基于物聯(lián)網(wǎng)技術(shù)的變電站蓄電池設(shè)備數(shù)據(jù)采集系統(tǒng)研究

陳和洋，周金平，何春慶，陳 歡，王林發(fā)

（國(guó)網(wǎng)龍巖供電公司，福建 龍巖 364000）

0 引言

變電站直流系統(tǒng)為控制、信號(hào)、保護(hù)、自動(dòng)裝置、事故照明及倒閘操作等提供可靠的直流電源，對(duì)變電站的安全、穩(wěn)定運(yùn)行起著十分重要的作用［1］。直流系統(tǒng)一般由充電裝置和蓄電池構(gòu)成，因此蓄電池的健康狀態(tài)直接影響到直流系統(tǒng)的安全穩(wěn)定運(yùn)行。在《國(guó)家電網(wǎng)公司變電運(yùn)維管理規(guī)定》及《國(guó)家電網(wǎng)公司變電運(yùn)維通用管理規(guī)定（第24分冊(cè)站用直流電源系統(tǒng)運(yùn)維細(xì)則）》中對(duì)蓄電池組全核對(duì)性放電試驗(yàn)、單個(gè)蓄電池電壓、蓄電池內(nèi)阻等試驗(yàn)和維護(hù)項(xiàng)目進(jìn)行了規(guī)定。

目前蓄電池檢測(cè)工作一般需要先打印紙質(zhì)作業(yè)卡，現(xiàn)場(chǎng)測(cè)試完成后，記錄下測(cè)試數(shù)據(jù)，然后再手工錄入設(shè)備（資產(chǎn)）運(yùn)維精益管理系統(tǒng)（Equipments（assets）Operation and Maintenance Precision Management System，PMS）［2］。該方式效率低下，同時(shí)記錄和錄入過(guò)程可能存在遺漏或錯(cuò)誤，數(shù)據(jù)準(zhǔn)確度較差。隨著移動(dòng)作業(yè)技術(shù)的在電力系統(tǒng)中的大力普及，越來(lái)越多的移動(dòng)作業(yè)終端被應(yīng)用到變電領(lǐng)域，利用移動(dòng)作業(yè)終端可以實(shí)現(xiàn)對(duì)變電設(shè)備信息、檢測(cè)數(shù)據(jù)、設(shè)備維護(hù)和退役等全流程的精益化管理，大大提高了變電運(yùn)維工作的效率［3］。文獻(xiàn)［4］介紹了一種蓄電池試驗(yàn)遠(yuǎn)程操控系統(tǒng)，實(shí)現(xiàn)在云端監(jiān)測(cè)蓄電池各項(xiàng)測(cè)試數(shù)據(jù)，但采集的各項(xiàng)測(cè)試數(shù)據(jù)未能與PMS2.0 系統(tǒng)貫通，并在PMS 系統(tǒng)生成相應(yīng)的測(cè)試數(shù)據(jù)和記錄。蓄電池在線監(jiān)測(cè)技術(shù)能夠利用現(xiàn)場(chǎng)布置的傳感器對(duì)蓄電池內(nèi)阻、電壓、溫度、剩余容量等數(shù)據(jù)進(jìn)行監(jiān)測(cè)，實(shí)現(xiàn)對(duì)蓄電池健康狀態(tài)跟蹤。文獻(xiàn)［5］介紹了一種基于物聯(lián)網(wǎng)技術(shù)的變電站蓄電池監(jiān)測(cè)系統(tǒng)，通過(guò)電壓、溫度、內(nèi)阻等采集模塊采集數(shù)據(jù)，經(jīng)過(guò)網(wǎng)絡(luò)層將監(jiān)測(cè)數(shù)據(jù)傳輸至主站，但布置該系統(tǒng)可能會(huì)產(chǎn)生較高的成本，其中包括數(shù)據(jù)的采集、傳輸和存儲(chǔ)，如文獻(xiàn)［6］介紹的云管理系統(tǒng)每天對(duì)蓄電池進(jìn)行數(shù)次測(cè)試，高頻、長(zhǎng)期的測(cè)試將產(chǎn)生海量測(cè)試數(shù)據(jù)，用于存儲(chǔ)數(shù)據(jù)的服務(wù)器也是不小的費(fèi)用。此外采用持續(xù)的在線監(jiān)測(cè)還可能因采集線、保險(xiǎn)等出現(xiàn)誤報(bào)警、數(shù)據(jù)通信斷連等系統(tǒng)穩(wěn)定性問(wèn)題。但從長(zhǎng)遠(yuǎn)角度來(lái)看，對(duì)蓄電池部署在線監(jiān)測(cè)系統(tǒng)是未來(lái)發(fā)展的趨勢(shì)，系統(tǒng)需要將監(jiān)測(cè)數(shù)據(jù)與PMS 系統(tǒng)打通，形成相應(yīng)的檢測(cè)記錄數(shù)據(jù)報(bào)告以及完善的信號(hào)斷連告警機(jī)制，并逐漸由人工現(xiàn)場(chǎng)檢測(cè)轉(zhuǎn)變?yōu)檫h(yuǎn)程控制檢測(cè)，運(yùn)行人員僅定期對(duì)現(xiàn)場(chǎng)設(shè)備進(jìn)行巡視即可，從而減輕運(yùn)維人員的工作量，提高設(shè)備運(yùn)維管理水平。

