基于PMS的輸變電設(shè)備故障診斷系統(tǒng)設(shè)計(jì)

陳 進(jìn)， 邢占禮， 張 陵， 王陸陸， 徐 浩

(1. 國(guó)網(wǎng)新疆電力有限公司烏魯木齊供電公司， 新疆 烏魯木齊 830011； 2. 國(guó)網(wǎng)新疆電力有限公司， 新疆 烏魯木齊 830011)

0 引 言

隨著國(guó)家電網(wǎng)建設(shè)規(guī)模的不斷擴(kuò)大， 輸變電設(shè)備的運(yùn)行工況穩(wěn)定性越發(fā)受到人們的關(guān)注. 為提升輸變電設(shè)備的運(yùn)行穩(wěn)定性， 需要構(gòu)建智能控制技術(shù)下的輸、 變電運(yùn)維專(zhuān)業(yè)巡視模式， 設(shè)計(jì)智慧化的輸變電設(shè)備故障診斷系統(tǒng)， 提高輸變電設(shè)備的穩(wěn)定運(yùn)行管理和運(yùn)維管理能力[1-2]. 為此， 很多學(xué)者提出了一些輸變電設(shè)備故障診斷方法， 不過(guò)傳統(tǒng)方法在對(duì)輸變電設(shè)備故障進(jìn)行診斷時(shí)， 主要利用故障特征檢測(cè)方法， 提取輸變電設(shè)備的工況信息， 再采用紅外檢測(cè)儀、 局放測(cè)試儀等手段和設(shè)備， 實(shí)現(xiàn)運(yùn)維人員巡視管理， 例如， 傳統(tǒng)方法一是基于紅外成像技術(shù)的輸變電設(shè)備故障診斷方法[3]； 二是基于超聲法的故障診斷方法[4]. 以上傳統(tǒng)方法雖然能夠?qū)崿F(xiàn)輸變電設(shè)備故障一般性診斷， 但在有效數(shù)據(jù)采集不連續(xù)和擾動(dòng)性大的情況下， 故障檢測(cè)性能較差， 不利于該種情況下輸變電設(shè)備的故障診斷.

為解決傳統(tǒng)方法存在的問(wèn)題， 提升輸變電設(shè)備故障診斷效果， 本文將工程生產(chǎn)管理系統(tǒng)(power production management system, PMS)引入到該領(lǐng)域， 提出基于PMS的輸變電設(shè)備故障診斷系統(tǒng)設(shè)計(jì)方法. PMS作為SG186工程8大應(yīng)用中最為龐大和復(fù)雜的應(yīng)用之一， 其采用JAVA技術(shù)路線和面向服務(wù)架構(gòu)(SOA)， 可最大程度保證整個(gè)系統(tǒng)的兼容性和開(kāi)放性， 具有強(qiáng)大的穩(wěn)定性及抗干擾能力， 可以實(shí)時(shí)對(duì)輸變電設(shè)備狀態(tài)進(jìn)行監(jiān)控， 如果輸變電設(shè)備出現(xiàn)故障， PMS會(huì)自動(dòng)檢測(cè)并發(fā)出報(bào)警， 最大限度地減少損失， 具備較高的應(yīng)用價(jià)值. 為更好地實(shí)現(xiàn)干擾狀態(tài)下的輸變電設(shè)備故障診斷， 本文首先構(gòu)建系統(tǒng)總體設(shè)計(jì)構(gòu)架， 采用便攜式設(shè)備對(duì)故障信息進(jìn)行采集； 再利用傳感器技術(shù)進(jìn)行故障信息采集和熱成像處理， 從而構(gòu)建輸變電設(shè)備故障信息PMS特征提取模型， 根據(jù)振動(dòng)波形分析和紅外圖譜分析， 實(shí)現(xiàn)故障特征提取和診斷， 并構(gòu)建輸變電設(shè)備故障診斷的PMS數(shù)據(jù)信息融合模型， 實(shí)現(xiàn)輸變電設(shè)備的多參量自診斷智能巡視方法設(shè)計(jì)； 最后， 利用高集成傳感信息處理和實(shí)時(shí)在線檢測(cè)方法對(duì)輸變電設(shè)備的健康狀態(tài)及運(yùn)行趨勢(shì)進(jìn)行評(píng)估預(yù)測(cè)， 實(shí)現(xiàn)故障實(shí)時(shí)診斷. 仿真實(shí)驗(yàn)分析表明了本文方法在提高輸變電設(shè)備故障診斷能力方面的優(yōu)越性能.

