

Expert System and ts Applcaton

SHU Yue1， GUO Chenjun2， MA Xanlong2， YU Hong2， ZHU Yupe1， L Hao2

（1. Baoshan Power Supply Bureau， Yunnan Power Grd Co. Ltd.， Baoshan 678000;

2. Electrc Power Research nsttute， Yunnan Power Grd Co. Ltd.， Kunmng 650217）

Abstract： n order to handle the change of power equpment state n a tmely and accurate and dynamc manner， mprove the applcaton level of the status evaluaton results， accordng to the expert system model， combned wth the equpment state fuzzness analyss， an equpment state evaluaton system s constructed. The system s based on the expert system model， combned wth the fuzzy analyss of the state of the equpment. Through the acquston and pre-processng analyss of devce state data， the automatc state evaluaton model of the devce s selected and constructed by the state quantty. Fnally， the practcalty and advance of the method are verfed by the applcaton of the example， t can provde a reference for the accurate and automatc evaluaton of the devce state.

Key words： Expert system; Fuzzy mathematcs; Knowledge base; Transmsson and dstrbuton equpment; State evaluaton

0 引言

設備狀態評價是電網設備管理的重要方面，僅僅依靠人工手段難以對設備狀態做出準確評價。隨著智能電網的快速發展，供電可靠性安全性對設備狀態評價的準確性提出了更高的要求，以往人工評價的方法存在效率較低、準確性不高的缺點[1，2]。目前設備狀態評價工作主要存在以下問題：設備狀態評價自動化程度不高，狀態監測等數據未納入評價全過程中，評價的準確性和實時性不高[3-6]。為提高狀態評價結果的應用水平，本研究利用大數據相關技術，采用涵蓋包括在線監測、帶電檢測、生產管理系統等多個數據來源，通過狀態評價算法實現設備狀態自動化評價。本研究通過對電力主網一次設備的運行健康狀態進行深層次的細致評價，基于專家系統模型，結合設備狀態模糊性分析，構建設備狀態評價體系架構;在此基礎上，通過設備狀態數據獲取與預處理分析，研究狀態量選取和構建設備的自動狀態評價模型，為降本增效工作提供了的支撐。

1 專家系統模型

專家知識庫中含有大量的相關領域的專家知識，在變壓器狀態評價時可以通過案例匹配等方式實現變壓器的狀態評價，除此之外，專家知識庫還具備自我學習功能，通過已有的專家經驗形成狀態評價規范，當輸入新的案例時可以進行自我判斷，得出評價結果[7-8]。電力變壓器評價結果通過驗證后專家知識庫可以將新案例進行存儲，實現案例庫的更新和迭代。專家知識庫的構建極大地方便了新的運行人員的培訓學習，使他們能夠快速獲取相關知識，提高電力變壓器狀態評價的效率。由于輸變電設備類型繁多、技術參數復雜，單一模型很難反映故障的運行情況和健康狀態。因此本研究利用模糊數學的方法，包括模糊狀態量、隸屬度等，對輸變電設備進行狀態評價。

2 體系框架

遵循國家電網公司信息化總體架構設計及要求，總體設計充分考慮公司已有業務系統及平臺，根據輸變電設備的原始資料、運行資料、檢修試驗資料以及運行環境等其他資料數據，結合電網公司設備狀態評價導則，對主變、隔離開關、斷路器等主要設備關鍵狀態量進行自動識別抽取，多維度、客觀準確的反映設備的運行狀況以及發生故障的趨勢。設備狀態模糊性包括數值和語義的兩方面的不確定性。具體而言，一方面將設備的試驗數據轉換成專家庫的精確判斷值和國家相關標準及規程的過程具有不確定性，另一方面專家庫中國家標準及規程文字描述具有語義程度的不確定性。基于專家系統的設備狀態評價體系架構如圖1所示：

