电力变压器全维度智能决策支持系统分析

2021-01-12李功

电气技术与经济 2020年6期

李功

（陕西德源府谷能源有限公司）

0 引言

从电力系统运行层面分析，电力变压器起到重要的作用，同企业设备共同支撑系统运行。受到运行环境和外力因素等的影响，变压器装置很容易产生故障和问题，影响系统的应用效果。若故障发生且没有得到快速处理，则会引发系列问题，造成重大损失，因此提出高效的检测和诊断以及处理方法，有着重要的意义。

1 供电可靠性分析

分析城市当前供电情况，根据公开数据显示，早在2018年，全国14个特大及以上城市供电可靠性指标持续向好，供电可靠率达到99.95%之上。随着技术水平的不断提高，供电可靠率不断提高。根据2020年上海供电数据显示，全市的供电可靠率达到99.9956%，且中心城区供电可靠率实现99.999%的突破，甚至达到99.9998%，达到一流电网的标准。分析这些成绩背后的原因，自然离不开电力人员和现代化设备以及技术的支持。目前，电网运行管理中已经投入了很多智能化检测和故障处理技术，提高设备运行隐患和风险的排查水平，及时消除潜在的隐患和问题，进而保障供电的稳定性和可靠性。本文结合电力变压器全维度智能决策支持系统的应用进行具体分析。

2 电力变压器全维度智能决策支持系统的设计

2.1 全维度的概念

针对变压器信息系统存在的问题，包括数据不规范和交互程度低等，提出全维度决策体系。整个体系的设计，围绕数据和设备与决策支持流程，开展智能化决策的设计，具有多源异构数据接入功能，同时支持数据整合与高级分析，进而给状态检修工作的开展，提供科学合理的支持。整个决策分析的流程如下：①数据接入和整理。按照数据接入的相关规范和标准，接入全维度数据，比如变压器运行数据和设备缺陷信息等，通过数据的整理，为后续决策分析提供支持。②变压器装置的运行状态评价。对系统管控的变压器装置，开展定位评价分析，搜集运行数据，为运维管理人员提供依据，以免设备异常，造成电网不安全或者不稳定运行。当系统分析结果为异常，则会自动开展诊断分析，进行异常原因的分析［1］。③故障诊断。若变压器运行状态的评价结果显示是异常，将会结合油中溶解气体分析数据，开展深度的故障诊断分析，判断是否存在潜在故障。若没有发现潜在故障，结果显示为无明显故障，要借助风险评估模型开展深度分析。④风险评估。开展风险评估分析，必须结合装置的危害度和严酷度，按照风险矩阵，定性分析风险等级，为检修决策提供依据。值得一提的是，构建的变压器装置寿命预测模型，给检修决策提供完整的信息，保障决策的准确性。⑤检修决策。基于变压器风险评语与寿命预测分析，根据专家经验，构建专家知识库，实际应用中通过对比搜索，制定检修计划，落实检修工作，确保电网达到安全且稳定状态。流程图如下图所示。

2.2 总体架构

面向变压器运行检测和故障分析等需求，打造的全维度智能决策支持系统，总体架构如下：①接入层。提供系统接入功能支持，对于结构化数据，例如PMS数据以及在线监测数据等，通过面向服务的体系架构最终接入，各个系统的数据接口组织服务进行发布，使用的数据交换模型，按照Xml形式定义和解析，使用者通过系统接口服务，同时配置数据交换模型，便可以完成数据的接入。设计的接口，采用的发布模式有很多，比如WebService以及TCP等，构建面向服务的体系架构，保障接入层能够灵活运行，支持系统的扩展，提供的数据接入方式多样化［2］。②整合层。此部分负责对规范化数据开展整合处理，依据系统逻辑关系，完成数据的分布式存储，形成变压器全维度健康档案信息库。构建的数据整合层，利用的是Redis数据库实现功能；构建时对变压器各个层次设备，进行17位设备编码，进而使得数据和设备保持对应关系；采用键值对形式，完成数据信息的存储，进而支持大数据整合与数据存储，为全维度智能决策支持系统的奇数层，提供强有力的支持。③技术层。基于搭建的全维度健康档案信息库，利用全维度智能决策体系，形成高级分析模型，围绕变压器装置运行状态、设备所处的风险等级以及潜在运行故障等，开展相应的分析。作为全维度智能决策支持系统的核心部分，技术层发挥着重要的作用。系统的技术层，需要构建很多分析模型。基于智能代理技术，结合运用信息融合技术，进行融合决策代理模块的搭建，同时构建相应的模型。搭建的融合决策代理模块，能够实现对各个模块结果融合的技术，对模型进行扩展，实现对模型的完善和优化，保障系统分析结果的准确性与实用性［3］。④展示层。系统完成分析获得结果后，从展示层进行可视化展示，提供相应的用户接口，使其能够使用以及操作。使用者通过展示层可以获得管辖区域内变压器装置的运行状态，获得异常提醒，进而采取处理措施，

