鄭一鳴，孫 翔

（國網(wǎng)浙江省電力公司電力科學(xué)研究院，杭州 310014）

基于多源監(jiān)測數(shù)據(jù)挖掘的電力設(shè)備狀態(tài)診斷

鄭一鳴，孫 翔

（國網(wǎng)浙江省電力公司電力科學(xué)研究院，杭州 310014）

隨著設(shè)備狀態(tài)檢修及信息化建設(shè)的發(fā)展，輸變電設(shè)備的狀態(tài)評估和診斷成為電力系統(tǒng)安全穩(wěn)定運行的關(guān)鍵技術(shù)。傳統(tǒng)設(shè)備狀態(tài)診斷多是基于離線檢測參量或單一監(jiān)測參量進行的，在此基礎(chǔ)上提出一種基于多源監(jiān)測數(shù)據(jù)的綜合分析方法，提供了利用多源監(jiān)測結(jié)果分析設(shè)備狀態(tài)和缺陷的思路。利用該方法對一臺帶缺陷特高壓高抗的多源監(jiān)測數(shù)據(jù)進行時序及相關(guān)性分析，根據(jù)分析結(jié)果對設(shè)備的缺陷溯源。應(yīng)用結(jié)果表明，該方法可應(yīng)用于電力設(shè)備的缺陷診斷，并有效提高了診斷的準確性。

電力設(shè)備；在線監(jiān)測；數(shù)據(jù)挖掘；數(shù)據(jù)清洗；時序分析；相關(guān)性分析；狀態(tài)診斷

0 引言

隨著我國經(jīng)濟的高速發(fā)展及其體量的不斷增大，作為國民經(jīng)濟支柱的電力能源產(chǎn)業(yè)也在不斷地創(chuàng)新與發(fā)展。特高壓電網(wǎng)的大力建設(shè)使得越來越多高電壓等級的輸變電設(shè)備投入運行，電力系統(tǒng)的安全可靠運行面臨著新的考驗。變壓器、高壓電抗器（簡稱高抗）、斷路器等大型設(shè)備作為電力系統(tǒng)中的重要設(shè)備，它們的安全運行影響著電網(wǎng)的穩(wěn)定，因此這些電力設(shè)備的運行狀態(tài)受到了廣泛關(guān)注[1-2]。

由于電力設(shè)備朝著大容量和高電壓等級的方向發(fā)展，單體設(shè)備停運造成的損失越來越大，因此除了常規(guī)的計劃檢修之外，實時關(guān)注電力設(shè)備運行狀態(tài)的在線監(jiān)測技術(shù)也應(yīng)運而生。在線監(jiān)測中廣泛運用了電子技術(shù)、光纖技術(shù)、計算機計算、傳感器技術(shù)和信息處理技術(shù)等新興技術(shù)，與計劃檢修和離線檢測相比，在線監(jiān)測能夠?qū)崟r掌握設(shè)備監(jiān)測參量的變化，及時發(fā)現(xiàn)異常，實現(xiàn)對設(shè)備狀態(tài)的診斷[3-4]。

目前，設(shè)備狀態(tài)診斷大多是針對單一監(jiān)測參量進行的。然而，由于故障機理的復(fù)雜性、運行環(huán)境的多變性等導(dǎo)致基于單一監(jiān)測參量的診斷結(jié)果存在一定的片面性和局限性，不利于對故障發(fā)展過程進行全面分析，更無法給出進一步的預(yù)測和建議[5]。在工程實際中，設(shè)備內(nèi)部的缺陷通常會引起多個監(jiān)測參量的異常變化，因此對多源監(jiān)測參量進行綜合分析，提升輸變電設(shè)備狀態(tài)診斷的準確性是設(shè)備狀態(tài)評估診斷技術(shù)發(fā)展的新趨勢[6]。

隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，大數(shù)據(jù)成為時代的新名詞，也成為從當今社會高速膨脹的信息中提取有效信息的重要手段。作為支柱產(chǎn)業(yè)，電力行業(yè)也站在了時代的前沿。2013年，中國電機工程學(xué)會發(fā)表了《中國電力大數(shù)據(jù)發(fā)展白皮書》，為引入大數(shù)據(jù)挖掘手段揭開新篇章。電力設(shè)備在線監(jiān)測數(shù)據(jù)的集成和共享，為將大數(shù)據(jù)挖掘技術(shù)引入設(shè)備狀態(tài)診斷領(lǐng)域創(chuàng)造了條件，為基于多源監(jiān)測參量的綜合分析提供了基礎(chǔ)。

