基于大数据挖掘技术的智能变电站故障追踪架构研究

刘胜强，杨峰

（广东电网有限责任公司佛山供电局，广东佛山 528000）

目前，国内变电站设备的巡检工作大部分都是通过人工巡检完成，劳动强度较大，并且会受到环境影响，导致巡检结果的主观性较强。在国家电网重视智能化变电站的背景下，传统故障追踪与巡检的方法已经无法满足变电站日常运维管理需求。文献[1]提出了基于物联网技术的设备监测系统，通过控制网络流量能够解决通信网络拥塞等问题。通过实验结果表明，此系统具有良好的稳定性，但是查准率较低。为了使变电站中的故障问题得到及时解决，该文提出了基于大数据挖掘技术的智能变电站故障追踪架构

1 基于大数据的变电站故障信息架构

大数据平台通过优化资源调度、管理数据副本，能够使数据高峰时刻的网络传输问题得到解决。由于在出现故障之后的诊断程序要及时处理大量的信息，所以该文通过大数据平台实现故障诊断，通过分布式存储技术收集变电站中的故障数据，从而避免在数据调度过程中出现拥堵等情况，以此实现上层的有效诊断[2]。电网故障大数据平台架构如图1 所示。

图1 电网故障大数据平台架构

文中故障处理程序的平台架构，主要包括故障信息查询模块、故障诊断及追踪模块、数据模型交换及拓扑模块和录波文件分析模块。图2 为故障诊断程序的工作流程。

图2 故障诊断程序的工作流程

与图1的电网故障大数据平台架构结合，故障诊断和追踪程序分为4 个步骤[3]：

2）资源管理器能够有效分配任务，工作节点就如同各个模块执行器，比如信息查询、故障诊断等模块，在相应WN 中分发程序代码。WN 能够定时返回节点资源使用的情况，实现资源管理器停止、启动请求的接收[4]；

3）各个WN 对程序代码执行，WN1 通过HDFS 实现报警信息的提取，利用SN2 中的站内数据追踪故障；

4）WN1 能够在故障诊断请求接口中实现追踪结果与故障诊断的返回。WN4 使离线分析结果在诊断请求接口中发送，比如故障时间、相别等[5]。

对比C/S 形式故障诊断模型，通过Spark 实现基于大数据平台的故障统一调配，利用调度端单机运行能够将计算资源转变为多变电站集群化的运行，从而提高内存与CPU的利用率。其次，不需要到调度端上传诊断用报警信息，能够通过YARN，利用HDFS集群进行调用，降低调度端数据拥塞，从而进一步的提高诊断程序的可靠性[6]。

2 系统的功能设计

2.1 系统硬件设计

2.1.1 巡检任务管理单元

变电巡检任务管理单元主要包括任务的创建、删除、保存等功能。此单元能够在人机交互界面中实现巡检任务的删除与新建，操作人员自主调节系统的运行时间。

Gosiewski等从换向流动反应器内甲烷反应机理、动力学、数学模型及验证、实验室尺度试验等方面开展了较为系统的研究。在反应机理方面[11]，波兰科学院提出了甲烷燃烧详细反应机理的3种简化模型，并通过自由空间及蓄热填料通道内的对比燃烧试验对简化机理进行了验证，如图3所示。

2.1.2 图像监控单元

智能变电站故障追踪中的图像监控单元为功能类单元，图3 为图像监控单元的结构。

图3 图像监控单元的结构

通过图3 可知，利用红外摄像仪与可见光摄像机构成图像监控单元，此为变电站设备智能化巡检系统的主要模块。通过可见光摄像机，能够对视频服务设备进行封装，利用此设备实现输出模拟视频。利用红外摄像仪能够无损收集变电站中的设备信息，两者结合能够实时监控变电站设备的运行，从而提高变电站设备智能化巡检的查准率与查全率[7-8]。

