輸變電設備運維中數字孿生技術應用

山西振中電力股份有限公司 王 桐

輸變電設備是電力系統中的重要組成部分，對電力傳輸和分配起著關鍵的作用。為了確保輸變電設備的安全運行和高效運維，數字孿生技術應運而生。數字孿生技術是指將實際設備建模和仿真，實現設備的虛擬化，以提供更準確、實時的設備狀態監測和故障診斷，從而優化設備的運維管理。本文將探討數字孿生技術在輸變電設備運維中的應用。

1 輸變電設備數字孿生內涵

輸變電設備的管理采取全生命周期管理模式，各階段的管理要求為：設計階段，存儲與設計有關的各類數據、模型等資料，在運維管理工作中存在需求時可及時調用，發揮出數據的利用價值；制造階段，嚴格管控生產流程和生產工藝，采取標準化生產模式，進行出廠檢驗，保證輸變電設備各零部件及整體裝置的生產質量，記錄各項制造信息，以便溯源；交付階段，嚴格執行輸變電設備的質量標準，必須在各項指標均符合要求后才可交付；運維階段，全面監測輸變電設備，根據監測數據客觀評價輸變電設備當前的運行狀態，發現異常后及時處理，并根據某個時間段內的數據變化趨勢預測輸變電設備在后續可能出現的故障，進行源頭管控；報廢階段，對于達到報廢年限的輸變電設備，需要停用，進行報廢、回收，對各零部件采取無害化處理措施。

2 輸變電設備運維中數字孿生技術的應用

2.1 全面感知技術的應用

通過傳感器采集輸變電設備的運行數據，用于反映設備的運行狀態，為運維工作提供參考。下文是輸變電設備的常用傳感裝置及各自的功能[1]。

壓力傳感器：能夠在電磁環境中測量變壓器內部的壓力，即便此傳感器所處環境復雜，也仍然能夠正常采集壓力信息。

溶解氣體傳感裝置：基于光學技術的油中氣體傳感裝置、氫離子火焰傳感器等均是輸變電設備日常監測中較為常見的溶解氣體傳感裝置。

油中電傳感裝置：主要功能在于測量變壓器內部的電場，該裝置對環境的適應性強，采用非接觸測量方式，即便在復雜電場中仍然能夠有效測量。

2.2 數據處理技術的應用

2.2.1 異常傳感裝置評估

對傳感裝置進行離線試驗的可操作性差，且即便條件允許，離線試驗也存在周期長、操作煩瑣等難點，要批量評價各類傳感裝置的運行狀態并非易事。考慮到上述方法的局限性，提出對傳感裝置實時數據異常特征進行有效性評估的優化方法，基本原理是：通過滑動窗口從監測數據流中獲得部分數據，從數據變化率、連續相同值、異常值及變異系數四個維度進行綜合評價，能夠提升評價結果的可靠性，同時還設置了容忍度調整評判的嚴厲程度。按照該方法進行異常傳感裝置評估時，獲得的評估結果準確可靠，且無須傳感裝置退出運行，提升了可操作性。

2.2.2 數據清洗

詳細檢測數據流中的異常數據，由于異常數據的類型較多，需要采取多樣化的檢查方法，避免遺漏。例如，設置簡單的判斷條件，檢測數據流中的空值、超量程值；通過檢索時間戳的方式發現丟失值；根據拉依達準則確定奇異值。經過檢測后，確定異常值并將其剔除，此時將產生空值，且在整個數據流中也有可能出現空值數據，考慮到時間維度上狀態量有狀態轉移的情況，采用馬爾可夫過程進行描述，即通過轉移概率來反映各狀態時系統的具體表現，確定系統的變化情況，實現對缺失數據的補全，詳細反映系統的細微波動。

2.2.3 數據選擇

在安裝輸變電設備時，同步配置多種類型的傳感裝置，隨著輸變電設備運行時間的延長，監測數據越發豐富，若選擇較長的時間序列建立數字孿生體模型，其中含有部分時間較早的數據，該時間序列的數據并不能準確地反映出輸變電設備當前的運行狀態；若建立孿生數字模型時選擇的是較短的時間序列，數據缺乏全面性，也難以準確地反映輸變電設備的真實情況。最優數據的選擇基于混沌理論進行，流程如圖1所示。

圖1 最優數據集選擇流程圖

根據Lyapunov 指數評價輸變電設備狀態量時間序列數據集：若具備混沌特征，則重構相空間，確定最優數據集長度與嵌入維數的關系，據此確定最優數據集；若不具有混沌特性，最優數據應取所有數據。

2.3 數字孿生模型

2.3.1 異常狀態快速檢出

傳感裝置采集輸變電設備運行數據，采用Canopy 聚類方法構成可反映設備狀態的兩個幾何體，即正常和異常兩種狀態。狀態量具有動態變化的特性，將隨著設備運行狀態的變化而發生改變，此時分析高維變權空間中狀態量的位置，根據變化情況評價輸變電設備的運行狀態，例如幾何體從正常變化至異常時，則表明被檢測的輸變電設備存在特殊情況，需做深入分析，采取管控措施。

