設備監控信息統計分析研究

導語：設備監控信息統計分析研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

國家電網公司“三集五大”實施后，各網省公司及地市公司均逐步建立并完善了“調控一體化”運行模式，在該模式下，所有變電站均實現無人值守，并將所有變電站信息匯總到調控中心進行統一集中監控。而變電站數量大導致監控信息量巨大，從而加重了調控人員的工作強度。該文提出了一種基于大數據技術的電網智能診斷方法，并建立了設備監控信息統計分析平臺，實現了監控信息統計分析的智能化和自動化，極大的提高了工作效率，降低了調控人員的工作量，對提高調控專業管理水平以及提高電網運行的可靠性和穩定性也具有十分重要的意義[1]。

1故障判別算法研究

1.1相關算法簡介。1.1.1人工神經網絡算法。人工神經網絡是一種典型的分類預測算法，它從信息處理角度對網絡進行抽象，建立模型，按相關連接方式組成不同網絡聯系[2]。作為運算模型，該網絡由大量的節點互聯構成。每一節點代表某一特定輸出函數。連接兩個節點的是連接信號的加權值，即為權重，相當于是人工神經網絡的記憶。處理單元對應不同處理對象，例如字母、概念、等抽象模式。1.1.2粗糙集算法。粗糙集算法是一種處理不確定數據的數據處理方法。它通過數據分析和數據推理來對數據集合進行劃分。其研究對象是一個數據集合，對象、屬性和符號是3個基本要素[3]。其以決策表的形式表達：行對應研究對象，列對應對象屬性，根據屬性不同，將研究對象劃分到不同決策類。1.2相關算法應用。傳統模式中，監控運行人員通常需要根據個人經驗從大量的監控信息中分析判斷，一旦遇到電網故障，監控信息大量上傳，這種單純依靠人工的信號篩選與分析判斷方式存在著嚴重的信號遺漏及誤判風險，可能延誤故障處理的最佳時機甚至誤處理，從而威脅電網的安全運行。針對上述問題，以open3000為平臺，采用人工神經網絡結合粗糙集算法，開展設備監控信息統計分析工作。輸入數據為非故障時及故障前后事故、異常、越限、變位、告知五類信號及其數據。首先，利用粗糙集算法對與故障相關的告警信號進行篩選；其次，計算神經網絡的輸出數據，確定網絡模型。使用該模型進行故障預測時，輸入數據為監控系統實時信號，輸出結果即為模型判定結果(正常或故障)。假設某一時刻告警信號編號為a0,a1,a2,a3,…，與之相關的遙測信號編號為b0,b1,b2,b3…。(1)利用粗糙集算法對告警信號進行篩選，得到相關信號a10,a11,a12,a13,…。(2)將故障相關向量（a10,a11,a12,a13,…,b0,b1,b2,b3…）作為輸入數據，利用神經網絡進行計算（其中，a1i=1表示告警信號存在，a1i=0表示告警信號不存在，bj表示實際的遙測數據）。(3)輸出數據為神經網絡的模型參數，即為各分量的權重（w0,w1,w2,w3,w4,…）。(4)利用神經網絡模型預測未知故障，得出預測結論。

2設備監控信息統計分析平臺應用介紹

設備監控信息統計分析平臺是建立在運行管理系統(OperationManagementSystem，簡稱OMS)上的一個應用模塊，主要針對變電站五類信號(包括事故、異常、越限、變位和告知)的統計分析。主要具有監控信號分析和監控信號統計兩大功能。2.1監控信號分析。監控信號分析功能主要包括信息總量分析和信息趨勢分析兩個功能。信息總量分析是對給定時間范圍內的所有場站的五類信號總數進行統計，并給出柱狀圖和餅圖，便于監控信號分析師直觀的進行查看(如圖1所示)。信息趨勢分析是對給定時間、給定場站及給定的信號類別進行分析，得出該信息的日趨勢或月趨勢變化曲線，以便監控信號分析師對信息量進行有效的把控(如圖2所示)。2.2監控統計分析。監控統計分析功能主要包括如下幾類，一是對五類信號的整體情況統計，即在給定時間范圍內的信息總量及占比等，并生成圖表，主要用于周分析材料及月報材料等，同時對于一些數量異常的信號給出提示，便于監控人員進行原因分析，以發現潛在問題；二是對未復歸信號和頻發信號的統計，便于監控人員及時的發現電網運行中存在的潛在風險，以及時采取相應措施，進行風險管控；三是對操作信息的統計，及對開關遙控或就地分合成功或失敗的次數進行統計；四是對各場站通道投退次數的統計，對于一些投退次數異常的通道，要格外引起注意，以防止通道故障而無法監控的事科技創新導報故發生；五是附件上傳功能，即月報及周分析等材料文件的上傳存檔，便于需要時查看(如圖3所示)。

