基于物聯(lián)網(wǎng)的電力機(jī)械設(shè)備巡檢搶修智能決策

杜維柱，張曉華，武宇平，薛文祥，盧 毅

(1.國(guó)網(wǎng)冀北電力有限公司電力科學(xué)研究院，北京 100045；2.國(guó)網(wǎng)冀北電力有限公司，北京 100053)

0 引言

隨著我國(guó)步入快速發(fā)展時(shí)代，用電量呈直線上升狀態(tài)，城鎮(zhèn)化的擴(kuò)張導(dǎo)致電網(wǎng)規(guī)模越來(lái)越大，電力也成為了整個(gè)社會(huì)生產(chǎn)的根本，電力穩(wěn)定供給是社會(huì)經(jīng)濟(jì)發(fā)展的大前提。在復(fù)雜環(huán)境中運(yùn)行的電力設(shè)備隨時(shí)都可能因天氣、溫度和野生動(dòng)物攻擊等因素出現(xiàn)故障，引起電網(wǎng)故障供電失效，這樣不僅給生活帶來(lái)不便，還會(huì)影響當(dāng)?shù)氐纳a(chǎn)力，造成經(jīng)濟(jì)損失；同時(shí)電力設(shè)備運(yùn)行老化、設(shè)備零部件出現(xiàn)異常，都會(huì)造成電網(wǎng)運(yùn)行故障。引起故障的機(jī)械設(shè)備主要指變壓器，在電網(wǎng)系統(tǒng)中處于中間環(huán)節(jié)，一旦產(chǎn)生損壞將會(huì)直接影響整體供電。巡檢主要工作是檢查變壓器在運(yùn)行時(shí)狀態(tài)，評(píng)判設(shè)備當(dāng)前情況，據(jù)此保證設(shè)備的正常運(yùn)行，以往電力巡檢都需要完全依靠人工完成，但主觀經(jīng)驗(yàn)評(píng)估、紙質(zhì)記錄經(jīng)常出錯(cuò)，且效率極低。完全依靠人工巡檢已經(jīng)不能滿足電力機(jī)械設(shè)備巡檢的工作需求，需要通過(guò)技術(shù)革新，用機(jī)械代替人力勞動(dòng)，利用科學(xué)技術(shù)進(jìn)行合理?yè)屝逈Q策，最大程度減少因故障帶來(lái)的損失。

高兆麗等[1]根據(jù)不同故障情況、所需要搶修物資，構(gòu)建綜合搶修資源分配模型，使搶修人員完成多方面協(xié)調(diào)式搶修，利用多種群協(xié)同進(jìn)化機(jī)制對(duì)傳統(tǒng)人工蜂群算法進(jìn)行改進(jìn)，區(qū)分出故障率高低，實(shí)現(xiàn)搶修優(yōu)化統(tǒng)一調(diào)度決策。馬瑞等[2]結(jié)合設(shè)備負(fù)荷多變性、搶修時(shí)間限制條件，提出考慮負(fù)荷時(shí)變性的配電網(wǎng)故障搶修恢復(fù)策略。以變壓器最大負(fù)荷價(jià)值為目標(biāo)重構(gòu)網(wǎng)架，采用二進(jìn)制粒子群算法求解模型，分析搶修與設(shè)備恢復(fù)間交替關(guān)系，協(xié)同求解直到得出故障搶修順序。

上述方法都沒(méi)有考慮到設(shè)備自生健康指數(shù)對(duì)搶修工作的影響，無(wú)論大小故障，都會(huì)被加入到搶修決策序列中，增大了計(jì)算耗時(shí)。因此，本文提出一種基于物聯(lián)網(wǎng)的電力機(jī)械設(shè)備巡檢搶修智能決策方法，根據(jù)物聯(lián)網(wǎng)運(yùn)行的不同層面構(gòu)建了智能巡檢架構(gòu)，用來(lái)采集的設(shè)備當(dāng)前狀態(tài)信息，確定設(shè)備健康指數(shù)；隨后采用模糊分析方式，對(duì)因素間重要性進(jìn)行定量比較，構(gòu)建三角模糊方程，得出評(píng)估系數(shù)指標(biāo)，確定搶修決策結(jié)果。