1） 基礎數據層包括在線監測、帶電檢測、生產管理等數據來源，這些原始數據通過不同的方法和手段生成建模數據。通過系統集成達到數據共享。

2） 依據國家電網公司輸變電設備狀態檢修標準，建立了數據獲取、數據處理、監測預警、狀態評價、狀態診斷、預測評估、風險評估、決策建議等功能，通過對缺陷數據進行實時分析計算，從而得到設備的實時評價結果。

3 基于專家系統的設備狀態評價模型

3.1 設備狀態數據獲取與預處理

3.1.1 設備狀態數據獲取

與電網設備狀態關系密切的數據信息來源較為復雜，要對設備狀態進行評估，首先要收集設備的相關信息，包括：

（1） 設備臺賬信息，包括設備型號、投運年限、生產廠家等基礎信息。

（2） 在線監測信息，包括設備實時的運行信息。以主變壓器為例，具體包含設備溫度、鐵芯接地電流、局部放電、微水、油中溶解氣和套管絕緣等信息。

（3） 設備運行檢修信息、缺陷信息，包括設備檢修周期、缺陷類型、缺陷描述、缺陷等級等直接反映設備狀態的關鍵信息。

（4） 外部信息，包括溫度、濕度、天氣、安置環境等因素。這類信息一般通過外部數據獲取。對設備狀態產生一定影響。

3.1.2 設備狀態數據預處理

數據預處理是在構建狀態評價模型之前的準備工作，通過數據清洗和數據集成的方式，能夠有效處理重復數據、不完整數據、錯誤數據，從而提高模型的精度和運行效率[9-11]。設備狀態數據清洗指通過挖掘算法識別設備狀態數據中的離群點和異常值，或根據規則丟棄部分“臟數據”，如設備狀態數據格式錯誤、超出正常閡值范圍、數據跳變等情況，通過缺失值填充或平滑處理等方法，提高設備狀態數據質量的過程。設備狀態數據數據集成是將融合多源設備運行數據和信息，將設備運行數據轉換成模型適用的輸入形式。設備狀態數據預處理是設備狀態評價中的重要工作，將原始數據轉變為可自動識別的狀態量。設備狀態評價的數據預處理流程如圖2所示。

3.2 設備狀態狀態分析與評估

設備狀態自動評價依次按照從設備、部件、狀態量、判斷標準進行分析評估，通過對設備狀態量及規則、劣化程度及權重系數、評價標準的定義，形成對此類設備的自動狀態評價模型。設備狀態狀態分析與評估過程如圖3所示。

在不同類型的設備中，其功能相對獨立的單元即為設備部件。本研究以輸變電設備中的油浸式變壓器為例，進一步闡述設備狀態評價模型。油浸式變壓器可以分為本體、套管、冷卻系統、分接開關和非電量保護等部件。

3.2.1 狀態量選取

本研究基于設備臺賬信息、設備在線監測信息、設備運檢信息、缺陷信息等多數據源獲取設備的狀態評價指標。為了方便驗證，本研究選取主變器作為研究對象。選擇試驗數據、絕緣油試驗參數和油中溶解氣體參數進行變壓器狀態評價分析。變壓器狀態評價指標如表1所示。

3.2.2 狀態量權重及扣分

以變壓器為例，設備狀態量分別有四個等級1-4，權重從低到高，反映的是其在狀態評價中的重要程度。主要根據《一次設備狀態評價導則》和《在線監測標準》和業務經驗，同時參考相關文獻[12-13]，設置權重。在不同的劣化程度下，通過比較變壓器的不同狀態量對其運行狀態產生的大小不一的影響，并按照其劣化程度為依據可將狀態量劃成四個等級：分別為級、級、級和V級。4個等級對應的基礎扣分值為2，4，8，10分。狀態量應扣分值等于狀態量應扣分值的大小取決于狀態量的劣化程度以及狀態量所占的權重的乘積。如果該狀態量狀態正常則不扣分。變壓器狀態量權重及扣分如表2所示。