本文針對電力設(shè)備狀態(tài)診斷問題，結(jié)合數(shù)據(jù)挖掘技術(shù)，提出了一種基于多源監(jiān)測數(shù)據(jù)的綜合分析方法，并應(yīng)用于在一臺特高壓高抗的缺陷診斷中。實踐證明，本文提出的方法在工程上可行，具有重要的現(xiàn)實意義。

1 電力設(shè)備在線監(jiān)測技術(shù)現(xiàn)狀

我國開展電力設(shè)備在線監(jiān)測已有十幾年歷史，目前在電力設(shè)備中廣泛應(yīng)用的在線監(jiān)測手段主要有DGA（油中溶解氣體）、PD（局部放電）、鐵心電流等的監(jiān)測，以及SF6氣體壓力、繞組變形、機械狀態(tài)、介質(zhì)損耗等的監(jiān)測。其中，DGA是國內(nèi)外學(xué)術(shù)界和工業(yè)界都公認的指示油浸式電力設(shè)備潛伏性故障的有效技術(shù)手段，尤其適用于發(fā)展過程比較漫長的過熱性故障；PD是電氣設(shè)備絕緣劣化的初始表現(xiàn)，PD監(jiān)測是電氣設(shè)備最為重要和有效的絕緣評估手段，在電氣設(shè)備絕緣狀態(tài)的診斷和評估中有著大量應(yīng)用。

2 在線監(jiān)測數(shù)據(jù)的清洗、挖掘和分析

為了綜合利用多種在線監(jiān)測平臺的實測參量，提出了一種基于多源監(jiān)測數(shù)據(jù)挖掘的電力設(shè)備狀態(tài)診斷方法，具體流程如圖1所示。

圖1 基于多源監(jiān)測數(shù)據(jù)挖掘的電力設(shè)備狀態(tài)診斷流程

首先，從各在線監(jiān)測平臺獲取監(jiān)測數(shù)據(jù)。隨后，根據(jù)現(xiàn)行的標準與規(guī)程，或檢驗監(jiān)測數(shù)據(jù)的離群特性，檢查監(jiān)測數(shù)據(jù)中是否有超出規(guī)定值（正常值），對存在異常數(shù)值的監(jiān)測參量進行進一步處理。最后根據(jù)分析的結(jié)果進行設(shè)備診斷，結(jié)合其他監(jiān)測參量、離線檢測手段和操作信息對設(shè)備缺陷進行溯源。

由于電力設(shè)備的狀態(tài)信息存在多源性、信息異構(gòu)性、數(shù)據(jù)冗余性等特點，其數(shù)據(jù)往往含噪且存在缺失，因此原始監(jiān)測參量的數(shù)據(jù)不能直接用于診斷，而應(yīng)先進行數(shù)據(jù)清洗[7-8]。數(shù)據(jù)清洗是電力設(shè)備狀態(tài)評估數(shù)據(jù)預(yù)處理的一個關(guān)鍵步驟，有助于提高數(shù)據(jù)質(zhì)量、數(shù)據(jù)利用率和處理效率。數(shù)據(jù)清洗通過填充缺失值、消噪來提高數(shù)據(jù)質(zhì)量[9]。

由于不同監(jiān)測參量的采樣頻率、物理含義、呈現(xiàn)形式都存在差異，在綜合分析之前需要進行一致性處理，處理方法根據(jù)數(shù)據(jù)的特征具體選擇。

綜合分析的方法可以選擇時序分析和相關(guān)分析，相關(guān)分析包括相關(guān)函數(shù)和相關(guān)系數(shù)。相關(guān)函數(shù)采用公式（1）計算：

式中：N為序列長度，相關(guān)函數(shù)Rxy（m）計算結(jié)果為一個序列，表征序列x和y在位移為m時的相關(guān)特性。

基于此，排除數(shù)據(jù)長度影響的無偏相關(guān)函數(shù)采用公式（2）計算：

相關(guān)系數(shù)是描述2個相關(guān)關(guān)系密切程度的參量，采用公式（3）計算，其結(jié)果表征序列x和y的相關(guān)程度。

