阅读次数:人次

设备监控信息统计分析研究

国家电网公司“三集五大”实施后,各网省公司及地市公司均逐步建立并完善了“调控一体化”运行模式,在该模式下,所有变电站均实现无人值守,并将所有变电站信息汇总到调控中心进行统一集中监控。而变电站数量大导致监控信息量巨大,从而加重了调控人员的工作强度。该文提出了一种基于大数据技术的电网智能诊断方法,并建立了设备监控信息统计分析平台,实现了监控信息统计分析的智能化和自动化,极大的提高了工作效率,降低了调控人员的工作量,对提高调控专业管理水平以及提高电网运行的可靠性和稳定性也具有十分重要的意义[1]。

1故障判别算法研究

1.1相关算法简介。1.1.1人工神经网络算法。人工神经网络是一种典型的分类预测算法,它从信息处理角度对网络进行抽象,建立模型,按相关连接方式组成不同网络联系[2]。作为运算模型,该网络由大量的节点互联构成。每一节点代表某一特定输出函数。连接两个节点的是连接信号的加权值,即为权重,相当于是人工神经网络的记忆。处理单元对应不同处理对象,例如字母、概念、等抽象模式。1.1.2粗糙集算法。粗糙集算法是一种处理不确定数据的数据处理方法。它通过数据分析和数据推理来对数据集合进行划分。其研究对象是一个数据集合,对象、属性和符号是3个基本要素[3]。其以决策表的形式表达:行对应研究对象,列对应对象属性,根据属性不同,将研究对象划分到不同决策类。1.2相关算法应用。传统模式中,监控运行人员通常需要根据个人经验从大量的监控信息中分析判断,一旦遇到电网故障,监控信息大量上传,这种单纯依靠人工的信号筛选与分析判断方式存在着严重的信号遗漏及误判风险,可能延误故障处理的最佳时机甚至误处理,从而威胁电网的安全运行。针对上述问题,以open3000为平台,采用人工神经网络结合粗糙集算法,开展设备监控信息统计分析工作。输入数据为非故障时及故障前后事故、异常、越限、变位、告知五类信号及其数据。首先,利用粗糙集算法对与故障相关的告警信号进行筛选;其次,计算神经网络的输出数据,确定网络模型。使用该模型进行故障预测时,输入数据为监控系统实时信号,输出结果即为模型判定结果(正常或故障)。假设某一时刻告警信号编号为a0,a1,a2,a3,…,与之相关的遥测信号编号为b0,b1,b2,b3…。(1)利用粗糙集算法对告警信号进行筛选,得到相关信号a10,a11,a12,a13,…。(2)将故障相关向量(a10,a11,a12,a13,…,b0,b1,b2,b3…)作为输入数据,利用神经网络进行计算(其中,a1i=1表示告警信号存在,a1i=0表示告警信号不存在,bj表示实际的遥测数据)。(3)输出数据为神经网络的模型参数,即为各分量的权重(w0,w1,w2,w3,w4,…)。(4)利用神经网络模型预测未知故障,得出预测结论。

2设备监控信息统计分析平台应用介绍

设备监控信息统计分析平台是建立在运行管理系统(OperationManagementSystem,简称OMS)上的一个应用模块,主要针对变电站五类信号(包括事故、异常、越限、变位和告知)的统计分析。主要具有监控信号分析和监控信号统计两大功能。2.1监控信号分析。监控信号分析功能主要包括信息总量分析和信息趋势分析两个功能。信息总量分析是对给定时间范围内的所有场站的五类信号总数进行统计,并给出柱状图和饼图,便于监控信号分析师直观的进行查看(如图1所示)。信息趋势分析是对给定时间、给定场站及给定的信号类别进行分析,得出该信息的日趋势或月趋势变化曲线,以便监控信号分析师对信息量进行有效的把控(如图2所示)。2.2监控统计分析。监控统计分析功能主要包括如下几类,一是对五类信号的整体情况统计,即在给定时间范围内的信息总量及占比等,并生成图表,主要用于周分析材料及月报材料等,同时对于一些数量异常的信号给出提示,便于监控人员进行原因分析,以发现潜在问题;二是对未复归信号和频发信号的统计,便于监控人员及时的发现电网运行中存在的潜在风险,以及时采取相应措施,进行风险管控;三是对操作信息的统计,及对开关遥控或就地分合成功或失败的次数进行统计;四是对各场站通道投退次数的统计,对于一些投退次数异常的通道,要格外引起注意,以防止通道故障而无法监控的事科技创新导报故发生;五是附件上传功能,即月报及周分析等材料文件的上传存档,便于需要时查看(如图3所示)。