設(shè)計(jì)一種基于物聯(lián)網(wǎng)技術(shù)的變電站蓄電池設(shè)備數(shù)據(jù)采集系統(tǒng)，利用移動(dòng)作業(yè)終端掃描設(shè)備二維碼對(duì)蓄電池各項(xiàng)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化抄錄，配合在線語(yǔ)音識(shí)別技術(shù)提高了數(shù)據(jù)抄錄的效率。同時(shí)，利用無(wú)線專網(wǎng)和安全接入平臺(tái)與內(nèi)網(wǎng)系統(tǒng)實(shí)現(xiàn)數(shù)據(jù)同步，并在后臺(tái)生成相關(guān)檢測(cè)記錄，避免運(yùn)維人員重復(fù)錄入數(shù)據(jù)，浪費(fèi)時(shí)間。移動(dòng)作業(yè)終端可以對(duì)采集的蓄電池內(nèi)阻、電壓等數(shù)據(jù)進(jìn)行分析后得到蓄電池健康狀態(tài)，對(duì)存在缺陷和異常的蓄電池提供告警，便于運(yùn)檢人員及時(shí)開(kāi)展設(shè)備維護(hù)工作。

1 系統(tǒng)架構(gòu)

基于物聯(lián)網(wǎng)技術(shù)的變電站蓄電池設(shè)備數(shù)據(jù)采集系統(tǒng)如圖1所示，其由PMS2.0平臺(tái)層、業(yè)務(wù)平臺(tái)層和業(yè)務(wù)應(yīng)用層3 部分構(gòu)成。其中，PMS2.0 為設(shè)備（資產(chǎn)）運(yùn)維精益管理系統(tǒng)，系統(tǒng)覆蓋輸電、變電、配電三大專業(yè)，在變電專業(yè)方面，系統(tǒng)以設(shè)備臺(tái)賬管理為核心，涵蓋設(shè)備管理、運(yùn)行工作管理、缺陷管理、檢修試驗(yàn)管理、標(biāo)準(zhǔn)化作業(yè)管理、計(jì)劃任務(wù)管理、狀態(tài)檢修管理、生產(chǎn)報(bào)表管理各種專項(xiàng)管理、各種統(tǒng)計(jì)查詢等生產(chǎn)業(yè)務(wù)［7-8］。

圖1 系統(tǒng)架構(gòu)

