基于智能電網設備運維檢修階段的多源BIM數據存儲方法研究

張蘇,齊立忠,武宏波,榮經國

(國網經濟技術研究院有限公司,北京102209)

0 引 言

伴隨建筑信息模型(building infor mation modeling,BIM)技術日益成熟,電力領域、公路領域等眾多領域逐漸引入了BIM技術。BIM是一個從規劃、設計、施工到管理各階段統一協調的過程。BIM技術是電力建設信息化發展的重要方向,令電力系統發展更加數字化與智能化[1]。BIM數據存儲方法是BIM技術的重要組成,可實現BIM海量內存資源的高效利用。利用高效的數據存儲技術[2-4],檢索海量BIM多源數據,實現BIM數據的可靠傳輸。BIM數據具有結構復雜、種類繁多、數據過于分散以及數據量大的特點[5-7]。研究具有高穩定性的BIM數據存儲技術,便于BIM技術在電力領域更加良好的應用。

伴隨配電網的信息化發展,電力系統設備數量以及設備運行數據量直線上升,電網設備運維檢修的工作量急劇上升[8-10],提升了電力系統運維檢修工作人員的工作難度。BIM技術具有智能化、直觀可視化的特點,為電網設備運維檢修領域提供重要的理論支持[11],探討BIM技術在電力領域的應用性極為重要。電網設備運維檢修階段網絡數據的存儲是至關重要的。一旦重要數據丟失或損壞,將對電網設備造成難以彌補的損失[12-13],造成設備運行過程中出現事故,令電力企業出現嚴重的人員傷亡以及經濟損失。因此需要設計可靠的數據存儲方法,確保網絡數據的安全。利用BIM技術提升電網設備的管理水平,是電力領域信息化管理的重要組成。

目前已有眾多研究學者針對電力領域的數據存儲方法進行研究。文獻[14]將分布式壓縮感知方法應用于電能質量數據存儲中,通過對配電網電能質量數據壓縮,提升配電網電能質量數據的存儲性能;文獻[15]對電力數據存儲系統參數調優進行研究,調優后的電力數據存儲系統提升了電力數據的存儲性能。文獻[16]在數據源中篩選提取高度重復性質的數據,擦除冗余數據,達到降低數量級壓縮數據源的目的,提高數據存儲性能;文獻[17]通過壓縮和保存結構化網格的方法,減小結構化網格文件的大小。當網格被解壓縮時,使用超限插值算法從壓縮數據中恢復所有網格頂點坐標,實現網格壓縮,便于存儲數據。

以上方法雖然可以實現電力系統中,電能質量數據以及電力數據的存儲,但是無法應用于具有較高動態性的電網設備運維檢修階段。電網設備運維檢修階段的BIM數據具有多源的特點,動態性較高,研究電網設備運維檢修BIM數據存儲時,需要充分考慮數據的動態性以及多源性。

在電網設備檢修時,智能電網設備運維檢修階段的多源BIM數據,有助于輔助相關人員進行檢修決策,而大多數存儲方法無法應用于具有較高動態性的電網設備運維檢修階段,論文基于面向電網設備運維檢修階段的多源BIM數據存儲方法,將BIM技術應用于電網設備運維檢修階段,針對電網設備運維檢修階段包含的海量多源數據,利用高效的多源BIM數據存儲方法,提升BIM多源數據的應用可靠性。

1 多源BIM數據存儲方法設計

1.1 電網設備運維檢修多源BIM數據整合

1.1.1 多源數據整合流程

電網設備運維檢修多源數據采集是構建電網設備BIM模型的數據基礎。電網設備運維檢修階段包含海量的多源異構數據,海量多源異構數據的整合具有重要意義。利用MySQL數據庫以及SQL查詢語言,實現海量電網設備運維檢修階段多源異構數據的整合。MySQL數據庫是關系型數據庫,適用于多源異構數據的整合中,SQL查詢語言是針對MySQL數據庫設計的,應用于電網設備運維檢修多維數據信息交互的重要語言。由于電網設備運維檢修數據具有多源異構的特點,需要利用數據接口適配器,針對電力系統中各運維檢修相關系統建立數據接口,利用接口將運維檢修數據傳送至數據抽取引擎中,數據抽取引擎利用ETL技術抽取所采集數據,完成抽取后形成運維檢修的臨時數據,傳送至數據轉換引擎,數據轉換引擎將眾多數據轉換為構建BIM模型所需的多源BIM數據。采集電網設備運維檢修多源數據,對所采集的多源數據整合的結構圖如圖1所示。

