人工智能在变电站运维管理中的应用

张云珂 时尧

摘要：现阶段，我国社会正在不断发展，社会对于电力的需求越来越大。在此过程中，变电站运维管理工作具有非常重要的作用，而人工智能技术的应用为其提供充足的技术保障，促进变电站管理工作的顺利施行。基于此，本文简要介绍人工智能技术的相关内容，从变压器、断路器和电容型设备分析人工智能技术的应用，最后提出仍需加强的相关技术研究，以期为该领域的后续研究提供极有价值的参考，促进变电站的发展。

关键词：人工智能;变电站;运维管理

前言：

随着我国电网建设规模的扩大，变电站的数量也呈现日益增加的趋势，传统人工运维管理已经难以满足变电站的运行需要。在科学技术的不断发展之下，各类先进技术为变电站提供充足的技术支持，其中，人工智能技术成为变电站智能化发展的重要保证，将其应用到变电站的运维管理过程中能够有效降低人力成本的支出，并提升管理的效率和质量，减少问题的发生概率。因此，本文的研究具有一定的现实意义。

1.人工智能的概述

人工智能技术是现代社会发展过程中出现的新兴技术，以真实人体功能为基础，开发出模拟、延伸和扩展人类智能的技术，根本目的是用科技的手段探索人类思维，实现智能化发展，为人类的生活提供更加便捷的服务。就目前情况来看，人工智能技术主要依靠于算法、算力和数据来发挥相应的功能，为其提供决策依据[1]。第一，在算法方面，人工智能技术不断进行深入优化学习，不断提供自身性能来提供更加优质的服务，包括减少对能源的消耗，提升可操作性、可迁移性能力等。目前，在传统智能方法之上实现深度学习已经成为重点发展的内容之一。第二，在算力方面，需要对人工智能已有的因素进行充分考虑，如数据便捷、数据安全、平台特点等，各大企业需要投入大量资金和人力，针对人工智能的计算框架、芯片、平台等内容进行研究。第三，在数据方面，人工智能几种建设基础数据，如音频、图片、视频等，此类数据为各领域的通用数据，在数据标注工具方面也将进行相应地开发，实现智能化发展。

2.人工智能的具体应用

2.1变压器

人工智能技术在变电站运维管理的应用过程中，变压器是最为重要的部分，必须充分发挥技术优势，要对变压器的监测参量进行有效测量。在传统测量方法中，较为常见的为比值编码方法和横纵向比较方法等，能够有效提升测量效率[2]。但在此过程中，设备容易受到外部因素的影响，虽然测量速度较快，但测量出来的数值难以保障精准度，准确率相对较低，进而导致故障监测效率降低。在这样的情况下，为有效提高故障诊断准确率，专家系统、机器学习等技术开始广泛应用在变电站运维管理中，呈现出较好的效果。利用人工智能技术诊断故障主要是对变压器监测参量和状态加以协调，通过二者的映射关系建立相应的模型，直观展示变压器的状态，进而对故障进行判断。近年来，此方面的工作得到大量研究，出现各类方法，包括人工神经网络、SVM、专家系统、极限学习机、深度学习等。

例如，在使用专家系统完成映射关系的建立时，需要以相应的规则为基础，对于知识库的依赖性非常大，且难以进行后续维护。使用传统机器学习算法时，能够对样本进行分析，从而模拟出仿真性较高的映射关系，具有良好的容错性。而SVM、深度学习等所具备的非线性拟合能力较强，能够高效学习历史样本，进而了解变压器的运行状态，包括油温、振动频率、振动幅值等，并对后续运行状态进行有效预测。

