杜維柱，張曉華，武宇平，薛文祥，盧 毅

(1.國網(wǎng)冀北電力有限公司電力科學(xué)研究院，北京 100045；2.國網(wǎng)冀北電力有限公司，北京 100053)

0 引言

隨著我國步入快速發(fā)展時代，用電量呈直線上升狀態(tài)，城鎮(zhèn)化的擴張導(dǎo)致電網(wǎng)規(guī)模越來越大，電力也成為了整個社會生產(chǎn)的根本，電力穩(wěn)定供給是社會經(jīng)濟發(fā)展的大前提。在復(fù)雜環(huán)境中運行的電力設(shè)備隨時都可能因天氣、溫度和野生動物攻擊等因素出現(xiàn)故障，引起電網(wǎng)故障供電失效，這樣不僅給生活帶來不便，還會影響當(dāng)?shù)氐纳a(chǎn)力，造成經(jīng)濟損失；同時電力設(shè)備運行老化、設(shè)備零部件出現(xiàn)異常，都會造成電網(wǎng)運行故障。引起故障的機械設(shè)備主要指變壓器，在電網(wǎng)系統(tǒng)中處于中間環(huán)節(jié)，一旦產(chǎn)生損壞將會直接影響整體供電。巡檢主要工作是檢查變壓器在運行時狀態(tài)，評判設(shè)備當(dāng)前情況，據(jù)此保證設(shè)備的正常運行，以往電力巡檢都需要完全依靠人工完成，但主觀經(jīng)驗評估、紙質(zhì)記錄經(jīng)常出錯，且效率極低。完全依靠人工巡檢已經(jīng)不能滿足電力機械設(shè)備巡檢的工作需求，需要通過技術(shù)革新，用機械代替人力勞動，利用科學(xué)技術(shù)進行合理搶修決策，最大程度減少因故障帶來的損失。

高兆麗等[1]根據(jù)不同故障情況、所需要搶修物資，構(gòu)建綜合搶修資源分配模型，使搶修人員完成多方面協(xié)調(diào)式搶修，利用多種群協(xié)同進化機制對傳統(tǒng)人工蜂群算法進行改進，區(qū)分出故障率高低，實現(xiàn)搶修優(yōu)化統(tǒng)一調(diào)度決策。馬瑞等[2]結(jié)合設(shè)備負荷多變性、搶修時間限制條件，提出考慮負荷時變性的配電網(wǎng)故障搶修恢復(fù)策略。以變壓器最大負荷價值為目標(biāo)重構(gòu)網(wǎng)架，采用二進制粒子群算法求解模型，分析搶修與設(shè)備恢復(fù)間交替關(guān)系，協(xié)同求解直到得出故障搶修順序。

上述方法都沒有考慮到設(shè)備自生健康指數(shù)對搶修工作的影響，無論大小故障，都會被加入到搶修決策序列中，增大了計算耗時。因此，本文提出一種基于物聯(lián)網(wǎng)的電力機械設(shè)備巡檢搶修智能決策方法，根據(jù)物聯(lián)網(wǎng)運行的不同層面構(gòu)建了智能巡檢架構(gòu)，用來采集的設(shè)備當(dāng)前狀態(tài)信息，確定設(shè)備健康指數(shù)；隨后采用模糊分析方式，對因素間重要性進行定量比較，構(gòu)建三角模糊方程，得出評估系數(shù)指標(biāo)，確定搶修決策結(jié)果。

1 基于物聯(lián)網(wǎng)的電力機械設(shè)備巡檢分析

1.1 物聯(lián)網(wǎng)架構(gòu)

物聯(lián)網(wǎng)是在互聯(lián)網(wǎng)基礎(chǔ)上，以信息為媒介人物交互的網(wǎng)絡(luò)技術(shù)，根據(jù)射頻識別出眾多感知設(shè)備，完成實際物體與網(wǎng)絡(luò)之間的交互連接，獲取目標(biāo)當(dāng)前狀態(tài)信息[3]。在網(wǎng)絡(luò)層面中放置不一樣的感知設(shè)備，采用與之對應(yīng)的通信網(wǎng)絡(luò)，即可完成數(shù)據(jù)信息傳遞方便進行協(xié)同處理。物聯(lián)網(wǎng)技術(shù)從誕生以來發(fā)生了很大的技術(shù)變革，從初始的射頻技術(shù)到現(xiàn)在的無線通信網(wǎng)絡(luò)，物與物之間不可交換到物與物甚至人與物之間的信息都可以交換。

