基于调控云技术的电力电网设备故障分析方法

摘要：本文拟研究一种以调控云为基础的电力系统设备故障分析方法，以提高其对各种故障判别的准确性。在调控云平台上，对电力系统的运行数据进行处理，分析出电力系统，并对发生故障的设备进行分区。在频率域中，利用小波分析的基本原理，处理设备工作信号，并利用信号的奇异值对仪器进行定位。采用ID3决策树算法，建立设备故障数据仓库，并对数据和故障进行相关性分析。最后在此基础上，提出一种基于贝叶斯理论的设备故障诊断方法。实验表明，运用调控云技术对电力电网中的设备故障原因进行分析，准确率在96%以上，而且分析精度与召回率较高，分析结果比较可靠。

关键词：调控云；电力电网设备；故障分析

DOI：10.12433/zgkjtz.20232439

保证电网设备的正常运行和安全性，需要加强设备的日常维护和巡检。在设备维护过程中，应该注重设备的安全性检查，特别是对于容易出现故障的设备应该加强维护。在设备巡检过程中，应该注意观察设备的运行情况，及时发现设备故障和隐患，并采取相应的措施加以解决。此外，针对电网故障的处理，应该建立完善的应急预案和故障处理流程，及时启动应急预案，并协调各方资源，合理分配应急处理任务，快速排除故障，保证电网正常运行。同时，加强对电网设备的监测和管理，采用先进的监测技术和管理方法，提高电网设备的运行效率和可靠性。

一、电网设备故障类型

（一）高压配电设备故障

首先，电源供给源头与输送设备断开。这种情况往往是电网公司对配电系统进行统一检查，为了避免安全事故的发生，断开了电源供给。这种做法虽然在保障生命财产安全方面十分重要，但也会造成一定的影响。因此，电网公司应该在检查之前，提前与相关单位沟通和协商，避免对配电设备的正常运行造成不必要的影响。其次，长时间地输出高压电容易使线路老化，从而对配电设备造成损伤。高压电的输出需要通过大量的线路才能够输送到目标地点，而这些线路长期处于高压状态下，造成线路的老化和损坏，从而导致设备故障。因此，设备的维护和管理工作十分重要，应定期对线路进行检查和维护，及时发现和解决问题。

（二）低压配电设备故障

低压配电设备在夜间高峰期易发生故障，这是因为夜间是用电高峰期，负荷超过设备额定值会导致设备内部电路烧毁和短路的现象。这些故障表现为机械变形、开关延迟、储能异常等，给电网配电工程供电造成很大影响。为了降低故障发生可能性，配电公司需要及时调整设备额定值，防止停电。低压配电设备在电力系统中扮演着重要的角色，是电能从变电站输送到用户的重要环节。

二、以调控云为基础的电网设备故障运行数据处理

随着电力网络的发展，电力网络运行数据和信息计算量也在不断增加。然而，传统的数据处理系统已经无法满足这种处理性能的需求，这很容易造成信息交叠浪费、数据兼容冲突等问题。为了应对这些挑战，调控云平台应运而生。调控云平台是一个集数据管理、数据处理和应用于一体的平台，可以支持不同标准下的数据管理与应用。在调控云平台中，OMS、D5000等系统可以实现数据的管理和应用，从而提高数据处理的效率和准确性。此外，电力设备对调控云平台的指令反馈和采集的各监控区域的数据存放在调控云的资源层中。这样做的好处是可以实现数据的集中管理和共享，避免数据的重复采集和存储，从而提高数据的利用率和处理效率。

电网调控云平台是一种集成了云计算、大数据、物联网等技术的电力调度管理平台。它是由应用服务层、平台服务层和基础设施层构成的。应用服务层面向用户提供各种电力调度管理应用服务，平台服务层提供各种平台支持服务，基础设施层提供数据存储、计算和资源管理服务。从资源池中抽取与电网设备运行相关的电气、电网拓扑数据，是电网调控云平台实现智能化管理的重要途径。通过对这些数据的分析和处理，可以实现对电网设备的实时监控、预测和优化。利用调控云技术计算电网潮流，可以实现对电网运行状态的实时监控。同时，通过对电网潮流数据的分析和处理，可以实现对电网运行负荷的优化和管理。最后，电网调控云平台还可以确定异常电网设备所处区域。通过对异常设备的定位和诊断，可以实现对电网故障的快速定位和修复，提高电网的可靠性和稳定性。

