智能變電缺陷運檢助理應用系統(tǒng)設計

黃智華 李雄梁 侯斌 馬孟勛

關鍵詞：變電缺陷；全景數(shù)據(jù)；智能輔助；缺陷分析

1引言

目前，變電缺陷管理的自動化和智能化水平不高，在數(shù)據(jù)的收集和處理、缺陷的分析和總結(jié)上主要依賴人工進行，對已有的缺陷數(shù)據(jù)、缺陷特征數(shù)據(jù)以及大量的缺陷分析報告等，缺乏信息化、數(shù)字化的手段將其有效轉(zhuǎn)為可用易用的知識，以致設備出現(xiàn)缺陷時還是依賴運檢人員現(xiàn)場勘察、技術人員現(xiàn)場分析的方式，無法為缺陷發(fā)現(xiàn)、缺陷定級、處理建議、施工方法、工器具準備提供流程化、標準化處置技術支持[1]。

通過設計智能變電缺陷運檢助理應用系統(tǒng)，構(gòu)建變電缺陷知識庫，將人工經(jīng)驗知識進行固化、共享及傳承，為缺陷發(fā)現(xiàn)、缺陷定級、處理建議、施工方法、工器具準備等變電缺陷全鏈條業(yè)務提供智能輔助支撐，可以實現(xiàn)規(guī)范化、標準化的業(yè)務處置策略，提升缺陷全過程處置的工作效率：實現(xiàn)缺陷全景數(shù)據(jù)的智能分析、自動生成缺陷統(tǒng)計報告與缺陷分析報告；實現(xiàn)智能化設備狀態(tài)及風險分析，提升數(shù)據(jù)整理及分析的工作效率：實現(xiàn)缺陷數(shù)據(jù)的深度挖掘及應用：構(gòu)建變電缺陷智能運檢助理，打造高效信息交互通道，簡化現(xiàn)場作業(yè)流程，促進各專業(yè)高效協(xié)同工作，提升變電缺陷運檢智能化、精益化水平[2]。

2變電缺陷知識庫構(gòu)建

整理變電設備的檔案信息及設備出現(xiàn)缺陷時的相關狀態(tài)、現(xiàn)象及其他異常數(shù)據(jù)，通過采集上述信息，可以構(gòu)建變電缺陷結(jié)構(gòu)化的信息庫和變電缺陷知識抽取模型，從而完善無監(jiān)督學習的有效數(shù)據(jù)集。

采用自然語言處理和變電缺陷知識抽取技術，從非結(jié)構(gòu)化的變電缺陷標準規(guī)范、電網(wǎng)缺陷管理規(guī)章制度、缺陷分析報告、消缺總結(jié)報告等文本文件中抽取變電設備的運檢知識信息，將抽取到的知識信息實體進行結(jié)構(gòu)化，設計出對應的變電缺陷知識圖譜概念模型，通過采用知識圖譜相關技術，將結(jié)構(gòu)化后的缺陷知識實體及相關信息，按變電缺陷知識圖譜概念模型傳輸?shù)街R庫圖譜中；融合變電領域技術專家的豐富經(jīng)驗及機器無監(jiān)督學習算法模型的自流程技術，將變電站歷史運檢產(chǎn)生的結(jié)構(gòu)化信息和文本等非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為知識實體，通過圖譜的生成算法對變電缺陷知識信息不斷地進行自動篩查及驗證，并融合、優(yōu)化抽取到的相關缺陷知識，從而實現(xiàn)知識庫中變電設備相關缺陷知識的自主更新。