在對多參量進行數(shù)據(jù)挖掘分析時，當研究某2個參量的相關(guān)程度時，需要將其他參量視作常數(shù)，即暫時不考慮其他參量的影響，僅單獨研究2個要素之間相互關(guān)系的密切程度。此時需要引入偏相關(guān)系數(shù)，在分析參量x1和x2之間的凈相關(guān)時，當控制了參量x3的線性作用后，x1和x2之間的一階偏相關(guān)系數(shù)r12，3定義為：

式中：r12為序列1和序列2的相關(guān)系數(shù)，其他參量含義類推。

綜合運用相關(guān)函數(shù)和相關(guān)系數(shù)，可以分析2個序列在時序上的相關(guān)性。

3 一起特高壓高抗缺陷診斷實例

3.1 獲取在線監(jiān)測數(shù)據(jù)

以某臺特高壓高抗在某年8月17日至10月29日的監(jiān)測數(shù)據(jù)為例，對其缺陷進行分析診斷。首先從電網(wǎng)生產(chǎn)管理系統(tǒng)的變電設(shè)備狀態(tài)監(jiān)測模塊中獲取該高抗的在線監(jiān)測油色譜數(shù)據(jù)[10]（見圖2），并從該臺高抗的鐵心、夾件高頻局部放電在線監(jiān)測系統(tǒng)中獲取局部放電量數(shù)據(jù)。

該高抗由A柱和X柱構(gòu)成，局部放電的測試位置為A柱和X柱的夾件（如圖3所示），獲取在線監(jiān)測的局部放電數(shù)據(jù)示于圖4。

圖2 在線監(jiān)測油色譜數(shù)據(jù)

圖3 局部放電測試位置

圖4 在線監(jiān)測局部放電量數(shù)據(jù)

3.2 數(shù)據(jù)異常判斷和數(shù)據(jù)清洗

油色譜數(shù)據(jù)包括H2，CO，CO2，CH4，C2H4，C2H2，C2H6和總烴含量。從圖2中可以看出，各種油中溶解氣體的含量隨時間有不同程度的變化。通過對跟蹤油樣進行三比值分析，認為缺陷屬于放電性質(zhì)，且該高抗C2H2含量已嚴重超標，而H2和總烴并未超過注意值[11-12]。因此在進行數(shù)據(jù)判斷與清洗時以C2H2數(shù)據(jù)為分析對象，在此過程中C2H2含量的變化如圖5所示?？梢钥闯觯摳呖乖?月C2H2含量均維持在2～3 μL/L，9月初C2H2含量出現(xiàn)突然上漲，從2.19 μL/L增長至9月28日的7.53 μL/L。

圖5 在線監(jiān)測油色譜（C2H2含量）及清洗后數(shù)據(jù)

由于測量誤差和氣體擴散過程的存在，C2H2的在線監(jiān)測結(jié)果存在比較明顯的振蕩現(xiàn)象。由于測量誤差服從正態(tài)分布，油循環(huán)導(dǎo)致的數(shù)據(jù)波動在較長采樣時間段內(nèi)，也呈現(xiàn)正態(tài)分布特性。因此，可采用自適應(yīng)小波消噪方法對原始數(shù)據(jù)進行清洗處理[13]，得到消噪后的C2H2含量曲線，同樣繪于圖5。消噪后C2H2數(shù)據(jù)有效消除了振蕩現(xiàn)象，且很好地保留了原始數(shù)據(jù)的變化趨勢，清洗效果顯著。

從圖4局部放電在線監(jiān)測數(shù)據(jù)可以看出，高抗A柱在這段時間內(nèi)存在若干次比較明顯的放電現(xiàn)象，主要集中在9月和10月下旬，與C2H2含量的增長特性一致；X柱在該時間段內(nèi)沒有明顯放電，因此分析時主要針對A柱進行。

監(jiān)測數(shù)據(jù)仍存在一些毛刺和噪聲，采用Kmeans聚類方法選擇閾值[14]，對在線監(jiān)測局部放電數(shù)據(jù)進行清洗，清洗結(jié)果如圖6（b）所示?？梢钥吹?，小幅值的放電信號噪聲已被濾除。

圖6 在線監(jiān)測局部放電量數(shù)據(jù)

3.3 一致性處理

為了將清洗后的C2H2和局部放電數(shù)據(jù)進行對比分析，需要對參量進行一致性處理。油中C2H2含量是一個累積量，其增長率可以更為明確地反映油質(zhì)的變化和缺陷的程度。因此，進行C2H2數(shù)據(jù)一致性處理時選取監(jiān)測結(jié)果增長率，即對數(shù)據(jù)進行一階差分，可以得到圖7（a）的結(jié)果，局部放電數(shù)據(jù)見圖7（b）。

