陆郁强

(国网江苏省电力有限公司宜兴市供电分公司)

0 引言

为了满足近年来社会发展带来的大量用电需求,我国不断推进电力体制改革。在此背景下, 我国电网系统中变电站数量越来越多, 为电力变电站的故障诊断和维护工作带来了一定的难度。电力变电站的稳定运行对电力系统有着重要影响, 为了提高变电站故障诊断的效率, 做好变电站运行维护工作, 必须要创新变电站的管理方式, 积极应用大数据分析技术, 进一步推动变电站的高效、稳定运行, 为社会生产和生活的有序进行提供保障。

1 电力变电站和大数据分析

电力变电站是我国电网系统中的重要组成部分,直接关系着电网系统的可靠性。近年来变电站的数量逐年增加, 变电站的故障诊断工作和维护工作的复杂度也越来越高。传统的变电站图像监控系统虽然可以在一定程度上利用视频监控和报警机制对变电站设备故障进行监督, 但由于缺乏与各个系统之间的联系以及对相关信息的深入分析, 变电站的运维人员在进行巡查时不能及时、全面地发现设备中存在的缺陷, 为变电站的后期工作的开展留下安全隐患[1]。

大数据分析技术的应用, 能进一步优化原有的视频监控方式, 利用一定的算法与核心技术使故障检测系统能主动对所监测到的一系列数据进行分析, 使变电站的故障诊断工作更为深入, 形成更为科学、智能的变电站故障监控体系统。此外, 利用大数据技术对相关的设备状况等运行信息进行分析, 能预测设备的运行趋势, 对设备在运行过程中即将发生的危险进行预判。最后, 大数据分析系统还能自动生成故障检修报告, 减少了人工故障检修中的失误率, 提高变电站故障诊断和维护的效率。

2 传统的故障诊断方式

变电站的建设结构十分复杂, 其中包含着数量繁琐的变电站设备, 在长期的负荷下运作下, 设备难免会产生一系列的故障。如果缺乏科学的诊断和维护方式, 必将会对变电站的安全稳定运行带来极大的影响。传统的变电站设备故障诊断方法有比较法和综合法两种(如表1)。

3 大数据分析下的变电站故障诊断

大数据分析技术为变电站的故障诊断带来了极大的变革, 有效地克服了传统的设备故障诊断的缺陷,使故障诊断的结果更精准、更及时、更全面[2]。一般来讲, 当前的大数据分析技术下的最主要的变电站故障诊断方式有以下几种。

3.1 诊断储能电机故障并实现地自动预警开关等功能

在诊断变电站设备, 评估变电站设备运行状况时, 大数据及时可以根据断路器储能电机等的运行规律和次数等数据对储能电机的运行状况进行判断, 如果出现运行故障, 系统将会及时发出预警。同时, 应用大数据技术还能建立设备运行资料库, 在资料库中录入设备的相应资料如断路器储能结构类型、变电温度、运行时间等, 大数据技术通过对相应资料的分析和收集, 能通过储能电机的启动情况分析断路器出现故障的可能性, 同时利用提前设置好的自动报警限值实现故障预警功能。

3.2 对变电站的测控装置进行预警

变电站中最容易出现故障问题的是变电设备的遥测信息系统。遥测信息系统的应用主要是为了收集变电站在运行中的一系列设施设备信息, 是系统实现实时监测功能的重要技术保障。受到技术条件和运行环境的影响, 变电站中的遥测信息系统极易出现死机的状况, 对变电站的稳定性带来极大的影响。同时由于变电站中的数据信息复杂, 运维工作人员很难及时发现设备的异常状况, 为变电站的运行带来安全隐患。合理应用大数据分析技术, 能对遥测信息系统死机故障跟进行及时诊断, 并采取一定的措施对故障进行干预和解决[3]。

大数据分析及时诊断变电站测控装置时主要是基于电网中各个节点之间的平衡性, 对资料和数据进行逐层搜索, 即对不同电压等级区域的母线和主变动功率的平衡进行分层运算, 随后利用线路输配功率的平衡预计双回线负荷平衡的原理, 找出出现故障的设施设备。通过这一系列的操作, 能尽快诊断出变电设备在运行过程中出现的异常情况, 确定出故障出现的准确位置并发出相应的警报信息。也就是说, 在诊断变电站测控装置故障时, 利用大数据分析技术, 能尽快找出变电站中相应测控装置发生死机问题的原因, 同时采集和传输相关信息, 对故障问题进行预警。

