基于大數據與物聯網的電氣設備智能監測裝置分析

摘 要：本文以大數據、物聯網兩項數據處理技術為基礎，構建新型電氣設備智能監測裝置基礎框架，利用不同模塊共同實現數據收集、存儲、處理與診斷等功能，對于保障電網安全高效運行具有重要意義。

關鍵詞：大數據;物聯網;電氣設備

前言：電氣設備穩定運行，對于電網運行安全具有重要意義。而現有電氣監測設備只能處理簡單數據信息，無法在社會技術迅速發展的當下，對于大數據與物聯網大量數據信息進行有效處理。而且電氣設備數據信息不共享也限制監測設備進一步發展。電氣設備智能監測裝置研究與分析工作需要盡快落實。

1 基于大數據與物聯網的電氣設備智能監測裝置

1.1 研究目的

對基于大數據與物聯網的電氣設備智能監測裝置進行研究，其目的是解決我國通用電力設備裝置相互獨立，聯動能力較差，無法有效做到信息及時溝通，導致監測信息得不到高效利用。目前與大數據與物聯網契合的電氣設備智能監測網絡是利用各類傳感器，安裝在電氣設備收集數據信息，并利用子智能電子設備（，）將傳感器收集到的數據信息傳輸至主，并由對數據進行存儲，方便后續對數據處理、調動。除存儲數據，主還為設備產生故障問題進行初步判斷[1]。判斷結果為故障，則將數據上傳至主站進一步處理，降低主站接收過多數據導致通信擁堵問題。而且，不同主也可以相互備用信息，避免數據遺失造成信息處理出現問題。還可以借助其他主的運算能力，實現對大數據處理分工、協助處理，從而提高數據處理效率。可以簡單理解為在過程層中，由傳感器監測電氣設備運行各項數據，傳輸至子，再將數據信息通過交換器傳輸至間隔層的主。在主處理信息內容后，再通過交換機將信息結果傳輸至站控層的主站，實現對于電氣設備智能監控。而目前傳感器監測電氣設備，效果最好當屬SF6氣體密度繼電器。借助感知層對電氣設備SF6數據信息進行收集，從而加強收集信息質量。

1.2 裝置特點

與以往電氣設備監測裝置比較，基于大數據與物聯網的電氣設備智能監測裝置針對功能、框架進行優化與改進，從而在主保持對數據處理、存儲，以及基本故障判斷的功能外，也可以在不同主之間實現相互連通。裝置主要特點可以總結為以下幾點：利用SF6氣體密度繼電器感知層，對電氣設備運行產生各類數據進行收集，保障數據可靠性;主自身具有運算、存儲能力，為實現處理大數據基本需求，將主進行整合，從而提高系統整體數據運算能力，提高儲存效果;主之間擁有數據共享能力，保障數據流動順暢，各個主可以對同一數據內容進行分塊劃分，提高數據運算效率;在裝置發生數據異常情況時，可以及時調取監測網絡數據信息，對數據進行針對性故障診斷，提高故障判斷能力;而且電氣設備智能裝置為適應大數據與物聯網信息，還具有一定可拓展性，從而保障監測系統健康可持續利用效果[2]。而且電氣設備智能監測裝置具有高可靠性，可以及時監測主是否處于良好工作狀態，如果出現問題可以立刻中斷問題主，并通知相關人員進行維修、更換，確保智能監控網絡高效可靠運行，降低因主出現問題，而導致數據傳輸延遲，計算任務中斷等多種問題。

2 基于大數據與物聯網的電氣設備智能監測裝置框架

2.1 基礎設施模塊

作為支撐電氣設備智能監測裝置框架的基礎模塊，基礎設施模塊可分為軟件與硬件兩部分內容。大量主與存儲、通信系統共同構成硬件。而且在數據收集中，SF6氣體密度繼電器在感知層上可以提高數據收集質量，加強整體監測效果。而軟件則包括操作系統、數據庫等多項內容。其中，數據庫主要存儲電氣設備正常運行產生各類數據，以及收集以往電氣設備故障信息，提高對電氣設備診斷準確率，提高工作效率。

