陳凌漢,盧佳
(上海電力大學電氣工程學院,上海 200090)
隨著能源互聯(lián)網戰(zhàn)略的不斷推進,電力系統(tǒng)在其中發(fā)揮著主干作用[1-2]。變壓器作為變電站中關鍵設備,是控制電能輸出的中樞節(jié)點,其正??煽康倪\行狀態(tài)對變電站乃至整個能源互聯(lián)網的安全具有十分重要的意義[3]。當前,能源互聯(lián)網的建設對信息感知的深度、廣度、密度、頻度和精度提出了更高要求。能源互聯(lián)網利用智能感知技術對系統(tǒng)內各個環(huán)節(jié)的電氣量、狀態(tài)量、物理量、環(huán)境量、空間量、行為量進行全面監(jiān)控,形成能源互聯(lián)網底層感知基礎設施[4]。
傳統(tǒng)的變壓器檢查依靠巡檢人員的日常巡查,不能及早發(fā)現(xiàn)變壓器異常,容易造成變壓器壽命縮短[5-6]。因此,利用能源互聯(lián)網的智能感知技術對變壓器狀態(tài)進行在線監(jiān)測和實時運行狀態(tài)感知分析并結合工作人員日常巡檢,提高變壓器應對故障的能力,減少變壓器故障的發(fā)生。
人體免疫機制是抵御外在侵害的自身防御體系,具有生物體特有的識別和防御功能。人體細胞對抗原病毒的分析和識別,進行免疫響應并執(zhí)行抗原病毒的清除,最終實現(xiàn)人體自身系統(tǒng)的安全性和穩(wěn)定性[7]。類比于人體免疫機制,基于免疫機制的變壓器故障診斷方向已有了一定的研究。文獻[8-9]在免疫機制的基礎上,提出了電力系統(tǒng)故障診斷方法,利用實測運行數據證明了方法的可行性。文獻[10]將免疫算法與機器學習相結合,實現(xiàn)了變壓器故障的準確分類。人體免疫機制同樣可以應用在變壓器的狀態(tài)評估方面,通過借鑒免疫系統(tǒng)的抗原識別機制為變壓器的狀態(tài)識別提供了理論基礎。
本文在借鑒人體免疫機制的基礎上,將人體免疫機制運用在變壓器的狀態(tài)評估上,為實現(xiàn)能源互聯(lián)網變壓器狀態(tài)的識別提供重要的理論和方法指導。
人體免疫機制是一個不斷在適應外界未知病毒的自適應“防御機制”。皮膚和黏膜首先用來阻止抗原病毒的侵入,是人體最基本的防御手段,突破第1層防御后,抗原病毒進入體液防御屏障。第1道、第2道防線攔截病毒失敗后,則由先天性免疫進行病毒攔截,人體的先天性免疫是與生俱來的防御機制,主要由吞噬細胞和樹突狀細胞等組成,負責清除體內的異常細胞和抗原病毒。人體免疫機制通過后天獲取的具有針對性的免疫能力,當相同類型的抗原病毒入侵時,可以快速產生大量抗體細胞消滅入侵病毒,也是人體最主要的防護手段。人體免疫機制如圖1所示。
圖1 生物免疫機制Fig.1 Biological immune system
基于人體免疫機制的變壓器狀態(tài)識別的框架如圖2所示。
圖2 變壓器免疫機制框架Fig.2 Immune mechanism framework for transformers
人體免疫機制應用于變壓器狀態(tài)評估中,構建免疫監(jiān)控模型。首先通過對比收集到的運行參數數據,選出作為抗原的參數數據,然后將抗原參數數據后向傳遞進行具體數據的檢查匹配,然后工作人員對故障進行處理和修復。在能源互聯(lián)網變壓器免疫系統(tǒng)中,抗原病毒是由狀態(tài)參數信息組成的狀態(tài)信息向量,并根據抗原數據將識別結果對應變壓器的各種運行狀態(tài),根據識別結果對變壓器進行相應的調整和控制。
