基于物聯網技術的變電站設備運行狀態(tài)自動監(jiān)測方法

摘 要：為解決當前常規(guī)監(jiān)測方法故障監(jiān)測率較低的問題，引入物聯網技術，根據變電站設備的運行特征與監(jiān)測需求，提出了一種全新的自動監(jiān)測方法。首先，布設傳感器，為傳感器配置數據采集模塊，利用物聯網技術實時采集變電站設備運行數據，并對數據進行消噪處理；然后，從上述數據中提取變電站設備的運行狀態(tài)特征；最后，設計設備運行狀態(tài)自動監(jiān)測算法，實現變電站設備運行狀態(tài)自動監(jiān)測與預警。實驗結果表明，應用提出的方法后，變電站設備的故障監(jiān)測率均超過了98%，具有較強的設備運行故障自動監(jiān)測能力，監(jiān)測優(yōu)勢顯著。

關鍵詞：物聯網技術；變電站；數據預處理；運行狀態(tài)自動監(jiān)測；數據采集；傳感器

中圖分類號：TP39；TM734 文獻標識碼：A 文章編號：2095-1302（2024）08-00-03

DOI：10.16667/j.issn.2095-1302.2024.08.012

0 引 言

隨著我國電力事業(yè)的快速發(fā)展，變電站的設備工作狀況對整個電網的穩(wěn)定性和安全性有很大的影響。在電力工業(yè)的快速發(fā)展過程中，變電站設備的數量和復雜性不斷增加，使得設備的運行狀態(tài)監(jiān)測成為保障電力系統平穩(wěn)運行的關鍵[1]。

目前，國內外對于變電站設備運行狀態(tài)監(jiān)測方法的研究已經取得了一定進展。然而，傳統的監(jiān)測方法在實際應用中仍然存在一定不足，其主要依賴于人工巡檢和定期維護，這種方法監(jiān)測效率低下且易受巡檢人員經驗、技能水平和工作態(tài)度等因素的影響，導致監(jiān)測結果主觀性較強[2]。隨著電力系統規(guī)模的擴大和運行壓力的增加，該方法已經無法滿足現代電力系統的需求。因此，開發(fā)自動化監(jiān)測方法成為迫切需求。在該背景下，文中利用物聯網技術，提出了一種全新的變電站設備運行狀態(tài)自動監(jiān)測方法。

1 變電站設備運行狀態(tài)自動監(jiān)測方法研究

1.1 變電站設備運行數據采集與預處理設計

在開展變電站設備運行狀態(tài)自動監(jiān)測前，首先需要明確監(jiān)測目標[3-4]，然后針對被監(jiān)測對象的運行特征與監(jiān)測需求，選用合適的傳感器種類。采用溫度傳感器實現變電站中多種設備運行溫度的分時段測量與監(jiān)測；采用壓力傳感器監(jiān)測變電站設備的運行狀態(tài)；采用振動傳感器監(jiān)測設備的振動狀況。根據變電站設備的布局、運行狀況和安全要求，確定傳感器的布設位置。傳感器布設完畢后，為布設好的傳感器配置數據采集模塊，其具備數據轉換、處理和傳輸等功能[5]，確保模塊能夠與傳感器正確連接，實現穩(wěn)定、高效的數據采集。在此基礎上，將傳感器與物聯網平臺相連，確保數據傳輸的實時性與安全性，并對其進行參數設定，如采樣頻率、數據獲取精度等[6]。通過物聯網平臺實時采集并傳輸變電站設備的各項運行數據。

由于變電站設備運行數據中存在大量干擾噪聲，可能對后續(xù)監(jiān)測結果產生影響，有必要對其進行消噪處理?；诖耍闹胁捎昧俗兎帜B(tài)分解方法，對采集的變電站設備運行數據進行處理，計算第n個變電站設備運行狀態(tài)模態(tài)分量的噪聲閾值，如下所示：

（1）

（2）

（3）

式中：U1表示變電站設備運行數據采樣密度；V2表示變電站設備運行數據采樣體積；Kδ表示采樣幅值系數；t0表示變電站設備運行數據去噪時間。當GH發(fā)生突變時，則第n-1個

變分模態(tài)分量為噪聲，去除后得到不含噪聲的變電站設備運行數據。

1.2 變電站設備運行狀態(tài)特征提取設計

對變電站設備運行數據預處理完畢后，從采集的設備運行數據中提取變電站設備的運行狀態(tài)特征，這些特征可以反映設備的性能、健康狀況和潛在的故障模式，為后續(xù)自動監(jiān)測提供有力支持。采用傅里葉變換方法對變電所設備工作時域波形進行頻域處理，提取出設備運行信號的特征，公式如下所示：