2.2断路器

在变电站中，断路器也具有十分重要的作用，与变压器相似，其内部的缺陷同样也能够通过局部放电情况表现出来，这是朱涛问题表现特征之一。二者针对特征所采取的识别方式较为相似，因此可以相互借鉴。在采用深度学习方法时，能够有效识别断路器的局部放电信号并迅速定位，但其建立的网络模型和数据输入形式与传统人工方式存在一定的差异。建立的模型主要包括深度卷积神经网络、变分贝叶斯自编码器等，而数据输入形式包括局部放电相位分布图谱、脉冲序列分布图谱、灰度图等。根据实际应用的效果而言，其具备比传统人工方式更好的性能，准确率也更高，但相对不足的是可解释性并不能发挥出更好的作用。需要注意的是，断路器针对放电模型建立的仿真信号诊断模型，目前来说其准确率和可信度并不能达到应有的水平，仍需进一步研究。

除此之外，在分合闸的过程中，断路器本身会出现一定程度的振动，通常较为剧烈，会发出一定的振动信号，对这样的信号展开分析能够确定断路器内部是否发生故障，并及时定位。对断路器振动信号进行分析的方法能够分为两个方面的内容，一个是提取信号特征，另一个为特征故障分类，大体上类似于变压器的故障诊断方法[3]。对于分类模型来说，其构建过程需要以特征量为基础，首先分解信号因素，分析其具备的构造特征，结合熵理论对结果进行有效分析。分类模型的构建有多种方法，SVM、人工神经网络等较为常用。

2.3电容型设备

电容型设备在变电站中具有十分重要的作用，其具备的在线监测功能够实时监测运行数据，包括绝缘性能的电容量和介质损耗情况。介质损耗非常容易被外部因素所影响，导致计算准确性下降，这成为该领域内重点关注的问题之一。为解决这项问题，数值分析方法被广泛应用，但人工智能方法的应用范围较小，主要存在于个别研究之中。以两个个研究为例：研究一提出一种修正模型，该模型以最小二乘支持向量机的环境因素和介质损耗因数为基础，通过遗传算法的优化工程，对模型参数进行修正，在最大程度上减少外部因素的影响，提升数据的精准度。研究二提出一种新型辨损方法，以深度学习为基础，利用深度前馈多层神经网络来辨识被测介损角的变化量，从而完成修正。

3.人工智能技术在变电站运维管理中的强化研究

3.1强化三维建模技术研究和应用

对人工智能技术的应用还需要不断开发新技术，三维建模技术是变电站有效管理原因的重要技术保障，能够对电力设备和工作人员进行实时定位，进行直观化管理。三维建模技术能够将宏观建模和微观建模进行有效搭配，先利用无人机完成对整个变电站范围内设备和建筑的图像采集，建立起宏观模型，随后根据每个建筑和设备建立起具体而详细的微观模型，最后根据无人机图像确定每个模型的位置，实现智能化管理。

3.2强化设备异常状态识别及定位技术研究和应用

如果电力设备出现异常，其异常状态会直接反映给遥测系统和遥视系统，对设备温度、外观等情况进行分析。在设备出现异常情况时，需要有效利用设备附近的摄像头，计算出二者之间的距离和位置关系，对异常设备进行有效定位并发出信号，指引自动巡检机器人前往查看，如果确认设备确实存在问题，那么就需要由专业人员亲自进行确认，对是否存在烟雾、明火，外观是否破损等进行排查，并采取合理措施处理。

结论：

通过文章的分析和研究可以得知，随着我国电网建设规模的扩大，传统人工运维管理已经难以满足变电站的运行需要，必须充分发挥人工智能技术的作用，将其应用到变电站的运维管理過程中，有效提升管理的效率和质量。基于此，本文针对变电站几种主要设施对人工智能的应用进行分析，并阐述其需要对三维建模技术和设备异常状态识别及定位技术开展进一步研究和应用，对于提高变电站运维管理水平具有重要意义。

参考文献：

[1]黄军辉.变电运维技术中智能化技术的应用探析[J].无线互联科技，2020，17（24）：87-88.

[2]王刘旺，周自强，林龙，韩嘉佳.人工智能在变电站运维管理中的应用综述[J].高电压技术，2020，46（01）：1-13.

[3]贾逢城.智能变电站运行的安全与设备维护[J].电子技术，2021，50（06）：168-169.