基于电力大数据的变电设备故障诊断方法研究

基于电力大数据的变电设备故障诊断方法研究

陈志,李浩

国网安徽省电力有限公司六安供电公司 安徽六安 237000

摘要：电力系统是由数量众多电力设备组成的复杂系统，存在故障诊断流程复杂、检修困难的问题，因此研究如何快速、准确地诊断变电设备故障类型并采取相应的有效措施进行处理具有重要的现实意义和经济价值。智能变电设备和数据采集与监控系统的广泛应用，极大提高了变电设备运行状态相关数据的采集和存储能力，基于大数据的变电设备故障诊断方法应运而生。

关键词：电力大数据；变电设备；故障诊断；方法

1设备故障诊断现实状况

在变电设备运行的过程之中，如果在设备维修以及养护环节疏于管控，就极易诱发安全上的隐患，进而影响用户的正常用电。尽管供电企业已经正在强化变电设备故障诊断技术的运用，不过很长时间以来，在变电设备检修问题依然存在需要改进的地方。例如，技术工作者在予以变电设备检查的过程中，没有谨慎地依据有关的规章条例开展检修。如果技术工作者自身的业务能力不足，就极易产生漏检以及错检的问题。在计算机技术以及信息技术水平逐渐提升的过程中，大数据挖掘技术的适用空间正在日渐拓宽。部分大型供电单位为了提升变电设备故障诊断把控的水平，渐渐运用大数据挖掘技术予以设备故障讯息的采集与整合。但是因为维修工作者在数据挖掘环节之中的业务能力和专业素养上的不足，导致在现实应用期间，极易阻碍设备故障诊断效果的发挥。尽管已经有很多的供电单位开始重视数据挖掘技术在变电设备故障诊断中的实际运用，不过在专业挖掘诊断上，优秀的人才还较为的稀缺，这就不利供电单位长远化的发展。所以，大数据挖掘技术在变电设备故障诊断技术依然还处在缓慢的上升阶段。

再从变电设备的监测系统切入，因为供电单位在大数据挖掘环节的资金投入还远远不够，监测系统极为老旧，很难发挥出其在数据挖掘环节之中应有的效果。所以，尽管供电单位已经在运用大数据挖掘技术，不过其挖掘获取的数据极其的有限，缺乏应有的规律性。除此之外，供电单位之间的数据共享平台还亟待构建，这在一定程度上遏制了变电设备故障诊断技术的进一步发展。

2电力大数据的变电设备故障诊断方法

2.1建立故障诊断模型

变电设备故障分类问题属于多分类问题，标准的SVM不足以满足故障分类要求，因此需要对其进行改进。在故障分类问题中，基于二叉树的多分类方法具有相对训练时间短、无分割区域和最小分类的优点。因此，本文研究了基于二叉树的多分类支持向量机。

根据变电设备故障信息的筛选，确定五个变电设备故障作为分类目标：断路器跳闸、主保护动作、控制电路断路、变压器油位异常和SF6气压低。其中断路器跳闸分为断路器过载跳闸和断路器差动跳闸，主要保护动作分为单相接地保护和距离保护。这些故障之间没有因果联系，因此本文采用分层二叉树方法对变电设备故障进行分类诊断。

2.2聚类算法

聚类算法是基于大数据挖掘技术判别变电设备故障的重要诊断方法之一，主要是利用成熟聚类方法，该方法是目前使用较为广泛的方法，主要是将变电设备簇中心与离其最近的中心点连接，再确定簇中心点过程中，首先应该确定整个变电设备发生故障可能涉及的具体对象，在确定了聚类的选择后得到较为理想的聚类效果，从而通过引入轮廓系数判别聚类效果的有效性。在对分离度进行量化的基础上，计算类的相关元素和所有元素距离该元素之间的距离，找到其中距离最小的簇中元素，再计算其他元素的相关系数，最终得到类的整个轮廓系数。