1 系統(tǒng)設(shè)計(jì)關(guān)鍵技術(shù)分析和信息采樣

1.1 系統(tǒng)總體設(shè)計(jì)構(gòu)架

為進(jìn)行輸變電設(shè)備故障診斷， 首先需要進(jìn)行系統(tǒng)總體設(shè)計(jì)構(gòu)架搭建. 為此， 本文結(jié)合智能傳感識(shí)別技術(shù)， 構(gòu)建輸變電設(shè)備故障診斷系統(tǒng)的信息采集模型庫(kù)， 結(jié)合聯(lián)合信息特征挖掘和狀態(tài)評(píng)估的方法， 構(gòu)建輸變電設(shè)備故障診斷分析和參數(shù)量化評(píng)估模型， 采用高集成的傳感識(shí)別技術(shù)， 采集輸變電設(shè)備故障相關(guān)性特征量， 采集模型庫(kù)的OSI模型結(jié)構(gòu)圖如圖 1 所示.

圖 1 輸變電設(shè)備故障信息采集模型結(jié)構(gòu)圖

根據(jù)圖 1 所示的傳感信息OSI模型結(jié)構(gòu)圖可知， 可以利用紅外熱成像傳感器和振動(dòng)傳感器， 進(jìn)行紅外熱像、 溫濕度、 振動(dòng)波等參數(shù)采樣， 利用工況特征分析方法進(jìn)行故障診斷識(shí)別. 完成多參量自診斷智能巡檢終端設(shè)計(jì)， 進(jìn)行多參量自診斷智能巡檢和特征分析， 再構(gòu)建多參量自診斷智能參數(shù)分析模型[5]， 得到輸變電設(shè)備故障診斷的總體結(jié)構(gòu)如圖 2 所示.

圖 2 輸變電設(shè)備故障診斷總體結(jié)構(gòu)

在圖 2 總體結(jié)構(gòu)構(gòu)架的基礎(chǔ)上， 還需要利用傳感器技術(shù)實(shí)現(xiàn)對(duì)輸變電設(shè)備的高端紅外成像信息進(jìn)行檢測(cè)， 結(jié)合可見(jiàn)光圖像及紅外熱像處理方法實(shí)現(xiàn)故障診斷分析[6].

1.2 故障診斷信息采樣

在圖 2 構(gòu)建的輸變電設(shè)備故障診斷系統(tǒng)的總體結(jié)構(gòu)模型基礎(chǔ)上， 利用傳感器技術(shù)進(jìn)行故障信息采集和熱成像處理， 采用一臺(tái)便攜式設(shè)備對(duì)故障信息進(jìn)行采集， 再對(duì)采集的輸變電設(shè)備故障信息進(jìn)行模糊度檢測(cè)和融合識(shí)別[7]， 并在數(shù)據(jù)庫(kù)終端實(shí)現(xiàn)信息存儲(chǔ)， 得到輸變電設(shè)備故障信息采樣實(shí)現(xiàn)流程如圖 3 所示.

圖 3 輸變電設(shè)備故障信息采樣實(shí)現(xiàn)流程

根據(jù)圖 3 所示的輸變電設(shè)備故障信息采樣流程， 再利用可見(jiàn)光視頻圖像跟蹤方法[8]， 得到輸變電設(shè)備故障組件的成像數(shù)據(jù)輸出為

(1)

式中：b為輸變電設(shè)備的圖像成像相似性；U={u0,u1,…,uk}表示學(xué)習(xí)參量；k為輸變電設(shè)備圖像序數(shù). 引入高端紅外熱像模組分析的方法[9]， 得到輸變電設(shè)備紅外成像的關(guān)聯(lián)系數(shù)為

B=A{u0,u1,…,uk}.

(2)

采用溫濕度、 紅外、 可見(jiàn)光聯(lián)合檢測(cè)方法得到可見(jiàn)光+紅外熱成像雙重監(jiān)控下的特征提取輸出為

(3)

式中：ci(i=0,1,…,k)表示輸變電設(shè)備紅外成像的分布間隔， 滿(mǎn)足標(biāo)準(zhǔn)差；σ為高斯函數(shù)， 將信號(hào)轉(zhuǎn)換為視覺(jué)圖形圖像， 得到特征分量滿(mǎn)足ηk∈{-1,0,1}， 水平集函數(shù)為Wi(i=0,1,…,k)， 輸變電設(shè)備紅外成像的二值擬合項(xiàng)W0>0，Wk>0， 根據(jù)上述分析， 建立輸變電設(shè)備紅外成像數(shù)據(jù)采集模型， 實(shí)現(xiàn)相關(guān)數(shù)據(jù)采集[10].