1 基于物聯(lián)網(wǎng)的電力機(jī)械設(shè)備巡檢分析

1.1 物聯(lián)網(wǎng)架構(gòu)

物聯(lián)網(wǎng)是在互聯(lián)網(wǎng)基礎(chǔ)上，以信息為媒介人物交互的網(wǎng)絡(luò)技術(shù)，根據(jù)射頻識(shí)別出眾多感知設(shè)備，完成實(shí)際物體與網(wǎng)絡(luò)之間的交互連接，獲取目標(biāo)當(dāng)前狀態(tài)信息[3]。在網(wǎng)絡(luò)層面中放置不一樣的感知設(shè)備，采用與之對(duì)應(yīng)的通信網(wǎng)絡(luò)，即可完成數(shù)據(jù)信息傳遞方便進(jìn)行協(xié)同處理。物聯(lián)網(wǎng)技術(shù)從誕生以來(lái)發(fā)生了很大的技術(shù)變革，從初始的射頻技術(shù)到現(xiàn)在的無(wú)線通信網(wǎng)絡(luò)，物與物之間不可交換到物與物甚至人與物之間的信息都可以交換。

基于物聯(lián)網(wǎng)的電力機(jī)械設(shè)備巡檢，是指通過(guò)物聯(lián)網(wǎng)中的感知設(shè)備，得到變壓器的檢測(cè)信息，通過(guò)網(wǎng)絡(luò)對(duì)變壓器信息進(jìn)行傳輸和加工，實(shí)現(xiàn)變壓器運(yùn)行中設(shè)備狀態(tài)采集、狀態(tài)分析，為故障搶修等工作提供決策基礎(chǔ)[4]。文本使用的物聯(lián)網(wǎng)為3層結(jié)構(gòu)，架構(gòu)如圖1所示。

圖1 物聯(lián)網(wǎng)系統(tǒng)架構(gòu)

感知層是整個(gè)物聯(lián)網(wǎng)系統(tǒng)中的第1層，在該層面中根據(jù)不同的傳感器、射頻識(shí)別、GPS等裝置來(lái)識(shí)別電力機(jī)械設(shè)備，進(jìn)行數(shù)據(jù)采集以及控制。網(wǎng)絡(luò)層主要是利用互聯(lián)網(wǎng)、無(wú)線通信技術(shù)，將感知到的信息精準(zhǔn)分送至應(yīng)用層中，完成數(shù)據(jù)信息傳遞管控。應(yīng)用層是系統(tǒng)中最上面的1層，根據(jù)感知數(shù)據(jù)來(lái)實(shí)現(xiàn)巡檢機(jī)器人自動(dòng)控制，完成數(shù)據(jù)采集、設(shè)備異常分析和搶修決策等功能[5]。

基于物聯(lián)網(wǎng)的電力巡檢機(jī)器人實(shí)物如圖2所示。本文主要利用多種傳感器采集巡檢機(jī)器人運(yùn)行數(shù)據(jù)，包括光電傳感器、超聲波傳感器與傾角傳感器，這3種傳感器的參數(shù)如表1所示。

表1 傳感器參數(shù)

圖2 電力巡檢機(jī)器人實(shí)物

對(duì)所有傳感器數(shù)據(jù)進(jìn)行融合處理，傳感器的融合準(zhǔn)則采用“或”準(zhǔn)則和“與”準(zhǔn)則結(jié)合。

各傳感器將檢測(cè)到的信息處理成邏輯值作為局部處理結(jié)果，送入融合中心，由融合中心按一定的布爾邏輯準(zhǔn)則進(jìn)行表決融合， 得到關(guān)于目標(biāo)的綜合判決。融合過(guò)程的具體描述為