2.2 系统模块设计

2.2.1 视频监控模块

此模块能够对变电站中各个部分进行视频监控，通过模拟摄像机或者网络摄像机，将变电站区环境、主变压器外观和中性接地点地刀等作为主要监控点。系统利用摄像机能够收集现场的图像，通过编码器转变数字信号，之后进入到网络系统中，各个监控点图像通过网络系统在控制中心传输[9]。

2.2.2 隔离开关模块

隔离开关模块实现隔离开关状态信息的传递，将电源切断装置设置到隔离开关操作机构电源侧，在工作出现问题时切断装置，并且将动作信号发送到系统中，避免错误判断的出现，同时发送声光报警信号，站端视频监控系统能够在接收模块中发送报警信息。

2.2.3 智能巡检模块

通过环境监测、视频监控和隔离开关，能够利用智能巡检模块设计远程智能变电站系统，要求巡检人员利用电脑进行选择，就能够对关键设备进行远程巡检，从而实现巡检报告的自动生成[10]。图4 为智能巡检的运行流程。

图4 智能巡检的运行流程

2.2.4 环境监测模块

环境监测模块能够收集变电站中的信息，包括风速、水浸、温湿度等，并且对信息进行上传和处理，采样时间为5 s。上传环境信息的变化数据到视频监控系统，实现不同级别环境量告警信息的设置。在环境量比报警限制要高的时候实现联动方案的设置，在相机相应预置位中自动执行，并且实现告警录像、发送邮件、抓图等功能。其中的一个环境量能够实现多路视频的联动。能够对多摄像机联动，通过不同方位、时间在监控中心传输现场的信息，并且使信息到站端视频监控系统中转发[11]。

2.3 大数据平台的预测模型设计

该文分析设备的运行风险，响应变量Y为定性变量，只有出现故障或者没有出现故障的两个状态。发生故障的影响因素包括油温、负载率、投运年限和温度等，分别使用x1，…，xk表示[12]，所以本文创建Logistic 回归故障风险预测模型为：

其中，β0,β1,…,βk指各个影响因素所对应的回归系数。

以此得到计算发生故障的分类临界概率p的公式为：

通过Python 软件能够调用Logistic 模型，利用极大似然估计能够计算回归系数。

使用2018 年1 月12 月的记录作为训练样本，2019 年1 月-3 月的数据作为测试数据[13]。通过Python 软件设置分类临界概率p，得出不同概率训练结果明细如表1 所示。

表1 不同概率训练结果明细

对模型准确率与命中率全面考虑，将p=0.5 作为分类临界概率，得出表2的参数估计结果。

通过表2 得到Logistic 模型函数表达式，以此对变压器出现故障的概率进行预测。如果预测的概率在0.5 以上，就表示出现故障，系统自动发出报警。通过上述回归故障风险预测模型预测样本，并且得到样本的预测结果，得出故障等级设备的数量[14]。图5 为故障识别模型。

图5 故障识别模型

表2 参数估计结果

3 案例分析

2019 年，某地市公司通过该文课题研究结果，创建变电站智能运维辅助决策平台，能够充分展现变电站设备的故障预警功能，实现科学巡视与维护，通过验证故障预测，其精准率超过90%，提高运维效率和消缺及时率，使设备可用率得到提高，优化了物力、人力的资源配置，提高了服务水平。

每天都能够实时掌握保电设备的状态，一共监测815 124 个重点数据，分析数据异常变电站，有效排查潜在的隐患。在线评估设备运行的状态，预警设备隐患发展的趋势，制定针对性策略。

在使用设备故障的预警成果中，确定了派单的顺序，增强了运维能力和风险管控，具有良好的效果[15-16]。

4 结束语

在智能变电站监控系统的使用数量持续增加时，信息平台中的设备监测数量也在增加。如何提高海量数据的管理效率，并且挖掘有用知识，文中基于电网信息采集系统的结构特点提出电网故障大数据平台架构，设计故障诊断和追踪程序。通过设计结果分析，能够满足用户实际需求。