2 輸變電設(shè)備故障診斷系統(tǒng)優(yōu)化

2.1 輸變電設(shè)備故障信息PMS特征提取

多參量自診斷智能巡視方法可以實(shí)現(xiàn)數(shù)據(jù)信息的高效融合， 為此， 本文利用多參量自診斷智能巡視方法， 構(gòu)建輸變電設(shè)備故障診斷的PMS數(shù)據(jù)信息融合模型， 得到輸變電設(shè)備故障樣本信息采樣的時(shí)域波形， 結(jié)合傳感紅外成像跟蹤方法[11]， 得到輸變電設(shè)備故障樣本紅外成像的像素值， 計(jì)算公式為

(4)

對(duì)運(yùn)行帶電變壓器、 GIS等高壓變壓器進(jìn)行信息融合跟蹤識(shí)別， 得到輸變電設(shè)備的故障信息局部檢測(cè)特征輸出

(5)

構(gòu)建輸變電設(shè)備故障挖掘的統(tǒng)計(jì)信息分布模型為λ=k(z-s)-2， 其中z和s均為常數(shù). 基于XRF光譜特征分析和頻域波形檢測(cè)方法得到輸變電設(shè)備的故障分布展寬

F=Wi(kE+λ).

(6)

根據(jù)輸變電設(shè)備紅外光譜成像的檢測(cè)統(tǒng)計(jì)特征量t， 采用PMS系統(tǒng)， 實(shí)現(xiàn)故障樣本信息的實(shí)時(shí)上傳， 得到輸變電設(shè)備紅外成像的輸出光譜密度特征量

(7)

得到視頻、 紅外、 局放特征的聯(lián)合分布區(qū)間g∈[0,1]， 可知電網(wǎng)智慧運(yùn)營(yíng)管理的關(guān)聯(lián)譜信息如下

(8)

式中：x(t)為輸變電設(shè)備紅外特征分布模糊參數(shù)集， 從而得到輸變電設(shè)備故障信息PMS參數(shù)

(9)

利用輸變電設(shè)備故障信息PMS參數(shù)J， 得到輸變電設(shè)備故障診斷的趨勢(shì)預(yù)測(cè)模型為

(10)

根據(jù)上述分析， 構(gòu)建輸變電設(shè)備故障信息PMS特征提取模型， 根據(jù)振動(dòng)波形分析和紅外圖譜分析， 實(shí)現(xiàn)故障特征提取和診斷[12].

2.2 故障診斷輸出

構(gòu)建輸變電設(shè)備故障診斷的PMS數(shù)據(jù)信息融合模型， 實(shí)現(xiàn)輸變電設(shè)備的多參量自診斷智能巡視方法設(shè)計(jì)， 再利用高集成傳感信息處理和實(shí)時(shí)在線檢測(cè)方法， 得到輸變電設(shè)備故障診斷的光譜離散特征分量為

N={n1,n2,…,nk}.

(11)

對(duì)圖像數(shù)據(jù)、 紅外測(cè)溫?cái)?shù)據(jù)、 超聲波數(shù)據(jù)等參數(shù)進(jìn)行PMS國(guó)網(wǎng)信息融合， 得到現(xiàn)有電力設(shè)備的故障智能輸出為

(12)

捕捉設(shè)備運(yùn)行中的異常特征量， 結(jié)合局放檢測(cè)、 振動(dòng)檢測(cè)、 溫濕度檢測(cè)等聯(lián)合檢測(cè)技術(shù)， 得到輸變電設(shè)備故障診斷的超分辨融合模型為

(13)

采用多參量自診斷智能巡視方法， 實(shí)現(xiàn)故障檢測(cè)， 得到故障檢測(cè)的特征分布集為

(14)

式中：m與n為輸變電設(shè)備的故障樣本先驗(yàn)統(tǒng)計(jì)特征量， 采用后驗(yàn)概率分布式估計(jì)， 得到故障的多參量自診斷輸出為

(15)

式(15)也可以稱(chēng)作{x1,x2,…xn}故障樣本的模糊信息融合變量， 根據(jù)上述分析， 實(shí)現(xiàn)對(duì)輸變電設(shè)備的故障診斷檢測(cè)， 并采用物聯(lián)網(wǎng)大數(shù)據(jù)分析模型， 為故障診斷和在線檢測(cè)各種數(shù)據(jù)建模提供有力的數(shù)據(jù)支撐.

