基于电子化移交的站线变户数据问题智能定位研究

孔庆波，杨箴

（贵州电网有限责任公司信息中心，贵州贵阳 550000）

智能电网的概念在我国得到普及，大型数字化变电站投入运行，其系统标准采用IEC61850 标准[1]。在我国，数字化变电站建设是国家政策的重点工程，在国家的大力支持下，其发展方向已向纵深方向转变。目前，国内外已有100 多座数字化变电站建成投产。第一、二批智能变电站项目已获国家电网公司批准。然而，智能变电站的建设还存在许多问题[2-6]。

为了解决站线变户数据的不统一和非共享问题，文献[7]提出智能变电站故障信息模型与继电保护在线监测方法，充分利用智能变电站信息开放与信息共享的优势，描述继电保护状态信息间的耦合及关联关系，实现继电保护关键状态的辨识。文献[8]提出基于联合特征的变电站设备图像识别方法，通过监测变电站判断故障定位和利用图像识别故障位置，对变电站设备图像进行分类识别，把图像的sift特征与图像的稀疏表示特征相结合组成联合特征，提高变电站设备图像分类识别的准确率。

但上述方法存在加载模型数量较多，加载时间较长、检测率波动幅度较大且定位效率低的问题，由此，该文提出基于电子化移交的站线变户数据问题智能定位方法，其创新之处在于通过引入BIM（Building Information Modeling）概念将数字化信息模型的概念运用在设备后期的运行管理中，提高故障定位的效率。

1 IFC变电站信息模型的建立

1.1 初始信息模型的建立

该文在调研了大量BIM 建模软件的基础上选用Autodesk Revit 产品，该产品在支持导出IFC2×3 标准的同时，其“族库类别”一一对应IFC 的“实体类型”。创建初始信息模型时Autodesk Revit 产品的族库类别不能自行定义[9-11]，内部输变电相关类别仅包含少数几个类别，无法对变电站内多数一、二次电气设备进行准确表达，也无法导入至IFC 对应实体类型内。

针对这一情况，对输变电的编码体系进行编制，得到统一的编码体系。以变压器的编码体系为例，其结构如图1 所示。

图1 变压器编码体系结构

1.2 变电站数字化移交可行性

目前的IFC 数据标准主要针对一般性的设施设备对象进行描述，在描述电力行业独有的设施设备和其属性时的缺陷较多[12-13]。变电站数字化移交的流程如图2 所示。

图2 数字化移交流程

1.3 站线变户数据问题智能定位

1.3.1 定位原理

站线变户数据问题智能定位的原理如图3所示。

图3 站线变户数据问题智能定位原理图

由图3 可知，一次设备所包含的计算机监控系统、状态监测系统以及智能辅助控制系统收集到的全部实时监测数据都通过数据转换接口转变为数据库可读取格式，并输送至数据库，利用动态调度方法对其进行整理、分析后，可将其解析得到IFC 标准框架，其与三维IFC 模型属性相对应。并且基于工作人员的操作需要可在主机的显示平台上显示并动态更新所需实时数据，实现站线变户数据问题的智能定位[14-15]。

1.3.2 动态调度方法

利用依据聚合度函数的聚合算法提升IFC 模型的加载速度，并通过IFC 模型数据组织方法对IFC 模型进行快速调度。以集群聚合算法为基础设计一个多叉树混合索引结构，对IFC 模型数据进行组织，实现场景可视化[16]。

设叶子节点为三维场景中变电站输变电的具体IFC 模型，按照聚合度函数聚合集群分割后的子集，二叉树从下往上生成，聚合全部IFC 模型后停止操作。初始IFC 模型的集合是：

按照聚合度值合并1、2 为d，集合转变得到{d,3,4,5}，然后按照聚合度值合并4、5 为b，集合转变得到{d,3,b}，再依据所得最小聚合度值，合并d、3 为c，集合转变得到{c，b}，最后合并c、b，得到最终聚合后的IFC 模型集合为：

所有IFC 集群分割的子集均由二叉树结构索引对其IFC 模型数据进行组织，设分割了N个集群，则可得到IFC 模型子集的N棵二叉树，利用一个节点索引将N棵二叉树根节点转变为多叉树混合结构。利用多叉树混合结构对IFC 模型进行组织的过程如图4所示[17-18]。

