马龙

（国网江苏电力有限公司苏州供电分公司，江苏 苏州 215004）

电力设备在运行过程中，一旦控制其行为的锁具出现异常现象或故障状态，便会对配电行为与供电服务造成直接影响，严重情况下，甚至会造成电网运行连锁故障。为了实现对此类故障的及时感知，并在可控时间内进行故障的排除与处理，电力企业尝试了多种现代化技术，进行电力锁具故障诊断与排除方法的设计，尽管此方面的投入与建设为电力企业可持续运营提供了较好的支撑，并在逐步实践中取得了一定成果[1]。但电力企业现用的技术仍存在一些短板，包括诊断过程中迭代次数较多，故障诊断所需时间较长、部分技术为其他行业引进，与电力锁具出现了不匹配或矛盾现象等。为此，本文将物联网技术引入该领域，提出一种针对电力锁具的故障诊断新方法。

1 基于物联网技术的电力锁具故障诊断方法设计

1.1 电力锁具运行信息获取与传输

为了实现对电力锁具在运行过程中故障的及时诊断，本章引进互联网技术，在电力锁具运行端口安装传感器设备，并建立一个信号传输机制，进行电力锁具运行信息获取与传输[3]。设计架构图如图1 所示。

图1 基于物联网的电力锁具运行信息获取与传输架构

如图1 所示，电力锁具在运行中，辅助使用RFID 装置与传感器设备，进行其基础信息的采集，采集的信息包括：锁具运行状态、锁具标识信息、属性信息、外部作业环境信息、内部作业环境信息等[4]。并通过在此过程中对电力锁具电子标签的读取与识别，实现对锁具的初步巡检。完成对故障信息的初步获取后，相关信息将被采集层传输到信息中心，为了避免数据在传输中出现异常，在传输中引进物联网技术进行传输数据通信。将CAN 作为采集总线，将信息传输到信息化平台。利用物联网技术的高效处理功能，将现有的电力锁具运行信息划分为三类，分别为历史信息、预测试信息与实时信息。其中预测试信息是用于识别或判断电力锁具运行故障的主要信息，其中主要包括技术参数信息、检修信息、出厂信息、故障记录信息等。结合电力锁具的运行状态信息，构建针对采集数据的隶属度函数，使用模糊统计或二元比对的方式，对比值数据进行排序与指派，对此过程中的隶属度函数进行描述，计算公式如下：

公式（1）中：μ （x）表示电力锁具运行数据的隶属度函数表达式，其中x 的取值应满足小于或等于al 条件；a 表示数据梯度；l 表示数据有效传输路径。可在此过程中，将a1与a2作为电力锁具运行的边界条件，当获取数据超出预设条件后，说明此时电力锁具可能存在异常行为。根据物联网通信信道的通畅度，传输电力锁具运行信息。

1.2 基于物联网的电力锁具运行故障参数提取

为实现基于现有数据信息对电力锁具故障的有效诊断，需要在传输终端，对获取与传输的运行数据进行处理，并基于物联网技术，对运行中的故障参数进行提取。在此过程中，需要将电力锁具运行故障诊断行为划分为两个步骤，分别为电力锁具运行参数处理与故障参数提取。同时，将现有的监测反馈信号划分成三类，分别为常态化条件下的反馈信号、危险信号与预警信号。对分布在物联网中的不同节点信号进行安全阈值对比分析，当信号分布在正常参数范围内时，说明此节点传输或反馈的电力锁具运行信号无异常现象，需要跳转下一节点对其进行继续诊断即可，当信号分布超出正常参数范围时，说明此节点传输或反馈的电力锁具运行信号存在异常现象，需要针对该节点进行采样处理。

根据物联网中信道的分布，将故障信号纳入故障信息集合中，为后续对电力锁具故障诊断提供参照[5]。同时，根据电力锁具的运行状态与停机状态，对提取数据的边缘进行模糊化处理，将位于模糊化边缘的数据一并纳入识别过程。考虑到在此过程中电力锁具异常参数预警与其本体故障预警存在差异，因此，还需要在上述研究的基础上，将基于物联网的大数据处理技术作为提取技术。将F(x)作为参数提取范围，当x 的取值为0 时，说明此时提取的信息存在一定的危险或故障趋势，即数据集合存在异常。当x 的取值＜0 时，说明提取的数据集合不存在异常，电力锁具具有连续、稳定运行的特点。当的取值＞0，但＜1.0 时，说明此时已触发预警信号。在此基础上，根据反馈信号在物联网中的故障预警范围，进行提取参数的边缘化，并按照正交检测的方式，相对参数的分布进行应力划分，截取较为集中的应力区域，将其作为故障参数集中分布区域，以实现对电力锁具运行故障参数的提取。