3.2.3 設備狀態綜合評價方法

設備狀態綜合評價方法通過將設備的本體和部件作為整體的考慮而進行評價。只有當所有部件狀態正常時，則該設備狀態評價為正常;而當設備中大于一個部件狀態不正常，那么設備綜合評價評分等于所有設備的扣分合計值，且綜合評價得分一定以部件評價中狀態最嚴重的為準。以變壓器為例，一般將運行狀態分為正常狀態、注意狀態、異常狀態和嚴重狀態四個等級。變壓器扣分概況及狀態等級如表3所示。

3.3 設備狀態系統知識庫模型

設備狀態專家系統包括知識庫、推理機、規則集，其主要根據《一次設備狀態評價導則》和《在線監測標準》和業務經驗總結得到。根據閾值和規則判定，獲得設備的狀態評價。設備狀態評價專家系統框架如圖4所示。

具體如下：

（1） 知識庫、規則集：包括設備狀態自動評價的規則和判斷標準。包括《一次設備狀態評價導則》、《在線監測標準》、《預防性檢修試驗規程》、業務經驗和國內外權威文獻的總結。

（2） 推理機：進行設備的健康狀態評價。提供故障預警。

（3） 數據庫接口：包括數據獲取、數據預處理和數據緩存的功能。

3.3.1 知識庫設計

本研究以某南方電網公司變電設備導則和規程作為知識庫的來源，通過程序將狀態量、狀態評價導則的各類判定規則以知識庫的形式固化和存儲在數據庫中，作為評價設備健康程度的判斷依據。設備狀態評價知識庫規則存儲表如表4所示：

3.3.2 規則集

規則集是狀態評價推理所使用的所有規則的集合。規則集的構建極大的提高了設備狀態評價的自動化、智能化。本研究采用的是基于產生式的知識表示法。產生式表示法是“當前1個或N個條件為真時，則結論為真”的表示形式。常見形式為：“f 前提條件，Then結論”[14、15]。其條件可以是一個或多個邏輯的組合，但結論僅為一個。例如主變壓器的色譜分析的規則如下：

#總烴扣分規則

defzt_score_deducton_rules（df， value， rate）：

score_deducton = 0

f df[value] > 150：

score_deducton = 12

f df[value] > 150 and df[rate] > 0.1：

score_deducton = 30

return score_deducton

#乙炔扣分規則

defyq_score_deducton_rules（df，voltage_level，value， rate）：

score_deducton = 0

f df[voltage_level]== '500 kV' and df[value] > 5：

score_deducton = 30

elfdf[value]> 1 and df[value] < 5：

score_deducton = 30

return score_deducton

#氫氣扣分規則

defqq_score_deducton_rules（df， value， rate）：

score_deducton = 0

f df[value] > 150 and df[value] < 160：

score_deducton = 8

elfdf[value] > 160：

score_deducton = 16

return score_deducton

以主變壓器的色譜分析狀態量為例，主變壓器色譜分析規則如表5所示。

當某種氣體濃度達到注意值時，要進行跟蹤分析，結合三比值進行分析

3.3.3 系統推理機模型

推理機是根據加載解析的知識庫規則，并根據知識庫中所獲取的設備狀態量數據和判斷依據進行推理的執行過程。設備狀態評價推理機模型如圖5所示。

4 實例

4.1 應用對象

為了進一步驗證模型的準確性，比如選取某變電站500 kV主變壓器進行分析。該變壓器由廈門ABB電器控制設備有限公司生產，運行年限為23年。油中溶解氣體數據、油試驗數據、試驗數據、缺陷數據，如表6、表7、表8所示。