3 系統(tǒng)測(cè)試分析

為證明本文方法的有效性， 進(jìn)行仿真實(shí)驗(yàn)測(cè)試. 實(shí)驗(yàn)中， 對(duì)輸變電設(shè)備進(jìn)行信息采集的傳感器節(jié)點(diǎn)數(shù)為56， 紅外成像采集的樣本數(shù)為12， 成像像素為150*240， 采樣頻率帶寬為24 dB， 故障特征分辨頻率為14.8 kHz， 輸變電設(shè)備的相關(guān)參數(shù)設(shè)定如圖 4 所示.

圖 4 輸變電設(shè)備的相關(guān)參數(shù)設(shè)定

根據(jù)圖 4 對(duì)輸變電設(shè)備的相關(guān)參數(shù)設(shè)定， 實(shí)現(xiàn)輸變電設(shè)備的故障檢測(cè)， 得到輸變電設(shè)備故障檢測(cè)的紅外預(yù)警圖像如圖 5 所示.

(a) 場(chǎng)景1

在此基礎(chǔ)上， 利用傳統(tǒng)方法一、 二(文獻(xiàn)[3]、 文獻(xiàn)[4]方法)與本文方法進(jìn)行對(duì)比， 分別設(shè)置置信度閾值從0～0.8以進(jìn)行故障診斷， 得到故障檢測(cè)輸出準(zhǔn)確率如圖 6 所示.

分析圖 6 可知， 相較于另外兩種方法， 本文方法的故障檢測(cè)輸出準(zhǔn)確率最高可達(dá)到89%， 證明了本文方法的優(yōu)越性.

為了更好地對(duì)本文方法進(jìn)行評(píng)價(jià)， 在對(duì)故障檢測(cè)輸出準(zhǔn)確率進(jìn)行分析的基礎(chǔ)上， 對(duì)不同方法的故障檢測(cè)輸出時(shí)間進(jìn)行對(duì)比， 可得到不同方法的故障檢測(cè)輸出時(shí)間， 如圖 7 所示.

圖 6 故障診斷檢測(cè)輸出準(zhǔn)確率對(duì)比

圖 7 故障診斷檢測(cè)輸出時(shí)間對(duì)比

分析圖 7 得知， 本文方法能在極短的時(shí)間內(nèi)實(shí)現(xiàn)對(duì)輸變電設(shè)備的故障診斷， 最快可在3 s時(shí)間內(nèi)進(jìn)行識(shí)別， 再一次證明了本文方法的有效性.

4 結(jié) 語(yǔ)

為實(shí)現(xiàn)對(duì)干擾狀態(tài)下的輸變電設(shè)備故障診斷， 本文首先構(gòu)建系統(tǒng)總體設(shè)計(jì)構(gòu)架， 采用便攜式設(shè)備對(duì)故障信息進(jìn)行采集； 再利用傳感器技術(shù)進(jìn)行故障信息采集和熱成像處理， 進(jìn)而構(gòu)建輸變電設(shè)備故障信息PMS特征提取模型， 根據(jù)振動(dòng)波形分析和紅外圖譜分析， 實(shí)現(xiàn)故障特征提取和診斷， 并構(gòu)建輸變電設(shè)備故障診斷的PMS數(shù)據(jù)信息融合模型， 實(shí)現(xiàn)輸變電設(shè)備的多參量自診斷智能巡視方法設(shè)計(jì)； 最后， 利用高集成傳感信息處理和實(shí)時(shí)在線檢測(cè)方法， 對(duì)輸變電設(shè)備的健康狀態(tài)及運(yùn)行趨勢(shì)進(jìn)行評(píng)估預(yù)測(cè)， 實(shí)現(xiàn)故障實(shí)時(shí)診斷. 仿真實(shí)驗(yàn)測(cè)試結(jié)果顯示， 利用本文方法進(jìn)行輸變電設(shè)備故障診斷的效率較高， 性能較好.