基于画像的变压器精细化管控策略研究

, , , ,

(1. 广东电网有限责任公司 电力科学研究院，广州 510000；2. 广州佰聆数据股份有限公司，广州 510000)

0 引言

传统的电网运维模式是依据经验和规程，定时对不同设备的部件开展运行维护，这种运维存在很大的弊端，因为缺乏针对性可能花费大量精力而运维的效果却不理想。在这样的背景下，需要找出一种标准的精细化管控方案。近年来，随着电网变压器各类数据的采集、交互以及汇聚，广东电网逐步实现了电力变压器设备状态的多维度综合监测及分析，对保证电网安全稳定运行起到了重要作用。

现行的差异化运维分为以下几大步骤：运维数据收集、风险级别评估、运维策略制定和运维策略执行。具体地：运维数据采集专人在收集好数据之后会对数据进行分析，将缺陷部件进行分类后再对设备健康状态进行评估，然后基于设备健康状态和重要度确定管控级别，最后基于管控级别制定并执行运维策略。

但整体上，电力变压器精细化管控仍面临“数据海量，信息缺乏”、状态评价主观性太强、辅助运维决策深度不够等现状，无法对设备深层次状态特征、缺陷故障规律等信息进行精准描述，导致差异化运维时较难定位工作方向、难以采取针对性措施，难以真正实现对变压器的精细化管控[1-8]。本文融合其他领域开展比较广泛的画像技术[9-12]、数据挖掘和大数据分析等手段，结合电网业务特征及需求，提出一种基于画像技术的变压器精细化管控策略研究。

1 画像技术

画像技术的核心手段是为特定对象打标签，其目的是为了让人能够理解并且方便数据挖掘模型处理。一个标签通常是人为规定的高度精炼的特征标识，呈现出两个重要特征：语义化，人能很方便地理解每个标签含义，使得画像模型具备实际意义，能够较好的满足业务需求；符号化，每个标签通常只表示一种含义，标签本身无需再做过多文本分析等预处理工作，这为利用机器提取标准化信息提供了便利。

2 基于画像的变压器精细化管控策略研究

2.1 标签体系的构建

通过整合各场景标签，并根据设备特征属性、业务模式和设备管理人员检索习惯，研究构建多层次、多视角、立体化的标签结构化体系，按场景分类或按目标要素分类等形成变压器画像。

基于电力大数据的标签画像技术与应用研究将信息系统数据分析结果解释、转化为日常生产语境中的语言，对业务对象大数据分析结果具象化，将复杂的信息加工过程透明化，向用户提供使用日常语言表达的清晰明确的生产现实描述、具体形象的业务对象展示，探索电力大数据广泛用于生产实践的方法和机制。通过用户与设备画像将业务中的用户和设备具象化，对单一业务对象信息进行聚合和结构化集中展示，实现了将碎片化的生产信息综合加工形成对生产或决策对象系统、全面、直观的认识。画像的种类包括个体画像、群体画像、总体画像等。

2.2 基于标签二次建模的画像研究

2.2.1 基于标签关联分析的设备健康度评价优化

设备状态评价问题异常复杂，单纯采用数据挖掘算法，解决不了复杂决策问题的建模。在现有技术中，电力行业在开展变压器风险评估时，主要基于各系统直接量测和录入的数据作为风险状态评估条件。具体地，主要通过设备介质损耗、温湿度、设备电压等数据是否超过预设阈值判定。然后采用打分或者扣分的方式，依据相关导则的评价标准来判断变压器的运行状态。值得注意地，对于状态量评分法，通过综合考虑各状态量的情况来评判变压器的整体健康状况，这就首先需要对各状态量进行权重系数的赋值工作。权重系数的确定，传统上主要采用专家经验法、层次分析法等权重确定方法，在很大程度上依赖于人的主观意见，没有考虑到多个状态量之间的复杂关系，客观上存在较多重复扣分的可能性，会导致评价结果存在较大的偏差。

本文首先将状态量标签化，得到设备的状态量标签，并依据南网先行导则得到状态量标签的扣分值和基于层次分析法的主观权重系数pi；然后通过状态量标签之间的关联规则分析，得到客观权重系数qi；最终结合pi和qi得到状态评价的综合权重系数hi，完成设备健康度评价的优化。

具体步骤如下：依据关联规则挖掘出Q1；不同状态量标签与Q2；紧急重大缺陷标签之间的推理规则集，计算置信度C。如式(1)。

C=confidence(Q1→Q2)=

P(Q1∪Q2)/P(Q1)×100%=

P(Q2|Q1)

(1)

再对状态量标签的置信度进行比较，根据其置信度的大小来确定各单项状态量标签的客观权重系数。其计算式为式(2)。

(2)

其中qi为第i项状态量标签的客观权重系数；Ci为第i项状态量标签的置信度,i=1,…,n。

然后，结合pi和qi得到综合权重系数hi，如式(3)。

hi=1/2*pi+1/2*qi

(3)