3.3 及时发现CVT 电压故障

CVT 电压三线故障在变电站设备运行过程中极易出现。应用大数据分析技术, 还能对变电站中的CVT 电压数据进行实时跟进, 及时对相关问题进行诊断。在这一环节应用大数据分析技术, 首先必须要对PMS 系统中的相关数据进行分析, 从中找出CVT 电压在出现异常时产生的相应数据(如图1), 以该组数据为基础分析CVT 电压出现故障的主要原因。随后将该组信息纳入大数据分析数据库中, 结合历史故障资料, 利用大数据技术快速诊断出相应故障。最后通过实时数据和历史数据的对比分析, 对CVT 电压进行精准警告。

图1 PMS 系统中的数据分析

4 大数据分析技术下电力变电站维护策略

4.1 运维策略的算法和策略评价模型的构建

变电站中的运维数据中心的数据量内容多、种类复杂, 其中包括了变电站在运行过程中方方面面的数据如运维人员的任务、设备运行数据、系统数据等。为了有针对性地满足运维人员对多个服务数据的需要, 帮助运维人员做好运维工作, 必须拓展运维数据中心的数据服务功能, 保证运维中心数据能够得到充分的利用, 进而提高数据运用中心的系统综合性功能[4]。对此, 变电站必须要充分应用大数据分析技术, 结合数据运维中心的运行特点, 研究出合适的QOS 方案, 在方案中严格设置可靠性、实践、优先级、安全性等参数, 同时应用效能函数对QIS 进行转化, 为运维中心数据的应用情况提供科学的评估标准。也就是说, 要想更好地做好变电站故障诊断和维护工作, 还需要建立多层次的策略评价模型结构(如表2)。

表2 大数据分析技术下变电站故障诊断和维护平台结构

4.2 多角度进行故障诊断与维护

运维人员在进行变电站的日常检修工作时, 往往会对检修对进行全方位、多层次的观察, 并且通过一定的操作测试检修对象是否存在潜藏的故障问题。然而当前大多变电站的摄像机只能单一、片面地对检修对象进行观测, 利用摄像机拍摄的图片缺乏立体感,不利于检修人员对故障的观测。要想全面、科学地对检测对象进行观测, 更好地诊断出检测对象存在的问题, 必须要使画面更具真实感, 从多个角度反馈检测对象的现状[5]。为了达到这一目的, 首先需要利用多个相机对同一检测对象进行多角度的画面收集, 随后, 利用大数据技术将画面进行整合, 展示出出利于观察的、多角度的检测对象, 进一步保证了故障诊断的科学性, 从而方便运维人员及时开展维护工作。

4.3 智能分析图像

利用大数据分析技术对变电站的设施设备故障进行检修, 必不可少的环节就是对图像的智能分析功能。智能分析图像功能能够对仪表、隔离开关、断路器、高压开关进行智能分析, 并快速得出分析结果。这一过程涉及了多个科学理论, 是一项较为复杂的功能(如图2)。在检测中首先需要应用到相应的检测系统, 检测出相关装置如仪表读数、隔离开关、断路器、高压开关等的实际状态, 随后利用高鲁棒性的理念对场景和状况建立分析模型, 再应用混合高斯和运动差分算法对相应的图像进行分析, 通过分析结果对变电站中的仪器和开关进行检测[6]。在变电站的运行中实现智能分析图像的过程, 实质上就是利用大数据分析实现变电站智能化的过程, 进一步加快了变电站的发展进程, 促进了社会的发展与进步。

图2 智能分析图像功能建立

5 结束语

变电站是电力系统为国民供电的重要组成部分。为了保证电力系统供电的安全稳定性, 首先需要维持变电站的稳定性。变电站中的设备由于高压带电, 传统的人工故障诊断方式危险性极大。科学利用大数据分析技术, 能在变电站中建立智能化的故障诊断方式, 丰富故障诊断手段, 极大地提高了变电站故障诊断工作的安全性与全面性, 同时利用大数据分析技术, 还能在设备运行过程对故障进行预警和修复, 及时消除安全隐患, 极大地提高了变电站的维护效率。