虚拟仪器技术及其在电力系统在线监测中的应用

陈璐，毛玮韵，苏磊，赵磊，孙志庆

（1.国网上海市电力公司电力科学研究院，上海 200437;2.上海赛璞乐电力科技有限公司，上海 200437）

1 引言

虚拟仪器技术及其在电力系统在线监测中的应用的最终目标是以此为基础实现对输变电设备运行状态进行在线的可视化检测、处理和分析，为状态维修提供理论基础和判据，大幅度提高电网运行的安全性和经济性。本项目由国网上海科技项目资助，最大限度防止复杂气候环境及输变电设备自身故障导致大面积事故的安全技术是电力检测的重中之重，而虚拟仪器技术及其在电力系统在线监测中的应用又是检测手段和方式的关键技术之一[1]。

虚拟化输变电站设备状态在线监测诊断，通过虚拟化技术结合设备状态诊断，根据某一时刻在线监测的特征量与前面监测的结果进行纵向比较分析，与同类设备或同一设备不同相在线监测的结果进行横向比较，并结合历年离线检测试验数据和运行经验等，对故障类型、严重程度及原因等做出综合判断，进而做出维修策略及方法；设备状态在线诊断是以在线监测结果对故障的类型、位置、严重程度及原因做出判断，并预测出设备继续运行的剩余寿命和给出维修策略及方法的建议。显然在线虚拟诊断要求在线监测系统必须具有能反映各种特征量的监测功能、丰富的专家系统和智能化的仿真、诊断能力。

随着现代科学技术的进步和先进制造技术的发展，尽管人们对输变电设备状态在线监测与虚拟诊断技术因种种原因而持不同的态度，但像电力系统综合自动化技术一样，终将成为提高电力行业技术管理水平和大幅度提高电网安全运行水平的高度智能化的关键技术之一。

2 输变电设备状态在线监测与虚拟诊断设计

2.1 总体技术框架

首先开展油中溶解气体在线监测装置虚拟实用性分析；其次对于装置实用性分析满足要求的变压器设备，通过大数据算法建立关键状态量动态预警模型，明确需要关注的亚健康和缺陷设备[2]；最后对于缺陷设备，结合运行信息和专家经验，利用援例诊断技术开展故障定性诊断和相似案例推送，进而为后续技改和大修提供依据。

2.2 总体思路

将变压器色谱带电检测数据（简称带电数据）看成真值，将色谱仪在线监测数据（简称在线数据）看成测量数据[3]，实用性虚拟分析首先通过信号分解，将在线数据分为系统趋势、随机波动及巨幅跳变三方面，其次按类别分别建立上述三部分可用性评估系数，最后结合被监测设备运行现状综合得出装置可用性。

2.3 信号分解

对于油中溶解气体在线监测装置，其数据通过集合经验模态分解方式可以分为系统趋势、随机波动及巨幅跳变三部分。其中系统数据主要反应在线数据的趋势，随机波动数据是在线数据围绕趋势发生的高频“波动”，巨大误差指在线监测数据发生的巨幅“突变”。

2.4 专项评估

在完成信号分离后，针对系统趋势、随机波动及巨幅跳变分别建立专项评估模型。系统误差模型主要采用改进型的趋势比较法，一是比较带电检测和在线监测数据变化的方向，二是比较两者变化的幅度。随机误差模型从在线数据随机波动的剧烈程度入手，数据波动的幅度越大、频率越高，相应的可靠性越低。巨大误差模型主要从频率入手，巨大误差出现频率越高，可靠性越低。

2.5 性能综合

性能综合分两阶段，第一阶段是每种特征气体的三种误差的综合，其中系统误差是关注的重点，其次是随机误差，巨大误差属于参考信息。第二阶段是多种特征气体的在线监测误差的综合，分别针对过热、放电和日常监测三种情形，给出其对应特征气体在线监测误差的综合评价。数据的系统误差为p1，随机误差为p2，巨大误差为p3，则每种特征气体综合三种误差后的可用性系数p=0.9p10.67p20.33+0.1p3

2.6 模型建立

总体思路：利用油中溶解气体带电检测数据完成设备正常、亚健康和缺陷异常三个状态的划分，对于亚健康设备，可以完成其性能状态的短期预测。

模型搭建：建立高斯聚类方程，通过样本训练，油色谱数据分为三类。（正常、亚健康、缺陷异常）进而计算任意输入色谱数据，确定属于任一状态的概率。高斯混合模型是单一高斯聚类方程（概率率密度函数）的延伸。

高斯方程只能计算静态色谱数据，为了引入时序概念，引入了马可科夫聚类算法，带入隐含状态转移概率矩阵。

结果验证：通过利用高斯混合模型对变压器的气体数据进行聚类分析，得到“健康”“亚健康”“故障”三种“特征”状态的概率分布情况。在得到变压器状态的静态特征后，利用隐马尔科夫模型根据已有的多组观察序列将静态特征转化为动态特征，并在案例库中找到实际数据最为契合的案例库，对变压器的健康状态进行评估。最后利用Viterbi算法对亚健康数据进行短期预警。我们可以利用变压器设备的带电检测数据对在线监测数据进行矫正，并将矫正后的数据作为聚类对象，以改善模型的判别结果。下表为通过矫正数据进行健康状态评价的详细情况。

3 结论

①在综合分析输变电设备在线监测装置内部结构与各元件功能关系的基础上进行了系统划分；建立了在线监测装置的可用性评估模型，结合被监测设备运行现状综合得出装置可用性。

②实例分析表明，本文提出的可用性评估与诊断方法能够准确有效地量化评估在线装置及其各子系统的可用性，为在线监测装置的薄弱环节辨识与优化和其维护策略提供了技术参考。

③可用性评估的精度与可用性模型的有效性以及模型参数的准确度有关，而后者需要充分的样本空间支撑。由于我国基于物联网技术的输变电设备在线监测尚处于起步阶段，目前装置在长期运行过程中的故障统计数据仍较为匮乏。因此下一步工作将针对在线监测装置中各元件开展可靠性试验，建立各元件的故障率模型，在此基础上，结合实际的运行维护数据对可用性模型参数进行合理的初值设定。