業(yè)務(wù)平臺(tái)層實(shí)現(xiàn)數(shù)據(jù)的接入、業(yè)務(wù)分析以及PMS2.0進(jìn)行數(shù)據(jù)交互。基于PMS2.0定義了統(tǒng)一的通信規(guī)約與統(tǒng)一數(shù)據(jù)規(guī)約，管理所有與PMS2.0 的數(shù)據(jù)交互。在此基礎(chǔ)上，對(duì)數(shù)據(jù)進(jìn)行加工，構(gòu)建業(yè)務(wù)分析模型，實(shí)現(xiàn)二維碼識(shí)別引擎、報(bào)表分析引擎、語(yǔ)音識(shí)別引擎以及預(yù)警分析服務(wù)，構(gòu)建統(tǒng)一的接入服務(wù)，用于與移動(dòng)終端進(jìn)行數(shù)據(jù)交互，為業(yè)務(wù)應(yīng)用提供支撐服務(wù)。

業(yè)務(wù)應(yīng)用層在業(yè)務(wù)平臺(tái)建設(shè)成果的基礎(chǔ)上，提供移動(dòng)終端業(yè)務(wù)管理，利用蓄電池二維碼標(biāo)簽技術(shù)，對(duì)蓄電池各項(xiàng)數(shù)據(jù)進(jìn)行高效采集，根據(jù)采集的數(shù)據(jù)進(jìn)行質(zhì)量分析，當(dāng)系統(tǒng)發(fā)現(xiàn)異常時(shí)進(jìn)行主動(dòng)告警，實(shí)現(xiàn)對(duì)蓄電池健康狀況進(jìn)行跟蹤和監(jiān)測(cè)。

2 網(wǎng)絡(luò)架構(gòu)

利用安全交互平臺(tái)內(nèi)嵌的通道服務(wù)，實(shí)現(xiàn)移動(dòng)作業(yè)終端與PMS2.0系統(tǒng)進(jìn)行交互，如圖2所示。

圖2 網(wǎng)絡(luò)構(gòu)架

采用無(wú)線專網(wǎng)和安全接入平臺(tái)接入到內(nèi)網(wǎng)，實(shí)現(xiàn)移動(dòng)終端與移動(dòng)應(yīng)用主站的數(shù)據(jù)交互。內(nèi)網(wǎng)移動(dòng)應(yīng)用通過(guò)電力無(wú)線虛擬專網(wǎng)接入安全接入平臺(tái)，由安全接入平臺(tái)進(jìn)行接入監(jiān)管、數(shù)據(jù)過(guò)濾后再連接到移動(dòng)應(yīng)用主站業(yè)務(wù)服務(wù)接口，實(shí)現(xiàn)同業(yè)務(wù)系統(tǒng)的數(shù)據(jù)交互。采用電力無(wú)線虛擬專網(wǎng)和安全接入平臺(tái)，能夠有效杜絕非法接入和違規(guī)外連，保障了內(nèi)網(wǎng)數(shù)據(jù)的安全。

3 系統(tǒng)功能

3.1 二維碼標(biāo)簽

二維碼技術(shù)是一種新型條形碼技術(shù)，是在一維條形碼的基礎(chǔ)上發(fā)展起來(lái)的一門(mén)集信息編碼、信息傳遞、圖像處理等技術(shù)于一體的綜合性技術(shù)［9］。二維碼種類有：便攜數(shù)據(jù)文件二維碼（Portable Data File 417，PDF417）、快速反應(yīng)二維碼（Quick Response Code，QR Code）、49 條形碼（Code 49）、16K 條形碼（Code 16K）等［10］，其中QR 碼是最常見(jiàn)的二維碼。二維碼具有便于識(shí)別、信息容量大、抗干擾和容錯(cuò)能力強(qiáng)等特點(diǎn)［11］，變電站內(nèi)通常將其打印于抗老化塑殼或不銹鋼板等材質(zhì)上形成二維碼標(biāo)簽，用3M 背膠、抱箍、膨脹螺絲等進(jìn)行固定安裝。

3.1.1 二維碼標(biāo)簽編碼與識(shí)別技術(shù)

1）二維碼的編碼與識(shí)別原理。

一個(gè)二維碼由空白區(qū)、位置探測(cè)圖形、位置探測(cè)圖形分隔符、定位圖形、校正圖形、格式信息、版本信息、數(shù)據(jù)和糾錯(cuò)碼字構(gòu)成，基本結(jié)構(gòu)如圖3所示。

圖3 二維碼基本結(jié)構(gòu)

