基于云平台和告警信息的设备实时故障概率分析策略

丁嘉熹, 陈宇民, 季雨扬, 庄怀东, 毛建维

(1.云南电网有限责任公司保山供电局, 云南 保山 678000;2.香港都会大学 电子及计算机工程学系,中国 香港 999077; 3.南京南瑞继保电气有限公司,江苏 南京 211102)

0 引 言

电网的告警信息便于运行人员对各种故障进行有效处理和预警,然而单靠人力无法对设备的运行情况和本身特性的隐秘关系等进行全面分析[1-2］。当前对于电网历史故障、告警数据的处理研究主要从机器学习、统计分析以及故障图谱等方面展开[3-4］,这也是分析告警信息关联设备故障分析的基础。对设备短时故障率分析的相关研究均需要足够的统计数据作为支撑[5-6］,并且工程应用中需要适当简化以适应大规模电网情况下的应用。另外,云计算在电力系统中已有一定的应用研究[7-8］,利用云平台实现电网设备运行风险快速可靠评估方面的应用仍有较大的探索空间。

本文针对当前电网海量设备对应的庞杂告警信息与电网可靠风险评估需求之间的矛盾,提出基于云平台和告警信息的设备实时故障概率分析策略。通过告警文本进行分析确定告警信息关联的风险设备,进一步架构了故障评估的云分析平台,对海量的设备运行信息进行广泛收集和处理,从设备老化、外力破坏和过负荷水平三个主要独立故障因素的角度,建立相关的故障概率计算模型,对设备的故障概率进行计算,以其作为风险评估依据。最后依据电网运行实例对本文提出的策略进行了分析和验证。

1 告警文本信息提取

对于电网运行风险评估相关的设备异常和设备故障等告警信息,作为重点的分析对象。设备异常告警包括设备分部件运行数据异常和主运行参数(电气量和非电气量)运行数据异常等。设备故障告警信息包括主要一次设备发生故障后的保护动作及开关量变化。

为实现对告警文本准确的批量化处理,将连续的文字按照既定的词典划分成一系列词的组合。本文针对告警信息文本建立告警信息专用词汇词典对文本信息进行精确截取。专业词汇词典包含两部分:名称词典和特征词典。将所有涉及到的变电站名、线路名和设备编号等编入名称词典进行检索,用以对设备或线路进行精确定位,便于后续对历史数据的相关使用及对应分析。将所有涉及设备或线路安全分析的关键字段,比如跳闸、中断和异常等关键词编入特征词典,对告警信息文本进行检索。将告警信息涉及的设备或线路作为直接关联项,将与直接关联项直接相连的节点上的设备和线路作为间接关联项,对直接和间接关联项进行实时故障概率计算,协助运行人员对设备安全性进行评估,告警信息提取流程如图1所示。

2 故障分析云平台架构

由于电力系统不同层级、不同区域间的设备运行信息共享程度较低,无法对大范围内设备的运行和故障信息进行整合,因此云平台技术是较好的解决途径[9］,本文采用的云平台架构如图2所示。

图2 故障分析云平台架构

故障因素主要归结为设备老化、外力破坏和过负荷水平三个独立事件因素。各区域将设备相关信息,包括设备编号、型号和厂家提供的设备参数,区域内的故障信息,以及当前的气象、设备运行信息等传输给云平台。云平台将采集信息进一步整合,故障信息经统计后作为拟合计算模型参数所需的历史数据库;区域内根据告警信息分析出关联设备后,向云平台发出计算请求和相关设备编号,云平台根据当前设备运行情况、气象因素以及故障概率计算模型,计算对应区域所需求设备的实时故障概率,并发送给请求计算区域。区域收到设备的实时故障概率后,进一步对设备的风险程度进行评估。

3 实时故障概率分析模型

3.1 单故障因素下故障概率模型

3.1.1 设备老化因素故障

(1) 变压器。将变压器绝缘失效作为变压器寿命的依据。变压器老化服从韦伯分布,考虑运行温度和运行时间,其概率分布函数如式(1)所示。

(1)

式中:θH为变压器绕组温度;β为形状参数;B、C为Arrhenius反应经验常数。

依据条件概率的计算,对于已服役了时间T的变压器在后续时间Δt内发生老化失效的概率可由式(2)表示。

(2)

式中:θ0为变压器长期正常工作绕组温度;Δt为后续时间段;T为已服役时间;Ftr为对应的变压器老化概率。

将韦伯分布概率分布代入式(2),可得变压器的老化失效概率计算公式,如式(3)所示。

(3)

