關于變電站運維大數據的挖掘和應用
更新時間：2021-12-23
瀏覽次數：557
淮亞利
安科瑞電氣股份有限公司 上海嘉定 201801
摘要:隨著信息技術的高速發展，電網正從自動化時代邁向智能化時代，“云大物移智”的發展趨勢對電網升級轉型，建設智能化可靠電網有著很其重要的意義。變電站作為電網中的重要一環，其設備運維質量很大程度上決定著電網運行的可靠性。通過分析變電站運維大數據的類型特征，結合數據挖掘方法及其關鍵技術，探究變電站內數據分析應用場景，后提高運維大數據的利用率和站內設備運行的可靠性。
關鍵詞:變電運維;數據挖掘;預測和分析
0 引言
電網結構越來越復雜，設備呈現類型眾多、數量龐大、技術新等特點。電網運行過程中變電站各個元器件隨之產生大量數據，數據的多樣化考驗變電運維人員的處理能力，如何對數據進行存儲、挖掘、分析、應用，盡可能發揮變電運維數據的作用，成為新時代下變電運維技術的研究重點和難點。
目前，變電運維存在表單多、雜、繁的現狀，運維記錄大多仍是紙質化形式記錄，存在易丟失、查找難、分析慢、離散化等不足，記錄分析以人工為主，效率低且主觀性強。雖然目前變電站機器人開始推廣應用，但機器人的記錄數據與其他數據分析割離，而且需要人工核對。大多數情況下，變電設備的缺陷形成是基于隱性馬爾科夫模型的緩慢不確定過程，合理利用運維時間序列數據進行監視、分析，可以盡可能早地發現缺陷，排除故障，避免進一步惡化，危害站內甚至電網設備的安全穩定運行。因此，探究邁向智能化時代變電運維大數據的挖掘和應用尤為重要，有助于電網持續有效可靠地運行。
1運維大數據類型
變電站的運維數據由于設備類型多、來源廣、數量大、零散化、結構復雜等特點，從而導致目前運維過程中出現數據存儲差異化、利用率低、關聯性弱等多重困境。基于設備全生命周期的管理思考，本文首先以運維數據的刷新周期作為主分類標準進行運維大數據類型劃分，分為固有數據、動態數據和隨機數據，再以設備類型、采集方式等進行細分。
1)固有數據包括:設備臺賬參數、出廠試驗報告、說明書等。
2)動態數據:①氣象數據:溫度、濕度、天氣狀況、風速等。②負荷數據:計量、測量等各類電壓電流數據、電能質量數據。③測量和試驗記錄數據:一次設備試驗報告、GIS局放在線監測、高壓柜局放數據、油色譜監測、微水、設備介損、主變繞溫油溫油位、主變分接開關動作次數、油流繼電器示數、斷路器動作次數、避雷器動作次數和泄漏電流、鐵芯及夾件泄漏電流、液壓機構打壓次數和液壓表壓力、SF6壓力、套管油位、紅外測溫、設備聲音記錄、蓄電池電壓內阻測量、電壓互感器N600接地電流測量和電流互感器二次電壓測量等。④遙視圖像記錄
3)隨機數據包括:設備試驗和檢修記錄、開關跳閘記錄、保護動作記錄、故障錄波及測距數據、裝置告警信息記錄、設備缺陷記錄、節假日特殊活動等社會數據。
面對如此繁雜的運維數據，單憑人工處理過于單一化，往往難以發現數據間的潛在信息，而大數據技術可以解決上述問題，因此運維大數據融合大數據技術可對變電站設備進行狀態監測。不僅可針對單一設備，還可延伸至間隔內、本站內、對側站、片區電網甚至監測，進行結構化存儲分析。
2 數據挖掘方法
數據挖掘有別于傳統的簡單數據分析。數據挖掘是從大量的、不*的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中但又潛在有用的信息和知識的過程。數據挖掘基于大數據技術從多種類型的數據中快速獲取知識，為決策人員提供客觀的決策支持。借助數據挖掘方法分析變電站運維大數據，可以從海量運維數據中找出潛在信息，幫助運維人員更有效地評估設備狀態。