基于物聯(lián)網(wǎng)的電力機械設(shè)備巡檢，是指通過物聯(lián)網(wǎng)中的感知設(shè)備，得到變壓器的檢測信息，通過網(wǎng)絡(luò)對變壓器信息進行傳輸和加工，實現(xiàn)變壓器運行中設(shè)備狀態(tài)采集、狀態(tài)分析，為故障搶修等工作提供決策基礎(chǔ)[4]。文本使用的物聯(lián)網(wǎng)為3層結(jié)構(gòu)，架構(gòu)如圖1所示。

圖1 物聯(lián)網(wǎng)系統(tǒng)架構(gòu)

感知層是整個物聯(lián)網(wǎng)系統(tǒng)中的第1層，在該層面中根據(jù)不同的傳感器、射頻識別、GPS等裝置來識別電力機械設(shè)備，進行數(shù)據(jù)采集以及控制。網(wǎng)絡(luò)層主要是利用互聯(lián)網(wǎng)、無線通信技術(shù)，將感知到的信息精準(zhǔn)分送至應(yīng)用層中，完成數(shù)據(jù)信息傳遞管控。應(yīng)用層是系統(tǒng)中最上面的1層，根據(jù)感知數(shù)據(jù)來實現(xiàn)巡檢機器人自動控制，完成數(shù)據(jù)采集、設(shè)備異常分析和搶修決策等功能[5]。

基于物聯(lián)網(wǎng)的電力巡檢機器人實物如圖2所示。本文主要利用多種傳感器采集巡檢機器人運行數(shù)據(jù)，包括光電傳感器、超聲波傳感器與傾角傳感器，這3種傳感器的參數(shù)如表1所示。

表1 傳感器參數(shù)

圖2 電力巡檢機器人實物

對所有傳感器數(shù)據(jù)進行融合處理，傳感器的融合準(zhǔn)則采用“或”準(zhǔn)則和“與”準(zhǔn)則結(jié)合。

各傳感器將檢測到的信息處理成邏輯值作為局部處理結(jié)果，送入融合中心，由融合中心按一定的布爾邏輯準(zhǔn)則進行表決融合， 得到關(guān)于目標(biāo)的綜合判決。融合過程的具體描述為

Y(i)=A(i)B(i)+C(i)

(1)

i為時間變量；A(i)、B(i)、C(i)分別為超聲波傳感器、光電傳感器、傾角傳感器的檢測結(jié)果。

建立電力巡檢機器人的參考質(zhì)心軌跡，機器人動力學(xué)模型為

(2)

Jx、Jy、Jz為機器人位置坐標(biāo)；ωx為機器人動力學(xué)的線性參數(shù)；ωy為笛卡兒運動根據(jù)參數(shù)；ωz為機器人的慣性力矩參數(shù)；m為電力巡檢機器人質(zhì)量。

采用多傳感器信息融合方法可以提升電力巡檢機器人對于外界的感知能力，結(jié)合機器人動力學(xué)模型設(shè)計電力巡檢機器人自動控制流程，具體如圖3所示。

圖3 電力巡檢機器人自動控制流程

在障礙物識別過程中，融合超聲波與光電傳感器等同類傳感器數(shù)據(jù)，可精確定位障礙物。在此基礎(chǔ)上，將機器人傾角傳感器檢測到的機器人側(cè)傾角信息融合進來，保證不因外部環(huán)境因素的影響而出現(xiàn)避障決策失誤的問題，提升電力巡檢機器人工作效率與質(zhì)量，在所有巡檢任務(wù)完成之后結(jié)束機器人巡檢工作。