Y(i)=A(i)B(i)+C(i)

(1)

i為時(shí)間變量；A(i)、B(i)、C(i)分別為超聲波傳感器、光電傳感器、傾角傳感器的檢測(cè)結(jié)果。

建立電力巡檢機(jī)器人的參考質(zhì)心軌跡，機(jī)器人動(dòng)力學(xué)模型為

(2)

Jx、Jy、Jz為機(jī)器人位置坐標(biāo)；ωx為機(jī)器人動(dòng)力學(xué)的線性參數(shù)；ωy為笛卡兒運(yùn)動(dòng)根據(jù)參數(shù)；ωz為機(jī)器人的慣性力矩參數(shù)；m為電力巡檢機(jī)器人質(zhì)量。

采用多傳感器信息融合方法可以提升電力巡檢機(jī)器人對(duì)于外界的感知能力，結(jié)合機(jī)器人動(dòng)力學(xué)模型設(shè)計(jì)電力巡檢機(jī)器人自動(dòng)控制流程，具體如圖3所示。

圖3 電力巡檢機(jī)器人自動(dòng)控制流程

在障礙物識(shí)別過(guò)程中，融合超聲波與光電傳感器等同類傳感器數(shù)據(jù)，可精確定位障礙物。在此基礎(chǔ)上，將機(jī)器人傾角傳感器檢測(cè)到的機(jī)器人側(cè)傾角信息融合進(jìn)來(lái)，保證不因外部環(huán)境因素的影響而出現(xiàn)避障決策失誤的問(wèn)題，提升電力巡檢機(jī)器人工作效率與質(zhì)量，在所有巡檢任務(wù)完成之后結(jié)束機(jī)器人巡檢工作。

1.2 電力機(jī)械設(shè)備狀態(tài)評(píng)估

根據(jù)國(guó)家電網(wǎng)指定的設(shè)備評(píng)分標(biāo)準(zhǔn)，通過(guò)物聯(lián)網(wǎng)線上巡檢、歷史數(shù)據(jù)等，對(duì)變壓器進(jìn)行各項(xiàng)指數(shù)評(píng)估。以往對(duì)變壓器的評(píng)估范圍只是針對(duì)整體設(shè)備，并不包括細(xì)小零件，而且只能采用人工評(píng)判的方法，導(dǎo)致評(píng)估結(jié)果不精準(zhǔn)[6]。本文利用基于設(shè)備健康指數(shù)的方法完成評(píng)估，隨著線上監(jiān)測(cè)技術(shù)的發(fā)展，該方法已成為主流。研究結(jié)果表明，設(shè)備健康指數(shù)與故障率之間有負(fù)指數(shù)關(guān)系，表示為

λ=K×e-C×H

(3)

H為變壓器的健康指數(shù)(heath index)，用來(lái)描述設(shè)備的運(yùn)行狀態(tài)，取值范圍設(shè)置為0～100；K為設(shè)備指數(shù)的比例系數(shù)；C為曲率系數(shù)；λ為設(shè)備故障率，故障率取值區(qū)間為0～1。

凡是2年以上的設(shè)備系數(shù)，皆可通過(guò)反演計(jì)算求得K和C，即

(4)

P為發(fā)生故障的概率；N為設(shè)備總數(shù)；i為設(shè)備類型；n為設(shè)備類型數(shù)量；Ni為同一類型的設(shè)備總和；li為設(shè)備i的故障率。

在K與C不存在實(shí)根的情況下，使用非線性求解中的二乘算法(GS)進(jìn)行計(jì)算。

不同區(qū)域內(nèi)電網(wǎng)工作模式、網(wǎng)絡(luò)結(jié)構(gòu)、自然因素和搶修人員能力各有不同，這樣不僅提高了設(shè)備的復(fù)雜程度，還需根據(jù)這些因素的實(shí)際情況選取合適的K、C值[7]。

