面向大数据的电力设备状态监测信息聚合研究

(整期优先)网络出版时间:2023-09-08
/ 2

面向大数据的电力设备状态监测信息聚合研究

袁兴佳,刘超 ,梁哲辉

南方电网广东广州供电局  广东广州,邮编510620

  摘要:就目前来看,现代化的电力系统电压等级正处在不断提高的过程当中,电网容量也得到了扩张,对于整体设备的安全性以及可靠性提出了更加严格的要求。电网的状态监测技术目前受到了社会各界的重视,但是随着时间的不断发展,存储的监测数据正在成倍增加当中,传统的数据分析遇到了非常大的困难,如何快速且系统性的对于数据进行分析已经成为了目前状态监测当中非常重要的研究课题,而大数据的出现能够更好的解决这个问题,也为电力设备状态监测信息的发展提供了新的思路。

关键词:电力设备状态监测;电力大数据;信息聚合技术

引言

经研究,大数据是物联网包括云计算之后所出现的另外的一个非常热点的科技概念,大数据的产生得益于物联网以及云计算云存储的高速发展,主要利用的就是移动网络以及智能传感器等技术。人包括各种事物的所有轨迹都能够被记录下来,而这些数量庞大且类型非常丰富的数据,我们将其称之为大数据,在电力行业发展的过程当中,数据量最多的其实就是电力设备状态监测[1]

电力设备是电力系统当中最为重要也是最为基础的构成部分,电力设备的运行状况直接影响着最终整个系统的安全性,电力设备的搬运包括检修等工作,对于电力系统的经济以及高效运行也能够起到非常重要的影响。过去我们在对于电力设备的信息进行获取的时候,主要就是通过周期性的人工巡检,然后再结合定期的试验来实现的,观察跟记录设备的外观完成对比实验,这些都属于比较传统的检测办法,无法实现对于电力设备状态的实时展示,已经无法满足于现代化的智能电网的需求了。在大数据发展的背景下,如何利用好这些数据为电网的安全生产以及提升电网的能效包括提供更加优质的服务支撑提供了更加新的发展思路,如何完成电力设备的海量数据监测以及信息聚合成为了目前亟待解决的问题。

1、电力设备状态监测的现状

 电力设备一直以来都是电力系统当中最为基础,但是也是最为重要的一个构成部分,为了能够确保电力系统可以做到安全稳定的运行,必须要对于系统当中的数据进行实时的监测以及分析。监测的目的就是在设备一旦出现故障的时候,我们能够及时的对其进行调整,合理的安排好维护以及更换的工作[2]

传统的电力设备状态监测的主要办法就是通过定期的人工巡检,再结合各种预防性的实验来实现的。人工巡检指的就是工作人员需要定期的完成巡视以及查看,并且根据仪表的外观以及具体的运行状况来进行分析,查看其是否存在着异常,避免事故的产生。而预防性的试验指的是设备在停工的条件下,通过试验的办法来查看设备的绝缘性以及机械性能,这种方法在一定程度上是可以发现设备运转过程当中存在着的潜在缺陷的,这两种方法的结合也可以对于设备的安全运行起到更多的保障。

近些年来先进的计算机技术以及传感器技术取得了非常好的发展,在电力设备的智能式以及预警式的监测当中提供了更多的帮助,然而目前在进行状态监测的时候,其实仍然还有着很多的不足点,有一些技术还不是特别的成熟,总的来说目前的困境包含以下几点。

首先是监测系统的数据采集量非常大,而且价值密度比较低的问题。面向大数据的电力设备状态监测的有效应用要求获取的系统信息变得更加的全面,以便于对于大量的信息进行相关性分析,这样有很多电力设备的监测系统就会出现海量的数据,包括各种电气量数据以及状态量数据等,而电力设备在大部分时间其实是处在正常状态下的,异常以及故障的时间非常少见,所以这种在线监测所获取的信息的价值密度非常低。

其次是过分的关注在线监测,对于故障的精准判断,反而忽视了对于电力设备的状态趋势的反馈。在线监测是状态监测当中非常重要的一个构成部分,在线监测的使用能够为状态监测提供更加实时的运行数据,这也是状态监测最为重要的数据支撑。但是目前在线监测系统因为传感器技术包括电源技术等条件的限制,其本身就存在着一定的不稳定性,再加上在线监测一般都需要暴露在外部环境里面,其采集的精度也会受到外部环境所产生的影响,这也就导致目前的在线监测系统的利用效率并不是特别的高,效果也不是非常的明显[3]

