郭旭东 栗家润

摘要：本文通过对变电站一次设备的研究分析，利用大云物移的現代物联网科技概念，旨在剖析变电站一次设备的在线监控技术，以及后续的深入挖掘仿真技术，为提供供电系统的可靠性采取有力保障。通过对一次设备典型性的参数特征提取，经过计算机仿真计算和分析，给出合理的评估结论，为支撑变电站的状态检修和智能运维奠定了技术基础，文章后续采取三维建模以及远程诊断的作用，通过信号采集器以及深度计算，为客户提供有力判据。

关键词：系统运维;方案解决;软件算法;评估诊断

目前变电站内安装的在线监测装置涉及专业不同，厂家较多，一般站内并存多套监测系统，无法实现信息共享，可靠性低，误报率高，给运维带来负担及和不便，数据孤岛难以实现基于各类监测数据对设备运行状态进行综合评价和预警诊断，蕴含着海量数据中的价值信息没有得到充分挖掘和应用。

一、意义

随着大数据、物联网、云计算及移动互联网等新技术的迅猛发展，互联网+电力设备检修数据诊断、大数据挖掘和多维度集成综合分析成为发展趋势，设备检测技术与故障诊断技术、网络技术、通讯技术相渗透和结合，为支撑变电站的状态检修和智能运维奠定了技术基础[1]。

整合变电站设备状态监测资源，实现变电站内状态监测数据采集、数据传输格式及通信接口的统一，形成大数据归类、深度挖掘及智能分析，全面提升运维水平，进行运维模式的创新，全面准确清晰地展现变电站内设备的运行状态、变化趋势及潜在问题，实现设备的风险预警，为变电站智能运维及电网的安全运行提供辅助决策支持。

二、系统功能

依据国家电网公司《变电站在线监测通用技术规范》及《变电设备带电检测工作指导意见》的要求，充分利用一流技术和设备，设计一套变电站设备状态诊断分析及远程运维检修系统，综合利用变电站在线监测数据、带电检测数据和例行检修数据等综合数据信息，构建交互性好的设备评估与智能运维系统平台，实现变电站设备的状态数据的深度挖掘，提前发现深层次隐患规律，进行风险预警，提升变电站运维水平和效率、减轻运维人员的负担。

三、实施方案

3.1数据来源

以高压开关为监测对象的结构化及非结构化数据的处理方式如下：

（1）非结构化数据的接口设计：

智能运维检修系统可与不同带电检测设备进行数据交互。带电检测数据（红外测温、局放检测等）经标准化处理（依据带电检测设备不同，开发程序，实现非结构化数据的读取）后直接存储到智能运维检修系统数据库中，作为诊断系统使用的基础数据，将检修结果按照数据需求直接进行存储，以数据库作为存储媒介[2]。

（2）结构化数据的接口设计：

在线监测与诊断系统的接口也以数据库为基础。

（3）历史数据的录入：

智能运维检修系统可录入产品缺陷、交接试验、例行试验等历史数据，作为整个诊断系统的一部分功能，由用户将特定的信息录入系统中，并为后续诊断分析做好基础数据的储备。

（4）数据存储周期设计：

存储周期的设计需要根据不同的数据特点制定，高频短时数据可以以秒或者毫秒的时间标识存储，而对于长周期的状态数据，可以小时、天、年等单位存储，并存储对应的结果值，全部数据可根据实际需求进行设计是否存储。

3.2数据管理软件平台

搭建测试数据管理平台，对检测数据进行集中管理、分析和应用，保障检测数据管理的安全性和规范性;同时通过多种高级应用了解配电设备的运行状态情况，应用有效的状态分析模型提供辅助决策建议，指导配电设备进行状态检修。通过对局部放电检测、数据存储、数据分析与应用进行统一管理，有效提高工作效率，维护设备安全。建立基于物联网和云诊断方法的设备数据管理平台、以局放测试技术为基础，结合红外测试技术及机械特性测试技术等，研究大数据挖掘技术在电力设备状态诊断中的应用及其相关多参量状态评估技术，开发相应的软件功能模块。通过物联网技术对开关柜的测试位置进行精确管理，提高局放测试数据的真实性、一致性和可比性;通过带电检测云诊断技术，简化基层测试设备和测试方法，提高测试的有效性，对所有检测数据进行统一的、集约化的管理和分析，有条件可与PMS系统等互联，建立生产计划式的带电检测工作管理流程。

积极探索电力内外网数据的交互，将数据通过公网上传到平台数据服务器中。平台在结构设计与信息安全设计方面，严格遵循国网信息安全要求，考虑日后接入国网统一规划实施的“国网云”，为“国网云”提供业务感知、数据分析及深度学习的数据基础。

3.3数据管理平台的应用

（1）在线监测及带电检测数据的管理和多维度展示，以及与前端数据采集设备的交互。搭建基于数据管理平台的数据诊断应用算法和云诊断的数据高级应用。

（2）在数据管理平台上，逐步建立各类型电力设备局放测试案例库和培训资料;在大量统计数据的基础上，形成有价值的适用于电力公司的设备测试导则和作用指导书。

（3）搭建基于在线监测及带电检测数据平台的电力设备综合诊断技术，提高电力设备诊断的准确性，为电力设备的状态维修提供科学的依据。

3.4 状态诊断及评估策略技术

目前，变电设备运检数据量呈指数级增长，但设备状态评价大多侧重于某项指标超标的告警，未能有效利用多源数据实现综合评价，对设备状态管控和生产管理的支撑不足。利用最新前沿的深度学习诊断技术，以大数据挖掘为基础，使用深度学习图像识别技术应用到局放图谱识别等，实现多源海量数据的自动抓取、综合分析、自动预警、智能诊断，提高设备状态评价诊断的智能化水平，强化设备状态管控。

结束语

为了确保设备预警指标数据的精确度，电力部门可以适当推广移动应用技术，实时推送一次设备在线监测数据的预警信息，为电力运行维护人员提供信息参考，全面按照预警推送消息开展检修与维护工作。

参考文献

[1]赵宇皓，郝晓光，耿少博，等.智能变电站二次设备安全措施在线预演及防误预警的研究与实现[J].电力科学与技术学报，2020，35（03）：173-178.

[2]戚满顺. 变电站一次设备在线监测数据诊断及运维检修分析[J]. 科技创新与应用， 2020， No.328（36）：195-196.