式中:θ0为变压器长期正常工作绕组温度;Δt为后续时间段;T为已服役时间;β为形状参数;B、C为Arrhenius反应经验常数。

对式(3)进一步改写,令其中CeB/(θ0+273)为参数Ht,则式(3)可写为:

(4)

式中:T为已服役时间;β为形状参数。

考虑T为变压器正常运行年限,Δt为超期运行年限,式(4)中需要整定的参数即为Ht、β。为实现实时故障概率计算的快速准确,本文采用最小二乘法利用变压器的历史数据对参数Ht、β进行拟合。

样本概率的计算公式如式(5)所示。

(5)

式中:Ntr-sl(T+Δti)为运行了(T+Δti)时间的变压器数目;Ntr-s(T+Δti)为运行了(T+Δti)时间因老化发生故障的变压器数目。

针对不同运行时间,建立参数估计的样本空间。通过拟合的方式对参数进行估计,考虑样本数量问题,可将同品牌同规格的变压器的运行数据作为补充。

(2) 输电线路。对于输电线路老化失效模型采用类似的处理思路,输电线路长期失效模型按照韦伯分布的概率分布函数如式(6)所示。

Ftl(t|θH)=1-e-[t/Qe-Dθ/m]α

(6)

式中:θH为输电线路温度;Q为抗拉强度相关计算参数;D、α为材料属性相关参数;θ为运行温度;m为导线质量。

依据条件概率的计算,对于已服役了时间T的输电线路在后续时间Δt内发生老化失效的概率如式(7)所示。

(7)

式中:θm为输电线路工作最高允许温度;Δt为后续时间段;T为已服役时间;Ftl为对应的线路老化概率。

将韦伯分布概率分布代入式(7),可得变压器的老化失效概率计算公式如式(8)所示。

Ptl=1-e[T/(Qe-Dθm/m)]α-[(T+Δt)/(Qe-Dθm/m)]α

(8)

式中:θm为输电线路工作最高允许温度;Q为抗拉强度相关计算参数;D、α为材料属性相关参数;Δt为后续时间段;T为已服役时间。

对式(8)进一步改写,令其中QeB-Dθm/m为一参数Hl,则式(8)可写为:

(9)

式中:Δt为后续时间段;T为已服役时间;α为材料属性相关参数。

考虑T为输电线路正常运行年限,Δt为超期运行年限,m取线路长度中位数的质量。式(9)中需要整定的参数即为Hl、α。采用最小二乘法利用输电线路的历史数据对参数Hl、α进行拟合,为排除其他因素的影响,拟合依据的历史数据选择天气因素正常下的数据。

样本概率的计算公式如式(10)所示。

(10)

式中:Ntl-sl(T+Δti)为运行了(T+Δti)时间的输电线路数目;Ntl-s(T+Δti)为运行了(T+Δti)时间因老化发生故障的输电线路数目。

针对不同运行时间,建立参数估计的样本空间,通过拟合的方式对参数进行估计,考虑样本数量问题,可将同品牌同规格的输电线路的运行数据作为补充。

3.1.2 外力破坏因素故障

将大风和雷击进行等级划分,按照历史统计数据,建立大风和雷击等级对应的故障率,其计算公式如式(11)所示。

(11)

式中:i为大风等级;Pw1i为第i等级下设备故障率;Nw1为因大风原因造成设备故障的次数总和;Nw1i为第i等级大风出现的次数;j为雷击等级;Pw2j为第j等级雷击下的设备故障率;Nw2为因雷电原因造成设备故障的次数总和;Nw2j为因第j等级雷击出现的故障次数。

综合两种气象因素,外力破坏的故障概率可按式(12)进行计算。

Pw(wi,wj)=1-(1-Pw1i)(1-Pw2j)

(12)

式中:Pw为外力破坏的故障概率;Pw1i、Pw2j分别为i级大风和j级雷击等级对应的故障率。

3.1.3 过负荷水平

过负荷水平引起的故障率主要考虑继电保护动作跳闸特性,设电流的总误差为ε,过电流保护导致设备停运的概率分布符合截尾正态分布。概率密度函数如式(13)所示,过电流保护动作模型如图3所示。Pz为保护设备正确动作概率;Pw为保护设备误动的概率。

图3 电流保护动作模型

(13)