1.3 基于模糊理论构建电力锁具故障发生征兆关系函数

公式（2）中，L 表示模糊变换矩阵。将上述公式（2）作为电力锁具故障发生征兆关系函数。

1.4 电力锁具故障智能分类与诊断

公式（3）中，Q 表示经过除杂降噪处理后的电力锁具故障数据；B 表示原始电力锁具故障数据；Xi表示受到人工因素影响下接收到的电力锁具故障数据中存在的噪声数值。根据上述公式（2）实现对故障数据的除杂降噪处理，以此得到新的电力锁具故障数据集合。将这一数据集合作为依据，根据电力锁具故障类型的模糊综合评估方法对电力锁具故障数据与其对应故障类型之间的关系进行判断，从而对发生故障的隶属关系进行划分，以此实现对电力锁具的故障分类。将上述过程带入到R矩阵中，实现智能故障分类，R 矩阵的表达式为：

再结合电力锁具故障指标评估对其实际出现的故障类型进行诊断，从而实现对基于物联网技术的电力锁具故障诊断方法的设计。图2 为电力锁具故障智能诊断流程。

图2 电力锁具故障智能诊断流程

至此，完成电力锁具故障诊断。

2 对比实验

2.1 实验准备

以某电力企业作为依托，针对该电力企业中用于实现对电力开关控制的手柄宽度≤42MM 电气空开隔离工业锁具进行故障诊断。已知该电力锁具的型号为BDD12X，锁具配套安全标示牌型号为P01,P02 等吊牌，材质为尼龙PA& 聚丙烯PP，可使用锁梁直径小于等于7mm，可锁手柄宽度小于等于42mm 的断路器。

2.2 本文故障诊断方法可行性检验

为验证本文故障诊断方法在实际应用中的可行性，利用本文故障诊断方法对上述BD-D12X 型号电力锁具在运行过程中的各项信息进行获取，并根据获取到的信息确定故障发生征兆关系函数，最终结合函数计算结果实现对电力锁具故障智能分类和诊断。在完成上述操作后，将诊断结果记录如表1 所示。

由表1 可以看出，在10:25:36～10:58:23 电力锁具运行期间，共出现了四次故障，并且其故障类型诊断结果均不相同。由于电力锁具在出现故障问题时，其输出反馈端与电源供电端之间的导通电阻会发生变化，因此，基于这一特点，通过将本文上述得出的诊断结果与实际测定结果进行比较，能够实现对本文诊断方法可行性的检验。在对电力锁具的导通电阻进行测定时，选用MICRO-JUNIOR-2 型号电阻测量仪，该测量仪的精度为±0.1%rdg；分辨率为5Digits；电阻测量范围在0～100Ω之间。利用该测量仪完成对10:25:36～10:58:23 电力锁具运行期间输出反馈端与电源供电端之间的导通电阻的测定，并将测定结果绘制成如图3 所示。

表1 本文故障诊断方法诊断结果记录表

图3 电力锁具运行期间导通电阻实际测量结果

从图3 得到的电力锁具运行期间导通电阻实际测量结果可以看出，在10:35:28～0:51:18 电力锁具运行期间，其导通电阻出现了明显的变化，在10:35:28～10:51:18 期间和10:55:17～10:58:23 期间，导通电阻数值均低于100Ω。在正常情况下，电力锁具未出现故障异常时，其导通电阻应高于100Ω。因此，从图3 得出的实际测量结果可以看出，在这两个运行期间电力锁具出现了故障问题，并且故障的时间与本文故障诊断方法得出的结果完全一致。由此可知设计方法可实现对电力锁具故障的诊断，具有极高的可行性。

2.3 两种故障诊断方法应用优势对比分析

再选择将电力企业以往应用的文献[2]方法作为对照组，将本文方法作为实验组。选择将故障诊断的效率作为评价两种诊断方法的指标。将该电力企业中所有类型电力锁具汇总，共包含32 个。对比两种诊断方法诊断结果中正确识别出故障类型的锁具个数进行统计，并将得出的结果绘制成如表2 所示的实验结果对比表。

表2 两种故障诊断方法应用效果对比表

表2 中结果隶属度是指诊断结果与实际故障类型一致的比例，从表2 中数据可以看出，实验组诊断方法诊断个数更多，并且诊断结果的隶属度更高，均在0.95 以上，而对照组诊断个数较少，并且结果隶属度均未超过0.55。

结束语

本文从电力锁具运行信息获取与传输、电力锁具运行故障参数提取、基于模糊理论构建电力锁具故障发生征兆关系函数、电力锁具故障智能分类与诊断四个方面，开展了基于物联网技术的电力锁具故障诊断方法设计研究。在此基础上，为了验证本文故障诊断方法在实际应用中的可行性，选择某电力企业作为参与单位，对设计的故障诊断方法进行检验，证明此次方法在应用到电力企业当中时，能够在规定的时间范围内对更多电力锁具的诊断，并且得出的诊断结果准确性更高。