图4 多叉树混合索引结构组织IFC模型的过程

2 实验分析

将该文方法投入某省级变电站试运行3 个月，统计该过程中的变电站站线变户数据变化情况。为验证该文方法的优劣，以智能变电站故障信息模型与继电保护在线监测方法（文献[7]方法）、基于联合特征的变电站设备图像识别方法（文献[8]方法）为对比方法，统计3 种方法加载变电站站线变户数据的加载速率，结果如图5 所示。

图5 变电站站线变户数据加载速率对比结果

分析图5 可知，应用文献[7]方法的变电站站线变户数据的加载速率基本保持在300 kB/s 左右，应用文献[8]方法的变电站站线变户数据的加载速率基本保持在200 kB/s 左右，应用该文方法的变电站站线变户数据的加载速率基本保持在400 kB/s 左右，应用该文方法的变电站站线变户数据的加载速率总体上高于应用文献[7]方法和文献[8]方法，该文方法可显著提升变电站站线变户数据加载速度。

通过Chrome Dev tools 记录应用3 种方法实现电子化移交过程中的由全局场景缓慢跟进视点，最终抵达原始场景全过程内5 个视点下所需模型加载数量与加载时间。其中，全局场景加载时间是启动三维场景时整个全局场景加载需要的时间。3种方法的三维场景加载数量与加载时间对比结果如图6所示。

图6 变电站三维场景模型加载数量和加载时间

通过图6 分析可知，应用其他两种方法实现的三维场景需要的加载模型数量较多，加载时间较慢，应用该文方法实现的三维场景需要的加载数量少且加载时间快，证明应用该文方法可以有效提高三维变电场景的加载速度，降低电子化移交过程中所需模型数量。

选取该变电站的站线变户数据作为训练样本，统计训练样本总数分别为800、1 600、2 400、3 200、4 000 时，3 种方法对站线变户数据不统一问题的定位准确率，结果如图7 所示。

图7 站线变户数据不统一问题的定位准确率变化曲线

由图7 可知，该文方法的站线变户数据不统一问题的定位准确率与训练集样本数呈正相关关系，其跟随训练集样本数的增长呈平稳上升趋势，至2 400 训练集样本数时站线变户数据不统一问题的定位准确率高达95%。虽然文献[7]方法和文献[8]方法在800 训练集样本数时的站线变户数据不统一问题的定位准确率均高于该文方法，但二者的准确率波动幅度较大，且后续持续低于该文方法，证明该文方法的站线变户数据不统一问题的定位效果最好。

对3 种方法跟随训练集样本数产生变化的站线变户数据不统一问题的定位错误率进行实验，结果如图8 所示。

图8 站线变户数据不统一问题的定位错误率变化曲线

通过图8 可知，该文方法的站线变户数据不统一问题的定位错误率与训练集样本数呈负相关关系，其跟随训练集样本数的增加呈下降趋势，站线变户数据不统一问题的定位错误率在4%以下，低于其他两种方法的站线变户数据不统一问题的定位错误率，证明该文方法的故障定位准确性高，可有效确保变电站稳定运行。

由于变电站实际运行中负荷处的各节点不断变动，为验证该文方法在负荷变动中的鲁棒性，随机选取7 条线路，对3 种方法在负荷波动为小负荷、+20%、-20%、+30%、-30%下的站线变户数据非共享性问题的定位性能进行验证，结果如图9 所示。

图9 负荷变动对站线变户数据非共享问题的定位误差的影响

分析图9 可知，站线变户数据非共享问题的定位误差受负荷波动影响，会随其波动范围的扩大而增加，3 个方法中该文方法波动幅度最小，其最大站线变户数据非共享问题的定位误差是负荷波动至+30%时的0.3%，远低于其他两种方法，表明该文方法在负荷变化中的鲁棒性最好。

3 结论

文中研究了基于电子化移交的站线变户数据问题智能定位技术，通过扩展IFC 标准构建了一个应用动态调度方法的变电站数字化信息模型，在具有强大的数据处理能力的同时实现了站线变户数据问题的智能定位，能够有效提升变电站站线变户数据的加载速度，为未来变电站工程数字化移交中的三维场景交互可视化提供了有利支撑。