最后，依据状态量标签间的综合权重系数hi，得到更加客观的设备健康度评价。

2.2.2 基于标签组合的风险评价

影响变压器风险因素的主要有两类标签，一类是发生概率的标签，如运行年限；一类是影响范围的标签，如电压等级。通过将相应的标签进行组合，可用于描述变压器的风险评价。

利用标签规则将风险发生概率的运行年限划分成初投期、稳定期及老化期，对应的风险发生概率为低、中、高；将风险影响范围的电压等级划分成110kV，220kV及550kV，对应的风险影响范围为小、中、大。通过将两者进行组合，得到图1结果。

进一步将组合成果进行归类，风险评价可以归为三大类，如图1所示。

图1 标签组合的风险影响大小

1)高风险：包括高-大、中-大、高-中三个组合

2)中风险：包括低-大、中-中、高-小三个组合

3)低风险：包括低-小、低-中、中-小三个组合

2.2.3 变压器预警状态画像

变压器状态的预警级别是根据其健康状态和风险评价组合评估。评估级别分别为I级、II级和III级，对应的状态画像的健康程度从好到坏分别为病态、亚健康和正常如图2所示。

图2 状态预警画像评估

病态画像 代表变压器当前处于危险期，运维紧急程度高、影响范围大。需要引起运维人员高度重视，提高变压器的巡视频率、检查范围和试验力度。

亚健康画像 代表变压器当前处于波动期，存在向病态画像转换的概率高。需要重视其存在的缺陷及风险，通过严格执行巡视、检修及试验流程，按期存在的问题机动性增加相关运维作业项目。

正常画像 代表变压器当前处于平稳期，只要正常执行日常的运维策略，确保缺陷、风险及时发现并解决。

3 基于画像的变压器精细化管控策略应用

3.1 运维策略的编制原则

精细化运维策略建立在变压器画像标签体系的基础上，通过将变压器各类显性及隐形的特征进行描述组合，形成变压器的健康状态的画像，同时根据变压器的所属标签，结合南方电网的检修规程、业务专家经验制定应对的运维策略。整体而循环的闭环运维过程，即如图3所示。

图3 精细化运维策略编制技术路线

3.2 运维策略编制

根据生产运维实际的要求，广东电网公司结合实际并开展研究，编制了变压器的精细化运维策略。变压器精细化运维策略以南方电网的检修规程为基础，结合变压器的基本信息、行为特征、成本特征等维度建立的设备精细化运维主题特征标签体系，进行标签与作业项目的映射，形成基于标签的运维策略体系。而变压器状态画像是通过提取设备特征标签，通过设备状态预警特征标签、缺陷模式特征标签，辅以运行工况、设备年龄等数据，运用数据挖掘技术，将特征标签进行二次建模建立的。通过变压器状态画像的标签组成，最终分解映射具体的作业项目，映射关系如表1所示。

表1 运维策略映射关系示意表

3.3 运维策略执行

在大多数情况下，变压器同时附属于多个标签，而一类标签也可能对应多个变压器。因此，根据变压器状态画像可以对整体的运维工作内容、周期及优先级进行预估，运维人员根据相关的信息进行综合规划，科学合理的编制计划、安排人员、储备物资等。整体而言，运维策略的执行原则如下：

1)综合统筹，科学执行。运维工作根据策略的内容进行统筹安排，尽可能并行执行运维工作，减少变压器停运时间， 同时以安全优先，充分评估策略。

2)资源平衡，细化分工。根据策略可以明确工作周期及内容，平滑工作时间集中度以及工作专业化成为可能，实际运维过程中，应最大程度实现工作饱和度的平稳和专业资源的统筹。

3)策略为纲，按需评估。运维工作以策略的作业项目为基本，但需要根据实际情况，进行评估优化及完善。进行实际运维后，需要对策略进行反馈及修编。

4)画像迭代实现运维工作滚动规划。实际工作中，变压器状态画像随着运维作业项目的执行，必然迭代更新，那么需要动态监视其状态画像，是否需要根据新的标签组合进行新的运维作业项目。

5)状态画像与策略联动。变压器状态画像的标签构成随着标签的生命周期迭代而不断更新，那么相应的运维策略应随着动态改变，执行也应随着联动。

4 总结

本文针对基于画像的变压器精细化管控策略进行了详细的分析、研究和探讨，利用对变压器状态画像的动态监控，对标签及其映射的运维策略的统计分析，可以对当前变压器的运维工作进行综合的滚动评估，能更科学、合理的制定出运维工作计划。通过讨论此策略的应用效果，此策略适合当前电网发展运行要求，可以精准的、有效的对运维工作的优先级、工作量及资源需求进行预估，不仅提高运维计划的执行率，同时也可以优化和降低工作饱和集中度。