基于边缘计算的二次设备动态诊断技术的研究与应用∗

李玉敦，耿玉杰，管 荑，唐 毅，王 昕

(1.国网山东省电力公司电力科学研究院，山东 济南 250003；2.国网山东省电力公司，山东 济南 250001)

随着变电站大量投运，二次设备管理和运维检修业务成倍增长，运维检修人员数量相对稳定，信息技术手段欠缺，二次设备安全运行压力增大，电网安全运行的要求与运维压力持续增加的矛盾日益突出，现有二次设备运维检修模式难以为继。当前变电站继电保护、测控装置、安自装置、合并单元、智能终端、交换机等二次设备需要投入大量的人工巡视、检修试验、异常研判和处置，数字化的二次设备产生了海量数据，数据量大且分散复杂，并且没有得到充分有效利用，二次设备在运维检修方面存在以下问题:

(1)运维人员远离设备，信息化手段欠缺，数据未充分有效利用，不能及时、准确、全面掌握设备状态，异常情况未得到及时发现；

(2)随着变电站数量增加，运行巡视周期变长，误投、漏投压板风险，定值误整定风险长期存在，是变电站安全运行的潜在“地雷”；

(3)部分告警自动复归，与设备运行状态、二次回路状态相关联缺陷缺少监视和诊断分析，继电保护存在拒动和误动风险；

(4)对于二次设备运行信息缺乏监视和诊断分析手段，其通信状态、二次回路、电压/电流、纵联通道、装置自检等关键核心业务的主动排雷机制缺失，一旦出现异常直接导致二次设备异常情况发生。

由此，加强对电力系统二次设备的运行管理，强化二次系统自身的状态感知、信息交互、诊断分析、异常预警，是保障电网安全必不可少的环节。为解决上述问题，本文提出了二次设备边缘计算模型和动态诊断技术方案。利用该技术，能够在二次设备日常运行过程中，自动、准确进行异常识别和分析，通过机器主动准确发现异常问题，全面提高二次设备安全运行水平[1]。

1 二次设备动态诊断总体架构

基于面向设备的状态在线感知技术，采用云边协同总体框架，应用IEC61850 规约进行主子站通信，构建“云－管－边－端”四级结构。通过边缘计算、云边协同模式，实现二次设备全方位在线感知和动态诊断，全面支撑二次设备在线监视及动态诊断应用[2]，总体架构如图1 所示。

图1 总体架构

在变电站端部署边缘代理(二次设备在线监视及智能诊断装置)，在线采集继电保护、测控装置、安自装置、合并单元、智能终端、交换机等二次设备运行数据和状态数据，充分利用二次设备在线监视及智能诊断装置在变电站端就地就近的数据汇集和边缘计算能力，动态诊断二次设备通信状态、二次回路、电压/电流、纵联通道、装置自检等异常情况，主动发现二次设备隐性故障和异常缺陷，在边缘节点直接生成诊断结果，通过主子站通信模块上送到调度端，调度端在调控云端解析每种边缘计算动态诊断结果进行应用展示和融合分析，全面提升变电站二次设备管控力和在线诊断分析能力，依靠在线数据进行智能研判，对二次设备的运行状态进行动态诊断分析[3]。

2 边缘计算模型定义

二次设备在线监视及智能诊断装置的边缘计算建模采用扩展通用边缘计算事件节点建模，应用GGIO 逻辑节点类，各个子站定义N 个GGIO，每一个边缘计算业务定义一个GGIO，在边缘代理默认具备如下表格定义的边缘计算功能，支持扩展。边缘计算功能通过定值管理，厂家在出厂时默认设置缺省定值，在用户不整定的情况下，不影响边缘代理功能，并支持用户整定[4]，其定义见表1。

表1 边缘计算GGIO

在此边缘计算模型基础上，支持按照固定结构扩展边缘计算业务功能，主站端按照边缘代理侧设置的边缘计算功能增加对应的解析服务即可实现云边协同模式下的二次设备动态诊断。

基于边缘计算功能模型，依靠二次设备在线监视及智能诊断装置实时采集和可靠运行，基于采集的二次设备海量数据开展就地分析和动态诊断，各个边缘计算功能独立运行，生成对应的动态诊断结果，诊断结果以XML 文件承载，使用UTF－8 格式字符编码，文件命名为“STAT＿功能码＿告警码＿时间信息”。在上送到调度端的传输过程中不对文件进行任何解析和修改，主站端针对不同类型的边缘计算功能，通过各个边缘计算业务诊断结果的功能码识别对应的业务类型，调用对应的解析服务进行分析展示[5]，实现边缘计算功能可扩展和自整定，各个边缘计算业务功能码如表2 所示，定义的边缘计算模型如图2 所示。