4.2 設備評價分析

基于專家系統的設備狀態評價，結合變壓器基本信息、油中溶解氣體數據，油試驗數據、高壓試驗數據、缺陷信息，得到最終設備狀態評價結果如表10所示。

每個部分得分率均在90%及以上且核心項目全部合格的設備評價為“完好”;每個部分得分率均在70%以上，但至少有一個部分得分在90%以下，且核心項目全部合格的設備評價為“較好”;只要有一個部分的得分率在70%以下，或有核心項目不合格的設備評價為“注意”。如設備未能被評為“完好”，應提出針對性的分析和處理意見。通過對設備歷史單向評價和綜合評價具體設備狀態量性能指標的對比和趨勢分析功能，從而得出某一設備的健康狀況水平，從而指導運行、檢修單位和管理部門制定合理檢修計劃和預防措施。

5 總結

本研究以電力設備作為研究對象，以設備多源數據為基礎，通過將專家知識庫引入到電力設備狀態評價中，結合設備狀態模糊性分析，構建設備狀態評價體系架構;在此基礎上，通過設備狀態數據獲取與預處理分析，研究狀態量選取和構建設備的自動狀態評價模型;最后通過實例應用，驗證該方法的實用性與先進性，實驗結果顯示本研究設計的模型實現了設備狀態的健康狀態評價，為運維檢修工作提供了有益參考，為進一步支撐電力業務的輔助決策，提高供電可靠性和安全性提供一種支撐。

參考文獻

[1] 魏嘉瑋.淺析電網設備臺賬數據質量現狀[J].科技創新導報，2017，14（34）：64-65.

[2] 李振杰， 卞朝暉， 陳學民， 等. 變壓器油色譜在線監測數據有效性評估[J]. 高壓電器， 2018（6）：158-163.

[3] 賀川雙， 杜修明， 嚴英杰， 等. 基于數據挖掘和主成分分析的電力設備狀態評價[J]. 高壓電器， 2017（12）：34-41.

[4] Munkova D， Munk M. An automatc evaluaton of machne translaton and Slavc languages[C]// EEE nternatonal Conference on Applcaton of nformaton & Communcaton Technologes. 2015：1-5.

[5] Chao C， Qn X. Research of vehcle automatc emergency brakng system evaluaton methods[C]// nternatonal Conference on ntellgent & Connected Vehcles. 2017：1-9.

[6] Sh J， Wang Y， Chen T， et al. Automatc evaluaton of traumatc bran njury based on terahertz magng wth machne learnng[J]. Optcs Express， 2018， 26（5）：6371-6381.

[7] Du W L， Tan X L. An Automatc Evaluaton Platform for Feature Matchng Algorthms Based on an Orbtal Optcal Pushbroom Stereo magng System[J]. EEE Geoscence & Remote Sensng Letters， 2018（99）：1-5.

[8] 胡吉祥. 供電企業配電網可靠性評估系統的設計與實現[D]. 成都：電子科技大學，2015.

[9] 劉捷豐. 基于介電特征量分析的變壓器油紙絕緣老化狀態評估研究[D]. 重慶：重慶大學，2015.

[10] 雷帆. 基于大數據分析的電力變壓器狀態評估與故障診斷技術研究[D]. 成都：西南交通大學，2016.

[11] 孫鵬， 黃緒勇， 耿蘇杰. 基于實時監測和例行試驗數據的電力變壓器狀態動態評估方法[J]. 電力自動化設備， 2018，38（3）：210-217.

[12] 張彪， 王渝紅， 李興源. 高壓直流輸電設備狀態評價專家系統研究[J]. 計算機工程與設計， 2014， 35（2）：690-694.

[13] 鄭惠俊， 袁海文. 配電設備健康狀態評價專家系統的設計與實現[J]. 應用科技， 2017（4）：55-59.

[14] 江丹宇. 基于油中甲醇含量的油紙絕緣老化狀態評估方法研究[D].成都：西南交通大學， 2017.

[15] 耿艷， 崔慧軍， 于洋，等. 基于輔助決策專家庫的設備健康水平預測研究[J]. 華北電力技術， 2017（11）：41-47.

（收稿日期： 2019.06.28）

作者簡介：舒越（1991-），男，助理工程師，研究方向：高電壓試驗、變電檢修工作。文章編號：1007-757X（2020）01-0115-05