（4）

式中：x（t）表示變電站設備運行時域信號；X（）表示變電站設備運行頻域信號；表示角頻率；i表示虛數單位。通過該公式，可以提取出變電站設備運行狀態(tài)的特征，對提取的特征進行選擇和優(yōu)化，去除冗余和無關特征，保留對設備運行狀態(tài)有代表性的特征。通過實時監(jiān)測，可以初步獲取變電站設備的運行狀態(tài)，并對其進行預防維修，以提高設備工作的穩(wěn)定性和可靠性。

1.3 變電站設備運行狀態(tài)自動監(jiān)測算法設計

提取到變電站設備運行狀態(tài)特征后，在此基礎上設計設備運行狀態(tài)自動監(jiān)測算法。先將以上收集的運行數據進行降維處理，以降低監(jiān)測工作的復雜度，提高設備運行狀態(tài)自動化監(jiān)測的精度。設定C表示變電站設備運行狀態(tài)自動監(jiān)測數據的聚類類別數量，oj表示第j個類別變電站設備樣本的中心。第j個類別變電站設備運行狀態(tài)自動監(jiān)測數據的平均距離可用公式表示為：

（5）

式中：xij表示第j個類別變電站中第i個設備的運行狀態(tài)自動監(jiān)測數據。在此基礎上，依據平均距離結果，計算變電站設備運行狀態(tài)自動監(jiān)測數據樣本點的重構系數，公式如下所示：

（6）

式中：Ubj表示第j個類別變電站設備運行狀態(tài)自動監(jiān)測數據與整體數據樣本中心的距離。通過上述公式，完成變電站設備運行數據的降維處理。在此基礎上，利用機器學習模型對上述提取的設備運行狀態(tài)特征進行分類與評估。在該模型中，將降維的設備運行數據作為輸入，并針對特定的應用場合和數據特征對模型進行訓練。采用狀態(tài)監(jiān)測和故障診斷技術對提取的特征進行分類和評估，判斷變電站設備的運行狀態(tài)是否正常。根據設備運行狀況及歷史資料，采用時間序列分析法預測設備在未來一段時間內的故障概率。根據變電站設備狀態(tài)評估和故障預測的結果，若發(fā)現設備運行異常，監(jiān)測中心將自動生成預警信息和控制指令[7]。綜上，完成變電站設備運行狀態(tài)自動監(jiān)測設計。

2 實驗分析

2.1 實驗準備

為驗證基于物聯網技術的變電站設備運行狀態(tài)自動監(jiān)測方法的可行性和有效性，開展了如下實驗。

本次實驗選擇R地區(qū)一座220 kV變電站作為研究對象。選取變壓器、斷路器、電流互感器各兩臺，作為實驗的監(jiān)測設備，分別編號為T1、T2、T3、T4、T5、T6。變電站設備型號參數見表1所列。

在6臺變電站設備上，分別安裝溫度傳感器與振動傳感器，用于監(jiān)測其實時運行狀態(tài)。在實驗過程中，利用物聯網技術對每臺變電站的傳感器數據進行實時采集與傳輸。采集的數據包括變繞組的溫度、油溫、振動頻率等。為保證實驗數據的實時、準確，以5 min/次的頻率進行實驗數據采集。將所采集的實驗數據傳送至數據中心，對數據進行處理和分析。從原始數據中提取出反映設備運行狀態(tài)的特征參數，實時掌握每臺變電站設備的運行狀態(tài)，查看是否存在異常

情況[8-9]。

2.2 監(jiān)測結果分析

實驗結束后，對實驗結果進行評估和分析。選取變電站設備運行狀態(tài)故障監(jiān)測率作為此次實驗的評價指標，評估監(jiān)測方法在設備出現故障時是否能及時發(fā)現。變電站設備故障監(jiān)測率計算公式如下：

（7）

式中：Qs表示實際監(jiān)測到的變電站設備故障次數，即在實驗期間，通過監(jiān)測方法成功監(jiān)測到的設備故障次數；Qz表示變電站設備總故障次數，即實驗期間發(fā)生的所有設備故障次數。通過計算故障監(jiān)測率，可以了解監(jiān)測方法在發(fā)現變電站設備故障方面的準確性和可靠性。如果故障監(jiān)測率較高，說明監(jiān)測方法在發(fā)現設備故障方面表現良好，能夠及時準確地發(fā)現變電站設備的異常狀態(tài)，進而采取處理手段，防止事故進一步擴大或導致更嚴重的后果。如果故障監(jiān)測率較低，則說明監(jiān)測方法在發(fā)現設備故障方面存在不足，需要進一步優(yōu)化和完善，提高其準確性和可靠性。需要注意的是，在計算故障監(jiān)測率時，需要排除由于監(jiān)測系統本身故障或數據傳輸問題導致的誤報和漏報情況。因此，在實際評估中，需要對監(jiān)測方法的穩(wěn)定性和可靠性進行充分測試和驗證，從而保證計算結果的準確可靠[10]。

