摘要

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

關鍵詞 : 智能變電站; 變電設備; 狀態監測; 狀態評估; 大數據挖掘;

0 引言

智能變電站是智能電網的基礎和支撐節點,是銜接智能電網發、輸、變、配、用、調度六大環節的關鍵,也是實現能源安全、穩定、高效轉換和控制的重要組成部分。國家電網公司于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了全站信息數字化、通信平臺網絡化、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展。為更好地支撐運行、檢修核心業務的集約化管理要求,突破智能變電站在建設、運行方面遇到的發展瓶頸,國家電網公司于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檢測傳感器和智能變電一次設備及新式傳感器,監測程度和一次設備的智能化水平大幅提升。隨著監測數據采集點周期的縮短,海量的狀態監測數據源源不斷地產生,這就讓應用大數據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監測與評估成為可能。

智能變電站與大數據理念的結合,會對智能電網的發展和智能變電站的變革產生深刻影響。在文獻[3-6]中,結合云計算和智能電網的特點,詳細說明了基于云思維的理想化智能變電站結構、智能電網的調度及扁平化結構的智能電網,并以此為背景提出了利用網絡通信和分布式服務結構實現在虛擬環境下的資源共享和協同工作,實現通過界面直接訪問變電站數據,提高了變電站的實時監測水平,充分體現了“電力流、信息流、業務流”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監測與評估中的大數據挖掘技術應用進行了總結和展望。

1 研究現狀

大數據挖掘是指從海量、完全、多源、異構的數據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據密集型科研未來發展的愿景,未來的數據密集型科研可僅基于數學模型的海量數據,即可對數據進行分析,也就是將海量數據輸入龐大的計算機器集群中,只要數據中存在相互的相關關系,經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掘出來的新的模式、新的知識甚至是新的規律。新一代智能變電站中變電設備的眾多狀態信息中同樣包含了電力設備的狀態和故障演變機理,通過大數據的分析挖掘理論可直接發現這些規律。

適用于新一代智能變電站變電設備狀態信息大數據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,大數據挖掘技術在新一代智能變電站變電設備狀態監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網絡算法、模糊推理、專家系統、動態聚類、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信息數據的故障診斷。文獻[11-12]在智能變電站環境下,針對各種智能量測裝置運行過程中產生的海量狀態監測數據,提出在大數據環境下設備故障快速識別與預測的模型,對大數據進行深度挖掘,對故障的特征及與設備的關聯關系進行提取,結合周邊變電站信息定位發生故障或出現危險情況的具體設備和故障原因,協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監測與評估診斷數據源

目前,變電站主要通過人工巡視、離線實驗、帶電檢測、在線監測等方式和手段獲得設備的狀態信息,根據評估模型進行設備狀態評估,判斷設備狀態是否異常,并預判設備的故障情況,在故障發生前對設備安排合理的檢修時間和項目[14]。但在傳統的變電站中,多數對設備狀態的監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,這對進一步精準監控并掌握設備狀態造成了制約。