2.3 物理架构设计

设计的全维度智能决策支持系统，属于典型B/S应用。系统内的变压器装置数据信息，利用防火墙与网关等各类安全设备防护；基于标准化接口，利用接口程序，实现规范化接入；对于纸质文档，发挥数据录入模块的功能，完成规范化采集。配置的数据库服务器以及分析服务器，采用的是分布式物理架构，利用数据库集群与热备手段，支持数据存储和处理等操作，同时能够保障用户访问的安全性和可靠性，确保系统扩展性，且提供决策支持系统［4］。

2.4 系统分析模型设计

构建的分析模型，主要是按照全维度体系流程，构建关联关系，各个分析模块输出结果，能够为下个模块提供输入参数，助力其完成分析功能。整个分析期间，结合运用变压器装置的原始数据信息，受到模型和输入参数的双重作用，实现全维度智能决策支持系统的完整分析功能。采用层次化与流程化构建手段，保障模型的处理功能，基于模块输入输出关联关系的深度分析，为对应模块功能的实现提供设计参考。结合全维度智能决策支持系统内各个分析模块的特点分析，既相互关联，又各自独立，因此运用智能代理技术，构建分析模型，确保分析模块的智能化，同时保障可拓展性。智能代理技术，主要是将知识与响应处理过程全部保存下的智能实体，可以独立感知环境变化，同时根据知识，开展设备变化的分析，给出相对准确的分析结果，为变压器状态检修工作的落实提供依据和保障。基于技术的支持和保障，增强全维度智能决策支持系统整体性能，保障系统作用得到有效发挥［5］。

3 电力变压器全维度智能决策支持系统的应用

3.1 案例概述

以某变电站#1主变带电试验分析为例，发现异常情况，具体为A相主变压器的乙炔含量超出标准，系统提示乙炔超限预警，乙炔含量为3.5ppm。经过设备台账查询后了解，变压器装置的电压等级为500kV，同时运行时间不足2年，理论上不应该出现明显绝缘老化，随即利用全维度智能决策支持系统，对此问题展开分析。

3.2 系统的分析结果

根据变压器油色谱试验和电气试验等历史资料，针对设备运行状态开展评价，评价结果为注意状态；全维度智能决策支持系统利用故障诊断模型分析，获得的诊断结果为局部放电故障或者放电故障；利用风险评估模型进行分析，设备的危害度结果为16，综合风险评估矩阵分析，确定设备处于中等风险状态；利用寿命分析模型，获得的绝缘寿命预测结果显示变压器装置的寿命为31年，已经运行2年，所以寿命为29年；利用检修决策专家系统，同此类变压器开展类比分析风险，相同批次的设备没有提示预警信息，处于正常使用状态，对比分析结果显示存在差异［6］。经过分析，给出的决策分析结果如下：①建议对变压器装置，进行局放超声定位，检查是否存在放电情况；②若变压器运行期间，存在乙炔增长速率加速的情况，则需要降负荷运行。

组织开展局放超声定位，获得的结果为变压器正常。将获得的超声定位结果，录入到全维度智能决策系统，开展重新分析，最终获得的结果如下：乙炔超限的原因为油色谱在线检测装置安装环节出现问题，由外部不慎引入。通过组织专家对分析结果研究，结合变压器乙炔含量稳定保持为3.5ppm，没有出现显著增长的情况，同时超声定位结果为正常，没有放电情况，认定全维度智能决策支持系统的结果合理。通过对全维度智能决策支持系统应用准确性以及适用性的实践检验，验证系统的可利用价值和效益，具有推广应用的价值［7］。