從圖7中可以發(fā)現(xiàn)，C2H2含量增長率（一階差分）與局部放電量的變化具有相似規(guī)律，色譜中的C2H2增長明顯與局部放電信號有關(guān)。

3.4 時序分析

進一步將C2H2增長率較大和出現(xiàn)明顯局部放電的時間節(jié)點及相應(yīng)的特征量列于表1中。

圖7 C2H2含量一階差分與局部放電數(shù)據(jù)比對

表1 C2H2含量及局部放電異常值對比

從表1可以發(fā)現(xiàn)，較大的油色譜增長率與明顯的局部放電在時間上吻合度非常高。4組數(shù)據(jù)中，油色譜數(shù)據(jù)出現(xiàn)明顯突變量的時間均晚于出現(xiàn)明顯局部放電時間1～2天。

3.5 相關(guān)特性分析

C2H2含量數(shù)據(jù)和局部放電數(shù)據(jù)采集時間并不對應(yīng)，無法直接用于相關(guān)特性分析，因此需進一步對數(shù)據(jù)進行時間軸的一致性處理，取2組數(shù)據(jù)的每日最大值，得到圖8所示的數(shù)據(jù)形式。

根據(jù)式（2）計算圖8中C2H2含量數(shù)據(jù)和局部放電數(shù)據(jù)的無偏互相關(guān)函數(shù)，得到結(jié)果如圖9所示。可以看出，互相關(guān)函數(shù)在時間差為1天和2天時取最大，與時序分析吻合，該時延反映了C2H2在油中的擴散過程。

進一步根據(jù)式（3）計算2組數(shù)據(jù)的移位相關(guān)系數(shù)，結(jié)果如表2所示。可以看出，在移位天數(shù)為1天和2天時，相關(guān)系數(shù)達到最大，分別為0.713和0.766?？梢哉J為C2H2含量的一階差分與局部放電數(shù)據(jù)具有強相關(guān)性，且在時序上相差1～2天，C2H2的增長應(yīng)由局部放電導(dǎo)致。

局部放電產(chǎn)生的原因通常是設(shè)備內(nèi)部局部場強的增大，反映在設(shè)備的外部就有可能是短時的電壓異常。查閱該時段內(nèi)的操作信息和電壓檢測信息，發(fā)現(xiàn)該站在8月31日、9月21日和10月24日分別有線路操作和電壓波動，與表1中的時間節(jié)點有非常好的對應(yīng)，這很可能是引起電場強度異常的主要原因，并進而引發(fā)局部放電，最終導(dǎo)致油中溶解氣體含量升高。

圖8 C2H2含量一階差分與局部放電數(shù)據(jù)每日最大值比對

圖9 C2H2含量一階差分與局部放電的互相關(guān)函數(shù)

表2 C2H2含量一階差分與局部放電的移位相關(guān)系數(shù)

4 結(jié)論

針對電力設(shè)備的狀態(tài)診斷問題，提出了一種基于多源監(jiān)測數(shù)據(jù)的綜合分析方法，并應(yīng)用在特高壓高抗的缺陷診斷中，得到以下結(jié)論：

（1）提出的基于多源監(jiān)測數(shù)據(jù)的綜合分析方法在特高壓高抗的狀態(tài)分析和缺陷診斷中得到了成功應(yīng)用，監(jiān)測數(shù)據(jù)的多源性有助于提高診斷結(jié)果的準確性。

（2）對監(jiān)測參量所采用的數(shù)據(jù)清洗方法能有效濾除原始數(shù)據(jù)中的噪聲信號，保留有效信號。

（3）對參量的一致性處理可以實現(xiàn)表征不同物理特性的監(jiān)測參量的同質(zhì)化，有利于不同監(jiān)測參量之間的定性對比。對時間的一致性處理可以實現(xiàn)不同參量的時間軸一致化，有助于后續(xù)的相關(guān)分析和定量對比。

（4）采用時序分析和相關(guān)分析可以探究不同參量之間的相關(guān)特性。實踐證明，油色譜差分數(shù)據(jù)與局部放電數(shù)據(jù)具有明顯的相關(guān)性，在時序上局部放電的數(shù)據(jù)異常要先于油色譜異常1～2天。

綜上所述，本文提出的基于數(shù)據(jù)挖掘技術(shù)的多源監(jiān)測數(shù)據(jù)綜合分析方法可應(yīng)用于特高壓電力設(shè)備的缺陷診斷，具有重要的工程實踐意義。

[1]孫才新.輸變電設(shè)備狀態(tài)在線監(jiān)測與診斷技術(shù)現(xiàn)狀和前景[J].中國電力，2005，38（2）∶1-7.