識(shí)別過(guò)程主要分為：圖像預(yù)處理、定位位置探測(cè)圖形、定位校正圖形、透視變換、譯碼和糾錯(cuò)。

圖像預(yù)處理將圖像進(jìn)行灰度化、去噪、畸變矯正和二值化，便于識(shí)別［12］。

通過(guò)位置探測(cè)圖形、位置探測(cè)圖形分隔符和定位圖形進(jìn)行定位。

校正圖形用于對(duì)二維碼的形狀進(jìn)行校正，根據(jù)位置探測(cè)圖形估計(jì)校正圖形，并進(jìn)行校正。

利用定位圖形和校正圖形的中心點(diǎn)，通過(guò)透視變換獲取標(biāo)準(zhǔn)正方形圖形［13-14］。

譯碼過(guò)程對(duì)二維碼版本信息、格式信息、數(shù)據(jù)和糾錯(cuò)碼進(jìn)行解碼和比對(duì)，將數(shù)據(jù)區(qū)轉(zhuǎn)化為0和1的比特流，并用糾錯(cuò)算法對(duì)比特流進(jìn)行校驗(yàn)和糾錯(cuò)。根據(jù)編碼格式后譯碼就得到了二維碼中包含的信息。

其中格式信息用于存儲(chǔ)容錯(cuò)級(jí)別和數(shù)據(jù)掩碼以及額外的自身容錯(cuò)碼，存儲(chǔ)容錯(cuò)級(jí)別分為L(zhǎng)、M、Q、H這4 個(gè)等級(jí)，分別為7%、15%、25%、30%的字碼可被糾正［15］。版本信息用于存儲(chǔ)二維碼的規(guī)格，共有40種規(guī)格的矩陣，從21×21 像素（版本1）到177×177 像素（版本40），每一版本符號(hào)比前一版本每邊增加4個(gè)模塊［16］。數(shù)據(jù)和糾錯(cuò)碼字用于存儲(chǔ)二維碼的信息和修正二維碼損壞帶來(lái)的錯(cuò)誤。

2）二維碼標(biāo)簽的技術(shù)要求。

二維碼應(yīng)采用QR 碼，二維碼內(nèi)含有實(shí)物“ID”編碼及蓄電池的各項(xiàng)信息。對(duì)于不可以近距離掃碼的設(shè)備，應(yīng)具備一定的糾錯(cuò)等級(jí)，通常為L(zhǎng) 級(jí)（7%的字碼可被糾正）。對(duì)于使用年限較長(zhǎng)，并且又可以近距離掃碼的設(shè)備，宜采用H 級(jí)（30%的字碼可被糾正）［17］。識(shí)別二位碼的終端應(yīng)具備800 萬(wàn)以上像素，具備自動(dòng)對(duì)焦以及裝有智能操作系統(tǒng)。

3.1.2 二維碼標(biāo)簽管理

數(shù)據(jù)采集系統(tǒng)需要構(gòu)建變電蓄電池二維碼識(shí)別體系，利用二維碼技術(shù)，按照規(guī)則批量生成變電蓄電池組、電池單體數(shù)字化的唯一標(biāo)識(shí)資產(chǎn)ID 和二維碼，利用集成移動(dòng)智能終端打印機(jī)，打印生成蓄電池二維碼標(biāo)簽，用于蓄電池現(xiàn)場(chǎng)識(shí)別與數(shù)據(jù)采集，建立變電站蓄電池二維碼動(dòng)態(tài)管控。

基于移動(dòng)互聯(lián)網(wǎng)技術(shù)、二維碼掃描識(shí)別技術(shù)，現(xiàn)場(chǎng)移動(dòng)作業(yè)終端一鍵掃描識(shí)別，有效輔助現(xiàn)場(chǎng)人員數(shù)據(jù)采集［18］。

