张 伟，郑仕轩，江钰韬，张豪俊，常 艳

（西安西电开关电气有限公司，陕西 西安 710077）

近年来，随着电力行业的快速转型，传统电力系统逐渐优化延伸到了对各类设备运行状态的监测与管理层面，旨在全面推动电力系统的智能化发展。以变电站一次设备为例，它在变电站运行效率与效益方面发挥着重大作用，电力企业通过研发设计具有在线数据诊断与监测功能的系统，不仅可保障一次设备安全稳定运行，也能确保变电站运行效率效益方面发挥重大作用，满足中国工业生产与生活用电需求。

1 变电站一次设备在线监测类型

变电站一次设备在线监测主要围绕油色谱、局部放电、容性设备、SF6设备气体，以及开关柜温度等展开，由此也形成了多种类型的在线监测类型。实践经验表明，在对一次设备进行在线监测时，多数变电站都采用了适配性较高的传感器，通过传感器—通信接口—数据中心分析的基本思路进行实践，分述如下。

1.1 以开关柜温度为例

该方面的在线监测主要以表面波传感器为主，具有无线、无源特征，因此在应用时不仅能对开关柜内部各类元器件进行有效监测，而且不受障碍物、被测量部件被绝缘封闭、包裹或遮挡以及外界光、热等影响，监测效果良好[1]。

1.2 以SF6设备气体为例

受局部放电和电弧放电的影响，SF6气体通过一系列的化学反应会生成不同的组分。在对其分解物实施检测时，一般以电解质传感器、化学气敏元件为主，前一种方法能够对SF6设备运行状态进行明确监测，后一种方法则能通过对不同分子结构的选择性俘获，以及对电参数变化特征的抓取，确保对其气体监测的有效性。

1.3 以特高频局放为例

一次设备在使用时会出现局部放电的情况，这种情况的出现往往伴随着热辐射、电磁辐射等现象。在进行监测时通常选择耦合传感器，对其中的电磁波进行监测。尤其是在SF6气体击穿场强高、绝缘强度较大的情况下，此时，虽然特高频段电磁波在设备接地金属位置被屏蔽，但依然会通过绝缘盆子与瓷瓶。所以，采用该方法能够较好地对电磁波脉冲信号进行记录并对其中的幅值进行专业分析，进而诊断出故障类型，提供相应的处理依据等。

1.4 其他在线监测类型

除以上3 种变电一次设备在线监测类型之外，变电系统的断路装置机械特性的在线监测，能够为变电系统提供不同的监测角度，并通过对储能电机设备与时间性的数据在线监测，使变电系统的运行状态获得有效管理。同时，现代变电一次设备中各类设备之间的兼容性相对增加，需要对它进行在线监测。例如，监测电容屏分压绝缘装置中的绝缘热性时，可以结合传感装置的设置，对绝缘屏末端电流进行数据采集，并对获取的数据与母线端电压数据进行比较分析，更为客观地了解一次设备的运行状态。尤其在一次设备运行中的电容、介质损耗方面，能够通过针对性监测实现预期监测目标。

2 一次设备在线监测与故障诊断系统设计

2.1 系统构成

变电站一次设备在线监测与评估的对象相对较多，具体包括变压器设备、断路器设备、避雷器设备等。监测与评估的目标十分明确，旨在实现快速预警、精准诊断、有效分析、数据共享，确保运维管理人员可以依据系统诊断时生成的故障类型、位置、处理方式等数据，减少故障查找时间、提高故障处理效率。目前多数变电站设计的在线监测数据诊断系统构成要素相对较多。首先，设备层主要包括变压器智能组件、断路器智能组件、避雷器智能组件；其次，通过IEC 61850 装置将它与在线监测模块进行关联；最后，基于Linux 的监控信息一体化平台根据Windows 系统设置中的接口程序、实时/历史数据库，通过对IEC 60870-5-104 与IEC 61850 等配套装置进行全面关联，保障该系统有效运用。一次设备在线监测数据诊断系统框架结构如图1 所示。

图1 一次设备在线监测数据诊断系统框架结构示意图

2.2 数据接口

一次设备在线监测数据诊断系统中的数据接口包括2 种类型，一种是非结构化数据，另一种是结构化数据。在前一种类型下，监测对象为高压，旨在读取带电的监测数据的非结构化特征并将它存储至实时/历史数据库中。在后一种类型下，可以选择与非结构化数据接口设计相同的办法进行结构数据接口设计，其功能主要集中在系统模式和智能化电力设备的信息交互方面。简单来讲，通过接口程序设置能够使传感器上传的数据通过接口程序实时上传到数据库，并将它作为基础完成对一次设备的数据采集、提取、存储、监测，然后生成分析报告并利用分析报告开展运维管理等。

2.3 数据处理

一次设备在线监测数据诊断系统中的数据处理包括从数据采集到数据应用各环节。以数据录入为例，重点集中在对历史数据的整理和重用方面，并且要求对系统数据进行实时更新，从而保障待处理数据的有效性与精准性[1]。以数据存储周期为例，在应用系统时会生成大量数据，存储时间过短不能达到利用效果，存储时间过长又会拖慢系统运行效率。通常情况下，需要变电站根据实际的一次设备运行情况选择合适的存储周期。以数据预处理为例，该环节十分关键，数据预处理精准度的高低直接与后续运维检修中数据应用效果相关联。具体流程如下：采集变电站一次设备运行状态信息，对数据实施智能清洗，运用数据库技术完成数据集成处理，实施数据变换，完成数据规约化处理，进行数据存储与分析诊断。

