羅文清 吳鶴雯 歐陽弈欣 黃騰昊

（國網(wǎng)漳州供電公司，福建 漳州 363000）

1 概述

目前變電站內(nèi)檢修試驗(yàn)中的測試數(shù)據(jù)多采用紙質(zhì)記錄，無法實(shí)現(xiàn)信息共享，可靠性低，數(shù)據(jù)保存成本高，給運(yùn)維帶來負(fù)擔(dān)及和不便。加上數(shù)據(jù)的不規(guī)范化，造成難以實(shí)現(xiàn)基于各類檢修數(shù)據(jù)對設(shè)備運(yùn)行狀態(tài)進(jìn)行綜合評價(jià)和預(yù)警診斷，蘊(yùn)含著海量數(shù)據(jù)中的價(jià)值信息沒有得到充分挖掘和應(yīng)用。

隨著大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算及移動互聯(lián)網(wǎng)等新技術(shù)的迅猛發(fā)展，互聯(lián)網(wǎng)+電力設(shè)備檢修數(shù)據(jù)診斷、大數(shù)據(jù)挖掘和多維度集成綜合分析成為發(fā)展趨勢，設(shè)備檢測技術(shù)與故障診斷技術(shù)、網(wǎng)絡(luò)技術(shù)、通訊技術(shù)相滲透和結(jié)合，為支撐變電站的狀態(tài)檢修和智能運(yùn)維奠定了技術(shù)基礎(chǔ)。

亟待整合變電站設(shè)備狀態(tài)檢修數(shù)據(jù)，實(shí)現(xiàn)變電站內(nèi)檢修數(shù)據(jù)采集、數(shù)據(jù)傳輸格式及通信接口的統(tǒng)一，形成大數(shù)據(jù)歸類、深度挖掘及智能分析，全面提升運(yùn)維水平，進(jìn)行運(yùn)維模式的創(chuàng)新，全面準(zhǔn)確清晰地展現(xiàn)變電站內(nèi)設(shè)備的運(yùn)行狀態(tài)、變化趨勢及潛在問題，實(shí)現(xiàn)設(shè)備的風(fēng)險(xiǎn)預(yù)警，為變電站智能運(yùn)維及電網(wǎng)的安全運(yùn)行提供輔助決策支持。

于是，研究設(shè)計(jì)一套檢修試驗(yàn)專業(yè)試驗(yàn)數(shù)據(jù)診斷與管理終端，解決在日常工作中普遍存在的多采用紙質(zhì)記錄、不宜存儲、數(shù)據(jù)不規(guī)范等問題，涉及硬件設(shè)計(jì)、軟件開發(fā)、外殼設(shè)計(jì)等，主要包括以下三部分內(nèi)容：

1.1 適用于不同變電站不同設(shè)備的試驗(yàn)數(shù)據(jù)錄入與分析界面設(shè)計(jì)，其中，試驗(yàn)數(shù)據(jù)錄入包括手動錄入試驗(yàn)數(shù)據(jù)、通過圖片錄入實(shí)驗(yàn)數(shù)據(jù)和通過Excel 文件錄入試驗(yàn)數(shù)據(jù)，數(shù)據(jù)分析過程采用諸如聚類分析、因子分析、回歸分析等分析方法，對錄入的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行橫向設(shè)備間、縱向同類設(shè)備等多種分析。

1.2 設(shè)備定量試驗(yàn)數(shù)據(jù)初步分析與診斷研究，通過對比校驗(yàn)、范圍校驗(yàn)等多重層面校驗(yàn)，確保試驗(yàn)數(shù)據(jù)錄入過程零錯(cuò)誤。

1.3 試驗(yàn)數(shù)據(jù)校驗(yàn)、存儲與備份數(shù)據(jù)庫設(shè)計(jì)實(shí)現(xiàn)，通過Crontab 框架、冗余校驗(yàn)等方式對數(shù)據(jù)庫中存儲內(nèi)容進(jìn)行定期存儲、備份與校驗(yàn)，確保數(shù)據(jù)內(nèi)容安全準(zhǔn)確。

2 數(shù)據(jù)

2.1 數(shù)據(jù)來源

根據(jù)試驗(yàn)情況，獲取不同變電站ok10kV 整段母線檢例試驗(yàn)數(shù)據(jù)與試驗(yàn)對應(yīng)設(shè)備數(shù)據(jù)、ok110 單間隔例檢試驗(yàn)數(shù)據(jù)與試驗(yàn)對應(yīng)設(shè)備數(shù)據(jù)、ok 主變例檢試驗(yàn)數(shù)據(jù)與試驗(yàn)對應(yīng)設(shè)備數(shù)據(jù)等數(shù)據(jù)。

