基于电气信息的变电设备状态渐变过程监控方案
2019-06-11尚萌萌
文/尚萌萌
变电设备(transformer)是电力系统中变换电压、接受和分配电能、控制电力的流向和调整电压的电力设备,集中于各地变电站中,通过变压器将各级电压的电网联系起来,实现电能的输/配送。20世纪后期以来,我国社会发展建设水平明显加快,各地电力设施越发完善,变电设备的安全性也因此获取了更多关注。本文就基于电气信息的变电设备状态渐变过程进行分析,设计监控方案。
1 基于电气信息的变电设备状态渐变过程监控方案
1.1 方案拓扑学结构
考虑到变电设备本身较为多样,且变电站内的工作环节也较为复杂,为保证监控方案能够实时对变电设备的渐变过程进行收集、获取电气信息,拟应用分散式监控方法,通过CAN总线系统借助有线通信的方式实现信息的高效传递。信息收集主要借助传感器进行,分析过程在智能监控设备中完成。综上,方案的拓扑结构:传感器—CAN总线系统—导线—智能监控器—导线—管理处。智能监控器通过识别,发现传感器传输的信息存在异常则发生警报,反之系统继续进行常规的监控工作。
表1:仿真实验结果
1.2 核心技术
方案的核心技术包括通信技术、总线技术、传感器技术以及智能技术四大方面,另包括数字化技术、信号转化技术等辅助技术。通信技术均采用有线通信方式,考虑到变电设备可能对无线信号产生干扰,因此不应用无线通信方法。CAN总线技术主要用于处理分散式智能监控器传输的信号,为避免不同监控器的信号产生相互影响,同时保证信息传输的实时性,结合监控器数目设置若干可同步工作的不同信道,借助CAN总线系统进行管理。传感器主要负责收集监控对象的各类信息,并以1s为间隔不断借助有线通信技术传输给智能监控器,由监控器进行识别。智能技术是方案的核心,通过机器训练法使监控器具有识别能力,实现电气信息的分析,判断变电设备状态渐变情况。
1.3 机器训练法
变电设备状态渐变是一个过程,牵涉到多个因素,针对所有因素进行分析并不现实。与此同时,结合目前各地变电站工作资料可以发现,几乎所有变电设备出现故障时,其直接变现均带有一致性特点,如电压降低、电压不稳、电流波动、电流消失、设备温度升高等。拟应用多维度训练法进行机器训练,保证智能监控器的识别能力。如变压器的工作温度,在常规工作态势下,其温度参数往往是稳定的,会围绕一个标准值出现少许变化,以S表达温度值,则变压器的温度可通过一个数集表示:
S=[S-n……S-2;S-1;S;S1;S2……Sn]
收集变压器工作的若干样本(要求为正常工作状态下的样本),获取温度的最大值和最小值,形成一个定义空间,输入到智能监控其中,该定义空间即变压器常规工作状态下温度的变化范围。当变压器出现锈蚀、断路等问题时,传感器首先收集该信息,再将其传输给智能监控器进行判断,监控器结合程序记忆的默认值,识别出信息问题,将故障信息传递给管理处并发出警报,完成变电设备状态渐变危险的监控。
2 仿真实验
2.1 实验对象和观察指标
选取S变电站的变压器作为模拟对象,该变电器为38KV变电站主变压器,常规工作状态下,温度、电流、电压稳定(在允许范围内波动)。收集其基本工作样本400个,生成定义空间,并收集变压器常规工作的主要参数,代入到计算机中形成模型。通过参数模拟法进行仿真实验,主要观察指标为系统对故障是否反应、反应时间、正确率。可变参数包括电压、电流、温度值三个方面。
2.2 实验过程和基本结果
实验共分为三组,第一组为电压组,共进行60次实验,保持电流和温度参数不变,调整电压水平,其中安全电压实验20次,异常电压实验40次,观察并记录系统对故障是否反应、反应时间、正确率。第二组为电流组,共进行60次实验,保持电压和温度参数不变,调整电流水平,其中安全电流实验20次,异常电流实验40次,观察并记录系统对故障是否反应、反应时间、正确率。第三组为温度组,共进行60次实验,保持电压和电流参数不变,调整温度水平,其中安全温度实验20次,异常温度实验40次,观察并记录系统对故障是否反应、反应时间、正确率。
2.3 结果分析
实验结果如表1所示。
结果上看,在电压组和电流组实验中想,系统均能做出反应,准确反应38次故障,正确率为95.0%,反应时间在0.88-0.92s左右。温度组实验中,系统也能做出反应,正确率为97.5%,时间为0.79s。进一步分析发现,系统样本收集数不足,未能完全涵盖变压器所有工作情况,因此出现误判,通过增加样本数的方式可以实现应对。
3 总结
综上,现代社会发展对电力系统工作能力的要求极高,通过电气信息的收集和分析,可以有效了解变电设备状态渐变过程。本次研究给出了以分散监控、智能诊断为核心的工作方案,以多维度训练法保证方案工作效果。在仿真实验中,方案应用后可以及时有效的甄别变压器工作异常,但由于样本数目不足出现了5次误判情况,这也为后续工作的持续完善提供了更多思路,即加强数据运用。