基于大數(shù)據(jù)挖掘技術(shù)的智能變電站故障追蹤架構(gòu)研究

劉勝強(qiáng)，楊峰

（廣東電網(wǎng)有限責(zé)任公司佛山供電局，廣東佛山 528000）

目前，國內(nèi)變電站設(shè)備的巡檢工作大部分都是通過人工巡檢完成，勞動強(qiáng)度較大，并且會受到環(huán)境影響，導(dǎo)致巡檢結(jié)果的主觀性較強(qiáng)。在國家電網(wǎng)重視智能化變電站的背景下，傳統(tǒng)故障追蹤與巡檢的方法已經(jīng)無法滿足變電站日常運(yùn)維管理需求。文獻(xiàn)[1]提出了基于物聯(lián)網(wǎng)技術(shù)的設(shè)備監(jiān)測系統(tǒng)，通過控制網(wǎng)絡(luò)流量能夠解決通信網(wǎng)絡(luò)擁塞等問題。通過實(shí)驗(yàn)結(jié)果表明，此系統(tǒng)具有良好的穩(wěn)定性，但是查準(zhǔn)率較低。為了使變電站中的故障問題得到及時(shí)解決，該文提出了基于大數(shù)據(jù)挖掘技術(shù)的智能變電站故障追蹤架構(gòu)

1 基于大數(shù)據(jù)的變電站故障信息架構(gòu)

大數(shù)據(jù)平臺通過優(yōu)化資源調(diào)度、管理數(shù)據(jù)副本，能夠使數(shù)據(jù)高峰時(shí)刻的網(wǎng)絡(luò)傳輸問題得到解決。由于在出現(xiàn)故障之后的診斷程序要及時(shí)處理大量的信息，所以該文通過大數(shù)據(jù)平臺實(shí)現(xiàn)故障診斷，通過分布式存儲技術(shù)收集變電站中的故障數(shù)據(jù)，從而避免在數(shù)據(jù)調(diào)度過程中出現(xiàn)擁堵等情況，以此實(shí)現(xiàn)上層的有效診斷[2]。電網(wǎng)故障大數(shù)據(jù)平臺架構(gòu)如圖1 所示。

圖1 電網(wǎng)故障大數(shù)據(jù)平臺架構(gòu)

文中故障處理程序的平臺架構(gòu)，主要包括故障信息查詢模塊、故障診斷及追蹤模塊、數(shù)據(jù)模型交換及拓?fù)淠K和錄波文件分析模塊。圖2 為故障診斷程序的工作流程。

圖2 故障診斷程序的工作流程

與圖1的電網(wǎng)故障大數(shù)據(jù)平臺架構(gòu)結(jié)合，故障診斷和追蹤程序分為4 個步驟[3]：

2）資源管理器能夠有效分配任務(wù)，工作節(jié)點(diǎn)就如同各個模塊執(zhí)行器，比如信息查詢、故障診斷等模塊，在相應(yīng)WN 中分發(fā)程序代碼。WN 能夠定時(shí)返回節(jié)點(diǎn)資源使用的情況，實(shí)現(xiàn)資源管理器停止、啟動請求的接收[4]；

3）各個WN 對程序代碼執(zhí)行，WN1 通過HDFS 實(shí)現(xiàn)報(bào)警信息的提取，利用SN2 中的站內(nèi)數(shù)據(jù)追蹤故障；

4）WN1 能夠在故障診斷請求接口中實(shí)現(xiàn)追蹤結(jié)果與故障診斷的返回。WN4 使離線分析結(jié)果在診斷請求接口中發(fā)送，比如故障時(shí)間、相別等[5]。

對比C/S 形式故障診斷模型，通過Spark 實(shí)現(xiàn)基于大數(shù)據(jù)平臺的故障統(tǒng)一調(diào)配，利用調(diào)度端單機(jī)運(yùn)行能夠?qū)⒂?jì)算資源轉(zhuǎn)變?yōu)槎嘧冸娬炯夯倪\(yùn)行，從而提高內(nèi)存與CPU的利用率。其次，不需要到調(diào)度端上傳診斷用報(bào)警信息，能夠通過YARN，利用HDFS集群進(jìn)行調(diào)用，降低調(diào)度端數(shù)據(jù)擁塞，從而進(jìn)一步的提高診斷程序的可靠性[6]。

2 系統(tǒng)的功能設(shè)計(jì)

2.1 系統(tǒng)硬件設(shè)計(jì)