3缺陷全景數(shù)據(jù)分析

基于電網(wǎng)資產(chǎn)管理系統(tǒng)的基礎數(shù)據(jù)，按照年、季、月的周期，對周期內(nèi)缺陷數(shù)據(jù)用多種維度進行統(tǒng)計分析，從資產(chǎn)管理系統(tǒng)中獲取設備缺陷的缺陷表象、缺陷設備的類型、缺陷功能位置及部位、缺陷所屬等級、缺陷發(fā)生原因、缺陷來源、設備生產(chǎn)廠家、設備投運使用年限、缺陷產(chǎn)生日期、消缺日期、電壓等級等特征項，用于關聯(lián)規(guī)則挖掘。其中，部分缺陷與設備屬性相關，如缺陷設備的類型、缺陷功能位置及部位、設備生產(chǎn)廠家等；部分缺陷與缺陷屬性相關，如缺陷表象、缺陷發(fā)生原因、缺陷產(chǎn)生日期等；部分缺陷與消缺處理過程相關，如消缺時間、消缺方法等[3]。通過從特征項中挖掘設備的頻發(fā)缺陷及頻發(fā)缺陷的主要誘因，可以尋找它們之間的關聯(lián)關系。

針對家族性變電設備缺陷分析統(tǒng)計，可以應用高頻子圖挖掘技術，來分析設備生產(chǎn)廠家、設備所屬部件生產(chǎn)廠家同家族的設備或部件及設備出現(xiàn)的缺陷現(xiàn)象、現(xiàn)象產(chǎn)生原因等之間的相互關系。對于已經(jīng)明確的故障或缺陷原因，只進行該類原因的概率計算，就可實現(xiàn)家族性變電設備缺陷概率的分布統(tǒng)計，方便運檢人員判斷相關生產(chǎn)廠家的相關同族設備是否存在潛在缺陷，從而為變電設備狀態(tài)評價提供重要的參考依據(jù)。

通過構(gòu)建變電設備狀態(tài)評價及風險數(shù)據(jù)處理引擎，可以實現(xiàn)變電設備狀態(tài)信息的智能評價。變電設備狀態(tài)評價及風險數(shù)據(jù)處理引擎將依據(jù)設備狀態(tài)、評價規(guī)范要求，從缺陷全景數(shù)據(jù)中抽取評價相關數(shù)據(jù)，使用數(shù)據(jù)庫表配置項的方式，動態(tài)、靈活地開展設備狀態(tài)評價，實現(xiàn)設備狀態(tài)參量和評價計算路徑的動態(tài)定義。此外，數(shù)據(jù)處理引擎還能夠解析設備狀態(tài)評價模型，并根據(jù)模型控制設備狀態(tài)評價的計算過程，設備狀態(tài)評價模型則支持對各類設備狀態(tài)的評價進行靈活配置，如可按本體、部件、子設備、基礎單元等進行評價。

4變電缺陷全鏈條智能輔助

將專家共識的缺陷研判技術、知識搜索技術、數(shù)據(jù)回填技術和多維度數(shù)據(jù)統(tǒng)計分析技術等進行融合，可以實現(xiàn)變電缺陷發(fā)現(xiàn)及上報、消缺前準備、消缺中輔助、消缺后結(jié)果錄入的全鏈式反饋機制，并持續(xù)對缺陷進行跟蹤和總結(jié)分析。

變電運行側(cè)缺陷上報時，根據(jù)所填寫的設備基本信息、缺陷表象、缺陷描述和消缺前圖片，自動采用專家共識與圖像識別相結(jié)合的方式，輔助變電運行人員進行缺陷分類和缺陷定級，并給出缺陷確認建議和處理措施，以進一步提升缺陷上報的準確性。

針對變電檢修側(cè)，在進行消缺動身前，利用數(shù)據(jù)協(xié)同和知識搜索技術，可以生成更科學的消缺工作排程，并根據(jù)當前缺陷信息，最優(yōu)匹配消缺所適合的專業(yè)班組、生成缺陷處理措施以及列出所需工器具、需關注的安全風險點、關聯(lián)的設備圖紙等。

在消缺的過程中，與AI移動助手進行交流，可隨時、隨地、隨意進行運檢輔助數(shù)據(jù)查詢，數(shù)據(jù)所問即所得：在消缺后，可通過數(shù)據(jù)自動化輸入的方式實現(xiàn)消缺結(jié)果數(shù)據(jù)的錄入和回填，并根據(jù)當前新增的處理措施，自動更新專家共識，實現(xiàn)知識的更新、融合。