表2 边缘计算功能码定义

图2 边缘计算模型

3 二次设备动态诊断方案

3.1 边缘计算

基于以上分析，边缘代理全时段在线监测二次设备的运行数据，强化设备的运行属性监测，通过对动态数据的诊断分析，实时掌握数据异动及异常发展趋势，边缘计算结构如图3。

图3 边缘计算结构

3.2 通信状态诊断

二次设备在线监视及智能诊断装置在就地端诊断分析与其通信连接的继电保护、测控装置、安自装置、合并单元、智能终端、交换机等二次设备MMS 或私有协议通信中断情况下[6]，通过计算分析通信状态的保持时间计算二次设备的通信连通率，通信连通率计算公式为:1－(子站与装置通信中断时间/子站与装置应正常通信时间)×100%，其中子站与装置通信中断时间和子站与装置应正常通信时间单位为小时；子站与装置应正常通信时间不包括装置因定检等原因正常退出时间。通信状态诊断流程如图4 所示。

图4 通信状态诊断流程

通信状态诊断应用详细判断规则为:二次设备的通信连通率大于等于95%且在计算分析时的通信断面正常，则诊断结果为正常状态；计算分析二次设备的通信连通率为90%至95%，或分析计算时通信断面中断且通信连通率大于等于90%，则诊断结果为异常状态；当计算分析二次设备的通信连通率小于90%，则诊断结果为严重异常状态，根据不同二次设备的连通率的诊断情况，生成对应的诊断报告将此次诊断周期内异常内容，包含:异常的起始时间、结束时间、持续时间、连通率，过程及断面连通状态上送主站端及时告知运维检修人员[6]。

3.3 二次回路诊断

动态采集分析保护装置、测控装置、交换机、合并单元、智能终端等二次设备的GOOSE 和SV 控制块虚回路链路状态、物理实回路链路状态，并结合通道光纤接口监测信息，以及链路异常告警信息进行综合分析，诊断分析二次回路状态，采集分析遥信、遥测数据如表3 所示。

表3 回路诊断分析数据

续表3

通过建立二次设备物理连接信息和二次逻辑链路关联关系模型，获取继电保护、测控装置对过程层设备的链路中断告警数据，融合分析GOOSE 变位告警，研判过程层设备链路中断情况。二次回路诊断流程流程如图5 所示。

图5 二次回路诊断流程图

采集过程层报文分析服务的链路状态报告，研判分析信号发送设备运行状态[7]。判断逻辑链路通断状态变化时，触发链路状态告警信息，判断逻辑链路通断状态变化，判断相关端口状态，判定端口状态告警信息，判断逻辑链路通断状态变化时，研判产生链路异常的具体故障点，并通过图形化的方式标识二次回路对应的故障位置，如图6 所示。

图6 回路诊断

在交换机、合并单元、智能终端、测控等端口光强数据完备的情况下，可通过光纤两端端口的接收光强、发送光强等遥测量对端口、光纤故障进行准确定位；若仅存在一端数据，另一端数据由于设备模型等问题没有上送，那么对于二次回路故障定位就会变得很困难，采用贝叶斯网路及算法，将二次回路诊断故障定位转化为不完备信息下的决策，以二次回路拓扑为基础建立贝叶斯网络分布式处理模型，结合数据统计故障概率对信息的不确定性进行量化，提高故障定位的可信度和准确性，并通过后期数据的完善对模型的精准度进行提升，提高二次回路诊断的可靠性。

3.4 电压电流回路诊断

就地采集监视电流、电压及其相关告警，同时动态开展A/B 套设备间稳态量采样数据同源比对，判断交流采样是否正常，同时融合分析相关遥信告警的输入及遥测同源比对是否异常，判断交流采样是否完好。电压电流回路诊断流程图如图7 所示。

图7 电压电流回路诊断流程图

边缘代理的电压电流诊断功能自整定的缺省值如下:

严重异常阈值:交流电流相对误差不大于5%或绝对误差不大于0.05In 为正常，并且在两者诊断分析为都大于的情况下判定为异常。交流电压相对误差不大于5%或绝对误差不大于0.005Un 为正常。电流大于等于0.1In，电压大于等于0.01Un，相角的误差8°。

异常阈值:交流电流相对误差不大于2.5%或绝对误差不大于0.02In，并且当两者都大于才判异常。交流电压相对误差不大于2.5%或绝对误差不大于0.002Un 为正常。电流大于等于0.1In，电压大于等于0.01Un，相角的误差3°[8]。

