摘要

為提高新一代智能變電站變電設備狀態(tài)監(jiān)測與評估的準確性和效率,文章研究了針對變電設備狀態(tài)監(jiān)測與評估的數(shù)據(jù)監(jiān)測體系和手段,指出目前在線監(jiān)測設備的大量應用可為大數(shù)據(jù)挖掘分析提供強有力的數(shù)據(jù)支撐,并分析了適用于新一代智能變電站變電設備狀態(tài)監(jiān)測與評估的大數(shù)據(jù)預處理方法,最后從建立設備異常知識庫和狀態(tài)評估2個方面展望了大數(shù)據(jù)在新一代智能變電站變電設備狀態(tài)監(jiān)測與評估領域的應用前景。

關鍵詞 : 智能變電站; 變電設備; 狀態(tài)監(jiān)測; 狀態(tài)評估; 大數(shù)據(jù)挖掘;

0 引言

智能變電站是智能電網(wǎng)的基礎和支撐節(jié)點,是銜接智能電網(wǎng)發(fā)、輸、變、配、用、調度六大環(huán)節(jié)的關鍵,也是實現(xiàn)能源安全、穩(wěn)定、高效轉換和控制的重要組成部分。國家電網(wǎng)公司于2009年進行了2批智能變電站的試點建設,并從2011年開始全面推廣智能變電站。經(jīng)過近幾年來的研究和實踐,目前推廣建設的智能變電站初步實現(xiàn)了全站信息數(shù)字化、通信平臺網(wǎng)絡化、信息共享標準化、高級功能應用互動化,大大提升了變電站整體的運維自動化水平[1-2]。但與此同時,在推廣建設智能變電站的過程中也遇到了各方面困難,制約了智能變電站的進一步深入發(fā)展。為更好地支撐運行、檢修核心業(yè)務的集約化管理要求,突破智能變電站在建設、運行方面遇到的發(fā)展瓶頸,國家電網(wǎng)公司于2012年著手研究與建設新一代智能變電站,目前已有一批試點工程建成并投運。

在新一代智能變電站中,對變電設備的運維管理多維化、精益化是大趨勢,大量采用集成了狀態(tài)檢測傳感器和智能變電一次設備及新式傳感器,監(jiān)測程度和一次設備的智能化水平大幅提升。隨著監(jiān)測數(shù)據(jù)采集點周期的縮短,海量的狀態(tài)監(jiān)測數(shù)據(jù)源源不斷地產(chǎn)生,這就讓應用大數(shù)據(jù)技術對新一代智能變電站中變電設備進行更為準確和實時的狀態(tài)監(jiān)測與評估成為可能。

智能變電站與大數(shù)據(jù)理念的結合,會對智能電網(wǎng)的發(fā)展和智能變電站的變革產(chǎn)生深刻影響。在文獻[3-6]中,結合云計算和智能電網(wǎng)的特點,詳細說明了基于云思維的理想化智能變電站結構、智能電網(wǎng)的調度及扁平化結構的智能電網(wǎng),并以此為背景提出了利用網(wǎng)絡通信和分布式服務結構實現(xiàn)在虛擬環(huán)境下的資源共享和協(xié)同工作,實現(xiàn)通過界面直接訪問變電站數(shù)據(jù),提高了變電站的實時監(jiān)測水平,充分體現(xiàn)了“電力流、信息流、業(yè)務流”高度一體化的理念。本文對在新一代智能變電站變電設備狀態(tài)監(jiān)測與評估中的大數(shù)據(jù)挖掘技術應用進行了總結和展望。

1 研究現(xiàn)狀

大數(shù)據(jù)挖掘是指從海量、完全、多源、異構的數(shù)據(jù)中挖掘人們無法預知的,但又實際上蘊含著潛在的可被利用的知識的過程。圖靈獎得主吉姆格雷曾描繪了數(shù)據(jù)密集型科研未來發(fā)展的愿景,未來的數(shù)據(jù)密集型科研可僅基于數(shù)學模型的海量數(shù)據(jù),即可對數(shù)據(jù)進行分析,也就是將海量數(shù)據(jù)輸入龐大的計算機器集群中,只要數(shù)據(jù)中存在相互的相關關系,經(jīng)過計算機集群的計算分析便可挖掘出過去關注因果的科學方法很難發(fā)掘出來的新的模式、新的知識甚至是新的規(guī)律。新一代智能變電站中變電設備的眾多狀態(tài)信息中同樣包含了電力設備的狀態(tài)和故障演變機理,通過大數(shù)據(jù)的分析挖掘理論可直接發(fā)現(xiàn)這些規(guī)律。

適用于新一代智能變電站變電設備狀態(tài)信息大數(shù)據(jù)挖掘的方法目前主要是基于計算機集群結合分布式并行計算的方式,包括高性能計算所廣泛使用的信息傳遞界面[7]、應用于大規(guī)模計算機集群的MapReduce等。MapReduce模型如圖1所示。

圖1 MapReduce模型

Fig.1 MapReduce model

整體來說,大數(shù)據(jù)挖掘技術在新一代智能變電站變電設備狀態(tài)監(jiān)測與評估中的應用還處于起步階段。目前已有一些學者使用人工神經(jīng)網(wǎng)絡算法、模糊推理、專家系統(tǒng)、動態(tài)聚類、支持向量機、小波分析等方法進行變壓器故障診斷[8-9]。文獻[10]給出了基于MapReduce的電力變壓器并行故障診斷過程,應用4個MapReduce過程執(zhí)行故障診斷算法的訓練階段,并得出分類模型,應用1個MapReduce過程完成對電力設備狀態(tài)信息數(shù)據(jù)的故障診斷。文獻[11-12]在智能變電站環(huán)境下,針對各種智能量測裝置運行過程中產(chǎn)生的海量狀態(tài)監(jiān)測數(shù)據(jù),提出在大數(shù)據(jù)環(huán)境下設備故障快速識別與預測的模型,對大數(shù)據(jù)進行深度挖掘,對故障的特征及與設備的關聯(lián)關系進行提取,結合周邊變電站信息定位發(fā)生故障或出現(xiàn)危險情況的具體設備和故障原因,協(xié)助運行人員及時分析和處理事故。文獻[13]詳細分析了變壓器故障識別新方法的意義及措施。

2 新一代智能變電站變電設備狀態(tài)監(jiān)測與評估診斷數(shù)據(jù)源

目前,變電站主要通過人工巡視、離線實驗、帶電檢測、在線監(jiān)測等方式和手段獲得設備的狀態(tài)信息,根據(jù)評估模型進行設備狀態(tài)評估,判斷設備狀態(tài)是否異常,并預判設備的故障情況,在故障發(fā)生前對設備安排合理的檢修時間和項目[14]。但在傳統(tǒng)的變電站中,多數(shù)對設備狀態(tài)的監(jiān)測依賴于人工實驗等低智能化的或離線實驗、帶電檢測等長時間周期的手段和方式,這對進一步精準監(jiān)控并掌握設備狀態(tài)造成了制約。