2.2 數(shù)據(jù)中間表

通過對試驗(yàn)條件信息表、試驗(yàn)設(shè)備信息表、試驗(yàn)數(shù)據(jù)表等數(shù)據(jù)表進(jìn)行關(guān)聯(lián)集清洗、轉(zhuǎn)換、整合處理，結(jié)合數(shù)據(jù)倉庫思想，形成回合數(shù)據(jù)庫三范式的細(xì)粒度關(guān)系型數(shù)據(jù)庫模型，通過主鍵與外鍵聯(lián)合規(guī)范表間關(guān)系。數(shù)據(jù)表根據(jù)不同設(shè)備，不同試驗(yàn)進(jìn)行劃分?？傮w來說，可以表示為試驗(yàn)條件信息表、試驗(yàn)設(shè)備表和試驗(yàn)數(shù)據(jù)表。其中，試驗(yàn)條件信息表和試驗(yàn)設(shè)備信息表內(nèi)容較為固定，試驗(yàn)數(shù)據(jù)表則根據(jù)不同試驗(yàn)規(guī)則做不同規(guī)劃。

3 系統(tǒng)總體介紹

3.1 系統(tǒng)工作框架圖

本系統(tǒng)采用的是Django 框架[1]，采用MVT 思想，它把應(yīng)用程序分為模型層、視圖層和模板層，其中模型層的主要任務(wù)是處理與數(shù)據(jù)相關(guān)的所有事務(wù)：如何存取、如何驗(yàn)證有效性、包含哪些行為以及數(shù)據(jù)之間的關(guān)系等。視圖層的主要任務(wù)是存取模型及調(diào)取恰當(dāng)模板的相關(guān)邏輯。模板層表示處理與表現(xiàn)相關(guān)的決定：如何在頁面或其他類型文檔中進(jìn)行顯示。每個(gè)層都承擔(dān)著不同的任務(wù)。本系統(tǒng)所用到的技術(shù)中怎樣運(yùn)用深度學(xué)習(xí)方法訓(xùn)練模型用于自動識別圖片或Excel 文件來錄入數(shù)據(jù)是最關(guān)鍵的難點(diǎn)。系統(tǒng)的總體框架結(jié)構(gòu)圖如圖1 所示。

圖1 總體結(jié)構(gòu)圖

該系統(tǒng)的工作流程如圖2 所示。

圖2 工作流程

3.2 功能設(shè)計(jì)

3.2.1 數(shù)據(jù)獲取模塊

3.2.1.1 通過文件錄入試驗(yàn)數(shù)據(jù)

通過Excel 文件，錄入試驗(yàn)的條件信息，設(shè)備信息和試驗(yàn)數(shù)據(jù)。具體來說，使用Python 中提供的Xlrd 與Pymysql 模塊實(shí)現(xiàn)對試驗(yàn)數(shù)據(jù)的讀寫功能。Xlrd 與Pymysql 模塊分別是Python 中為實(shí)現(xiàn)與Excel 形式文件與Mysql 數(shù)據(jù)庫交互而設(shè)計(jì)的模塊，結(jié)合兩種模塊，可以實(shí)現(xiàn)文件、數(shù)據(jù)庫、終端三者之間的嚴(yán)密邏輯交互。

3.2.1.2 通過圖片錄入試驗(yàn)

采用基于CTPN[2]+CRNN[3]的文字識別模型。文字識別也是圖像領(lǐng)域一個(gè)常見問題。然而，對于自然場景圖像，首先要定位圖像中的文字位置，然后才能進(jìn)行文字的識別。CTPN 是在ECCV 2016 提出的一種文字檢測算法。CTPN 結(jié)合CNN 與LSTM深度網(wǎng)絡(luò)，能有效的檢測出復(fù)雜場景的橫向分布的文字，是目前比較好的文字檢測算法。CRNN 是一種文本識別方法，主要用于解決基于圖像的序列識別問題，對于表格圖片識別也能取得不錯(cuò)的效果。

3.2.2 數(shù)據(jù)存儲、校驗(yàn)與數(shù)據(jù)庫自動備份

3.2.2.1 數(shù)據(jù)存儲與校驗(yàn)

使用Pymsql 和Django 框架中提供的校驗(yàn)器完成對數(shù)據(jù)的存儲和校驗(yàn)，同時(shí)采用聚類分析方法，根據(jù)《國家電網(wǎng)公司變電檢測管理規(guī)定》、《國家電網(wǎng)公司變電檢測細(xì)則》和各類規(guī)范標(biāo)準(zhǔn)，針對輸入的試驗(yàn)數(shù)據(jù)進(jìn)行初步診斷，判斷合格與否，不合格的數(shù)據(jù)進(jìn)行檢查與修改。將試驗(yàn)信息與數(shù)據(jù)在修改核查后，存入數(shù)據(jù)庫中。

