變電一次設備在線監測數據診斷及運維檢修分析

郭旭東 栗家潤

摘要：本文通過對變電站一次設備的研究分析，利用大云物移的現代物聯網科技概念，旨在剖析變電站一次設備的在線監控技術，以及后續的深入挖掘仿真技術，為提供供電系統的可靠性采取有力保障。通過對一次設備典型性的參數特征提取，經過計算機仿真計算和分析，給出合理的評估結論，為支撐變電站的狀態檢修和智能運維奠定了技術基礎，文章后續采取三維建模以及遠程診斷的作用，通過信號采集器以及深度計算，為客戶提供有力判據。

關鍵詞：系統運維;方案解決;軟件算法;評估診斷

目前變電站內安裝的在線監測裝置涉及專業不同，廠家較多，一般站內并存多套監測系統，無法實現信息共享，可靠性低，誤報率高，給運維帶來負擔及和不便，數據孤島難以實現基于各類監測數據對設備運行狀態進行綜合評價和預警診斷，蘊含著海量數據中的價值信息沒有得到充分挖掘和應用。

一、意義

隨著大數據、物聯網、云計算及移動互聯網等新技術的迅猛發展，互聯網+電力設備檢修數據診斷、大數據挖掘和多維度集成綜合分析成為發展趨勢，設備檢測技術與故障診斷技術、網絡技術、通訊技術相滲透和結合，為支撐變電站的狀態檢修和智能運維奠定了技術基礎[1]。

整合變電站設備狀態監測資源，實現變電站內狀態監測數據采集、數據傳輸格式及通信接口的統一，形成大數據歸類、深度挖掘及智能分析，全面提升運維水平，進行運維模式的創新，全面準確清晰地展現變電站內設備的運行狀態、變化趨勢及潛在問題，實現設備的風險預警，為變電站智能運維及電網的安全運行提供輔助決策支持。

二、系統功能

依據國家電網公司《變電站在線監測通用技術規范》及《變電設備帶電檢測工作指導意見》的要求，充分利用一流技術和設備，設計一套變電站設備狀態診斷分析及遠程運維檢修系統，綜合利用變電站在線監測數據、帶電檢測數據和例行檢修數據等綜合數據信息，構建交互性好的設備評估與智能運維系統平臺，實現變電站設備的狀態數據的深度挖掘，提前發現深層次隱患規律，進行風險預警，提升變電站運維水平和效率、減輕運維人員的負擔。

三、實施方案

3.1數據來源

以高壓開關為監測對象的結構化及非結構化數據的處理方式如下：

（1）非結構化數據的接口設計：

智能運維檢修系統可與不同帶電檢測設備進行數據交互。帶電檢測數據（紅外測溫、局放檢測等）經標準化處理（依據帶電檢測設備不同，開發程序，實現非結構化數據的讀取）后直接存儲到智能運維檢修系統數據庫中，作為診斷系統使用的基礎數據，將檢修結果按照數據需求直接進行存儲，以數據庫作為存儲媒介[2]。

（2）結構化數據的接口設計：

在線監測與診斷系統的接口也以數據庫為基礎。

（3）歷史數據的錄入：

智能運維檢修系統可錄入產品缺陷、交接試驗、例行試驗等歷史數據，作為整個診斷系統的一部分功能，由用戶將特定的信息錄入系統中，并為后續診斷分析做好基礎數據的儲備。

（4）數據存儲周期設計：

存儲周期的設計需要根據不同的數據特點制定，高頻短時數據可以以秒或者毫秒的時間標識存儲，而對于長周期的狀態數據，可以小時、天、年等單位存儲，并存儲對應的結果值，全部數據可根據實際需求進行設計是否存儲。

3.2數據管理軟件平臺

搭建測試數據管理平臺，對檢測數據進行集中管理、分析和應用，保障檢測數據管理的安全性和規范性;同時通過多種高級應用了解配電設備的運行狀態情況，應用有效的狀態分析模型提供輔助決策建議，指導配電設備進行狀態檢修。通過對局部放電檢測、數據存儲、數據分析與應用進行統一管理，有效提高工作效率，維護設備安全。建立基于物聯網和云診斷方法的設備數據管理平臺、以局放測試技術為基礎，結合紅外測試技術及機械特性測試技術等，研究大數據挖掘技術在電力設備狀態診斷中的應用及其相關多參量狀態評估技術，開發相應的軟件功能模塊。通過物聯網技術對開關柜的測試位置進行精確管理，提高局放測試數據的真實性、一致性和可比性;通過帶電檢測云診斷技術，簡化基層測試設備和測試方法，提高測試的有效性，對所有檢測數據進行統一的、集約化的管理和分析，有條件可與PMS系統等互聯，建立生產計劃式的帶電檢測工作管理流程。

積極探索電力內外網數據的交互，將數據通過公網上傳到平臺數據服務器中。平臺在結構設計與信息安全設計方面，嚴格遵循國網信息安全要求，考慮日后接入國網統一規劃實施的“國網云”，為“國網云”提供業務感知、數據分析及深度學習的數據基礎。

3.3數據管理平臺的應用

（1）在線監測及帶電檢測數據的管理和多維度展示，以及與前端數據采集設備的交互。搭建基于數據管理平臺的數據診斷應用算法和云診斷的數據高級應用。

（2）在數據管理平臺上，逐步建立各類型電力設備局放測試案例庫和培訓資料;在大量統計數據的基礎上，形成有價值的適用于電力公司的設備測試導則和作用指導書。

（3）搭建基于在線監測及帶電檢測數據平臺的電力設備綜合診斷技術，提高電力設備診斷的準確性，為電力設備的狀態維修提供科學的依據。

3.4 狀態診斷及評估策略技術

目前，變電設備運檢數據量呈指數級增長，但設備狀態評價大多側重于某項指標超標的告警，未能有效利用多源數據實現綜合評價，對設備狀態管控和生產管理的支撐不足。利用最新前沿的深度學習診斷技術，以大數據挖掘為基礎，使用深度學習圖像識別技術應用到局放圖譜識別等，實現多源海量數據的自動抓取、綜合分析、自動預警、智能診斷，提高設備狀態評價診斷的智能化水平，強化設備狀態管控。

結束語

為了確保設備預警指標數據的精確度，電力部門可以適當推廣移動應用技術，實時推送一次設備在線監測數據的預警信息，為電力運行維護人員提供信息參考，全面按照預警推送消息開展檢修與維護工作。

參考文獻

[1]趙宇皓，郝曉光，耿少博，等.智能變電站二次設備安全措施在線預演及防誤預警的研究與實現[J].電力科學與技術學報，2020，35（03）：173-178.

[2]戚滿順. 變電站一次設備在線監測數據診斷及運維檢修分析[J]. 科技創新與應用， 2020， No.328（36）：195-196.