2.2 數據管理模塊

作為處理大數據與物聯網帶來海量數據信息的模塊，數據管理對電氣設備實時工作狀態進行數據收集，并對初步判斷電氣設備故障所需數據進行管理。但是這些數據以分散方式存儲在不同主中，所以數據管理模塊還需要擁有記錄數據在系統中存儲問題，在需要判斷系統是否故障時可以及時調取數據內容，提高故障診斷效率[3]。而且數據管理模塊還包括將已修改數據流進行保存、標記，遇到相似故障時可以實現精準診斷。并保證數據導入導出的規范與合理性。

2.3 存儲與計算模塊

在大數據與物聯網大量數據信息中，單一主無法有效處理數據內容，需要將數據分布在不同主，使用分布式存儲完成數據存儲功能，再由不同主分別對各自存儲內容進行計算，降低計算所需時長。存儲與計算模塊實時掌握不同主當前工作狀態，以及現有內存使用率，從效率與質量角度對存儲、計算數據任務進行合理分配。利用這種計算方式，可以有效降低計算數據工作效率，尤其是對于大量復雜數據信息處理、計算，效果更加明顯。

2.4 故障診斷模塊

故障診斷模塊建立在數據管理模塊之上，主要工作以選取數據診斷算法，對數據進行診斷為主。針對數據選擇合適算法，并對數據信息挑選合適對故障進行診斷數據內容，判斷數據信息是否有故障，并將結果進行輸出。如果存在故障則給出相應檢修策略，并將結果上傳至主站。如果沒有故障，立即將數據下發至智能監測網絡[4]。但是故障診斷模塊基于收集數據精準，即基礎設施模塊在數據采集環節工作要做好，才能保障故障整頓與檢修策略有參考價值。

3 算法案例分析

基于大數據與物聯網的電氣設備智能監測裝置，搭建模擬計算平臺，對于目前中國國家電網指定用油，克拉瑪依環烷基變壓器油，在實際應用時存在油內溶解氣體的總烴、乙炔含量過高，導致電壓器市場出現故障問題，將兩種檢測裝置進行對比。在利用以往電氣設備監測裝置對故障進行診斷時，計算時間需要2.00ms，但是故障診斷結果不明確。而基于大數據與物聯網的電氣設備智能監測裝置，計算時間降低至0.86ms，初步診斷是由繞組放電產生故障，計算所需時間降低至原有一半水平。而且在大數據與物聯網相互實現數據信息同享，各個主之間相互連通，調動以往數據，得到較為精準的初步診斷，與實際故障原因一致，即基于大數據與物聯網的電氣設備智能監測裝置無論是數據處理，還是故障診斷，都比以往電氣設備擁有明顯提升。

結論：基于大數據與物聯網的電氣設備智能監測裝置目前在國內研究較少，在北京、上海等地有試點工程，如果將理論構思落實到實際作業，并為電網安全運行提供有效幫助，將會是未來電氣設備主要研究方向。

參考文獻：

[1]鄭學召， 童鑫， 郭軍，等. 煤礦智能監測與預警技術研究現狀與發展趨勢[J]. 工礦自動化， 2020（6）：35-40.

[2]李傳輝， 馬彥寧， 許 ?侃，等. 基于物聯網的電力設備柔性檢測技術研究[J]. 計算機科學與應用， 2020， 10（5）：8.

[3]齊仁龍， 張慶輝， 張亞超. 基于物聯網的高精度高爐熱負荷監測系統[J]. 儀表技術與傳感器， 2020， No.444（01）：91-95.

[4]王正， 冉隆毅， 夏洪永，等. 物聯網技術在管網泄漏監測系統的應用研究[J]. 工業儀表與自動化裝置， 2020， No.273（03）：128-133.

作者簡介：

田鵬（1984-）男，民族：漢，籍貫：皖，職務：硬件工程師，學歷：大專，研究方向：基于大數據與物聯網的電氣設備智能監測裝置分析。