基于人工智能技术的智能变电运维软件设计研究

吴 谦

（国网无锡供电公司， 江苏 无锡 214000）

0 引言

随着近年来电力系统建设要求和规模的不断扩大，对变电站运行的稳定性和安全性等方面的要求也不断提升。变电站在建设中应用智能化和信息化等方面的技术有利于进一步优化变电站内的各项资源，提高变电站内的电网建设效率，推动变电站的运维管理升级。结合人工神经网络等人工智能技术实现变电站的故障预测、诊断以及决策的智能化，有利于进一步提升变电站电力系统的建设效率，推动变电站的智能化管理，全面提高变电站设备运行的安全性和稳定性，为变电站的运行提供有效保障。

1 人工智能分析

人工智能主要用于对人类思维、理论、方法和技术等方面的智能模拟和拓展，以深度学习为主要核心，有效提高工作效率，降低人工工作成本。近年来，随着科学技术的进步以及国民经济的飞速发展，人们对电力资源管理的需求量以及质量等方面的要求也越来越高。对此，电力企业以及企业工作人员必须重视对变电站内设备运维管理的智能化建设，结合人工智能技术进一步改进和创新变电站的运维管理策略[1]。变电站中的人工智能主要包含专家系统、智能优化系统和计算机学习系统等三种形式。目前，主流的应用主要包含算法、算力和数据三个方面，如表1 所示。随着近年来人工智能技术的不断发展和进步，变电站运维管理中人工智能的应用途径逐渐扩大，进一步改善了人们的生活和社会生产方式。

表1 人工智能主流应用方向

2 软件设计

2.1 整体架构

基于人工智能设计的智能变电站运维软件的管理包括电网调度、管理和运维三个方面，能实现对变电站设备的智能化操作管理、对设备运行情况进行监控和告警、远程协调控制设备运行、分析并管理设备的异常运行情况等。在资源方面，本文设计的软件包含了变电站内大量资源的统一管理和传输。在调度控制方面，本文设计的软件能有效使用调度、监控和运维操作系统进行变电站内所有设备以及变电站周边环境的调度。从总体上看，本文研究的软件系统涵盖三个方面的架构，分别是基层、中间层和顶层[2]。

2.2 运维管理平台的人工智能运行分析

和传统的智能管理平台不同，本文研究的变电站智能运维管理软件主要从故障感知、应对和决策分析三方面实现功能的应用。首先，利用机器学习技术对大量已经产生的监控数据进行分析，找出其中的异常节点，针对异常情况绘制异常曲线，通过对比，实现对故障信息的预警，为运维管理人员提前发现和解决变电站运行中出现的安全隐患提供依据，降低变电站故障发生率。随后，对变电站运维过程中产生的事件进行问题的分析和整理，按照事件包括运行案例和运行故障等进行剖析，明确产生的原因、现象、类型、解决措施、经验、难度以及解决问题花费的时间等，利用人工智能技术对其进行整理和归纳，形成运维数据库。当变电站出现设备运行故障后，及时从数据库中找出相应的记录，并筛选合适的应对措施，结合设置好的故障处理脚本进行故障处理[3]。最后，利用平台中的大量运维数据和运行数据建立系统的评价标准，对设备的性能和运行状况进行分析，为工作人员及时对设备进行维修保养提供依据。

2.3 数据库设计

软件开发尤其是人工智能软件开发中，数据库占据着重要的地位，直接决定着软件的运维和监控功能。本文研究的变电站智能运维系统的数据库为Oracle 数据库，这一数据库能保持在运行过程中的安全性和稳定性，具有更好的监测性能。同时，考虑到数据库的存储容量问题，数据库的存储采用MySQL，开发了C 与C++语言，保证数据库具有良好的兼容性。综合Java、C#和VB 等工作接口，为历史数据的查询提供良好条件。最后，设计了Id、TaskName、TaskNum、WorkMode、Status 和Timestamp 等字段，能维护变电站各个设备良好运维条件以及运维的环境，保证本数据库能有效符合变电站的运行需要。