2 電力機(jī)械設(shè)備巡檢搶修智能決策

2.1 搶修決策判斷模型

影響設(shè)備搶修的因素有很多，分為可量化和不可量化因素，通常采用定性分析方式，評(píng)估結(jié)果存在模糊性，準(zhǔn)確程度需要科學(xué)考量。依據(jù)顯示需求和設(shè)備特征，逐層分析各層面的影響因素，整合若干種搶修方式劃分為不同方案屬性，為搶修方案提供科學(xué)依據(jù)[8]。將搶修方案依據(jù)層次分析法劃分為目標(biāo)模塊和規(guī)則模塊、措施模塊，其中包含決策的多種搶修方案。從設(shè)備的安全性、穩(wěn)定性和經(jīng)濟(jì)層面入手，考慮設(shè)備的緩沖時(shí)長(zhǎng)、對(duì)電力功能的影響、維護(hù)費(fèi)用及損失等因素，設(shè)計(jì)搶修方式?jīng)Q策的結(jié)構(gòu)模塊，如圖4所示。

圖4 搶修決策模塊

(5)

式(5)被叫作“模糊互補(bǔ)”決策方程，將2個(gè)方案的規(guī)則的重要度[9]，采用如表2所示的標(biāo)度進(jìn)行定量分析。

表2 各決策標(biāo)度

據(jù)上述標(biāo)度定量，得出互補(bǔ)模糊決策矩陣為

(6)

2.2 搶修決策因素權(quán)重確定

使用模糊分析法解決搶修方式綜合決策中3個(gè)問(wèn)題：評(píng)價(jià)各因素的重要度，構(gòu)建三角模糊方程；對(duì)三角模糊方程實(shí)行一致性轉(zhuǎn)變，得到新的方程；使用平均求和算法，通過(guò)式(7)得到各評(píng)估系數(shù)權(quán)重值，即：

(7)

(8)

計(jì)算上述構(gòu)成三角模糊權(quán)重向量Z=(wl,wm,wh)，選擇平均值作為評(píng)估系數(shù)指標(biāo)，其權(quán)重方程為

(9)

2.3 最優(yōu)搶修決策

根據(jù)4個(gè)模糊判斷矩陣，利用式(10)結(jié)果得出每個(gè)矩陣中單一因素的決策排序向量，即

(10)

權(quán)重排序計(jì)算結(jié)果為

[0.253 4 0.204 9 0.289 4 0.252 3]⊕

(11)

在不同效能因素基礎(chǔ)上，對(duì)變壓器搶修措施的權(quán)重分配結(jié)果如表3所示。

表3 搶修決策權(quán)重取值分析表

不同的效能因素可以直接決定權(quán)重的影響因素，因此由效能因素構(gòu)成的評(píng)判矩陣為

(12)

將物聯(lián)網(wǎng)采集到的實(shí)際數(shù)值代入式(12)，即可明確當(dāng)前的設(shè)備故障危險(xiǎn)等級(jí)，完成智能搶修決策。

3 仿真實(shí)驗(yàn)

3.1 實(shí)驗(yàn)環(huán)境

為了進(jìn)一步驗(yàn)證本文方法能夠在變壓器發(fā)生異常情況時(shí)，有效決策出搶修方案，在仿真實(shí)驗(yàn)環(huán)節(jié)中以規(guī)格110 kV、50 MVA變壓器為例，根據(jù)評(píng)估設(shè)備狀態(tài)警示結(jié)果進(jìn)行搶修決策，搶修人員將通過(guò)故障點(diǎn)完成決策，變壓器負(fù)荷點(diǎn)、故障點(diǎn)分布圖如圖5所示。

圖5 電力機(jī)械設(shè)備節(jié)點(diǎn)狀態(tài)