為增強實驗結果的說服力，采用對比分析的方法，分別設置了實驗組與對照組。其中，實驗組為文中提出的自動監(jiān)測方法，對照組1為文獻[2]提出的監(jiān)測方法、對照組2為文獻[4]提出的監(jiān)測方法。3種方法下的變電站設備運行狀態(tài)故障監(jiān)測率如圖1所示。

通過圖1的對比結果可以看出，基于物聯網技術的變電站設備運行狀態(tài)自動監(jiān)測方法在故障監(jiān)測方面具有一定的準確性和可靠性。實驗組的6臺變電站設備的故障監(jiān)測率均超過了98%，明顯高于另外2個對照組，誤報和漏報的概率較低。這個結果證明了文中提出的監(jiān)測方法具有較強的故障發(fā)現能力，能夠在設備出現異常時及時發(fā)出預警，為管理人員提供處理異常情況的依據。

3 結 語

隨著我國電力事業(yè)的迅速發(fā)展，對變電站的運行狀態(tài)進行監(jiān)測與管理已成為一個十分重要的課題。變電站設備能否正常工作，直接關系到供電可靠性，一旦設備運行狀態(tài)出現故障，會影響電力供應質量，嚴重情況下可能引發(fā)電力事故。因此，為保證電網安全、可靠運行，對變電站設備進行高效率、高質量監(jiān)測十分必要。文中提出的基于物聯網技術的自動監(jiān)測方法能夠實時采集變電站設備的運行數據，通過深度處理和分析運行數據，獲取運行狀態(tài)特征，有針對性地監(jiān)測設備的運行狀態(tài)。通過實驗進一步驗證了該方法在變電站設備運行狀態(tài)監(jiān)測工作中的性能表現，其監(jiān)測率較高，能夠準確監(jiān)測變電站設備的異常狀態(tài)，有較好的應用前景和推廣價值。

參考文獻

[1]鄭力勇. 500 kV變電站微環(huán)境在線監(jiān)測技術的應用與探討—以南方電網某500 kV變電站為例 [J]. 電氣技術與經濟，2023，43（9）： 346-348.

[2]唐家萍，蔣文濤，黃佳林，等. 基于紫外熒光法的電氣設備滲漏油在線監(jiān)測系統研究 [J]. 電力與能源，2023，44（5）：448-451.

[3]牛元泰，尚明紀，張永暉，等. 基于5G通信的智能變電站設備在線監(jiān)測數據處理方法[J]. 自動化與儀器儀表，2023，43（9）： 69-73.

[4]周子強，胡昆，汪星雨，等. 基于蒙特卡洛模擬的變電運行狀態(tài)監(jiān)測系統設計 [J]. 自動化與儀器儀表，2023，43（7）：174-177.

[5]尚飛宏，李潔. 基于物聯網技術實現變電站機房設備智能運監(jiān)的研究與應用 [J]. 長江信息通信，2023，36（7）：220-222.

[6]劉子豪，趙智龍，楊世博，等. 基于深度學習與邊緣計算的變電站安全管控技術研究 [J]. 河北電力技術，2023，42（3）：60-64.

[7]趙冬義，陸爽，金羽喬，等.基于物聯網技術的變電站遠程監(jiān)控系統設計[J].電子設計工程，2021，29（20）：92-95.

[8]高陽，李天豪，王寧，等.基于物聯網架構的智能變電站數據管理系統設計[J].物聯網技術，2020，10（8）：71-73.

[9]袁傲，洪曉燕，李佳鵬，等.智能變電站遠程在線監(jiān)控系統設計[J].電子設計工程，2021，29（21）：122-126.

[10]于保柱，賈丹平，趙立民.基于無線通信的變電站設備溫度監(jiān)測系統設計及關鍵技術[J].物聯網技術，2017，7（7）：71-74.

收稿日期：2024-01-16 修回日期：2024-02-28

作者簡介：高 楊（1982—），女，河南開封人，碩士，講師，研究方向為自動化技術與應用。

黃一哲（1994—），男，河南開封人，碩士，助教，研究方向為人工智能、自動化技術與應用。