變電站智能診斷和維護系統體系結構研究

李福鵬，梁國堅，陶熠昆，鄭洪波

(1.廣東電網有限責任公司中山供電局，廣東中山528400；2.浙江國自機器人技術有限公司，浙江杭州310053)

變電站智能診斷和維護系統體系結構研究

李福鵬1，梁國堅1，陶熠昆2，鄭洪波2

(1.廣東電網有限責任公司中山供電局，廣東中山528400；2.浙江國自機器人技術有限公司，浙江杭州310053)

在實際運行的過程中，具有相似故障征兆的變壓器往往具有大致相類似的故障原因，因此，依托于變壓器的運行數據，采取基于數據驅動的變壓器故障分析是實現變電站智能控制和診斷的有效方法。利用MapReduce構建了多數據源的并行特征提取與對比算法，可以有效地對變壓器故障征兆進行分析，從而實現故障點的及時維護。

變電站；故障智能診斷；數據驅動

Abstract:In the process of actual operation,the transformer with similar fault symptom often had the similar cause of the fault.Therefore,it was an effective method to realize the intelligent control and diagnosis of the transformer based on the data failure of the transformer.MapReduce was used to construct a parallel feature extraction and comparison algorithm of multiple data sources,which could effectively analyze the fault symptoms of the transformer,so as to realize the timely maintenance of the fault point.

Key words:substation;fault intelligent diagnosis;data driven

隨著電網復雜程度的提高，變電站作為供電方與用電方的中間變換環(huán)節(jié)，其作用也日益顯著，而作為電網的重要一環(huán)，有效及時地實現變電站的故障維護是保證電網穩(wěn)定運行的前提條件[1]。

我國現有的變電站大多都實現了自動化的管理，但管理大多停留在設備運行數據的采集、事故情況的記錄、故障的報警等方面，對于故障的成因等深層次的故障診斷并未涉及。顯然，隨著電力系統的進一步復雜，利用現代的數據處理技術對大量的運行數據進行有效地處理，追根溯源，發(fā)現事故的深層次原因，對預防性變電站維護和縮短事故的處理時間，具有重要的意義

1 變電站故障診斷方法的研究

對于故障的診斷，目前常用的方法主要有三大類型，分別是基于常見問題點的數學模型的方法、基于故障點的知識分析的方法、基于運行數據驅動的分析方法[2]。

基于常見問題點的數學模型的方法比較適合于運行過程比較簡單的場合，具有數據模型構造簡單，故障檢測反應時延小及準確的優(yōu)點。但是，對于復雜的工業(yè)控制過程，由于工作的過程相對而言具有很強的非線性和時變性，同時系統與系統之間還存在著強耦合性，故構建數據模型的過程較為困難。對于變電站而言，利用數學模型來構建故障檢測系統并不是一種最優(yōu)的選擇。

基于故障點的知識分析的方法主要是利用專家知識系統、神經網絡、模糊算法、故障決策樹等計算方法來對變電站的故障進行分析。這種方法的準確性依賴于所選計算方法的準確程度，而在實際運行的過程中，每一種計算方法所固有的缺點都會影響最終判斷的結果，而對于大多數方法而言，構造出完全反映變電站的運行過程是一個比較困難的事情。

基于運行數據驅動的分析方法是從大量的運行過程數據中分析出準確的故障信息，所利用的技術是數據的挖掘技術，可以真實地反映出變電站的運行過程，是目前較好的一種故障分析方法。

2 基于數據驅動的變電站智能故障診斷系統結構分析

實現變電站有效的故障診斷，需要一個完整的監(jiān)控體系，基于數據驅動的變電站監(jiān)控體系基本功能構成如圖1所示。

如圖1所示，整個系統由三大部分組成，分別是數據采集端、數據處理端及集成監(jiān)控端。數據采集端利用智能傳感器來進行數據的采集，采集的數據主要包括：變電站進線電壓、用電量、余電量、變壓器溫度、低壓電壓、ABC電流、功率因數等；利用視頻、圖像等手段對各儀表顯示、各柜體表面、線圈表面等進行圖像信息的掃描分析，以確定相應部位的完好；利用GIS信息系統對故障位置進行定位。