構建電網設備運維檢修多源數據整合的統一數據庫時,需要依據統一數據庫規定,對多源BIM數據中的不同類型數據,依據存儲規則直接存儲數據。對于多源數據中的故障工單等非結構化數據[18],需要對原始數據進行解析,對解析后的數據進行抽取,重新存儲抽取后的數據。結構化數據和非結構化數據的對比如表1所示。

表1 數據類型對比

1.1.2 基于MySQL數據庫的多源數據關聯存儲

對多源BIM數據進行格式統一化處理后,需要依據實際需求,對應用于構建電網設備BIM模型中分散存儲的數據,依據多源數據間關系[19],實現關聯存儲。關系型數據庫MySQL可以充分考慮多源BIM數據間的關聯關系。利用關系型數據庫MySQL組織電網設備運維檢修的多源數據,將用戶所需的電網設備運維檢修數據利用事實表和維度表表示。事實表和維度表分別體現MySQL數據庫中,全部數據實體以及數據維度[20]。利用維度表存儲數據實體的關聯關系,構建完整的電網設備運維檢修信息記錄。MySQL數據庫的組織方式如表2所示。

表2 MySQL數據庫組織方式

通過以上過程統一電網運維檢修多源BIM數據格式,將電網設備運維檢修多源BIM數據整合至MySQL數據庫內,為電網運維檢修多源BIM數據存儲提供基礎。

1.2 構建多源BIM數據模型

利用電網設備運維檢修多源數據整合結果,構建面向運維檢修階段的電網設備BIM模型。電力系統設備管理的重點是信息管理,利用BIM技術構建電網設備運維檢修階段的電網設備BIM模型時,需要對MySQL數據庫中包含的電網設備信息進行分類、定義與賦值[21],滿足BIM技術構建電網設備運維檢修階段BIM模型的需求。

根據電網設備信息的分類、定義和賦值,對其制定合適的編碼,是電網設備BIM模型信息管理的重要前提。通過設備編碼便于量化提取電網設備運維檢修相關的標準信息[22]。對于不同的電網設備需要賦予不同編號,便于區分不同電網設備。

構建電網設備運維檢修BIM模型的電網設備編碼規則如圖2所示。

圖2 電網設備編碼規則

通過電網設備編碼規則,令所構建的面向運維檢修階段的電網設備BIM模型更加標準化,為多源BIM數據存儲提供良好的數據基礎。所構建的電網設備運檢維修的電網設備BIM模型中需要包含電網設備的完備信息[23],電網設備運檢維修時,通過BIM模型的設備標識信息中,包含的設備名稱、設備維修時間、設備檢修次數等信息,明確設備運維檢修狀況。

構建電網設備BIM模型是電網設備運維檢修階段的重要部分。對于沒有BIM模型的電網設備,應該構建電網設備BIM模型,在所構建電網設備BIM模型中,添加設備運維檢修的相關信息。電網設備已經具備BIM模型時,需要檢查所構建BIM模型是否為三維模型,其中包含的信息是否可以體現設備運維檢修狀況,包含信息不足時,需要及時補充與完善。完成電網設備BIM模型構建后,需要將所構建電網設備BIM模型導出至MySQL數據庫中,存儲至數據庫內。存儲過程中按照表2的MySQL數據庫組織方式,導出電網設備BIM模型明細表,清晰的觀測各個設備的運行狀態,告警時間、告警信息等內容。MySQL數據庫包含電網設備信息庫與待檢設備庫兩種,運維檢修人員可在不同的數據庫中分別更改相關BIM模型數據。運維檢修人員可以在需要時,通過數據庫查看電網設備運維檢修信息[24]。設備達到運維檢修需求時,將設備信息傳送至待檢信息庫中,通知現場操作人員對電網設備進行檢修。將電力設備BIM模型中的電網設備信息導入MySQL數據庫中,或者直接在MySQL數據庫中添加電網設備信息以及圖片,依據電網設備的不同編碼信息,完成BIM模型的搜索查詢功能,便于電網設備運維檢修人員快速查詢電網設備信息,修改電網設備狀態屬性等需求。BIM模型具有數據導出功能,利用數據導出功能,實現數據打印與導出等眾多功能。