2.3模糊模式辨识诊断技术

模糊模式辨识诊断技术是利用模糊理论中的机理来处理分类辨识的问题，涵括隶属度手段以及模糊聚类手段等等。其模糊模式辨识就是把探讨的主要主体看作是实际过程中模糊存在的现实，同时把上述模糊的现实演变成为现实的信息，接着运用计算机技术解决好模糊辨识的问题。比如说，过电压等具备一定的延展性，同时不明确的概念会出现在输电线路系统之中。过去使用的行波测距手段出现了无法确定的不足之处，倘若出现不稳定的母线接线、无法明确输电线路的影响指数等，就会大大地减少系统的实用程度。为最大程度地减少无法明确的因素，能够把模糊模式辨识技术运用到传统行波测距手段之中。利用分段检测的方式核验输电线路，同时依照各个线路的现实状况设置具有针对性的模式。利用辨别每个分段线路上的故障模式，能够精准地发现阐述故障的方位，倘若多种候选模式运用到同一个分段之中，就需要根据模糊理论将隶属函数确定为故障的模式属性。

2.4基于相关性矩阵的故障诊断

基于相关性矩阵的故障诊断方法，主要是考虑变电设备运转过程中不同的状态参数之间、变电设备状态参数之间、状态参数对应的故障模式之间的相关性关系。同时，应考虑在变电设备某一具体的状态参量发生异常时，与之对应的故障模式发生的可能性，在求得不同的状态参量和设备故障发生可能的相关信息后，得到设备故障模式的诊断结果，进一步计算诊断矩阵的相关性参数，再利用皮尔逊相关方法进行计算。

2.5数据统计以及查询技术

在运用大数据挖掘技术的过程之中，相关的工作人员需要利用智能系统开展输配电设备故障信息的统计以及查询工作。调度工作者需要利用系统模块设置设备故障查询条件，布局好可以查询区间，进而充分地发挥智能系统的查询效能。大数据挖掘技术之中的查询功能通常能够划分成两个类别，其一是高级查询，其二是基本查询。通常来说，高级查询就是对故障讯息予以二次查询，对设备故障可能产生的隐患予以进一步地探究。高级查询要求在专家规则库查询的前提之下开展，而专家规则库查询隶属复合查询，在这里面所涵括的查询结果很多，各个所获取的查询结果都需要储存在在数据库之中。相关的工作者能够利用大数据挖掘技术予以输配电设备故障讯息的统计处理，把设备故障讯息整合成为统计表。智能化的监控系统能够把大数据挖掘技术所起的效能发挥到最大化，提升工作人员在输配电设备故障诊断信息问题上的分析能力。与此同时，相关的工作者还能够综合数据统计以及数据查询应用予以输配电设备运行前提下的故障诊断讯息处置，进而有效地提升整个输电设备的运行效率。

结论

综上所述，伴随我国经济以及社会发展水平的逐步提升，人民对于电力的使用需求正在不断上升，在次过程之中，变电设备在长时间运转的过程中极易产生各种各样的故障问题。所以，各个供电单位都务必要更深层次地研究变电设备故障诊断技术的应用策略。通过大范围地对大数据挖掘技术普及和运用，能够有效地提升相关工作者搜集和分析数据的能力和效率。不仅如此，为了能够为人们提供稳定而充足的电力资源，相关的工作人员务必要及时察觉并处理好变电设备在运行期间所遇到的故障问题，从而减少将来设备出现故障的频次，提升电力系统的供电平稳性，最终有助于电力网的可持续化发展。

参考文献：

[1]蒲天骄，乔骥，韩笑，等.人工智能技术在电力设备运维检修中的研究及应用[J].高电压技术，2020,46(2):369-383.

[2]王莹，王亚慧，安允.基于PSO-KPCA-LVQ的燃气调压器故障诊断[J].现代电子技术，2020,43(24):67-71.

[3]方涛，钱晔，郭灿杰，等.基于天牛须搜索优化支持向量机的变压器故障诊断研究[J].电力系统保护与控制，2020,48(20):90-96.

[4]张志政，王冬捷，张勇亮.基于PSO改进KPCA-SVM的故障监测和诊断方法研究[J].现代制造工程，2020(9):101-107.