人工智能分析在电网设备状态检修平台中的应用

徐庆

【摘 要】随着计算机技术、信息处理技术等的发展和向各领域的渗透，使在线监测技术逐步走向实用化阶段。本文介绍VCS5000状态检修监测平台，实现了各监测系统的信息互通，避免了传统监测系统“信息孤岛”的弊端，通过人工智能分析实现了电气设备的状态预测、故障预警和诊断功能，提高设备状态检修管理水平及电网运行的可靠性和稳定性，为检修人员提供分析和判断设备故障的必要依据。

【关键词】状态检修 信息孤岛 人工智能 可靠性

随着计算机技术、信息处理技术等的发展和向各领域的渗透，使在线监测技术逐步走向实用化阶段。但是现有系统也存在一些问题：出现了一种监控“孤岛”现象，主控室里有各种服务器监测各种设备的运行，这些系统各自独立运行，不仅浪费了空间资源和计算机资源，同时也增加了值班人员的工作量。VCS5000状态检修在线监测系统采用一体化的思路，对这些系统的大小、功能范围等进行统一的界定标准，进行统一的状态检修监测平台的开发和实施。

1VCS5000系统总体结构

VCS5000系统采用分层分布式结构，配置传感器和现场采集单元。现场采集单元按监测功能要求配置，为了避免给站控层网络设备带来过重的负担、甚至影响整个站控系统的安全稳定运行，全站设置一套独立的综合状态监测系统。

各类传感器实时采集各电力设备状态信息，点对点传输至现场采集单元，通过RS485或以太网以IEC101、IEC103规约接入状态监测系统子站。监测中心控制和管理各个监测单元，并负责采集、存储状态监测数据，对站内各变电设备的运行状况进行诊断和分析，并对相关数据进行融合，建立运行与检修管理数据库，向运行人员提供变电设备状态信息和对可能的故障进行预警。

2 VCS5000系统功能

2.1 电气设备智能在线监测

（1）变压器油色谱气体在线监测：需要对日常的监测数据进行分析处理，把故障气体各组份和总烃的含量抽取出来对变压器故障进行综合分析诊断，并结合相关技术规程、导则、技术监督和检修人员的实践经验，对抽取数据的展现形式、关联数据、生命周期、历史保留深度等属性进行标准化管理，从而及时捕捉到变压器故障信息，科学的指导设备运行检修。（2）容性设备绝缘在线监测：通过监测110kV 及以下变电站内电气一次设备（如电流互感器、电压互感器、变压器铁芯等高压设备）的末屏泄漏电流，经分析计算后得到设备运行状态下的等值电容及其变化率、介质损耗。系统分两个部分，即由传感器和监测终端构成数据采集、测量和计算单元。（3）SF6 气体密度及微水在线监测：对各气室SF6气体的实时湿度、实时压力、相对湿度、密度等数据进行检测，并可以通过其变化趋势及时发现设备的隐蔽性缺陷，相应提高了电气设备的状态监测水平。当相应的指标达到报警状态时，系统自动报警或启动报警装置；当相应的指标超标达到紧急报警级别时，自动报警或启动闭锁装置，来保障电力设备和供电系统的安全。（4）断路器动作特性在线监测：采用专用的霍尔电流互感器，采集断路器的分、合闸线圈、储能电机等运行过程中的波形和数据以及综合电流互感器二次传感采集的电流波形、数据，通过RS485总线远传进入后台状态监测软件，用户可以查勘监测的分、合闸线圈的动作波形、储能电机的工作状态以及评估和分析结果。主要监测内容包括储能电机工作工况监测、开断故障电流和开断负荷电流监测及断路器动作时间、速度监测。

2.2电气设备状态信息预测

现有设备状态监测系统的故障自动诊断功能是基于实时监测和分析数据结果的基础上的，也就是说，当诊断出故障时，故障有可能实际已经发生了，因此无法实现故障的预警功能，也就无法实现真正的状态检修。

Box-Jenkins预测方法把时间序列看作随机过程来研究和描述，其基本思想是：首先假设所分析的时间序列是由某个随机过程产生的，然后利用时间序列的原始数据建立一个描述该过程的模型，并进行参数估计，此后运用所建立的模型，在已知时间序列在过去和现在的观测值的情况下，求得时间序列未来的预测值。对于平稳性时间序列，Box-Jenkins预测方法的模型分为三种：自回归模型（AR）、移动平均模型（MA）、自回归—移动平均模型（ARMA）；对于非平稳性时间序列，则可应用累积式自回归—移动平均模型（ARIMA）。VCS5000系统监测模块根据数据时间判据，选择上述模型分析，从设备状态特征信息历史数据出发，考虑运行、环境等相关因素，采用人工智能分析进行设备状态特征信息的提取，给出各在线监测系统对应设备未来的预测值，并作为系统对设备故障分析、诊断的信息源。

2.3 电气设备故障智能分析诊断

故障诊断技术是保障电气设备安全运行的基本措施之一，它能够根据各种预测方法得出的初步结论，结合具体电气设备的结构特点，综合考虑电气设备的运行历史和各种环境因素的影响，对电气设备发生的故障进行分析，确定故障的性质、程度以及部位，推测引起故障的原因。

人工智能算法的出现为实现故障的智能诊断提供可能。BP神经网络是一种多层前馈神经网络，名字源于网络权值的调整规则，采用的是后向传播学习算法即BP学习算法。典型的BP网络是三层前馈阶层网络，即：输入层、隐含层（中间层）和输出层，各层之间实行全连接。VCS5000系统故障智能分析诊断模块将预测模块输出的电气量预测值送入BP神经网络输入层，经过隐含层的推导，最终给出系统可能的故障类型，从而实现以在线监测为依据的状态监测与维修逐步取代以预防性试验为依据的预测维修，为电网实现基于状态监测的设备全寿命周期综合优化管理提供基础数据支持。

2.4 显示统计信息

能实时显示设备状态监测参数，可以查询任一台设备的历史记录、动作波形和当前状态。当设备的状态发生异常或者故障时，在操作界面上给出明确的警示信息。

2.5 数据共享

本地计算机上的设备状态监测数据可以下载到远程终端上或其他计算机上，便于监测数据的共享。

3结语

VCS5000一体化的监测系统解决了在线监测“信息孤岛”的弊端，为所有在线监测系统提供了一个智能化的监测平台，有助于及时、全面掌握设备的运行状态、健康状况及其所处环境等要素对于变电站乃至整个电网的安全稳定运行至关重要。

参考文献：

[1]郑丽娜.电气工程自动化中人工智能应用研究[J].中国科技博览，2014（34）：328.