如圖6所示為該電力機(jī)械設(shè)備故障歷史數(shù)據(jù)，根據(jù)式(1)得出故障率為λ(t)=0.027e0.14t。

圖6 電力機(jī)械設(shè)備故障率分布曲線

假設(shè)所檢修的電力機(jī)械設(shè)備投運(yùn)時(shí)間為30 a，實(shí)驗(yàn)過(guò)程中進(jìn)行搶修決策測(cè)試，根據(jù)對(duì)設(shè)備檢修的故障種類，設(shè)置每種故障率占標(biāo)準(zhǔn)成本的比例系數(shù)。變壓器發(fā)生故障時(shí)，如果搶修的費(fèi)用遠(yuǎn)超過(guò)換1個(gè)新零件，那就不會(huì)選擇搶修，實(shí)驗(yàn)中將單次大搶修成本區(qū)間定在10萬(wàn)～15萬(wàn)元之間，小型搶修費(fèi)用定為2萬(wàn)～4萬(wàn)元，狀態(tài)搶修和故障檢測(cè)成本定為8萬(wàn)～150萬(wàn)元。大修變壓器役齡回退因子設(shè)置為0.4，小修為0.1，狀態(tài)檢修和故障檢測(cè)為0.3。

3.2 搶修智能決策方法性能分析

根據(jù)圖像可知，故障搶修點(diǎn)共10個(gè)。故障任務(wù)、類型以及需要的搶修物資如表4所示。

表4 不同搶修任務(wù)的故障類型以及搶修物資

本文方法與改進(jìn)人工蜂群、考慮負(fù)荷時(shí)變性的故障搶修決策法進(jìn)行對(duì)比，搶修水平結(jié)果如圖7所示。

圖7 不同小隊(duì)搶修不同類型故障水平對(duì)比

由圖7可以知道，相對(duì)比其他2種方法，本文方法搶修水平水平綜合最高，雖會(huì)根據(jù)故障類型出現(xiàn)水平波動(dòng)，但總體水平仍可看出比其他方法好。

一般情況下，電網(wǎng)系統(tǒng)中所用到的搶修是指需要極快的速度，最大程度避免因供電失誤而影響正常生活運(yùn)行，繼搶修水平對(duì)比后，本文方法將與其他方法進(jìn)行搶修完成的時(shí)間對(duì)比，結(jié)果如圖8所示。

圖8 搶修時(shí)間對(duì)比

從圖8中可看出，本文方法所用的搶修時(shí)間最短，雖會(huì)根據(jù)不同故障類型耗時(shí)呈逐漸遞增狀態(tài)，但綜合來(lái)說(shuō)相比其他方法，本文耗時(shí)最少，而其他2種方法的用時(shí)接近，均比本文方法耗時(shí)多。

4 結(jié)束語(yǔ)

為保證變壓器出現(xiàn)異常時(shí)，工作人員可以在第一時(shí)進(jìn)行搶修，本文提出一種基于物聯(lián)網(wǎng)的電力機(jī)械設(shè)備巡檢搶修智能決策方法。根據(jù)物聯(lián)網(wǎng)技術(shù)構(gòu)建出線上巡檢架構(gòu)，用故障率表示設(shè)備運(yùn)行狀態(tài)，利用設(shè)備健康指數(shù)完成評(píng)估，通過(guò)評(píng)估指標(biāo)體系，采用層次分析法逐層分析各層面的影響因素根據(jù)體系指標(biāo)權(quán)重取值得出三角模糊方程，結(jié)合模糊判斷矩陣獲取出單一因素的決策排序向量，從而完成智能決策。本文方法能夠降低設(shè)備潛在故障威脅等級(jí)，最大程度減少電力企業(yè)損失，避免出現(xiàn)區(qū)域大規(guī)模停電故障。但是該方法沒(méi)有考慮到路徑對(duì)搶修的影響，在接下來(lái)的研究中，將嘗試將最短路徑選擇融合進(jìn)搶修決策中。