3平臺應用中的問題及改進建議

目前該平臺已完全實現設備監控信息的收集、分類統計的基本功能，但這些功能的實現僅僅是基礎工作，若要使其更好的服務于電網調控管理業務，需對其進一步進行改進和完善，對此，該文提出了如下幾個方面。3.1缺陷流程自動關聯。電氣設備缺陷嚴重影響電網的安全穩定運行，加強電氣設備缺陷管理可極大的消除電網運行中的潛在隱患，防患于未然，對電網運行的安全可靠性均具有十分重要的意義[2]。張家口地調基于OMS系統建立了完善的缺陷閉環管理模塊，覆蓋了缺陷發生、匯報、聯系處理消缺、歸檔等環節，極大的提升了電氣設備缺陷管理工作的效率。但是在傳統管理模式下，調控人員需將監控系統中缺陷發生時的監控信息的內容、發生時間、變電站名稱、設備名稱及其電壓等級等信息逐條記錄在缺陷管理模塊中，耗時長、工作量大，且一般缺陷處理周期通常會超過一日，極易造成調控人員遺忘而導致未將缺陷處理的全過程記錄完整。設備監控信息統計分析平臺的建立將監控系統中的監控信息幾乎完整的“復制”到了OMS系統數據后臺，該平臺與缺陷管理模塊處于統一系統中，所以極易實現數據關聯，所以在未來的平臺中，應加入缺陷流程自動關聯功能，自動將缺陷發生、處理的全過程信息自動導入缺陷管理流程模塊，并加入人工干預功能，以確保信息的正確性和完整性，從而極大的提高缺陷管理的質量，降低調控人員的工作量。3.2信息自動過濾功能。在實際工作中，監控信息量巨大，但其中有相當一部分信息量是由于設備檢修等原因引起，這部分信息對于監控信息的分析統計在大部分情況下是沒有意義的，但當前的平臺僅僅是將監控系統中的所有信息全部導入到平臺數據庫進行分析統計，如果某段時間內檢修工作繁多或有其他原因，均會導致信息量異常，不利于監控信息統計分析工作的開展。因此，該文建議在該平臺中加入信息自動過濾功能，例如在某間隔已經被置檢修牌的情況下，則將該間隔的信息進行單獨統計；此外，對于接地刀閘、刀閘位置為實采的設備間隔，當其接地刀閘合入、刀閘斷開時，自動判定該間隔處于檢修狀態，在該狀態保持期間所有的監控信息單獨統計。另外，還應加入人工修改功能，對于一些系統無法自行過濾的信息，進行人工過濾篩選，將其屏蔽。對于自動過濾的信息應自動加入備注，說明信息被過濾的原因，例如設備檢修等。對于人工過濾的信息同樣也可以加入人工批注。此外，信息過濾后的圖表都可以重新自動生成，以便查看。3.3越限信息分析統計。越限信息是五大類監控信息之一，主要是電壓、電流、潮流等遙測量越過上下限的信息，是需要實施監控并及時處理的重要信息，所以對越限信息的分析統計同樣十分重要。目前該平臺僅僅可以將越限的信息量進行統計，無法對越限的電壓或電流實際曲線進行查看，同樣無法靈活設置曲線越限閥值，而僅僅以監控系統設定好的上、下限值作為參考，這樣不利于更好的評估越限程度，也不利于發掘越限的深層次原因等。該文建議在平臺中加入上述功能，可以隨意查看在給定時間范圍內、給定場站、給定設備的遙測值曲線，同時可以在曲線上任意設定越限閥值，并給出越限的數據點比例、越限曲線與閥值線之間的面積統計(用以評估越限程度)、越限持續時間的最大值、最小值和平均值等，以便于全方位的評估越限情況。

4結語

電網集中監控極大的實現了國網公司人、財、物的集約化管理理念，但同時也加大了調控人員的工作量和工作復雜程度。設備監控信息統計分析平臺的建立一定程度上降低了調控人員的工作量，但該平臺仍存在極大的發掘潛力和改進空間，該文結合工作實際對此進行了初步的研究和分析，對該平臺改進的方法提出了一些十分有意義的建議，對于該平臺的完善具有重要的價值。而如何實現上述建議則是該文下一步的工作重點。

作者:高雅潔 李振生 孟玲梅 張京偉 單位:國網冀北電力有限公司張家口供電公司

參考文獻

[1]于磊,王雙,韓宇龍,等.基于大數據技術的電網故障智能診斷方法[J].中國科技信息,2016(2):32-33.

[2]畢天蛛,倪以信,吳復立.基于新型神經網絡的電網故障診斷方法[J].中國電機工程學報,2002,22(2):73-78.

[3]栗然,張烈勇,顧雪平,等.采用粗糙集聯合規則挖掘算法的分布式電網故障診斷[J].中國電機工程學報,2010，30(4):28-34.

[4]王英英,羅毅,涂光瑜.基于粗糙集與決策樹的配電網故障診斷方法[J].高電壓技術,2008(4):794-798.

[5]盧建美.電力輸變電設備缺陷管理系統的設計與實現[D].廈門大學,2014.