3.2 數(shù)據(jù)采集

通過(guò)掃描變電蓄電池二維碼、語(yǔ)音等智能識(shí)別技術(shù)，提高變電蓄電池?cái)?shù)據(jù)采集效率。對(duì)蓄電池設(shè)備檢測(cè)數(shù)據(jù)標(biāo)準(zhǔn)規(guī)范進(jìn)行梳理和拓展，形成變電蓄電池采集數(shù)據(jù)標(biāo)準(zhǔn)化模版，對(duì)蓄電池?cái)?shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化采集，如圖4 所示，可實(shí)現(xiàn)移動(dòng)端蓄電池單體、電池組等各類檢測(cè)數(shù)據(jù)采入功能，支撐檢測(cè)數(shù)據(jù)可靠、快速采集。

圖4 蓄電池檢測(cè)數(shù)據(jù)標(biāo)準(zhǔn)化采集界面

3.2.1 語(yǔ)音錄入

移動(dòng)作業(yè)終端的顯示界面通常較小，鍵盤(pán)彈窗也較小，手動(dòng)輸入容易造成誤觸，影響錄入效率。語(yǔ)音識(shí)別服務(wù)能夠?qū)⒄Z(yǔ)音實(shí)時(shí)音頻文件轉(zhuǎn)寫(xiě)成文本，是進(jìn)行智能人機(jī)交互的基礎(chǔ)［19］。為了提升數(shù)據(jù)采集效率，采集系統(tǒng)還接入了智能語(yǔ)音識(shí)別輸入功能，如圖5 所示，對(duì)接收到的語(yǔ)音進(jìn)行特征提取，提取到的特征與經(jīng)過(guò)樣本庫(kù)訓(xùn)練得到的聲學(xué)模型和語(yǔ)言模型進(jìn)行比對(duì)后，形成文本輸出。對(duì)用戶的實(shí)時(shí)音頻流識(shí)別結(jié)果進(jìn)行自動(dòng)斷句，標(biāo)記每句話的開(kāi)始和結(jié)束時(shí)間，實(shí)現(xiàn)智能識(shí)別，優(yōu)化輸入，提升數(shù)據(jù)采集效率。

圖5 語(yǔ)音識(shí)別模型

1）聲音模型。

聲音建模是實(shí)現(xiàn)語(yǔ)言識(shí)別的核心，需要選擇合適的聲學(xué)基元來(lái)建模，可以是音素、音節(jié)、詞等多個(gè)層次［20］。隱形馬爾科夫模型（Hidden Markov Model，HMM）符合人類的語(yǔ)言過(guò)程，人類產(chǎn)生語(yǔ)音時(shí)，語(yǔ)法語(yǔ)音、大腦思考過(guò)程等內(nèi)部隱含狀態(tài)是不可見(jiàn)的，所生成的音素參數(shù)流的特征參數(shù)卻是可觀測(cè)的［21］。

在選取聲學(xué)基元時(shí)，考慮到漢語(yǔ)獨(dú)特的聲韻母結(jié)構(gòu)及語(yǔ)音語(yǔ)調(diào)，選取聲韻母模型能夠獲得更好的識(shí)別性能。

采用基于深度神經(jīng)網(wǎng)絡(luò)隱形馬爾科夫模型（Deep Neural Networks-Hidden Markov Model，DNNHMM）構(gòu)建聲學(xué)模型，如圖6所示，其中HMM 對(duì)語(yǔ)音時(shí)序信號(hào)建模，DNN 為輸入樣本的后驗(yàn)概率分布建模［22］。

圖6 DNN-HMM聲學(xué)模型

圖中S1，S2，...，Sk-1，Sk為HMM 中的各個(gè)隱藏狀態(tài)，從而組成一個(gè)隱藏序列。觀測(cè)序列為一段語(yǔ)音數(shù)據(jù)，經(jīng)過(guò)加窗、分幀后將頻譜特征進(jìn)行提取，獲得觀測(cè)矢量v作為DNN 的輸入。DNN 會(huì)進(jìn)行拼接幀操作以獲得更多信息的輸入向量，相比傳統(tǒng)的高斯混合模型（Gaussian Mixed Model，GMM），DNN 具有更好的性能［23-24］。