2.4 设备工作情况的评估技术分析

在变电站一次设备运行过程中容易发生相关指标超标的情况，应用该系统后可以较好地根据数据诊断结果进行预警，并利用多元数据分析与数据处理方式开展综合评价。可是，在这种情况下只能达到预期的监测目标，并不能让整个在线监测为一次设备的管理与状态管控提供有效支持。因此，在该设计工作完成后，可以进一步增加人工智能技术的应用次数，利用深度学习与专家系统，达到对多元数据的自动采集、综合分析、智能诊断目标，进而通过智能化诊断提高数据诊断效果，同时利用可视化软件的仿真功能，为后续的运维检测策略优化提供有效支持[2]。

以诊断数据应用为例，将数据库中的各类数据导入到三维软件，可以搭建适用于一次设备的模型，然后根据不同设备模型之间的关联性，利用内在共享推动数据交互。具体过程如下：①先将变电站一次设备的CAD 规划图、设计图、施工图导入到Revit 软件中建立模型；②通过该软件中的“族库”设置功能，对母线、互感器、电容器、电抗器、断路器、变压器等、隔离开关等进行族模型设置，具体操作时只将相关设备的数据录入族数据表单中，即可生成明细表，然后根据明细表直接导出族模型，即可以得到不同设备的模型；③为不同的设备进行ID 设置，通过状态、型号、类型、功能、监测内容等，使不同的设备之间形成关联，建立全站3D 模型；④利用IFC 数据库、XML 数据库之间的数据共享开展数据交流，提高数据访问的便捷性与实时性；⑤将全站3D 模型导入到Navisworks软件，利用该软件中的可视化模型功能，对全站的运行情况进行4D 动画分析，检验各设备之间的关联是否存在问题，并利用碰撞检查功能查看各连接位置的实际情况，确认无误后，将3D 模型中数据库存与Project进度管理进行数据关联，实现对一次设备运行进度的全面系统监测；⑥将诊断数据与历史数据库预设的标准指标参数之间形成对比，当诊断数据显示有异常时，专家系统会将异常数据与故障范例库中的数据进行自动比对，并对故障情况、故障位置、故障类型等进行评价，生成报表后将它直接发送给设备运维管理人员。

3 一次设备在线监测数据的运维检修策略

在该系统下一次设备在线监测数据的运维检修中，实际上形成了“在线智能监测+现场故障处理”模式，但是，对于未发生过的故障，此系统并不能给出精准预判，因此，应结合实际情况增强技术应用与管理开发，具体建议如下。

3.1 增强技术应用，提高运维检修水平

对一次设备进行监测与评估时，风险管理十分重要。由于该系统突出了数字化管理特征，可以借助标准化数据对其中的风险进行量化处理，从而提高风险系数评估的合理性。实践经验表明，当前检修一次设备运维时，故障诊断主要依据已发生的故障，借助“故障范例库”完成故障数据诊断与分析，可是，对于未发过的故障、突发性故障的诊断相对不足[3]。因此，需要在新时期加强对这方面的运维检修。尤其在设备运行中存在一定的损耗，此时应增加磨损风险评估。其次，在一次设备运行中部分故障可以通过在线故障处理的方式，借助数据分析的方式，利用开关功能有效解决问题。而部分故障属于停运故障，此时可能会对变电站所在区域的电力系统产生一定的影响，此时应该增加对停运故障的风险评估，进而提高运维检修水平。

3.2 增强管理开发，扩增运维检修效用

对变电站一次设备进行运维检修时，应该根据系统设计中的设备层，针对变压器、断路器、避雷器，以及隔离开关等开展检修活动。以变压器为例，在检修时可以根据系统提供的运行数据，借助数据分析的方式对比历史数据与实时数据，从而通过数据变化情况对异常数据进行抓取，对潜在故障隐患进行排查。利用超声探头工具与在线监测系统，可以较好地对放电响动是否存在异常情况进行检查，进而精准了解变压器的绝缘性能。同时，可以利用红外线温度监测仪对油温、油质、油面标线等进行检修。在具备良好的数据库管理技术与数据分析条件下，可以利用人工智能技术设置专家系统，提高数据诊断效率。另外，该系统的应用主要集中在PC 端，为了保障数据中心管理与移动客户端管理的实时交互，有必要配套开发以智能手机为载体的应用程序，从而保障运维检修员查询或利用系统在线监测数据。

4 结束语

总之，在电力系统智能化水平越来越高的情况下，需要增强变对电站一次设备的数字化管理。通过以上初步分析可以看出，对一次设备进行在线监测时的对象相对较多，由此形成了不同的监测类型。因此，在研发设计数据诊断系统时，需要以监测对象为主，选择适配性较高的传感器，并结合常用的Linux 平台与Windows 系统及数字化技术等建立一体化数据诊断及运维检查平台。建议在实践中尽可能选择先进技术，提高系统的智能化水平。