進行變壓器狀態(tài)評估需要利用能源互聯(lián)網的智能感知技術采集大量的變壓器狀態(tài)參數信息,并從中提取關鍵數據以綜合分析判斷變壓器運行狀態(tài)。選取具有代表性的狀態(tài)參數信息,從不同的角度反映變壓器的運行狀態(tài)。根據國家電網公司相關規(guī)定中給出的故障類型和故障征兆的狀態(tài)參數,組成了能源互聯(lián)網變壓器免疫狀態(tài)評估的輸入抗原。根據免疫識別結果對該狀態(tài)類型進行輸出,并得出該狀態(tài)下的變壓器控制策略,選取10種變壓器的狀態(tài)量作為故障狀態(tài)參數,如表1所示,4種變壓器常見故障類型,如表2所示。
表1 變壓器異常狀態(tài)參數Tab.1 Abnormal state parameters of transformer
表2 變壓器故障類型Tab.2 Type of transformer fault
通過借鑒電力系統(tǒng)對設備狀態(tài)的定義,根據變壓器故障類型和狀態(tài)參數變化,將變壓器的運行狀態(tài)分為4種。各狀態(tài)分類的含義如下:1)變壓器健康:變壓器各項狀態(tài)參數都處于最優(yōu)值附近,變壓器無異常參數值,無需注意及檢修,狀態(tài)評分80~100;2)變壓器注意:變壓器各項狀態(tài)參數下降,暫未出現(xiàn)異常,需要引起注意,狀態(tài)評分60~80;3)變壓器預警:變壓器部分狀態(tài)參數下降嚴重,存在較大故障隱患,狀態(tài)評分40~60;4)變壓器嚴重預警:變壓器部分狀態(tài)參數惡化嚴重,設備存在較大故障風險,狀態(tài)評分0~40。
變壓器免疫監(jiān)控模型如圖3所示。
圖3 變壓器免疫體系模型Fig.3 System model of transformers immunity
變電站變壓器免疫流程包括:識別過程、免疫過程和恢復過程。
2.2.1 識別過程
變壓器運行數據的采集就是抗原識別的過程,利用采集的運行參數信息與其隊形的標準范圍進行比對,若運行參數數據在正常范圍內,則代表無抗原,即變壓器運行正常;若運行參數信息不在正常范圍,則代表有抗原注入系統(tǒng),即變壓器可能處于異常狀態(tài),需將異常運行參數信息向上進行傳遞。
2.2.2 免疫過程
變壓器的免疫過程是將收集到的異常狀態(tài)參數信息進行計算和分析,并計算出相應部件的健康值,將所得結果向上傳遞,同時將異常狀態(tài)參數信息進行儲存。抗原信息知識庫在變壓器免疫系統(tǒng)運行時,會把檢測到的異常運行參數信息不斷存入數據庫,方便以后進行參數對比和調用。
2.2.3 恢復過程
變壓器管理恢復細胞通過對運行參數信息的分析和比對秘書處狀態(tài)決策,針對不同的故障部位和故障類型,生成不同的處理方案??贵w代表具體的處理解決方法,最終目標是使變壓器恢復正常運行狀態(tài)。
Apriori算法是對信息進行關聯(lián)挖掘的常用算法,它首先找出數據中頻繁出現(xiàn)的數據集合,將這些數據集合稱為頻繁項集,找出各項集合間的關聯(lián)關系用于輔助決策,算法的原理概括如圖4所示。
圖4 算法流程圖Fig.4 Algorithm flow chart
首先將狀態(tài)參數信息和故障類型整理成關聯(lián)規(guī)則模型所需的數據結構。每個項的集合被稱之為項集,一個項集中對應的支持度定義為數據集中包含該項集的記錄所占的比例。頻繁項集是支持度大于等于最小支持度閾值的項集,設定最小支持度為20%。數據集中所包含的某項集的事務個數被定義為該項集的支持度計數。關聯(lián)規(guī)則強度可以通過它的“支持度”和“置信度”來表示,如下式:
式中:S為項集的支持度;T為所有項集個數;C為項集的置信度。
在已知項集A發(fā)生的條件下,同時發(fā)生B的概率,這個事件也可以描述為發(fā)生A的同時發(fā)生B的置信度,它可由同時發(fā)生A,B事件的支持度計數與A的支持度計數相除得來,即
再利用得到的最大頻繁項集與預先設定的最小置信度閾值進行關聯(lián)。
根據Apriori算法找出變壓器的狀態(tài)參數信息Xij和故障類型的關聯(lián)關系,為了保證變壓器運行參數信息的準確性,依據置信度的大小分配權重系數Fi,保證評估準確性,如下式:
式中:φij為Fi中Xij的常權重系數;cij為Fi中Xij的置信度。
選擇西北某省近五年的變壓器異常數據作為數據集,變壓器異常統(tǒng)計如表3所示。
表3 變壓器異常統(tǒng)計Tab.3 Transformer anomaly statistics
為了驗證本方法的有效性和準確性,收集某地區(qū)400組運行變壓器數據進行驗證分析,選取最小支持度S=0.7,并計算:
計算常權重系數由式(3)可得φ11=0.0966。同理可得其余的常權重系數。
關聯(lián)分析結果如表4所示。
表4 關聯(lián)分析結果Tab.4 Correlation analysis results
從某省電力系統(tǒng)中收集整理的變電站變壓器故障數據,對4種故障類型準確度分析,驗證本方法的準確率,結果如表5所示,評價結果如表6所示。
表5 故障類型準確率Tab.5 Accuracy of fault type
表6 樣本評分結果Tab.6 Results of sample score
根據變壓器運行狀態(tài)評分得到變壓器的調整控制以及檢修策略。變壓器在注意狀態(tài)、預警狀態(tài)和嚴重狀態(tài)時存在在狀態(tài)參數異常,免疫流程如圖5所示。
圖5 變壓器免疫庫答流程Fig.5 Process of transformer immune response
當變壓器處于健康狀態(tài)時,變壓器主要狀態(tài)參數信息無異常參數數據,均處于最佳范圍內,變壓器運行正常。
當變壓器處于注意狀態(tài)時,部分狀態(tài)參數信息發(fā)生變化,可能會有異常參數產生,但變壓器總體運行穩(wěn)定,應對變化指標活異常參數指標進行跟蹤觀察,分析狀態(tài)變化或異常參數產生的原因,并根據變壓器狀態(tài)的變化趨勢再決定師傅進行調整或檢修。
當變壓器處于預警狀態(tài)時,部分狀態(tài)參數信息處于危險指標區(qū)域,應對危險指標進行原因分析,并進行風險評估,根據評估的風險等級安排變壓器檢修。
當變壓器嚴重狀態(tài)運行時,變壓器多個狀態(tài)參數信息處于異常區(qū)間,應綜合分析各類狀態(tài)參數信息,立即采取措施,并馬上組織變壓器檢修。
本文在人體免疫機制的基礎上,構建基于免疫機制的能源互聯(lián)網變電站變壓器狀態(tài)評估監(jiān)控模型。首先,類比人體免疫機制,并在此基礎上提出了基于免疫機制變壓器狀態(tài)評估模型。然后,以變電站變壓器實際運行數據為依托,通過對變電站變壓器參數的處理,選取了變電站變壓器故障狀態(tài)參數。最后,對采集到的數據利用關聯(lián)規(guī)則結合常權重系數實現(xiàn)了變壓器的狀態(tài)評估和免疫機制的健康度評價,為后續(xù)研究電氣系統(tǒng)的故障預警奠定了基礎,為變電站變壓器的可靠性和可控性提供了新的思路。