在实时运行过程中，获取被测电气量双AD 采样值，分别计算被测电气量双AD 采样值每周波的基波有效值和真有效值，判断被测电气量双AD 采样值是否有效，公式为:AD10>0.05In 且AD20>0.05In，其中，AD10 为被测电气量第一路AD 采样值的基波有效值，AD20 为被测电气量第二路AD 采样值的基波有效值，In 为被测电气量二次额定电压值或电流值；若有效，则判断双AD 采样值是否一致，判断方法为:比较被测电气量双AD 采样值差值的绝对值是否大于设定阈值，若大于，则判断双AD 采样值不一致。判断公式为:｜AD1－AD2｜>K×AD2，其中，AD1 为被测电气量第一路AD 采样值的真有效值，AD2 为被测电气量第二路AD 采样值的真有效值，K 为整定阈值，支持缺省值设置。若满足｜AD1－AD2｜>设定值×In，则判断双AD 采样值不一致，其中，AD1、AD2 分别为同一路电压或电流的双AD 采样值。当判断出双AD 采样值不一致后，给出告警信息并记录双AD 采样值[9]。

3.5 纵联通道诊断

二次设备在线监视及智能诊断装置就地基于采集的通道通信数据，诊断分析纵联通道通信情况及具体的通道信息，判断纵联通道状态。在日常二次设备运行过程中动态诊断设备遥信告警的输入、纵联通道传输信息及遥测是否越上下限，判断纵联通道是否正常。纵联通道诊断流程图如图8 所示。

图8 纵联通道诊断流程图

对于专用通道丢帧数加误帧数大于1，即两次通道断面数据的差值丢帧数和误帧数大于1 时，当复用通道丢帧数加误帧数在某个断面大于10 时，研判分析通道出现异常[10]。

复用或专用通道延时两次巡检差值大于1 ms，通道告警遥信发生，或一个巡检周期内专用通道延时超过5 ms，复用通道延时超过12 ms，并且结合采集的保护动作数据，在丢帧或误帧前后2 s 内如果监视分析到发生过保护启动，研判分析通道出现严重异常[11]。

3.6 装置自检诊断

当前变电站二次设备具备海量的自检数据，对继电保护、测控装置等二次设备的装置温度、电源电压、端口发送/接收光强、光纤纵联通道光强进行在线监测，运行趋势突变分析、状态趋势预测，分析二次设备自身状态渐变过程，通过数据统计、越限判断、同期差值越限比对等诊断手段，进行二次设备自身状态的就地诊断和主动预警，实现二次设备自身异常发展趋势的智能告警和及时发现。装置自检诊断流程如图9 所示。

图9 纵联通道诊断流程图

诊断规则可以仅依靠端口检测等遥测量信息，也可获取设备运行环境，例如季节、天气、环境温度、湿度等因素，可以更加准确对装置进行自检。由于这些影响因素对设备带来的影响没有明确的函数关系，因此仅依靠简单的算法很难准确预测装置状态。诊断规则采用线性回归与AHP 融合算法，通过采集记录某一时刻前若干点的遥测量、影响因素值，利用线性回归算法计算在单影响因素下的对设备运行的影响，结合AHP 层次分析法，权重综合计算多影响因素下对设备运行的影响，通过站端海量数据不断提高算法的准确性，提高装置自检诊断的能力。

在山东500 kV 神山智能变电站中大量使用光纤接口，因发热量大，光功率衰弱缺陷严重，光衰是一个渐变过程，依靠人工巡视难以发现，通过动态在线监视采集和分析光口光强的运行数据，通过斜率陡变分析及时发现保护装置的光口功率衰减问题，通过现场检查确认得以及时更换，避免保护误动作或拒动事故的发生[12]。

同时对于数字化的二次设备，其电源模块将不再六年更换，及时发现电源问题非常重要，但电源模块的缺陷很难直接通过电压数值反映出来。电源模块出问题前往往表现为带载能力下降(或称虚电)，当装置进行大量计算或机箱温度高时，其电压会出现稍大幅度的跌落。依靠二次设备在线监视与诊断装置在就地侧实时采集机箱温度、电网故障事件以及保护装置启动的记录数据的优势，通过融合分析开展“边缘计算”，可以及时发现并预警电源模块的此类缺陷[13]。

4 结语

本文依据在500 kV 神山变电站、220 kV 贝州变电站的实际应用，结合边缘计算技术在电网的不断应用，提出一种基于边缘计算的二次设备动态诊断解决方案，实现设备运行巡视工作在线监视和在线分析，站端进行“边缘计算”高效、准确，与云端应用进行协同互动，形成调控运行与设备运维业务横向联动，实现二次设备巡检方式由定期人工就地巡检向远程自动在线巡检转变，将大幅减少运维工作量、可靠缓解运维检修人员工作量与承载能力之间的矛盾，节约通行开支，有效降低二次设备巡检工作对运维人员的技术能力要求，进一步提升二次设备的专业管理能力和运检管理穿透力[14]。