1.3 云邊協同技術的多源BIM數據存儲方法設計

云邊協同技術是邊緣計算在云計算數據中心之外匯聚節點的延伸,由邊緣向云反饋信息,云向邊緣發布指令等,實現共存協同式的調度、命令、搜集、處理、計算、更新等工作。

云邊協同的面向電網運維檢修階段的多源BIM數據存儲結構圖如圖3所示。

圖3 云邊協同的多源BIM數據存儲

圖3中,云端負責處理和存儲非實時性、復雜度高、全局性的多源BIM數據;邊緣端支持小型實時本地數據業務,在計算和存儲上不會產生較高的設備成本,經濟性高。

在云邊協同中,遵循任務分配原則和數據處理原則,利用邊緣計算技術的邊緣節點采集所構建電網設備BIM模型的信息,獲取電網設備運維檢修的多源BIM數據,并對其進行重構處理。重構處理過程中形成重構數據與稀疏字典原子,利用遠程云端,上傳至云端。同時云端將調整后的預測結果和調度安排下放至邊緣端中的各邊緣節點,邊緣節點相應調整自身調度計劃,并將最終的信息回傳至云端,完成云邊協同。

通過云端對電網設備運檢維修BIM數據進行壓縮存儲,同時構建完備稀疏字典。具體實現過程如下:

用n表示邊緣節點采集電網設備運維檢修BIM數據的長度,邊緣節點上傳電網設備運維檢修BIM數據的字典原子數量為δ,存在壓縮感知表達式如下:

(1)

式中S表示分布式壓縮感知運算;Ym×s與Xn×s分別表示邊緣節點的采集值以及原始多源BIM數據;Bτ×n表示邊緣節點采集的電網設備運維檢修數據上傳至云端的字典原子;δ與m分別表示上傳云端字典原子數量以及測量矩陣長度;γm×n表示稀疏矩陣;Φn×n表示多源BIM數據的測量矩陣。

云端整合各邊緣節點上傳的字典原子,構建完備的字典Bk×n,k表示完備字典的總原子數量。多源BIM數據存儲需要調取電網設備的運維檢修數據時,需要確定電網設備邊緣節點對應的稀疏表示系數φn×s,φn×s表達式如下:

φn×s=O(Ym×s,Bk×n,γm×n)

(2)

式中O同步正交匹配追蹤運算。

(3)

通過建立多源BIM數據存儲云端的完備字典,各邊緣節點僅通過電網設備BIM模型運維檢修數據的上傳,實現多源BIM數據的壓縮存儲。

構建面向電網運維檢修階段的多源BIM數據存儲的完備字典過程如下:

1)計算采集多源BIM數據的邊緣節點上傳的字典原子bi與云端初始稀疏字典Bk×n中原子的相關度ri,k表達式如下:

(4)

當ri,k值低于所設置固定閾值時,表明云端中的字典Bk×n與邊緣節點上傳至云端的字典原子bi具有較低的相關性,此時在云端的稀疏字典中加入該字典原子;

(5)

通過式(5)對所構建的稀疏字典進行正則化處理,降低邊緣節點上傳的各字典原子間的相關性;

3)歸一化處理構建的完備字典,更新邊緣節點上傳的字典原子表達式如下:

(6)

4)將分布式壓縮感知算法與完備稀疏字典結合,從邊緣節點上傳的多源BIM數據中,恢復原始數據,獲取各邊緣節點對應的稀疏系數φj。將邊緣節點采集的電網設備多源BIM數據存儲至云端數據庫中,實現多源BIM數據的壓縮存儲,為電網設備運維檢修實際應用提供數據,供電網設備運行檢修時的BIM數據讀取。

2 實例分析

為了驗證所研究基于面向電網設備運維檢修階段的多源BIM數據存儲方法,對多源BIM數據的存儲性能,選取某電力企業的IEEE 33配電網[25]作為研究對象。選取具有多軟件交互性和建模靈活性高的軟件作為構建電網設備BIM模型的BIM軟件,構建應用于配網設備運維檢修的變壓器、發電機等35個電網設備的BIM模型,如圖4所示。

圖4 BIM模型

統計采用本文方法利用BIM軟件打開電網設備模型的讀取時間,統計結果如圖5所示。其中,電網設備模型中包含繼電保護告警數據、保護裝置故障測距數據、故障錄波裝置測距信息等,共計12 GB?？紤]到不同類型的數據大小、格式及維度不同,為了保證讀取時間計量的準確性,對電網設備模型數據進行壓縮感知重構,促使不同類型的數據格式統一。同時,將重構后的數據按維度分為3、5、7三種,分析本文方法打開重構后電網設備模型數據的讀取時間。

圖5 電網設備BIM模型讀取時間

通過圖5仿真結果可以看出,采用本文方法讀取電網設備BIM模型,伴隨電網設備BIM模型數據量的增加,讀取時間有所降低。不同電網設備BIM模型數據量時,本文方法均可以保證低于400 MB/ms的讀取時間。圖5仿真結果驗證本文方法可以有效降低電網設備BIM模型的讀取時間。

多源BIM數據維數較大,使用本文方法對其進行壓縮時,需要消耗極大內存,數據維度越大,壓縮復雜程度也越高。本文模型在不同多源BIM數據集維數下計算機內存占用率與CPU占用率情況見表3。