2、面向大数据的电力设备状态信息的聚合

电力设备一般来说结构是比较复杂的,无法通过一个可以直接观测的量来对其进行衡量,需要综合多个特征量才能够得到比较正确的评估结果。信息聚合能够针对于不同来源,包括不同模式以及不同媒介,包括不同时间的数据进行处理,是处理电力设备状态监测数据最为有效的一个手段。所以在对其进行分析的时候,可以根据多元信息聚合的基本结构,针对于每一个处理流程的所对应的具体特点,结合电力设备监测的基本要点来提出相应的分层信息聚合架构。

2.1数据预处理

状态监测系统能够从各个仪表包括传感器当中所获得的信息是非常的多的,整体的种类也比较复杂,所以意义比较模糊,而且这种原始数据都包含着一定比例的坏数据以及噪声数据,所以必须要对其进行初步的信号处理以及分类,才能够适用于后续的信息聚合。首先需要对于这些数据进行清洗,利用数学方法来对其进行处理,将那些无效数据跟缺失数据进一步的转化为聚合的数据。同时还需要完成数据的规格以及语义的转换,因为不合规格的数据对于最终的聚合会造成很大的影响,所以必须要实现监测数据在形式上面的统一性。

2.2数据级聚合

在数据级的信息进行正式的聚合之前,还应该把采集到的监测量大致分为三种状态,分别是电气量以及过程量,包括状态量,这样做的主要目的就是为了能够在进行初步聚合的时候分层次来提供方便,有效的提升聚合的效率。在数据级聚合的时候,首先一定要对于预处理过的数据进行二次分析,也就是说电气量跟电气量之间包括过程量跟过程量之间存在着怎样的关联,然后再根据物理模型包括人工经验等对其进行二维关联,这一层次的关联目标是非常的明确且清晰的,得到的结果的准确性也比较高。

2.3信息级聚合

信息级聚合是建立在二维简单聚合的基础之上的,信息级聚合能够对于所获得的数据进行信息的多维关联,并且将数据级聚合所提供的简单信息特征跟刚刚所得到的多维关联信息在数据中心进行相似度匹配,以获得更加高的特征信息,例如色谱成分和小波能量等。经过了数据级二级关联之后的数据并不能够直接用作是特征聚合的输入量,因为这种简单的数据关系无法体现出被测对象的整体面貌,例如在变压器的在线监测当中出现了故障或者是一次异常的情况,往往伴随着很多次监测的变化,如果仅凭简单的二维关系,很明显无法满足于对于变压器的全景特征的提取,而且也需要耗费大量的工作量。

2.4决策级聚合

决策级聚合是信息聚合的最后的一个步骤,针对于对象分析需求来制定相应的决策分区,并且根据所得到的信息做出相应的指示,使用多维数据建模的办法,构建基于设备的出厂数据,包括检修数据以及巡检数据和故障数据等一系列历史运行数据下的电力系统的多个运行情况的多维度状态表达,当前运行的状况数据跟特征状态需要进行相关性的分析,相关性最大的状态则是设备目前在运行的具体状态,决策结果直接面向电力设备的全寿命期管理,为设备的检修,包括寿命的预测提供了更多的数据支撑。在变压器状态评估的基础之上也可以拓展到所有的同类设备里面,属于不同间隔以及不同变电站的一个系统信息之间的完全融合,这样做能够为未来相关应用的开发奠定更加坚实的基础。

结束语:

综上所述,电力设备在进行运行的过程当中,它的状态估计跟说明周期管理所需要的信息是多元化的,不但包含对于变压器本体的在线监测,还需要变压器所处的环境,气象信息以及各种调度信息等,这些多元化的数据分散在不同的系统里面,彼此之间缺乏联系,没有被进行有效的整合,这也导致电力设备状态监测存在着很多的问题。而引入了新的聚合技术之后能够增加新的数据来源,构建一个整体的信息聚合架构,对于电力设备的运行状态监测来说有着非常大的帮助。

参考文献:

[1] 孙阳,庞月龙. 基于大数据的电力设备状态安全监测系统[J]. 电力系统装备,2022(1):117-120.

[2] 陈峥,尹耕,康晓东,等. 基于大数据平台的电力设备运作状态监测系统研究[J]. 电力大数据,2019,22(11):1-7.

[3] 王德文,周青. 一种电力设备状态监测大数据的分布式联机分析处理方法[J]. 中国电机工程学报,2016,36(19):5111-5121.