基于大数据分析的配网状态检修

□戴瑞金 邢毓卿 高国杰 卢章建

随着各类无线感知设备技术的发展，实现配电设备温度、负荷等信息实时在线监测已不是问题，而海量的数据信息目前仅仅用于实时监测及展示，并未进行大数据综合分析从而实现高级应用功能。基于此，本文将基于大数据分析的配网状态检修技术进行探讨。

一、配网检修现状及存在的问题

目前，配网检修主要实行的是计划检修，根据配电网检修规程制定周、月、年检修计划。计划检修由于不是根据设备的实际状态进行的检修，一方面会存在对状态良好的设备进行检修，不仅浪费人力财力而且增加了停电时间；另一方面会造成问题设备不能得到及时检修导致发生停电故障。设备过修失修现象并存[1～2]。

二、基于大数据分析的配网状态检修

随着智能配电网信息化、自动化、互动化水平的提高以及与物联网的相互渗透与融合，电力企业量测体系内部积累了大量数据，多种来源的丰富数据信息共同构成了一个智能配电网的大数据应用时代[3～4]。配网状态检修是将传统的根据时间制定的计划检修变为根据设备实际状态进行的检修，可以使状态良好的设备持续保持运行状态，问题设备及时进行检修。基于大数据分析的配网状态检修是指通过各类感知设备获取线路、开关、站所的实时运行数据及辅助监测信息，结合设备的档案信息，通过综合算法分析，发现问题设备，自动生成包含检修设备、问题类别、检修类别的检修策略，同时可自动合并同一停电区域内近期需进行检修的设备，减少计划停电时户数[5]。

(一)大数据分析。目前普遍可通过感知设备获取并且对设备状态有评估价值的数据主要有以下几类：一是设备状态数据：10kV开关柜内温湿度、电缆头温度、架空导线温度、母线温度、配变油温；二是负载数据：线路电压、电流、配变超载、配变重载；三是环境状态数据：10kV配电站所温湿度、水位、气体(SF6、O2、O3)浓度、烟感、红外入侵。除了上述实时或准实时采集的负荷数据、运行环境及状态监测数据外，还需引入生产厂家、运行年限、缺陷及故障记录等设备档案数据作为状态评价依据。

(二)检修策略算法。

1.设备状态。评价设备包含架空导线、电缆导线、开关、开关柜、配变、10kV配电站所；各设备根据大数据分析结果可分为四个状态：一是正常：设备各项数据均处于正常范围内；二是注意：当设备温度缓慢上升且即将达到设定值时标注为注意状态；当设备流经电流即将达到过载值时标注为注意状态；当10kV配电站所温湿度、水位、气体(SF6、O2、O3)浓度即将达到告警值时标注为注意状态；三是异常：当设备温度达到设定值时标注为异常状态；当设备流经电流达到过载值时标注为异常状态；当10kV配电站所温湿度、水位、气体(SF6、O2、O3)浓度达到告警值时标注为异常状态；四是严重：当设备温度急速上升且超过告警值时标注为严重状态；当10kV配电站所温湿度、水位、气体(SF6、O2、O3)浓度超过告警值时标注为严重状态；当10kV配电站所烟感及红外入侵告警时标注为严重状态；当开关在一段时间内多次跳闸时标注为异常状态。

2.检修类别。依据《Q/GDW 11261-2014配电网检修规程》将检修类别分为五类：A类检修指整体性检修，对配电网设备进行较全面、整体性的解体修理、更换(严重)。B类检修指局部性检修，对配电网设备部分功能部件进行局部的分解、检查、修理、更换(严重)。C类检修指一般性检修，在停电状态下对设备进行的例行试验、一般性消缺、检查、维护和清扫(严重)。D类检修指维护性检修和巡检，在不停电状态下对设备进行的带电测试和外观检查、维护、保养(注意)。E类检修指设备带电情况下采用绝缘手套作业法、绝缘杆作业法进行的检修、消缺、维护(异常)。

3.检修时限。一是当设备为注意状态时，应在一周之内进行检修；二是当设备为异常状态时，应在三天之内进行检修；三是当设备为严重状态时，应立即安排检修。

(三)检修策略。

1.检修策略内容。检修设备+检修类别+影响范围+停电时间(ABC三类检修)+设备历史检修信息(如有)。示例：XX线路XX开闭所进线开关柜电缆头温度越限告警时需立即进行设备检修，则检修策略内容如下：检修设备——XX线路XX开闭所XX进线开关柜；检修原因——XX线路XX开闭所进线开关柜电缆头温度越限告警；检修类别——B类检修；影响范围——XX公变、XX专变；停电时间——XXXX年XX月XX日8:00～16:00；设备历史检修信息——XXXX年XX月XX日XX故障。

2.检修合并。当某一设备执行检修时，同时检索该检修策略停电范围内近期需进行检修的设备，并合并检修策略，减少检修停电时间，提高供电可靠性。如在上节示例检修策略中检修停电范围内有设备处于注意及异常状态且还未进行检修时，应进行检修策略合并：检修设备1——XX线路XX开闭所XX进线开关柜；检修原因——XX线路XX开闭所进线开关柜电缆头温度越限告警。检修设备2——XX线路XX配电房XX配电变压器；检修原因——XX线路XX配电房XX配电变压器油温临界。检修类别——设备1进行B类检修，设备2进行C类检修。影响范围——XX公变、XX专变。停电时间——XXXX年XX月XX日8:00～16:00。设备历史检修信息——设备1于XXXX年XX月XX日XX故障；设备2于XXXX年XX月XX日XX故障。

三、应用情况

基于大数据分析的配网状态检修使得配网的设备检修工作从定期的计划检修模式向智能化的状态检修模式转变，可最大限度地减少因配网设备检修造成的停电时间，同时降低了设备的维护成本，延长了设备使用寿命，对提高供电可靠性及配网精益化管理水平具有实践意义[6]。

四、结语

随着无线感知设备技术的发展以及配电设备的智能化、一体化趋势的发展，将会有越来越多的设备状态数据信息被采集、被上传到主站系统，大数据分析可获得更加准确的设备状态，基于大数据分析的配网状态检修策略将实现更加精准的配网设备检修，从而进一步减少检修停电时间，提高供电可靠性。