2.1.1 巡檢任務(wù)管理單元

變電巡檢任務(wù)管理單元主要包括任務(wù)的創(chuàng)建、刪除、保存等功能。此單元能夠在人機(jī)交互界面中實(shí)現(xiàn)巡檢任務(wù)的刪除與新建，操作人員自主調(diào)節(jié)系統(tǒng)的運(yùn)行時(shí)間。

Gosiewski等從換向流動反應(yīng)器內(nèi)甲烷反應(yīng)機(jī)理、動力學(xué)、數(shù)學(xué)模型及驗(yàn)證、實(shí)驗(yàn)室尺度試驗(yàn)等方面開展了較為系統(tǒng)的研究。在反應(yīng)機(jī)理方面[11]，波蘭科學(xué)院提出了甲烷燃燒詳細(xì)反應(yīng)機(jī)理的3種簡化模型，并通過自由空間及蓄熱填料通道內(nèi)的對比燃燒試驗(yàn)對簡化機(jī)理進(jìn)行了驗(yàn)證，如圖3所示。

2.1.2 圖像監(jiān)控單元

智能變電站故障追蹤中的圖像監(jiān)控單元為功能類單元，圖3 為圖像監(jiān)控單元的結(jié)構(gòu)。

圖3 圖像監(jiān)控單元的結(jié)構(gòu)

通過圖3 可知，利用紅外攝像儀與可見光攝像機(jī)構(gòu)成圖像監(jiān)控單元，此為變電站設(shè)備智能化巡檢系統(tǒng)的主要模塊。通過可見光攝像機(jī)，能夠?qū)σ曨l服務(wù)設(shè)備進(jìn)行封裝，利用此設(shè)備實(shí)現(xiàn)輸出模擬視頻。利用紅外攝像儀能夠無損收集變電站中的設(shè)備信息，兩者結(jié)合能夠?qū)崟r(shí)監(jiān)控變電站設(shè)備的運(yùn)行，從而提高變電站設(shè)備智能化巡檢的查準(zhǔn)率與查全率[7-8]。

2.2 系統(tǒng)模塊設(shè)計(jì)

2.2.1 視頻監(jiān)控模塊

此模塊能夠?qū)ψ冸娬局懈鱾€部分進(jìn)行視頻監(jiān)控，通過模擬攝像機(jī)或者網(wǎng)絡(luò)攝像機(jī)，將變電站區(qū)環(huán)境、主變壓器外觀和中性接地點(diǎn)地刀等作為主要監(jiān)控點(diǎn)。系統(tǒng)利用攝像機(jī)能夠收集現(xiàn)場的圖像，通過編碼器轉(zhuǎn)變數(shù)字信號，之后進(jìn)入到網(wǎng)絡(luò)系統(tǒng)中，各個監(jiān)控點(diǎn)圖像通過網(wǎng)絡(luò)系統(tǒng)在控制中心傳輸[9]。

2.2.2 隔離開關(guān)模塊

隔離開關(guān)模塊實(shí)現(xiàn)隔離開關(guān)狀態(tài)信息的傳遞，將電源切斷裝置設(shè)置到隔離開關(guān)操作機(jī)構(gòu)電源側(cè)，在工作出現(xiàn)問題時(shí)切斷裝置，并且將動作信號發(fā)送到系統(tǒng)中，避免錯誤判斷的出現(xiàn)，同時(shí)發(fā)送聲光報(bào)警信號，站端視頻監(jiān)控系統(tǒng)能夠在接收模塊中發(fā)送報(bào)警信息。

2.2.3 智能巡檢模塊

通過環(huán)境監(jiān)測、視頻監(jiān)控和隔離開關(guān)，能夠利用智能巡檢模塊設(shè)計(jì)遠(yuǎn)程智能變電站系統(tǒng)，要求巡檢人員利用電腦進(jìn)行選擇，就能夠?qū)﹃P(guān)鍵設(shè)備進(jìn)行遠(yuǎn)程巡檢，從而實(shí)現(xiàn)巡檢報(bào)告的自動生成[10]。圖4 為智能巡檢的運(yùn)行流程。