1.2 電力機械設(shè)備狀態(tài)評估

根據(jù)國家電網(wǎng)指定的設(shè)備評分標(biāo)準(zhǔn)，通過物聯(lián)網(wǎng)線上巡檢、歷史數(shù)據(jù)等，對變壓器進行各項指數(shù)評估。以往對變壓器的評估范圍只是針對整體設(shè)備，并不包括細小零件，而且只能采用人工評判的方法，導(dǎo)致評估結(jié)果不精準(zhǔn)[6]。本文利用基于設(shè)備健康指數(shù)的方法完成評估，隨著線上監(jiān)測技術(shù)的發(fā)展，該方法已成為主流。研究結(jié)果表明，設(shè)備健康指數(shù)與故障率之間有負指數(shù)關(guān)系，表示為

λ=K×e-C×H

(3)

H為變壓器的健康指數(shù)(heath index)，用來描述設(shè)備的運行狀態(tài)，取值范圍設(shè)置為0～100；K為設(shè)備指數(shù)的比例系數(shù)；C為曲率系數(shù)；λ為設(shè)備故障率，故障率取值區(qū)間為0～1。

凡是2年以上的設(shè)備系數(shù)，皆可通過反演計算求得K和C，即

(4)

P為發(fā)生故障的概率；N為設(shè)備總數(shù)；i為設(shè)備類型；n為設(shè)備類型數(shù)量；Ni為同一類型的設(shè)備總和；li為設(shè)備i的故障率。

在K與C不存在實根的情況下，使用非線性求解中的二乘算法(GS)進行計算。

不同區(qū)域內(nèi)電網(wǎng)工作模式、網(wǎng)絡(luò)結(jié)構(gòu)、自然因素和搶修人員能力各有不同，這樣不僅提高了設(shè)備的復(fù)雜程度，還需根據(jù)這些因素的實際情況選取合適的K、C值[7]。

2 電力機械設(shè)備巡檢搶修智能決策

2.1 搶修決策判斷模型

影響設(shè)備搶修的因素有很多，分為可量化和不可量化因素，通常采用定性分析方式，評估結(jié)果存在模糊性，準(zhǔn)確程度需要科學(xué)考量。依據(jù)顯示需求和設(shè)備特征，逐層分析各層面的影響因素，整合若干種搶修方式劃分為不同方案屬性，為搶修方案提供科學(xué)依據(jù)[8]。將搶修方案依據(jù)層次分析法劃分為目標(biāo)模塊和規(guī)則模塊、措施模塊，其中包含決策的多種搶修方案。從設(shè)備的安全性、穩(wěn)定性和經(jīng)濟層面入手，考慮設(shè)備的緩沖時長、對電力功能的影響、維護費用及損失等因素，設(shè)計搶修方式?jīng)Q策的結(jié)構(gòu)模塊，如圖4所示。

圖4 搶修決策模塊

(5)

式(5)被叫作“模糊互補”決策方程，將2個方案的規(guī)則的重要度[9]，采用如表2所示的標(biāo)度進行定量分析。

表2 各決策標(biāo)度

據(jù)上述標(biāo)度定量，得出互補模糊決策矩陣為

(6)

2.2 搶修決策因素權(quán)重確定

使用模糊分析法解決搶修方式綜合決策中3個問題：評價各因素的重要度，構(gòu)建三角模糊方程；對三角模糊方程實行一致性轉(zhuǎn)變，得到新的方程；使用平均求和算法，通過式(7)得到各評估系數(shù)權(quán)重值，即：

(7)

(8)

計算上述構(gòu)成三角模糊權(quán)重向量Z=(wl,wm,wh)，選擇平均值作為評估系數(shù)指標(biāo)，其權(quán)重方程為

(9)

2.3 最優(yōu)搶修決策

根據(jù)4個模糊判斷矩陣，利用式(10)結(jié)果得出每個矩陣中單一因素的決策排序向量，即

(10)

權(quán)重排序計算結(jié)果為

[0.253 4 0.204 9 0.289 4 0.252 3]⊕

(11)