3平台应用中的问题及改进建议

目前该平台已完全实现设备监控信息的收集、分类统计的基本功能,但这些功能的实现仅仅是基础工作,若要使其更好的服务于电网调控管理业务,需对其进一步进行改进和完善,对此,该文提出了如下几个方面。3.1缺陷流程自动关联。电气设备缺陷严重影响电网的安全稳定运行,加强电气设备缺陷管理可极大的消除电网运行中的潜在隐患,防患于未然,对电网运行的安全可靠性均具有十分重要的意义[2]。张家口地调基于OMS系统建立了完善的缺陷闭环管理模块,覆盖了缺陷发生、汇报、联系处理消缺、归档等环节,极大的提升了电气设备缺陷管理工作的效率。但是在传统管理模式下,调控人员需将监控系统中缺陷发生时的监控信息的内容、发生时间、变电站名称、设备名称及其电压等级等信息逐条记录在缺陷管理模块中,耗时长、工作量大,且一般缺陷处理周期通常会超过一日,极易造成调控人员遗忘而导致未将缺陷处理的全过程记录完整。设备监控信息统计分析平台的建立将监控系统中的监控信息几乎完整的“复制”到了OMS系统数据后台,该平台与缺陷管理模块处于统一系统中,所以极易实现数据关联,所以在未来的平台中,应加入缺陷流程自动关联功能,自动将缺陷发生、处理的全过程信息自动导入缺陷管理流程模块,并加入人工干预功能,以确保信息的正确性和完整性,从而极大的提高缺陷管理的质量,降低调控人员的工作量。3.2信息自动过滤功能。在实际工作中,监控信息量巨大,但其中有相当一部分信息量是由于设备检修等原因引起,这部分信息对于监控信息的分析统计在大部分情况下是没有意义的,但当前的平台仅仅是将监控系统中的所有信息全部导入到平台数据库进行分析统计,如果某段时间内检修工作繁多或有其他原因,均会导致信息量异常,不利于监控信息统计分析工作的开展。因此,该文建议在该平台中加入信息自动过滤功能,例如在某间隔已经被置检修牌的情况下,则将该间隔的信息进行单独统计;此外,对于接地刀闸、刀闸位置为实采的设备间隔,当其接地刀闸合入、刀闸断开时,自动判定该间隔处于检修状态,在该状态保持期间所有的监控信息单独统计。另外,还应加入人工修改功能,对于一些系统无法自行过滤的信息,进行人工过滤筛选,将其屏蔽。对于自动过滤的信息应自动加入备注,说明信息被过滤的原因,例如设备检修等。对于人工过滤的信息同样也可以加入人工批注。此外,信息过滤后的图表都可以重新自动生成,以便查看。3.3越限信息分析统计。越限信息是五大类监控信息之一,主要是电压、电流、潮流等遥测量越过上下限的信息,是需要实施监控并及时处理的重要信息,所以对越限信息的分析统计同样十分重要。目前该平台仅仅可以将越限的信息量进行统计,无法对越限的电压或电流实际曲线进行查看,同样无法灵活设置曲线越限阀值,而仅仅以监控系统设定好的上、下限值作为参考,这样不利于更好的评估越限程度,也不利于发掘越限的深层次原因等。该文建议在平台中加入上述功能,可以随意查看在给定时间范围内、给定场站、给定设备的遥测值曲线,同时可以在曲线上任意设定越限阀值,并给出越限的数据点比例、越限曲线与阀值线之间的面积统计(用以评估越限程度)、越限持续时间的最大值、最小值和平均值等,以便于全方位的评估越限情况。

4结语

电网集中监控极大的实现了国网公司人、财、物的集约化管理理念,但同时也加大了调控人员的工作量和工作复杂程度。设备监控信息统计分析平台的建立一定程度上降低了调控人员的工作量,但该平台仍存在极大的发掘潜力和改进空间,该文结合工作实际对此进行了初步的研究和分析,对该平台改进的方法提出了一些十分有意义的建议,对于该平台的完善具有重要的价值。而如何实现上述建议则是该文下一步的工作重点。

作者:高雅洁 李振生 孟玲梅 张京伟 单位:国网冀北电力有限公司张家口供电公司

参考文献

[1]于磊,王双,韩宇龙,等.基于大数据技术的电网故障智能诊断方法[J].中国科技信息,2016(2):32-33.

[2]毕天蛛,倪以信,吴复立.基于新型神经网络的电网故障诊断方法[J].中国电机工程学报,2002,22(2):73-78.

[3]栗然,张烈勇,顾雪平,等.采用粗糙集联合规则挖掘算法的分布式电网故障诊断[J].中国电机工程学报,2010,30(4):28-34.

[4]王英英,罗毅,涂光瑜.基于粗糙集与决策树的配电网故障诊断方法[J].高电压技术,2008(4):794-798.

[5]卢建美.电力输变电设备缺陷管理系统的设计与实现[D].厦门大学,2014.

关于本站:中国最大的权威的公务员门户网站-公务员之家创建历经7年多的发展与广大会员的积极参与,现已成为全国会员最多(95.4万名会员)、文章最多、口碑最好的公务员日常网站。荣膺搜狐、新浪等门户网站与权威媒体推荐,荣登最具商业价值网站排行榜第六位,深受广大会员好评。

公务员之家VIP会员俱乐部

在公务员之家您可以分享到最新,最具有时事和代表性的各类文章,帮助你更加方便的学习和了解公文写作技巧,我们愿与您一同锐意进取,不懈的追求卓越。

如何加入公务员之家VIP会员
第一步:先了解公务员之家,查看VIP会员特权
第二步:银行汇款或在线支付,汇款即时到帐
第三步:汇款后立刻联系我们,将您的汇款金额和流水号告诉客服老师,3分钟内系统核查完毕并发送VIP会员帐号到您的手机中,直接登陆即可。

网站首页 | 关于我们 | 文秘服务 | 发表服务 | 支付方式 | 常见问题 | 联系我们