式中:σ为标准差,可通过继保产品的测试得出;φ为标准正态分布函数;Is为测量动作电流,其取值范围为[Is0(1-ε),Is0(1+ε)];Is0为设定动作电流。

对于测量过电流为Is情况下的设备停运概率Pp(Is),可按式(14)进行计算。

(14)

式中:Is为测量动作电流,其取值范围为[Is0(1-ε),Is0(1+ε)];Is0为设定动作电流。

3.2 故障概率综合分析

可认为本文考虑的三个因素:设备老化、外力破坏和过负荷水平,为相互独立的故障事件。考虑整体可靠性的逻辑概率关系,变压器和电缆线路的实时故障概率可按式(15)所示独立事件概率Pe进行计算。

Pe=Pt+Pw+Pp-PtPw-PwPp-PpPt+PtPwPp

(15)

式中:Pt为设备老化因素的故障概率,包括变压器和输电线缆的故障概率;Pw为外力破坏因素的故障概率,综合考虑大风和雷击两个方面因素;Pp为过负荷水平因素的故障概率。综合实时故障概率Pe对变压器和输电线缆进行分别计算。

计算出直接和间接相关项的设备/线路实时故障概率后,按设备类型进行分类,并按故障概率大小进行排序;选取故障概率较大的前M项作为静态安全分析依据;计算电网可能出现的越限风险,并对电网运行风险进行评估,M的数值根据现场运行人员的经验进行选取。

综合以上分析及计算,本文提出的基于实时故障概率的电力系统告警信息分析方法流程如图4所示。

图4 告警信息分析方法流程

4 实例验证

基于本文告警信息的设备实时故障概率分析云平台采用8核64G,采用OSS对象存储作为数据库,云平台收集告警信息并进行文本解析,依据算法进行计算,并支持统计和计算结果的展示和查询。

对告警信息文本分析的示例如表1所示。针对告警信息关联的设备进行实时故障概率计算,提供运行人员进行参考,作为进行检修、排查和负荷调动辅助信息。通过云平台和通用文本分析方式,每天可以处理数万条告警及其关联信息。

表1 对告警信息文本分析的示例

以变压器为例,采用本文方法对变压器的设备老化模型进行拟合的典型参数为:β=6.3;Ht=3.54×107。拟合出的故障率曲线如图5所示。

图5 变压器故障率拟合曲线

为进一步分析实时故障概率的计算可靠性,采用某地区实际运行数据,对50个发生故障的变压器和50条发生故障的电力电缆进行了相关故障概率计算。其中针对每个变压器和每段电力电缆设备老化相关样本200个,外力破坏相关样本150个,过负荷水平因素相关故障概率计算相关参数使用的产品测试报告数据。统计计算结果与事后统计的实际先验故障概率的误差范围在15%左右的数目作为故障概率计算准确的标准。将各类型故障数据按时间顺序截取75%、90%和100%最大样本数量分别进行故障概率计算,其各种组合的计算结果如表2所示。从结果可以看出,外力破坏因其季节性、随机性较强,导致样本数量相比设备老化的样本较少,因此外力破坏因素的统计概率对实时故障概率的计算影响较大,为获得更高的准确率,可以尽可能统计多电网区域同品牌产品对大风和雷击等异常天气的适应性情况。从整体准确率的结果来看,本文方法具有较高的故障率计算准确率,可以作为运行人员运行情况的评估依据。在实时故障概率计算准确的前提下,对电网风险评估的可靠性也随之增强。

表2 实时故障率计算准确情况 单位:%

综上,通过运行实例,对本文提出的基于实时故障概率的告警信息云分析系统作用进行了验证。对相关设备进行故障概率计算,及时对电网风险进行分析,适用于大规模工程化应用,在实际的应用实例中也可以较真实地反映设备的停运概率。

5 结束语

针对当前电网中对大量告警信息挖掘和利用的需求,本文提出基于云平台和告警信息的设备实时故障概率分析策略。通过预设词典的方式从文本中提取关键事件,架构故障分析云平台对信息进行收集和处理;通过历史数据拟合设备老化故障模型相关参数,将极端天气下的历史故障率作为当前工况的故障概率,按照正态分布考虑过电流保护的动作可能性,将三者概率进行综合得到最终的故障概率;最后通过实例应用显示了本文提出的方法可以有效地为运行人员提供有效的风险信息支撑。适应大规模电网设备的应用场景,对加强电网风险管理,稳定电网运行和快速处理电网应急事件都有很强的实用价值。