在传统正向逆向算法的基础上，将电力系统供电线路视为一个单独的运算单元，通过对电力系统中各环节的功率流技术进行划分，减少调控云计算的计算量。以有无馈线作为计算分割单位，如果调控云中储存的设备所在地区的三相母线K导纳矩阵为YK，与该母线相连支路上的电流IK、电压UK分别表示：

IK+1为母线K的流出电流，故而可根据潮流对前推回代原理进行计算，根据电路KCL原则，可通过公式（2）对母线流入支路的电路展开计算。

其中，代表经过支路的负荷、电容器、分布式电源之间电流的总和，I代表临近母线的其他母线电流。潮流计算需要根据母线电压计算母线K-1的电压。在电力系统中，母线是连接各种电气设备的重要枢纽，而母线电压的稳定性对整个电力系统的运行至关重要。因此，计算母线电压是电流计算的第一步。然后，需要计算母线k-1的流出电流。母线的流出电流是指从该母线出发的电流，对电力系统的负荷均衡和电压控制都有重要影响。计算母线流出电流是电流计算的另一个关键步骤。需要计算所有母线中的电压和电流。这是为了全面了解电力系统中各个节点的电压和电流情况，以便进行有效负荷均衡和电压控制。而后需要回代得到自身的联络母线电压。回代是指在电力系统中逆向追溯电流和电压的过程，可以帮助确定电力系统中各个节点的电压和电流。在电网潮流计算的过程中，需要根据电网拓扑信息不断更新母线电压。这是因为电力系统中的各个节点是相互关联的，它们之间的电压和电流会相互影响。因此，需要不断更新母线电压，以保持电力系统的稳定运行。最后，需要重复上述前推回代过程直至收敛。这是为了确保电网潮流计算的准确性和可靠性。在重复计算过程中，可以逐步优化电网潮流计算模型，以获得更好的计算结果。

三、电网设备故障分析实现

（一）调控云数据奇异性检测

调控云中储存着电力系统中的海量信息，一旦发生故障，调控云中的信息将产生变化。为了对装备故障进行精确诊断，本文利用小波变换技术对数据进行处理，并对其进行空域上的局域特性识别。利用李普指标对数据的奇异特征进行刻画。当电力系统中的设备发生故障时，设备所处的一条线路上将会发生电流和电压的变化。利用小波变换对电网中的电压和电流等离散数据进行分析，获得相应的特征矩阵。在选定离散小波分解后，母波为复Morlet小波，故而需通过式（3）对电网设备调控云数据信号小波展开形式变换。

式（3）中 F （b）代表数据点 b上频率域中信号幅度的泰勒（Taylor）序列展开。a和 b是小波变换中的延展性和平移性参数，它们代表了被变换后的信号在频域中的频度。φ*代表一个共轭的值，是从小波转换的结果中获得的。通过对信号x （t）进行小波分解，得到小波系数，判断该信号满足以下条件，并由此判断出电力系统操作中的奇异性。详情见式（4）。

式（4）中，K是小波函数在小波变换尺度为 s时 n次消失矩常数。δ代表了x处信号的李普指标。若x如果所有的邻接点都符合以上的条件，那么就能判定x是信号最大值的位置。通过对电力系统设备运行过程中出现的异常点进行检测，找出了设备的异常目标，并对其进行分析。