3.2.2.2 數(shù)據(jù)庫自動備份模塊

Crontab 是Django 中的模塊，通過Crontab 模塊，可以實(shí)現(xiàn)對數(shù)據(jù)庫的自動備份，實(shí)現(xiàn)步驟如下所示：

（1） 在setting 文件中添加與crontab 相關(guān)的app 到INSTALLED_APPS 中；

（2）配置CronJobs，設(shè)定執(zhí)行時(shí)間與周期，確定執(zhí)行函數(shù)與備份的路徑與文件信息；

（3）根據(jù)需要，設(shè)定固定時(shí)間執(zhí)行；

（4）指定運(yùn)行的相關(guān)參數(shù)。

3.3 可視化分析模塊

使用Python 中的模塊Pyecharts 進(jìn)行數(shù)據(jù)可視化分析，將數(shù)據(jù)橫向縱向內(nèi)容以圖標(biāo)的形式進(jìn)行展示。

4 實(shí)現(xiàn)

項(xiàng)目實(shí)現(xiàn)試驗(yàn)數(shù)據(jù)無紙化記錄，數(shù)據(jù)無紙化率提升至100%，平均試驗(yàn)記錄與上傳時(shí)間降低30%以上，提高班組數(shù)字化水平。同時(shí)，診斷與校驗(yàn)數(shù)據(jù)保證數(shù)據(jù)正確性提升至100%，同時(shí)將錯(cuò)誤分析時(shí)間降低30%左右。

4.1 通過文件方式進(jìn)行試驗(yàn)數(shù)據(jù)錄入

相關(guān)功能具體頁面如圖3 所示，可以大大提高試驗(yàn)人員數(shù)據(jù)錄入效率與準(zhǔn)確性。

圖3 文件錄入的網(wǎng)頁頁面

4.2 通過圖片方式進(jìn)行實(shí)驗(yàn)數(shù)據(jù)錄入

經(jīng)測試與一段時(shí)間的維護(hù)，圖片錄入準(zhǔn)確率較高，以110kV安厚變變電站數(shù)據(jù)錄入為例，如圖4 和圖5 所示，分別是錄入的原始圖片和錄入結(jié)果。

圖4 選擇地原始圖片

圖5 通過圖4 錄入試驗(yàn)數(shù)據(jù)所得結(jié)果

從試驗(yàn)結(jié)果中可以看到，每一項(xiàng)數(shù)據(jù)都可以準(zhǔn)確的識別并自動錄入到相應(yīng)的文本框內(nèi)。

4.3 試驗(yàn)數(shù)據(jù)展示與可視化分析模塊

通過表格化展示實(shí)驗(yàn)數(shù)據(jù)，并且通過可視化方式、聚類分析等分析方法分析試驗(yàn)數(shù)據(jù)，實(shí)現(xiàn)數(shù)字化試驗(yàn)結(jié)果展示，示例如圖6 所示。

圖6 試驗(yàn)數(shù)據(jù)展示與可視化分析

5 結(jié)論

針對目前檢修試驗(yàn)中測試數(shù)據(jù)多、診斷難、數(shù)據(jù)保存成本高的情況，研發(fā)一套檢修試驗(yàn)專業(yè)試驗(yàn)數(shù)據(jù)診斷與管理終端。該終端用于存儲記錄與試驗(yàn)相關(guān)的設(shè)備、條件與相關(guān)試驗(yàn)數(shù)據(jù)等信息，包括檢修試驗(yàn)專業(yè)現(xiàn)場工作中遇到頻次最高、試驗(yàn)數(shù)據(jù)量較大、診斷難度較高的設(shè)備。

同時(shí)，試驗(yàn)歷史數(shù)據(jù)是變電檢修中心變電檢修與試驗(yàn)專業(yè)的核心數(shù)據(jù)，不允許出現(xiàn)任何差錯(cuò)。針對這一情況，一方面，該終端可以實(shí)時(shí)診斷試驗(yàn)數(shù)據(jù)合格性，采用閾值法、增量法、橫縱向比較法綜合分析數(shù)據(jù)，有較快診斷速度和較高的診斷準(zhǔn)確率。另一方面，采用多位冗余校驗(yàn)機(jī)制設(shè)計(jì)，高效保障試驗(yàn)數(shù)據(jù)存儲在數(shù)據(jù)庫中的正確性，每次存入數(shù)據(jù)均啟動該機(jī)制，不定期全庫校驗(yàn)并自動備份全試驗(yàn)數(shù)據(jù)庫。