圖4 智能巡檢的運(yùn)行流程

2.2.4 環(huán)境監(jiān)測模塊

環(huán)境監(jiān)測模塊能夠收集變電站中的信息，包括風(fēng)速、水浸、溫濕度等，并且對信息進(jìn)行上傳和處理，采樣時(shí)間為5 s。上傳環(huán)境信息的變化數(shù)據(jù)到視頻監(jiān)控系統(tǒng)，實(shí)現(xiàn)不同級別環(huán)境量告警信息的設(shè)置。在環(huán)境量比報(bào)警限制要高的時(shí)候?qū)崿F(xiàn)聯(lián)動方案的設(shè)置，在相機(jī)相應(yīng)預(yù)置位中自動執(zhí)行，并且實(shí)現(xiàn)告警錄像、發(fā)送郵件、抓圖等功能。其中的一個環(huán)境量能夠?qū)崿F(xiàn)多路視頻的聯(lián)動。能夠?qū)Χ鄶z像機(jī)聯(lián)動，通過不同方位、時(shí)間在監(jiān)控中心傳輸現(xiàn)場的信息，并且使信息到站端視頻監(jiān)控系統(tǒng)中轉(zhuǎn)發(fā)[11]。

2.3 大數(shù)據(jù)平臺的預(yù)測模型設(shè)計(jì)

該文分析設(shè)備的運(yùn)行風(fēng)險(xiǎn)，響應(yīng)變量Y為定性變量，只有出現(xiàn)故障或者沒有出現(xiàn)故障的兩個狀態(tài)。發(fā)生故障的影響因素包括油溫、負(fù)載率、投運(yùn)年限和溫度等，分別使用x1，…，xk表示[12]，所以本文創(chuàng)建Logistic 回歸故障風(fēng)險(xiǎn)預(yù)測模型為：

其中，β0,β1,…,βk指各個影響因素所對應(yīng)的回歸系數(shù)。

以此得到計(jì)算發(fā)生故障的分類臨界概率p的公式為：

通過Python 軟件能夠調(diào)用Logistic 模型，利用極大似然估計(jì)能夠計(jì)算回歸系數(shù)。

使用2018 年1 月12 月的記錄作為訓(xùn)練樣本，2019 年1 月-3 月的數(shù)據(jù)作為測試數(shù)據(jù)[13]。通過Python 軟件設(shè)置分類臨界概率p，得出不同概率訓(xùn)練結(jié)果明細(xì)如表1 所示。

表1 不同概率訓(xùn)練結(jié)果明細(xì)

對模型準(zhǔn)確率與命中率全面考慮，將p=0.5 作為分類臨界概率，得出表2的參數(shù)估計(jì)結(jié)果。

通過表2 得到Logistic 模型函數(shù)表達(dá)式，以此對變壓器出現(xiàn)故障的概率進(jìn)行預(yù)測。如果預(yù)測的概率在0.5 以上，就表示出現(xiàn)故障，系統(tǒng)自動發(fā)出報(bào)警。通過上述回歸故障風(fēng)險(xiǎn)預(yù)測模型預(yù)測樣本，并且得到樣本的預(yù)測結(jié)果，得出故障等級設(shè)備的數(shù)量[14]。圖5 為故障識別模型。

圖5 故障識別模型

表2 參數(shù)估計(jì)結(jié)果

3 案例分析

2019 年，某地市公司通過該文課題研究結(jié)果，創(chuàng)建變電站智能運(yùn)維輔助決策平臺，能夠充分展現(xiàn)變電站設(shè)備的故障預(yù)警功能，實(shí)現(xiàn)科學(xué)巡視與維護(hù)，通過驗(yàn)證故障預(yù)測，其精準(zhǔn)率超過90%，提高運(yùn)維效率和消缺及時(shí)率，使設(shè)備可用率得到提高，優(yōu)化了物力、人力的資源配置，提高了服務(wù)水平。

每天都能夠?qū)崟r(shí)掌握保電設(shè)備的狀態(tài)，一共監(jiān)測815 124 個重點(diǎn)數(shù)據(jù)，分析數(shù)據(jù)異常變電站，有效排查潛在的隱患。在線評估設(shè)備運(yùn)行的狀態(tài)，預(yù)警設(shè)備隱患發(fā)展的趨勢，制定針對性策略。

在使用設(shè)備故障的預(yù)警成果中，確定了派單的順序，增強(qiáng)了運(yùn)維能力和風(fēng)險(xiǎn)管控，具有良好的效果[15-16]。

4 結(jié)束語

在智能變電站監(jiān)控系統(tǒng)的使用數(shù)量持續(xù)增加時(shí)，信息平臺中的設(shè)備監(jiān)測數(shù)量也在增加。如何提高海量數(shù)據(jù)的管理效率，并且挖掘有用知識，文中基于電網(wǎng)信息采集系統(tǒng)的結(jié)構(gòu)特點(diǎn)提出電網(wǎng)故障大數(shù)據(jù)平臺架構(gòu)，設(shè)計(jì)故障診斷和追蹤程序。通過設(shè)計(jì)結(jié)果分析，能夠滿足用戶實(shí)際需求。