需要將DNN 得到的后驗(yàn)概率和先驗(yàn)概率相結(jié)合，轉(zhuǎn)化得到狀態(tài)的觀察概率。例如：輸入樣本為x、輸出狀態(tài)為s，P（s|x）表示DNN 的后驗(yàn)概率輸出，根據(jù)貝葉斯公式有

式中：P（s）為建模單元的先驗(yàn)概率；P（x）為觀測(cè)樣本的先驗(yàn)概率，通常采用平均分布進(jìn)行替代。

通過(guò)式（1）得到觀察概率后就可以結(jié)合HMM 以及語(yǔ)言模型進(jìn)行解碼。

2）語(yǔ)言模型。

語(yǔ)言模型是對(duì)一段文本X=（w1，w2，...，wn）的概率進(jìn)行估計(jì)，即計(jì)算P（X）的概率。語(yǔ)言模型分為統(tǒng)計(jì)語(yǔ)言模型（Statistical Language Model，SLM）和神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型（Neural Network Language Model，NNLM）［25］。

在統(tǒng)計(jì)語(yǔ)言模型中利用極大似然估計(jì)來(lái)計(jì)算每個(gè)詞出現(xiàn)的條件概率，根據(jù)排列順序判斷一段文字是否為自然語(yǔ)言，即

當(dāng)句子長(zhǎng)度較長(zhǎng)時(shí)，估計(jì)最后一個(gè)詞的概率將產(chǎn)生大量運(yùn)算，利用馬爾可夫假設(shè)（Markov Assumption，MA），假設(shè)當(dāng)前詞出現(xiàn)的概率只依賴于前n-1個(gè)詞［26］，則第i個(gè)詞出現(xiàn)的概率為

則P（X）變?yōu)?/p>

隨著n的增大，自由參數(shù)空間呈指數(shù)級(jí)增長(zhǎng)，同時(shí)在測(cè)試集中會(huì)出現(xiàn)訓(xùn)練集中未出現(xiàn)過(guò)的詞和某個(gè)子序列未在訓(xùn)練集中出現(xiàn)，帶來(lái)數(shù)據(jù)稀疏問(wèn)題，須進(jìn)行平滑化處理。

與統(tǒng)計(jì)語(yǔ)言模型不同的是，神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型不通過(guò)計(jì)數(shù)的方法對(duì)n元條件概率進(jìn)行估計(jì)，而是直接通過(guò)一個(gè)神經(jīng)網(wǎng)絡(luò)對(duì)其建模求解，盡管神經(jīng)網(wǎng)絡(luò)在一定程度上解決了數(shù)據(jù)稀疏的問(wèn)題，但還是損失了一些信息。解決方法是采用循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN），只需要把NNLM的隱藏層換成RNN 神經(jīng)元，RNN 結(jié)構(gòu)能利用文字的上下文序列關(guān)系，更好地對(duì)語(yǔ)句之間的關(guān)系進(jìn)行建模。

3.2.2 歷史數(shù)據(jù)調(diào)閱

在移動(dòng)作業(yè)終端對(duì)蓄電池單體、電池組等各類檢測(cè)數(shù)據(jù)采錄時(shí)，還可以調(diào)閱蓄電池歷史檢測(cè)數(shù)據(jù)進(jìn)行分析，并結(jié)合預(yù)警規(guī)則庫(kù)，進(jìn)行比對(duì)提醒，如圖7和圖8所示。

圖7 歷史檢測(cè)數(shù)據(jù)預(yù)警

圖8 數(shù)據(jù)錄入異常告警

3.2.3 同步PMS2.0

基于PMS2.0 的數(shù)據(jù)模型，定義了統(tǒng)一的通信規(guī)約與數(shù)據(jù)規(guī)約，管理所有與PMS2.0 的數(shù)據(jù)交互，實(shí)現(xiàn)移動(dòng)終端采集的數(shù)據(jù)實(shí)時(shí)與PMS2.0 系統(tǒng)數(shù)據(jù)同步共享。傳統(tǒng)蓄電池檢測(cè)工作完成后運(yùn)維人員還需要在PMS2.0 系統(tǒng)上將檢測(cè)數(shù)據(jù)錄入至系統(tǒng)，而移動(dòng)作業(yè)終端的采集系統(tǒng)，通過(guò)標(biāo)準(zhǔn)化數(shù)據(jù)錄入能夠在PMS2.0 系統(tǒng)內(nèi)生成相應(yīng)的檢測(cè)報(bào)告，無(wú)須人工二次做記錄，避免進(jìn)行重復(fù)性工作，提高了運(yùn)維人員的工作效率。

