浅谈基于物联网的电气设备状态评价及管理系统建设

钟方伟 周平 邹帅

摘要：该文主要针对电气设备智能状态评价及管理进行阐述，包括电网电气设备状态评价现状分析、系统架构设计，系统主要功能进行简述，如前端数据采集方法、设备状态评价方法等进行了阐述。文章整体上从电气设备状态评价及管理系统建设的研究现状、技术架构、抓药功能等方面分别进行了综述，并对建设过程进行了总结。

关键词：物联网;状态评价

中图分类号：N945.23  文献标识码：A

文章编号：1009-3044（2019）22-0068-03

开放科学（资源服务）标识码（OSID）：

1 现状分析

近年来，电气设备的新产品、新材料和新工艺的不断涌现，电网规模的高速发展，使得试验人员工作量不斷增加，而电气设备特有的安全要求对运维检修管理的要求不断提高，特别是安全方面必须做到百分之百可靠，这些方面在带来企业不断发展进步的同时，也给试验检修人员带来大量的烦琐低效的重复工作。目前预试工作中大部分的数据处理都需要人工方式处理，如抄表、比对导则、出具分析报告等，随着业务量的发展，日常工作中碰到很多问题急需解决，主要表现在：

1）电力行业试验业务对现场工作规范化要求高，责任重，公司制定的大量相关制度，却缺乏行之有效的监督与执行手段。

2）电力设备预防性试验非常专业化，对人员专业知识要求高，新进人员很难快速上手，迫切需要实现知识管理，做到隐形知识显性化。

3）试验人员专业水准不一，工作量大的情况下，甚至存在责任心不够，少做项目甚至数据作假。

4）对于预防性试验数据，其历史数据非常重要，而目前许多停留在纸质文件或者类似Word/Excel之类的电子文档里，使得数据易丢失并且长时间处于“低效”甚至“无用”状态，同时历史试验记录查询特别困难，使得历史数据不能形成方便分析决策的信息，难以对设备状态量的变化趋势进行动态分析诊断。

5）试验数据与分析报告的提交滞后，在野外无人值守的电站所做的试验业主监督难有足够的人力物力配置，数据可能存在失真现象。

2 课题目标

从电网的安全生产、输电可靠、经营绩效与智慧电网等方面考虑，打造基于物联网的智能状态评价系统，为业主提供现代化管理手段，减少人员配置，强化实时监督，做到试验数据的实时在线跟踪，实时出具初步的试验及设备状态结论。

3 系统架构

系统主要包括数据采集、状态评价及台账管理、辅助决策及诊断分析三个部分。数据采集通过定制终端采集实验设备数据，使用APN通道将采集的数据上传到数据库服务器。系统后台的在线监测和诊断分析模块完成对数据的监测、诊断分析及相关报告、报表的生成等。

4 系统主要功能

系统分前端数据采集、状态评价及台账管理、辅助决策及诊断分析三部分。

4.1 前端采集

通过研制试验数据专用数据采集设备，通过USB、串口等数据接口与实验仪器连接，采集实验数据，并转换为标准化数据格式，以无线或有线网络将数据加密后上传到后台服务器。终端设备内置数据通讯模块，只要通讯链路存在，会与后端数据接收程序连接，实现在线实时传输和补传功能。前端采集设备具有设备台账查询、设备历史试验数据查询、设备维修记录查询等功能。数据采集过程如下图：

4.2 状态评价及台账管理

4.2.1 设备状态监控预警

通过前端设备采集的试验数据，利用数据挖掘技术对设备历史数据挖掘分析，生成设备状态监测的预警数据模型，通过预警数据模型对设备运行过程中的 异动变化及时给出预警，对引起设备异动的变化测点进行关联排序。

4.2.2 全景信息综合查询

全景信息综合查询模块是一个重要辅助管理的模块， 如通过设备树把对应的试验记录、消缺记录、巡检、报警、评价结果等进行汇总统一查询。同时可以从综合页面上穿透到相关模块详细内容页面，极大地提高系统的全景数据分析查询效率。

4.2.3 设备状态测点管理

对于设备测点的命名，采取统一的编码规则命名，可以在不同的功能模块 之间进行相互调用，同时通过数据模型为设备的每一个测点提供实时状态的安 全期望值，并通过实测值和期望值进行残差计算，进行测点的异动提示（如对 每一个测点均可设置合理的运行阈值，任何测点异常报警将层层传到至最终计 算结果，为追溯异常来源提供方便手段）。如下图所示：