[2]劉黎，何文林，劉巖，等.輸變電設(shè)備狀態(tài)在線監(jiān)測與故障診斷系統(tǒng)分析軟件設(shè)計[J].計算機系統(tǒng)應(yīng)用，2011，20（8）∶27-32.

[3]郭碧紅，楊曉洪.我國電力設(shè)備在線監(jiān)測技術(shù)的開發(fā)應(yīng)用狀況分析[J].電網(wǎng)技術(shù)，2004，23（8）∶65-68.

[4]王德文，閻春雨.變電站在線監(jiān)測系統(tǒng)的一體化建模與模型維護[J].電力系統(tǒng)自動化，2013，37（23）∶78-82.

[5]寧遼逸，吳文傳，張伯明.運行風(fēng)險評估中的變壓器時變停運模型（一）基于運行工況的變壓器內(nèi)部潛伏性故障的故障率估計方法[J].電力系統(tǒng)自動化，2010，34（15）∶9-13.

[6]郭創(chuàng)新，高振興，劉毅，等.采用分層多源信息融合的電網(wǎng)故障診斷方法[J].高電壓技術(shù)，2010（12）∶2976-2983.

[7]嚴英杰，盛戈皞，陳玉峰，等.基于時間序列分析的輸變電設(shè)備狀態(tài)大數(shù)據(jù)清洗方法[J].電力系統(tǒng)自動化，2015，39（7）∶138-144.

[8]魏武雄．時間序列分析：單變量和多變量方法[M]．北京：中國人民大學(xué)出版社，2009.

[9]孫翔，何文林，邱煒，等.基于顯著性差異的油浸倒置式電流互感器氫氣閾值分析[J].浙江電力，2014，33（6）∶20-25.

[10]陳燕娜.生產(chǎn)管理系統(tǒng)在供電企業(yè)的應(yīng)用探究[J].現(xiàn)代制造，2014，（27）∶163-164.

[11]DL/T 722-2014變壓器油中溶解氣體分析和判斷導(dǎo)則[S].北京：中國電力出版社，2014.

[12]GB/Z 24846-2009 1 000 kV交流電氣設(shè)備預(yù)防性試驗規(guī)程[S].北京：中國電力出版社，2009.

[13]劉文藝，湯寶平，蔣永華.一種自適應(yīng)小波消噪方法[J].振動、測試與診斷，2011，31（1）∶74-77.

[14]XIONG H，WU J，CHEN J.Kmeans clustering versus validation measures a data distribution perspective[C]//In KDD.2006∶318-331.

（本文編輯：方明霞）

State Diagnosis of Power Devices Based on Multi-source Monitoring Data Mining

ZHENG Yiming，SUN Xiang
（State Grid Zhejiang Electric Power Research Institute，Hangzhou 310014，China）

With the development of condition-based power device maintenance and information construction, state assessment and diagnosis of power devices in transmission and transformation systems have increasingly become the key technology to ensure operation safety and stability of the power system.The traditional state diagnosis of power devices is mostly based on offline monitoring parameters or single monitoring parameter.In this paper，a comprehensive analysis method is presented based on the mining of multi-source monitoring data and a new thought of device state and defect analysis using multi-source monitoring result is provided.This method is applied to analyze the time sequence and correlation of the multi-source monitoring data of a defective UHV reactor.According to the analysis results，the device defects are investigated.The application practice shows that the method can be applied to defect diagnosis of power devices and can effectively improve diagnostic accuracy.

power device；on-line monitoring；data mining；data cleaning；time sequence analysis；correlation analysis；state diagnosis

項目來源：浙江省電力公司科技項目（5211DS150026）

TM510.7

：B

：1007-1881（2016）05-0001-06

2016-02-01

鄭一鳴（1987），男，博士，工程師，主要從事輸變電設(shè)備狀態(tài)評價和狀態(tài)檢修工作。