3 人工智能软件模块分析

3.1 机器学习

机器学习是指对大量历史数据的学习，实现对特定目标的识别和归纳，机器学习的工作主要分为数据选择、模型训练、模型验证、模型测试、模型使用和模型优化等步骤，通过寻找相关数据并使用一定的数据挖掘模式对事件进行分析和预测，是数据发现和挖掘的前提条件，如表2 所示。本软件通过对历史故障的发生数据等建立故障预警模型，结合设备监控数据的预警情况以及预警趋势等进行分析，为运维人员提供故障警报信息，方便运维人员及时发现并采取有效应对措施，对可能发生的故障进行检修排查，降低设备故障为变电站带来的损失。

表2 机器学习步骤

3.2 网络拓扑

本文研究的变电站智能运维管理软件将整个变电站类的各个运行设备的状态和运维特征等建立了相关的数据库，构成了设备的网络拓扑结构，能及时发现和分析相关的运行故障，并利用拓扑网络图回溯故障发生的链路，确定故障发生的节点，分析故障可能会影响的范围并对故障进行精准定位，提高了故障的准确率和故障排查效率，如图1 所示。

图1 网络拓扑结构

3.3 故障智能感应

传统的变电站故障感应技术主要通过相关的阈值或固定的检测算法对变电站设备中固定的监测控制项目进行检测和管理，当遇到故障和检测过程较为复杂并突发性较强的故障问题时，往往会面临较大的局限。本文研究的软件主要利用Splunk 机器数据引擎对软件的程序、服务器以及设备的监控数据等进行搜索和整理，能在较短的时间内发现和解决问题，降低软件的运维成本，提高软件运维效率。

值得注意的是，Splunk 训练数据会受到训练曲线偏差的影响，故每晚对阈值进行重新计算，避免产生误报。

3.4 维修决策

维修决策作为设备维修管理的重要内容，能为变电站高效、稳定运行提供良好的作业环境，保证变电站的运行效益。人工智能在维修决策方面的应用主要通过专家系统建立人工神经网络，对相关信息进行学习，建立设备维修决策相关模型，实现设备的智能运维，是变电站进行设备维修和保养的重要依据。

在具体的设备维修决策中，变电站相关人员首先将相关维修信息输入至系统中，随后选择系统提供的维修方案。这一维修决策能有效克服传统维修决策中经验、水平等方面的限制，利用数据库中的维修案例和专家专业知识等相关信息制定复杂设备的维修管理方案，提高维修决策的科学性。

4 基于人工智能技术的智能变电运维软件应用

4.1 遥测系统

遥测系统通常应用于对变电站一次设备工作情况的监督。变压器作为遥测系统的重要组成部分，是出现故障诊断难题的主要设备环节，为了进一步提高故障诊断效率，可以利用人工智能对变压器的相应检测参数以及变压器的运行状态等建立映射学习管理，及时准确掌握变压器的实际运行情况，确保变电站设备安全稳定运行[4]。

4.2 遥视系统

变电站内遥视系统是实现对变电站内相关设备、工作环境和工作人员全面监督的重要保障。在遥视系统中应用人工智能技术，能进一步提高变电站的管理水平。通过人工智能技术能实现智能化的远程监控，准确分析监控视频中设备运行状态等信息，同时，结合热成像技术还能对设备的内部运行温度进行监控，进一步提高了设备监控的准确性，如图2 所示。此外，利用人工智能技术对变电站内厌恶特征进行学习和分析，还能实现烟雾自动报警功能，进一步提高设备运行效率。

图2 基于人工智能的红外热成像技术

5 结语

将人工智能技术应用在变电站的智能运维软件建设中，已经成为提高变电站内设备运维管理效率的重要措施。通过人工智能技术的学习模仿功能，可以实现遥测和遥视系统，提高变电站内运行的稳定性和安全性。同时，通过拓扑、深度学习和神经网络等人工智能技术，还能够实现故障的预测、诊断和决策等功能，降低变电站故障发生频率，确保变电站安全、稳定运行。