圖1 監(jiān)控系統基本構成

數據處理端是以數據驅動為核心的故障分析的基礎。主要的工作環(huán)節(jié)是利用某種方式準確地從大量運行數據中提取有效地代表數據進行分析，分析的方法需要依靠運行數據數據庫中的數據、知識庫中的計算規(guī)則及計算的算法來支撐。本設計利用MapReduce構建了多數據源的并行特征提取與對比算法來完成這一功能。

集成監(jiān)控端利用數據處理端所形成的決策結果實現對變電站內各設備的控制?？刂频倪^程主要包括了數據顯示、數據記錄、故障報警及控制管理等。

3 多數據源的并行特征提取與對比算法

變電站中所蘊含的數據量大且非線性程度高，構建強的數據處理能力是解決問題的關鍵。在本例中，采用MapReduce對多數據源的并行特征進行提取，并通過對比算法，提煉出有效的數據，用來輔助決策。具體流程如圖2所示。

圖2 多數據源數據處理過程

在變電站中，由于各種設備所更替的時間及廠家有所不同，所以所提供數據源可能來自不同的數據環(huán)境。面對多種多樣的數據源，采用基于Hadoop的MapReduce分布式平行計算方式，可以有效地將變電站內不同的數據源進行整合，形成一個統一的數據模型與決策接口，有效提高數據處理的能力。

MapReduce分布式計算包括兩個過程：map過程和reduce過程。map過程完成的是任務的分解與處理，是并行處理的基礎；而reduce完成的是數據的整理和融合，為數據的處理提供統一的對外數據模型。在執(zhí)行過程中，起主要核心作用的是兩個處理事件，一個是Jobtracker，主要的任務中在兩個階段中調節(jié)數據Job的運行；而另一個核心是Tasktrackers事件，主要的任務將由Jobtracker切分的數據分片(split)按照一定的規(guī)則進行處理，最終提交給HDFS分布式文件系統，具體過程如圖3所示。

圖3 map與reduce的數據處理過程

由于本例采用的是并行特征提取與對比算法，算法采用模糊聚類故障診斷與對比模型，核心算法采用Gustafson-Kessel(G-K)算法。在實際操作中，我們將某一故障的數據特征規(guī)定為一個聚類，并以此作為一個原型類的中心，采用線性圓的對比方式，在有效地區(qū)域半徑r當中，將實際采集值與此聚類對象進行對比，實際值與中心值的均方差在有效半徑之內的，就將此數據歸于此類，進行統一的處理。由于故障特征數據的不同，系統會形成不同的數據特征聚類，這些聚類將分配到不同的Jobtracker及Tasktrackers上進行并行處理。每一次處理過程由Tracker周期性將所有數據節(jié)點上各種信息(主要包括機器的使用資源狀況、任務執(zhí)行進度及運行狀態(tài))通過心跳機制匯報給JobTracker，然后根據其結果調用LaunchTaskAction(啟動任務)、CommitTaskAction(提交任務)、TaskTrackerReinitAction(重新初始化)等過程進行有效的任務完成。

整個處理的最后一步是形成統一的數據模型，在MapReduce中需要調用HDFS中的數據，由于多種數據源的模式不同，需要利用程序來進行MapRecuce參數的設置。以HBase數據模式為例，其接口程序如圖4所示。

圖4 HBase數據接口程序

4 總結

本例采用Gustafson-Kessel(G-K)算法構建了特征數據的并行處理功能，將變電站內大量的故障信息進行分類并行對比處理，并將此信息處理后的結果輸出到集中管理系統中產生維護命令，從而提高故障診斷與維護的實時性和準確性。

[1]周志霞.變電站故障診斷系統的研究與開發(fā)[D].保定：華北電力大學，2003：3-5.

[2]呂寧.基于數據驅動的故障診斷模型及算法的研究[D].哈爾濱：哈爾濱理工大學，2009：24-26.

Research on operation and management mode of intelligent substation based on regulating and controling

LI Fu-peng1,LIANG Guo-jian1,TAO Yi-kun2,ZHENG Hong-bo2
(1.Zhongshan Power Supply Bureau of Guangdong Power Grid Co.,Ltd.,Zhongshan Guangdong 528400,China;2.Zhejiang Guozi Robot Technology Co.,Ltd.,Hangzhou Zhejiang 310053,China)

TM 131

A

1002-087X(2017)09-1369-02

2017-02-12

李福鵬(1977—），男，廣東省人，本科，高級工程師，主要研究方向為變電運行管理。