數據挖掘基本流程大致可分為6大模塊，分別是業務理解、數據理解、數據準備、建立模型、模型評估和應用改進。業務理解即確定目標和明確分析需求;數據理解即數據收集和數據清洗，其中數據收集所抽取數據需要能夠正確反映業務需求，否則所得到的分析結論將會無效化甚至誤導化，數據清洗作用為“去噪”和“補全”，剔除原始數據中的壞數據和擬合缺失數據;數據準備即探索數據內部規律和數據轉換，如歸一化、標準化等;建立模型即綜合考慮業務需求目標，選擇全局較優的模型;模型評估即根據評價標準對所建模型的精度、效率和通用性進行客觀評估，然后基于評估結果判斷所建模型是否滿足業務需求;應用改進即將模型應用于業務實踐，切實解決業務需求，挖掘數據的較大價值，同時基于應用情況及時跟蹤改進現有模型，以達到模型優化的目標。
具體運維大數據分析的關鍵技術包括數據清洗、數據轉換、分類與回歸、聚類分析、關聯分析、時序模型和結構優化等。電力運維大數據的挖掘重點在于綜合運用上述技術對海量的數據進行統計學分析，通過各種計算結果依次相互承接，得出相應結果。另外，分布式存儲和并行化計算可以大大提高數據挖掘的效率，使分析系統性能達到質的提升。分布式存儲適用于大數據處理和批處理，如HDFS分布式存儲系統;并行化計算是現有處理大數據的有效算法，如基于MapＲeduce的機器學習和知識挖掘。
3 應用場景分析
變電站運維大數據的挖掘應用場景眾多，基于規范化、系統化、結構化的運維數據可效進行數據分析決策，對現有的生產運維工作提供巨大幫助，提升工作質量，彌補人工分析處理的不足，為變電站乃至電網的可靠、穩定、持續運行提供堅實保障。本文通過2個主要功能闡述其應用前景，涉及數據存儲、設備狀態評估等2個不同方面。
3.1運維數據結構化存儲系統
變電站運維數據具有多元異構化的特征，而數據挖掘采用結構化數據則效果更優，因此需要對運維數據進行結構化存儲。
運維數據結構化存儲系統不僅有助于運維數據挖掘，還能提高運維人員的工作效率。通過整合離散、非結構化的運維數據，提供結構化查詢功能，可根據工作需求快速獲取所需實時數據和歷史數據。同時，可保留基礎紙質化的規范表單留痕，然后利用OCＲ圖像識別技術將紙質化表單快速電子化存儲，或者充分利用巡視PAD的功能，進行電子表單記錄，共享巡視機器人數據庫并獲取相應信息。
Hadoop平臺可靠性高、延伸性強、性價比高，可很好地承載運維數據結構化存儲系統。系統依次按照站內維度、間隔維度、設備類型維度、數據刷新周期維度逐層對運維數據進行結構化清洗、存儲，有需要的情況下可降維存儲主成分、特征向量和提供直觀的可視化展示。
3.2設備狀態評估系統
運維大數據涵蓋海量信息，利用數據挖掘分析技術，挖掘數據集內部規律、關聯性等重要關鍵信息。設備狀態評估系統基于大數據技術實現運維大數據分析，根據運維人員需要或自動完成設備狀態評估，實時快速檢測設備運維數據得到客觀的狀態評估結果，為運維人員提供決策幫助。
設備狀態評估系統的整體框架如圖1所示，主要分為數據預處理、數據挖掘、狀態評估決策等3大部分。
1)數據預處理。運維數據本身可能存在噪聲數據、缺失數據等嚴重影響數據分析的情況，首先需要通過數據清洗提高數據質量，從而使數據挖掘更有效。數據挖掘往往基于高維度數據開展，通過特征選取、分布結構等初步發現數據規律并進行標準化等數據轉換，為下一步數據挖掘的效率提高和判斷準確提供幫助。
2)數據挖掘。數據挖掘主要針對設備不同狀態下的運維數據、電網運行狀況和氣象數據等多源異構多維數據進行整合，然后根據業務需求建立模型綜合開展關聯性、相關性、分類判斷和預測和分析，后輸出分析結果。
3)狀態評估決策。根據數據挖掘輸出結果，建立設備性能狀態評價體系，分性能分等級區分設備性能狀態。結合當前甚至未來的設備狀態、電網運行狀態和氣象因素進行預警，為調整設備運維策略提供可靠指導。根據分析結果可提供特征數據的可視化結構，如運維數據對比、數據主成分分析結果、設備性能等級熱力圖和重點關注設備實時遙視。 
4 安科瑞變電所電力運維云平臺介紹及選型
4.1 云平臺概述：
按照電網公司的統計，10kV及以上供電電壓等級的工商業用戶有200萬戶以上，此類“用戶側變配電所”產權歸電力用戶所有（工商企業、住宅小區、學校、醫院等），雖然數量眾多，但是日常的運行維護工作比較傳統，普遍存在以下痛點：