3.3 告警與異常檢測(cè)

采集系統(tǒng)內(nèi)設(shè)置蓄電池組電壓、單體蓄電池電壓、蓄電池內(nèi)阻、溫度等上下限值，通過(guò)建立預(yù)警規(guī)則庫(kù)，并建立對(duì)應(yīng)的響應(yīng)觸發(fā)機(jī)制。對(duì)過(guò)充過(guò)放、溫度超限、容量過(guò)小、電壓過(guò)壓、電壓欠壓、內(nèi)阻超限等多種電池故障或隱患進(jìn)行建模、分析，建立數(shù)據(jù)驅(qū)動(dòng)的主動(dòng)預(yù)警機(jī)制。

在數(shù)據(jù)采集過(guò)程中，實(shí)時(shí)調(diào)取預(yù)警規(guī)則庫(kù)數(shù)據(jù)，對(duì)采集數(shù)據(jù)進(jìn)行實(shí)時(shí)檢測(cè)分析，并結(jié)合歷史數(shù)據(jù)進(jìn)行比對(duì)分析，發(fā)現(xiàn)符合預(yù)警條件時(shí)自動(dòng)預(yù)警。

3.4 蓄電池質(zhì)量分析

對(duì)蓄電池的內(nèi)阻和電壓進(jìn)行長(zhǎng)期跟蹤，在內(nèi)網(wǎng)端，構(gòu)建可視化的監(jiān)測(cè)平臺(tái)，如圖9 所示。利用可視化技術(shù)，對(duì)歷史數(shù)據(jù)進(jìn)行分析統(tǒng)計(jì)，根據(jù)不同需求關(guān)注，以圖表等方式，提供易懂、直觀、高效、便捷的可視化展示平臺(tái)，全面掌握蓄電池的運(yùn)行維護(hù)情況，為管理人員提供決策支撐。

圖9 蓄電池內(nèi)阻檢測(cè)歷史曲線

4 結(jié)語(yǔ)

建立基于物聯(lián)網(wǎng)技術(shù)的變電站蓄電池設(shè)備數(shù)據(jù)采集系統(tǒng)，利用移動(dòng)作業(yè)終端掃描二維碼標(biāo)簽對(duì)變電站蓄電池檢測(cè)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化錄入，檢測(cè)數(shù)據(jù)可實(shí)時(shí)同步至PMS2.0 系統(tǒng)，提高了蓄電池檢測(cè)工作的效率。采集系統(tǒng)對(duì)采集的蓄電池內(nèi)阻、電壓等數(shù)據(jù)進(jìn)行分析后可以得到蓄電池的健康狀態(tài)，并對(duì)存在缺陷和異常蓄電池提供告警，便于運(yùn)檢人員及時(shí)開(kāi)展設(shè)備維護(hù)工作。

隨著電網(wǎng)規(guī)模的不斷擴(kuò)大，變電站數(shù)量與日俱增，而運(yùn)維人員的數(shù)量并沒(méi)有隨之大規(guī)模增加，因此需要利用新的技術(shù)手段取代傳統(tǒng)低效、耗時(shí)、重復(fù)的檢測(cè)、維護(hù)工作。2016年電網(wǎng)公司啟動(dòng)電網(wǎng)資產(chǎn)身份建設(shè)，以實(shí)物ID 為核心，實(shí)現(xiàn)資產(chǎn)信息全維度收集、全過(guò)程跟蹤、全方位共享。今后將會(huì)有越來(lái)越多的智能設(shè)備和技術(shù)被應(yīng)用到變電領(lǐng)域，基于物聯(lián)網(wǎng)技術(shù)的數(shù)字化變電運(yùn)維管理模式是未來(lái)的發(fā)展趨勢(shì)。