（二）电网设备运行故障中熵值分析

为了更好地利用调控云平台上的电力系统设备运行数据，必须先构建设备故障数据仓库，然后进行数据挖掘。针对上述问题，拟基于雪花式建模故障分析数据仓库，实现对决策云计算中数据的多维度使用。在数据仓库中，根据设备运行信息数据的类别，分解数据，并将数据的单位等非关键数据进行分离，从而使数据仓库的结构表得到简化。在装备故障数据仓库中，数据表的结构主要包括字段编码、字段含义和数据类型三个部分。资料长度决定资料的格式。通过联机分析处理，将网络设备的数据进行汇总、整理，从而形成数据仓库。在此基础上，提出一种基于数据仓库的数据分析方法，并将该方法应用于电网系统的故障诊断和故障诊断。在此基础上，提出一种基于ID3的决策树算法，用于设备故障数据仓库的数据相关性的挖掘。本文提出了一种基于ID3决策树的数据挖掘方法，该方法将数据仓库中的数据划分成几个子集，并将其中的异常现象视为根结点，将可能引起异常现象的因子属性视为子节点。根据影响因子引起设备故障的可能概率，用影响因子Xm的熵来划分节点属性。用公式（5）来计算设备故障因子引起的熵值。

Pm是指因 Xm而引起设备故障的可能性。针对引起设备故障的每个子态，依据其信息熵的变化，不断地进行分支，直到得到相应的故障程度的判断树状结构。反复进行决策树处理。

（三）设备故障分析

利用ID3决策树的数据挖掘方法，对电力系统中出现的各种故障进行分类。根据贝叶斯分级原则，通过对单个设备故障引起区域电力系统中潮流变化的可能性进行估算，进而对设备故障的危险程度进行分级。用贝叶斯方法推导出由设备故障引起的局部潮流变化详情见式（6）。

其中，γ为故障独立发生的参量。P （X1 IA）是指在电力系统中，当设备发生X型故障时，电力系统在 A区内的电流发生反常的概率。在贝叶斯方法中，根据最大熵与最大熵之间的相关性，判断出引起设备故障的因素。并且根据贝叶斯概率的值来决定该设备的故障危险。在高故障风险下，相应的风险等级为0.8，故障风险等级为0.6，故障风险等级为0.4。如上所述，由贝叶斯方法得到的结果就是设备故障的危险程度和最有可能故障的成因。由此，本文提出一种以控制云为核心的电力网络中的设备故障诊断系统。

四、实验数据讨论

不同的分析方法之间存在较为明显的差异。研究表明，基于网络拓扑的设备故障分析方法的准确率为82.38%～87.85%，基于电流变换的设备故障分析方法的准确率为87.17%～90.10%。而基于调控云技术的电力电网设备故障分析方法的准确率则高达96.94%～98.27%。基于调控云技术的电力电网设备故障分析方法的关键点是将云计算技术应用到设备故障分析中。该方法将设备的状态信息上传到云端进行分析，利用云端的大数据分析和处理能力对设备进行故障诊断。该方法的准确率始终保持在96%以上（见表1），准确率远高于另两种方法。

五、结论

调控云技术能够有效识别故障信号，对故障进行分类和定位，从而提高故障诊断的准确性和速度。与其他故障分析方法相比，该方法的分析误差明显小于对比方法，并且分析结果更可靠。该方法的高准确率和高召回率能够有效降低电力设备故障的漏报率和误报率，从而提升电网的安全性和稳定性。此外，使用该方法进行设备故障分析还可以优化设备维护计划，降低维护成本，提高设备的使用寿命。

参考文献：

[1]吴晋波，宋兴荣，刘永刚，等.采用调控云数据的新能源与储能电站AGC控制方法研究与应用[J].电网与清洁能源，2023，39（2）：128-134.

[2]田启东，黄双.大数据支持下的电网系统故障诊断分析技术[J].电子设计工程，2020，28（5）：125-129.

[3]刘翀.电网设备故障的智能处置策略规则库构建方法[J].微型电脑应用，2023，39（3）：149-152.

[4]席少卿，王冠男，程海兴，等.电网设备故障视频监控系统的应用[J].大众用电，2022，37（7）：51-52.

[5]裴晓东，张文龙，刘海龙，等.基于SVM-PSO的电网设备早期故障分类方法[J].电网与清洁能源，2022，38（4）：68-75.

作者简介：周耀辉（1979），男，陕西省安康市人，本科，正高级工程师，研究方向为电力调控自动化。