人工成本高：人工巡視、紙質記錄、電話溝通，缺乏智能化的手段
工作效率低：巡視頻率低、巡檢任務無法定位、巡檢過程不標準規范、巡檢缺陷缺乏閉環跟蹤；
安全隱患：有些用電單位無專業維護電工、無法即時排查電氣隱患、隱蔽工程隱患檢查難等難題；
搶修時間長：變電所設備種類較多，在分布上也比較分散，無法即時識別和定位故障信息，需要用戶通知后到現場確認；
運行大數據缺少分析：有些用戶未有數據匯總分析平臺，甚至未安裝電力儀表導致運維人員對現場電力參數信息不了解，無法確定電力系統是否正常運行。
4.2 應用場所
4.3 云平臺架構
我司的運維平臺綜合運用綜合保護裝置、多功能電力儀表、母排及線纜測溫裝置、變壓器溫控儀、視頻攝像頭、水浸煙霧、溫濕度、門磁等多種傳感器統一接入變電所現場的邊緣計算網關，經邊緣計算網關將數據封裝、壓縮、加密后上傳至云平臺。實時集中監測所有變電所用電情況、統一調度運維巡檢安排，線上線下聯動；實現用戶側變配電所的24小時無人值守，全面監測各配電回路運行狀態，即時定位故障，降低安全風險。通過手機APP下發運維任務到zhi定人員手機上，并通過GPS跟蹤運維執行過程。將企業集團/高等院校內廣泛分布的變電所集中統一管理，提高運維效率、提高故障響應速度，即時發現運行缺陷并做消缺處理。為售電企業提供電能集抄服務，即時掌握用戶用電量情況，避免偏差考核；響應泛在電力物聯網的政策，增加客戶粘性，為后期的增值服務開展做準備。
4.4云平臺功能
4.5云平臺配置方案
4.6產品介紹
AM5SE系列微機綜合保護裝置
功能
保護功能：主變差動保護功能、主變后備保護、三段式過流帶方向帶電壓閉鎖、三段式過流、零序電流保護、過電壓；
低電壓保護、大功率電機保護、高壓電動機綜合保護、PT并列功能、非電量保護、并網逆功率保護、檢同期功能；
測量功能：保護電流、測量電流、零序電流、母線電壓、零序電壓4-20MA輸出、直流測量；
通訊功能：提供RS485通訊接口，RS232維護接口，IRIG-B對時接口、USB升級接口，RJ45網口接口；
故障錄波功能：保護動作時觸發錄波，可以記錄故障前8個周波后四個周波的數據；
控制回路：自帶操作回路，防跳功能；
GPS校時功能：提供時鐘同步接口，接收GPS校時信號。
應用
35kV及以下電壓等級的變配電站及設備的保護測控功能，至少包括35kV進線/主變壓器（一般容量2000kVA以上）/PT/母聯、10kV進線/饋線/配電變壓器（一般容量2000kVA以下）/高壓電動機/高壓電容器/母聯/PT等設備的保護和自動控制功能。
ASD300系列智能操控裝置
功能
一次動態模擬圖指示及自檢帶電顯示、閉鎖及自檢；
核相、強制加熱、強制照明；
語音防誤提示；
人體感應及柜內照明、已帶電語音播報；
分合閘、遠方就地、儲能轉換開關；
分合閘回路完好指示/電壓測量；
預分預合閃光指示；
斷路器分合次數統計；
RS485串行通訊接口；
開關柜節點無線測溫；
全電參量測量。
應用
35KV高壓及以下中置柜，手車柜，環網柜。
ARTM-Pn無線測溫裝置
功能
接收60個ATE100/200/300/400；
3U3I電參量測量；
實時測溫功能；
RS485通訊接口，通過標準的MODBUS RTU協議實現組網功能；
具備自檢功能；
超溫、高溫、相間溫差報警、溫度突變量告警功能。
應用
變電站、配電室、箱變等。
APM810系列多功能電力儀表
功能
準確度等級：有功電能0.5S級，無功電能2級；
測量功能：三相電壓、三相電流、分相及總有功功率、分相及總無功功率、分相及總視在功率、分相及總功率因數、頻率、需量；
電能計量：分相及總雙向電能、四象限無功電能；
電能質量監測：2-63次分次諧波、總（奇、偶）諧波測量、電壓波峰系數、電話波峰因子、電流K系數測量；
輸入輸出：2路開關量輸出（選配MD82模塊可擴至8路）；
及2路開關量輸入（選配MD82模塊可擴至26路），開關量輸出；