2.3.2 設備狀態差異化評估

第一，變壓器運行狀態的影響因素。鎖定某區域電網或特定的范圍，考慮其中的各類變壓器，建立全體數字孿生模型，并以設備類型、電壓等級、實際負載等影響因素為主要的依據，劃分出數字孿生體[2]。在形成影響因素分類后，采用CLARANS 方法確定各自數字孿生體的聚類中心，并確定距離度量（馬哈拉諾比斯距離），此方法能夠應對溶解氣體變化尺度的差異或其他維度的差異，更加有效地依據油中溶解氣體狀態量進行分析，確定設備差異化程度。

第二，油中溶解氣體分布模型。按上述分析思路確定變壓器的最優影響因素，建立變壓器數字孿生模型。由于油中溶解氣體存在累積效應，在差異化劃分時，最優影響因素選取的是電壓等級這一因素。以研究范圍內的220kV 變壓器和500kV 變壓器為例，繪制H2體積分數頻率和C2H6產氣率頻率的分布圖，如圖2、圖3所示。

圖2 H2體積分數頻率分布圖（220kV 變壓器）

根據圖2、圖3可知，氣體體積分數和產氣率數據均符合威布爾分布，結合前文確定的最優影響因素（電壓等級），建立該因素分類下的威布爾分布模型。考慮注意狀態和警示狀態兩種情況，分別指的是變壓器有缺陷、有故障，應根據模型反映出的狀態信息做準確地分析，再按照模型計算溶解氣體體積分數及產氣率差異化閾值。在構建數字孿生體的分布模型后，將注意狀態時的缺陷率和警示狀態時的故障率建立關聯，則有：累積概率分別與故障率、故障率關聯時，各自對應的估計值分別指的是注意值、警示值。

第三，變壓器差異化評價。群體變壓器數字孿生分布模型獲取差異化閾值，將實時獲取的數據與之比較，可以準確地進行差異化評估，確定變壓器的具體狀態，細分為如下幾種狀態。

式中，c、cAttn、cAlm分別為氣體體積分數及其注意值、警示值；r、rAttn、rAlm分別為產氣率及其注意值、警示值。在確定群體設備數字孿生體的影響因素后，進行對比，明確最優影響因素，盡可能準確地反映設備間的差異性，同時還可依據該因素做差異化劃分，確定差異化評價閾值。

2.3.3 設備狀態精細化評估

對于模型中指標層的狀態量，主要是區分正常和注意狀態、注意和異常狀態、異常和嚴重狀態各自的閾值，分別記為y1、y2、y3，與此同時還建立狀態量的模糊隸屬函數，用于反映實體變壓器的實際運行規律。在確定某變壓器的監測值后，根據實際測定的數據建立模糊隸屬函數，再確定隸屬度，根據此數據判斷被測變壓器的狀態，具體分為正常、注意、異常和嚴重四種狀態。

本文建立的精細化評估數字孿生體具有細致性，可以精細表達設備部位和性能，反映指定設備的真實情況，同時也能夠修正實時數據對狀態量之間的關系，從而進一步提升數字孿生體的精確性，能夠更為有效地用于設備狀態的精細化評估。

2.3.4 設備故障診斷

根據實體設備的實時數據建立數字孿生體，用于設備故障的診斷。設備實時數據與數字孿生體交互，同時設備的歷史故障數據會被數字孿生體所記錄，因此信息具有全面性。引入稀疏自編碼器，將深度信念網絡與之結合可以建立故障模式分類器，在故障診斷中提供重要的輔助作用，便于準確地判斷故障。

設備的歷史案例數據具有重要的應用價值，例如在故障診斷數字孿生模型中，該部分數據可作為關鍵依據用于建立設備狀態量與故障模式的映射關系，設備數字孿生體的特征可通過實時數據驅動診斷模型而獲得，持續優化迭代診斷模型，提升其在設備診斷中的可行性。

3 數字孿生技術的發展趨勢

在通信技術日益發展之下，提供了更多有利的技術條件，構建出高質量的全量輸變電設備孿生體，其涵蓋的內容具有全面性，例如設計、制造、運維等階段的孿生體模型均包含在內，且除了單臺設備的各類孿生體模型外，還能夠反映出設備之間的關系，具體又體現在位置關系、電氣關系等方面，綜合應用價值高[3]。

4 結語

通過數字孿生技術，可以實現設備的虛擬化和智能化管理，提高設備運維的效率和可靠性。然而，數字孿生技術的應用還面臨一些挑戰，如數據安全性、模型準確性等問題。因此，在數字孿生技術的推廣和應用過程中，需要綜合考慮技術、安全和經濟等多方面因素，不斷完善和優化技術和管理手段，為輸變電設備的安全運行和高效運維提供可靠的支持。