在不同效能因素基礎(chǔ)上，對變壓器搶修措施的權(quán)重分配結(jié)果如表3所示。

表3 搶修決策權(quán)重取值分析表

不同的效能因素可以直接決定權(quán)重的影響因素，因此由效能因素構(gòu)成的評判矩陣為

(12)

將物聯(lián)網(wǎng)采集到的實際數(shù)值代入式(12)，即可明確當(dāng)前的設(shè)備故障危險等級，完成智能搶修決策。

3 仿真實驗

3.1 實驗環(huán)境

為了進一步驗證本文方法能夠在變壓器發(fā)生異常情況時，有效決策出搶修方案，在仿真實驗環(huán)節(jié)中以規(guī)格110 kV、50 MVA變壓器為例，根據(jù)評估設(shè)備狀態(tài)警示結(jié)果進行搶修決策，搶修人員將通過故障點完成決策，變壓器負荷點、故障點分布圖如圖5所示。

圖5 電力機械設(shè)備節(jié)點狀態(tài)

如圖6所示為該電力機械設(shè)備故障歷史數(shù)據(jù)，根據(jù)式(1)得出故障率為λ(t)=0.027e0.14t。

圖6 電力機械設(shè)備故障率分布曲線

假設(shè)所檢修的電力機械設(shè)備投運時間為30 a，實驗過程中進行搶修決策測試，根據(jù)對設(shè)備檢修的故障種類，設(shè)置每種故障率占標(biāo)準(zhǔn)成本的比例系數(shù)。變壓器發(fā)生故障時，如果搶修的費用遠超過換1個新零件，那就不會選擇搶修，實驗中將單次大搶修成本區(qū)間定在10萬～15萬元之間，小型搶修費用定為2萬～4萬元，狀態(tài)搶修和故障檢測成本定為8萬～150萬元。大修變壓器役齡回退因子設(shè)置為0.4，小修為0.1，狀態(tài)檢修和故障檢測為0.3。

3.2 搶修智能決策方法性能分析

根據(jù)圖像可知，故障搶修點共10個。故障任務(wù)、類型以及需要的搶修物資如表4所示。

表4 不同搶修任務(wù)的故障類型以及搶修物資

本文方法與改進人工蜂群、考慮負荷時變性的故障搶修決策法進行對比，搶修水平結(jié)果如圖7所示。

圖7 不同小隊搶修不同類型故障水平對比

由圖7可以知道，相對比其他2種方法，本文方法搶修水平水平綜合最高，雖會根據(jù)故障類型出現(xiàn)水平波動，但總體水平仍可看出比其他方法好。

一般情況下，電網(wǎng)系統(tǒng)中所用到的搶修是指需要極快的速度，最大程度避免因供電失誤而影響正常生活運行，繼搶修水平對比后，本文方法將與其他方法進行搶修完成的時間對比，結(jié)果如圖8所示。

圖8 搶修時間對比

從圖8中可看出，本文方法所用的搶修時間最短，雖會根據(jù)不同故障類型耗時呈逐漸遞增狀態(tài)，但綜合來說相比其他方法，本文耗時最少，而其他2種方法的用時接近，均比本文方法耗時多。

4 結(jié)束語

為保證變壓器出現(xiàn)異常時，工作人員可以在第一時進行搶修，本文提出一種基于物聯(lián)網(wǎng)的電力機械設(shè)備巡檢搶修智能決策方法。根據(jù)物聯(lián)網(wǎng)技術(shù)構(gòu)建出線上巡檢架構(gòu)，用故障率表示設(shè)備運行狀態(tài)，利用設(shè)備健康指數(shù)完成評估，通過評估指標(biāo)體系，采用層次分析法逐層分析各層面的影響因素根據(jù)體系指標(biāo)權(quán)重取值得出三角模糊方程，結(jié)合模糊判斷矩陣獲取出單一因素的決策排序向量，從而完成智能決策。本文方法能夠降低設(shè)備潛在故障威脅等級，最大程度減少電力企業(yè)損失，避免出現(xiàn)區(qū)域大規(guī)模停電故障。但是該方法沒有考慮到路徑對搶修的影響，在接下來的研究中，將嘗試將最短路徑選擇融合進搶修決策中。