利用數(shù)據(jù)分析技術、數(shù)據(jù)聚類技術，對缺陷持續(xù)進行跟蹤和總結(jié)分析，對變電設備缺陷的電壓等級、缺陷等級、站點、功能位置、設備名稱、部件名稱、設備類別、缺陷類型、專業(yè)類別、廠家、型號、投運日期等進行多維度統(tǒng)計分析，可以綜合展現(xiàn)缺陷的分布情況；通過對同一設備缺陷歷史數(shù)據(jù)的分析，可以實現(xiàn)該設備歷史缺陷基于時間維度的變化跟蹤：充分從廠家、型號、投運日期等維度，挖掘分析設備存在的批次缺陷，并對相應廠家及設備形成評價比對機制，可以為后續(xù)設備采購及更換提供參考，從源頭上杜絕缺陷的重復出現(xiàn)[5]。

5系統(tǒng)設計及實現(xiàn)

經(jīng)過利用上述技術，最終開發(fā)并形成變電缺陷運檢助理應用系統(tǒng)，其技術架構(gòu)如圖1所示。

本系統(tǒng)總體技術架構(gòu)分為四個部分，即數(shù)據(jù)存儲、數(shù)據(jù)處理、分析引擎、應用分析。

數(shù)據(jù)存儲基于資產(chǎn)管理系統(tǒng)、變電運行平臺等變電設備缺陷數(shù)據(jù)，對這些系統(tǒng)數(shù)據(jù)自動進行采集和預處理，形成變電缺陷專業(yè)數(shù)據(jù)池。

數(shù)據(jù)處理包含自然語言處理和缺陷知識圖譜兩大部分，自然語言處理主要對缺陷的文本進行分詞、標注，并訓練可用于缺陷文本場景下的模型，以實現(xiàn)缺陷文本數(shù)據(jù)的實體提取、關系抽取和屬性抽取。缺陷知識圖譜主要對設備關系、缺陷關聯(lián)關系、圖譜關聯(lián)關系等進行存儲、更新、檢索。每次獲得的自然語言處理結(jié)果將用于知識庫（圖譜）的自主更新。

分析引擎主要包含智能輔助引擎、智能問答引擎、報告生成引擎。通過分析引擎，將數(shù)據(jù)處理細節(jié)抽象為應用，提供統(tǒng)一的基礎支撐。

應用分析包含缺陷智能輔助、缺陷智能問答、缺陷報告、數(shù)據(jù)可視化等。通過調(diào)用分析引擎，實現(xiàn)缺陷輔助、問答、報告等功能，并提供一個可視化的數(shù)據(jù)視角。

系統(tǒng)功能架構(gòu)如圖2所示。

系統(tǒng)功能架構(gòu)由支撐服務、核心功能、權限功能、系統(tǒng)應用功能四個功能模塊組成。它們之間采用分布式的軟總線進行相關信息數(shù)據(jù)的交互，通過采用基于Kafka技術的數(shù)據(jù)消息訂閱和發(fā)布方式進行功能模塊及相關進程間的信息交互，各功能模塊及進程訂閱自己所需信息和向外發(fā)布信息，各功能模塊完成特定的功能后把結(jié)果發(fā)布到總線上。

6結(jié)束語

為了設計本文所述系統(tǒng)，前后開展了NLP相關技術、變電缺陷圖譜及知識庫構(gòu)建技術、智能數(shù)據(jù)分析技術的研究，將公司資產(chǎn)管理系統(tǒng)中缺陷相關的各類多模態(tài)數(shù)據(jù)資源進行融合，有效銜接了資產(chǎn)管理系統(tǒng)中缺陷管理業(yè)務流程，將線上、線下的缺陷管理進行數(shù)字化、智能化改造升級，進一步提升了變電設備缺陷管理工作與現(xiàn)代信息技術的深度融合，切實解決了變電設備缺陷巡檢一線人員工作中面臨的難點、痛點，并為公司降本增效、保障安全生產(chǎn)提供支持，從而提升了變電缺陷運檢數(shù)字化水平，助力公司數(shù)智化轉(zhuǎn)型。