预测（安全期望值）值产生及状态预警原理：依据相似性原理来求取过程对象状态点的预测（正常）值。 当预警系统接收到现场设备采集的实时数据时，首先判断设备当前数据测点在动态模型超球中的位置，得到当前状态位置点和模型状态位置点之间的距离，从而进一步确定当前设备状态与模型状态的相似度，利用相似度和模型内 部各个参照点的坐标，就可以生成对这个运行状态的预测点，针对设备每个测 点的预测（正常）值不仅仅取决于该测点长期的历史运行规律，同时也取决于 该测点和设备其他测点之间的关联相似度，从而可以屏蔽干扰信号对预测（正常）值的影响，大大增强了预测（正常）值的精确度和可靠性。

（左图为模型，中图为正常状态，右图为预警状态） 从上图中可以看出，模型预测（正常）值生成的过程与模型生成过程正好相反，即设备实时状态在超球状态密度越大的地方，则相似关联度越高，设备的当前状态就越稳定，而当实时状态在超球内偏离相似关联度的定义范围越远， 则表明设备处于不稳定的异常状态，当相似度越过动态的定义范围之后，则将记录到一条有针对性的设备状态预警，尽管设备的当前运行参数尚未达到报警状态。

4.3 辅助决策及诊断分析主要功能

4.3.1 在线计算服务

在线计算服务模块，可以按照定义的周期、触发条件来完成数据分析计算的功能，如当试验数据发送到服务端后，系统会自动把试验/检测结果按照定义的数学模型进行计算，并通过专家服务模块完成分析报告的发布等。功能可提升试验数据分析效率、减少人工成本等。

4.3.2 专家系统

专家系统的核心是一整套基于规则的知识库，根据有關规程、实践经验、专家建议、案例分析等形成具体设备的状态检修应用导则，以知识规则的形式进行表达，建立知识库，用于对设备状态的综合分析。模糊数学在对设备状态的描述中，涉及许多不确定的知识，因此我们引入模糊数学的概念（如模糊状态量、隶属度等），建立设备的模糊状态 模型，采用模糊聚类分析对设备的故障特征进行识别。例如：将各专业试验数据按其重要程度（关键状态量和参考状态量），及对设备绝缘、导电、机械三大性能的影响程度（隶属度）经综合分析、加权平均后，得出设备的总体健康状况。专家系统模型如下图：

5 结论

本文对基于物联网的电气设备状态评价及管理系统建设进行阐述，通过从通讯手段、数据处理、判别、信息反馈等多方面入手，来构建信息化平台，以信息化管理手段，减少人员配置，强化实时监督，做到试验数据的实时在线跟踪，实时出具初步的试验及设备状态结论，甚至减少对试验人员的专业水平的依赖。

参考文献：

[1] 张友强， 寇凌峰， 盛万兴， 等. 配电变压器运行状态评估的大数据分析方法[J]. 电网技术， 2016（3）.

[2] 周广， 闫丹凤， 许光可， 等. 大数据在输变电设备状态评估中的研究[J]. 软件， 2016（1）.

[3] 陈琦. 对输配电线路故障的在线监测的探讨[J]. 城市建设理论研究： 电子版， 2013（2）.

[4] 张亚娟. 物联网信息安全与隐私保护研究综述[J]. 物流科技， 2017， 40（1）： 69-70.

[5] 严英杰， 盛戈皞， 陈玉峰， 等. 基于大数据分析的输变电设备状态数据异常检测方法[J]. 中国电机工程学报， 2015（1）.

[6] 卢志俊， 黄若函， 周招洋. 物联网技术在智能电网中的应用[J]. 电力系统通信， 2010（7）.

[7] 许婧， 王晶， 高峰， 等. 电力设备状态检修技术研究综述[J]. 电网技术， 2000（8）.

[8] 王保云. 物联网技术研究综述[J]. 电子测量与仪器学报， 2009（12）.

[9] 钟清， 阙华坤， 陈锐民，等. 物联网技术在设备全生命周期管理中的应用[J]. 计算机工程， 2012（5）.

【通联编辑：谢媛媛】