由表3可知,隨著多源BIM數據維數的增加,計算機的內存占用率和CPU占用率隨著增大,當多源BIM數據維數增加至20 000維時,計算機的保護系統自動報錯并停止壓縮,此時CPU占用率與內存占用率均超過95%,計算機無法再繼續工作。

本文方法對多源BIM數據進行壓縮重構,選取分布式壓縮感知算法作為數據壓縮存儲的算法。以一次多源BIM數據采集為例,所采集原始多源BIM數據的大小為354.25×106kbit,采用本文方法結合云計算技術與邊緣計算技術,壓縮感知算法的稀疏字典原子大小為50.845 kbit。BIM模型單次存儲深度為20 000個采樣點,即2 Mpts。采用本文方法對多源BIM數據進行壓縮采集與存儲的時間為854 ms。采用壓縮感知方法對多源BIM數據進行壓縮存儲時,所采用稀疏字典原子構建完備字典,利用所構建的完備字典,云端即可實現數據的壓縮存儲。面向電網運維檢修的配網設備多源BIM數據中,某變壓器電流數據與電壓數據在壓縮存儲過程中的重構結果如圖6所示。

圖6 多源BIM數據重構結果

通過圖6仿真結果可以看出,重構前電壓變化范圍為-45 V～45 V,電流為-2 A～2 A,且電壓和電流的波形具有規律性,波動范圍較穩定。采用文獻[14]方法和文獻[15]方法重構后配網設備主變壓器電壓、電流波動過程中出現了突變,與重構前信號變化結果有較大差距,且波形變化趨勢出現了一定的不同。采用本文方法重構后配網設備主變壓器電壓波動范圍為-48 V～44 V,電流為-2.2 A～1.8 A,與重構前信號變化結果有較小差距,但波形變化趨勢一致和范圍基本保持不變,產生一定量誤差的原因可能是主變壓器運行過程中的外部干擾導致,但是整體來看,本文方法重構后的主變壓器電壓電流誤差較小,還原度較高誤差較小,對最終的數據存儲影響較小。說明采用本文方法重構后多源數據發生的改變較小,可以實現多源BIM數據的良好重構。通過重構前后主變壓器電壓和電流的對比結果,本文方法可以利用高效的多源BIM數據重構結果,實現數據的高效存儲,避免數據存儲過程中存在數據丟失等情況。

為了進一步測試本文方法對多源BIM數據的存儲性能,根據式(5)歸一化處理結果構建的多源BIM數據的完備字典,結合式(6)更新邊緣節點上傳的字典原子(即電網設備位置序列、故障工單序列等數據),將其上傳至云端服務器。對比多源BIM數據上傳內容與讀取內容,對比結果如表4所示。

表4 多源BIM數據存儲性能測試

通過表4仿真結果可以看出,電網設備序號為5時,上傳的設備位置序列為528165,故障工單序列為1584416,采用本文方法讀取時,讀取的設備位置序列為528165,故障工單序列為1584416,與上傳數據一致;電網設備序號為28時,上傳的設備位置序列為564854,故障工單序列為3815611,采用本文方法讀取時,讀取的設備位置序列為564854,故障工單序列為3815611,與上傳數據一致。因此根據表3可知,采用本文方法存儲面向電網設備運維檢修的多源BIM數據,上傳內容與讀取內容均一致,驗證了本文方法可以實現多源BIM數據的完整存儲。

綜上所述,本文方法可以提升BIM模型的讀取效率的同時,還可以實現多源BIM數據的完整存儲,為電網設備運維檢修應用提供了良好的數據基礎。通過高效的運維檢修管理效率,提升配電網運行可靠性。

3 結束語

本文針對智能電網設備運維檢修階段的多源BIM數據,結合云計算方法與邊緣計算方法,提出了一種多源BIM數據存儲方法。測試結果表明,本文方法多源BIM數據讀取時間低于400 ms;重構后配網設備主變壓器電壓波動范圍為-48 V～44 V,電流為-2.2 A～1.8 A,波形變化趨勢一致和范圍基本一致;讀取設備數據與上傳數據一致。該方法應用于智能電網設備運維檢修階段后,利用邊緣節點采集多源BIM數據信息,并通過壓縮、重構多源BIM數據后上傳至云端服務器,在MySQL數據庫完成存儲。相關工作人員可以從MySQL數據庫中調取整合后的運維檢修多源數據,為電網設備運維檢修提供數據參考。該方法應用后,有利于實現電網設備運維檢修階段的高效管理,為電網設備運維檢修階段的信息共享提供有力的數據支撐。