可配置為報警輸出或遠程遙控，DO用作報警輸出時可自由關聯報警內容；
SD卡存儲功能：用于電參量、電能、諧波等數據定時存儲，波形存儲等功能。
應用
適用于電力系統、工礦企業、公用設施、智能大廈等需要電力監控的場合。
DTSD1352導軌式電能表
功能
測量功能：三相電流、電壓、功率、頻率、總正反向有功電能統計、總正反向無功電能統計；
準確級精度：有功0.5S；
電流信號接入：直接接入10（80)A 經CT接入1（6）A；
電壓信號：100V 380V；
通信：RS485接口，支持MODBUS-RTU或者DL/T645通訊協議。
應用
適用于政府和大型公建中對電能的分項計量，也可用于企事業單位作電能管理考核。
ADW300無線智能儀表
功能
測量功能：三相電流、電壓、功率、頻率、總正反向有功電能統計、總正反向無功電能統計；
電能質量：電壓、電流不平衡度，電壓、電流總諧波及2-31分次諧波；
需量：電流、功率需量及實時電流，功率需量；
準確級精度：0.5s級 ADW300外置互感器型1級；
電流信號規格：100A輸入 ，經互感器輸入，二次互感接入；
通訊方式：RS485、 LORA無線通訊、NB-IOT無線通訊、4G無線通訊。
應用
ADW300方便用戶進行用電監測、集抄和管理，可靈活安裝在配電箱中，可用于電力運維、環保監管等在線監測類平臺中。
ARCM300系列電氣火災監控儀表
功能
測量：單回路剩余電流、4路溫度、電壓、電流、功率、頻率、功率因數、視在電能、四象限電能；
保護：剩余電流、溫度、過流等；
報警：聲光報警，支持消音、復位操作；
開關量：1路繼電器輸出、4路開關量輸入；
通訊方式：RS485、NB-IOT無線通訊、4G無線通訊。
應用
適用于智能樓宇、高層公寓、賓館、飯店、商廈、工礦企業、消防單位以及石油化工、文教衛生、金融、電信等領域。
ANET智能網關
功能
數據采集（支持串口、以太網，只需配置即可兼容支持標準電力規約的各類儀表）；
數據上傳（支持往上海分類分項能耗平臺、寧夏電力需求側平臺、江蘇電力運維平臺、浙江電力運維平臺上傳數據）；
邊緣計算（靈活的報警閾值設置、主動上傳報警信息、數據合并計算、斷點續傳、數據加密、4G路由）；
遠程管理（遠程配置、遠程升級、遠程監視）。
應用
泛在電力物聯網、能耗系統平臺、電力需求側管理平臺、第三方云平臺、預付費系統、運維系統平臺、電力監控平臺、能源綜合管理平臺。
4.7云平臺現場應用圖片
展廳現場 運維團隊 采集箱內部圖
槍機安裝 漏水檢測安裝 低壓柜儀表
高配現場 門磁安裝 煙感安裝
4.8平臺價值
為電力運維企業提供線上運維服務平臺，實時集中監測所有變電所用電情況、統一調度運維巡檢安排，線上線下聯動。
將企業集團/高等院校內廣泛分布的變電所集中統一管理，提高運維效率、提高故障響應速度；
響應泛在電力物聯網的政策，增加客戶粘性，為后期的增值服務開展做準備；
為售電企業提供電能集抄服務，即時掌握用戶用電量情況，避免偏差考核。
4.9訪問方式
微信掃碼下載網頁版
4.10 典型案例
5結語
變電站運維大數據的挖掘和應用在智能技術日漸成熟的情況下，將不斷地深入發展且功能完善。整合變電站運維大數據，形成可有效利用的結構化數據，合理選取運用相應數據挖掘技術，提供客觀的分析結果，為設備運維檢修提供決策幫助，促進電網智能化發展，為電網穩定運行提供可靠支持。
參考文獻:
［1］彭小圣，鄧迪元，程時杰，等．面向智能電網應用的電力大數據關鍵技術［J］．中國電機工程學報，2015，35(3):503－511．
［2］高鑫，胡威，王世杰，等．基于數據挖掘的變電站故障分類與檢測［J］．信息技術，2020，44(2):66－72．
[3]王華佑.變電站運維大數據的挖掘和應用
[4]安科瑞企業微電網設計與應用手冊.2020.06版.
作者簡介：
淮亞利，女，安科瑞電氣股份有限公司，主要研究方向為變電所智能監測系統的研發與應用
