王立峰,馬 超,牛永光 ,蘇 彪,劉祥振,辛思遠(yuǎn)

(山東魯軟數(shù)字科技有限公司，山東 濟(jì)南 250000)

2020年8月，浙江省杭州市配電網(wǎng)絡(luò)實(shí)現(xiàn)了全面狀態(tài)檢修，全面啟動10 kV線路的狀態(tài)檢修運(yùn)行規(guī)則，這是最終實(shí)現(xiàn)“大運(yùn)行、大檢修”理念的標(biāo)志。城市10 kV配電網(wǎng)絡(luò)中，只要實(shí)現(xiàn)了全部城區(qū)供電的拉手線路及環(huán)形線路的多電源供電，同時在所有用電單位的電源設(shè)計中實(shí)現(xiàn)在2條以上拉手線路或者環(huán)形線路中采集電源，則在任何一個35/10變電站或110/10變電站需要停電檢修時，拉手線路中均可實(shí)現(xiàn)不停電服務(wù)，且任何一條拉手線路或環(huán)形線路不得不停電時，用電單位也均可以從另一條拉手線路或環(huán)形線路中獲得電源支持。

本文重點(diǎn)就電力大數(shù)據(jù)對變電站設(shè)備狀態(tài)監(jiān)測分析的支持模式進(jìn)行分析，設(shè)計一套應(yīng)用于全面狀態(tài)檢修的電力大數(shù)據(jù)獨(dú)立系統(tǒng)。

1 電力大數(shù)據(jù)系統(tǒng)的層次化服務(wù)模型

從最初在電力管理系統(tǒng)中部署的五防系統(tǒng)及邏輯壓板閉鎖系統(tǒng)，到后來的倒閘專家系統(tǒng)及電子操作票系統(tǒng)、程控遠(yuǎn)程倒閘系統(tǒng)，以及在后來的設(shè)備狀態(tài)監(jiān)控系統(tǒng)、母線狀態(tài)監(jiān)控系統(tǒng)、變電站全系統(tǒng)狀態(tài)監(jiān)測系統(tǒng)，冗余設(shè)備自動投切系統(tǒng)等，這些系統(tǒng)均具有共同點(diǎn)，結(jié)果如圖1所示。

圖1 早期智能電網(wǎng)的平行管理系統(tǒng)Fig. 1 Parallel management system of early smart grid

由圖1可知，基于物聯(lián)網(wǎng)的電網(wǎng)數(shù)據(jù)采集系統(tǒng)將所有的互感器數(shù)字化信號、溫度紅外監(jiān)測信號、震動及噪聲監(jiān)測信號等進(jìn)行采集；同時也利用API服務(wù)器與其他相關(guān)系統(tǒng)的API服務(wù)器之間構(gòu)建邏輯數(shù)據(jù)鏈接獲取元數(shù)據(jù)庫信息，用于維護(hù)數(shù)據(jù)倉庫的底層數(shù)據(jù)。在MySQL、HaDoop、Python、Matlab、CAE、Simu Works等開發(fā)環(huán)境集的支持下，實(shí)現(xiàn)對數(shù)據(jù)治理、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、模糊決策等相關(guān)模塊的編寫，進(jìn)一步在LAMP等服務(wù)器開發(fā)環(huán)境中，構(gòu)建桌面端腳本和移動端腳本，實(shí)現(xiàn)對系統(tǒng)的開發(fā)。

早期智能電網(wǎng)相關(guān)系統(tǒng)的開發(fā)過程中，幾乎所有平行系統(tǒng)均需要獨(dú)立對上述開發(fā)工作進(jìn)行開發(fā)、部署、測試、運(yùn)行。早期，這種平行開發(fā)模式可以最大限度提升系統(tǒng)的開發(fā)效率，降低開發(fā)成本，減少系統(tǒng)聯(lián)合調(diào)試的壓力，且某一個平行系統(tǒng)出現(xiàn)問題時，不會對其他系統(tǒng)帶來直接影響。但是，隨著智能電網(wǎng)的管理信息系統(tǒng)越來越全面，各種平行系統(tǒng)之間存在重復(fù)建設(shè)的情況，一方面導(dǎo)致數(shù)據(jù)倉庫規(guī)?？焖贁U(kuò)大，冗余重復(fù)信息增多；另一方面，因?yàn)槎鄠€平行系統(tǒng)的數(shù)據(jù)挖掘算法不同，數(shù)據(jù)混沌效應(yīng)明顯，導(dǎo)致不同系統(tǒng)容易做出相悖的策略?；诖?，在智能電網(wǎng)IDC中構(gòu)建獨(dú)立的數(shù)據(jù)倉庫系統(tǒng)，對包括設(shè)備狀態(tài)監(jiān)測系統(tǒng)在內(nèi)的各平行系統(tǒng)實(shí)現(xiàn)統(tǒng)一數(shù)據(jù)支持，將成為未來智能電網(wǎng)IDC建設(shè)的基本思路。其構(gòu)建模式如圖2所示。

由圖2可知，將數(shù)據(jù)倉庫進(jìn)行分層設(shè)計，其中接口層(Interface Layer)包括基于工業(yè)物聯(lián)網(wǎng)數(shù)據(jù)采集功能的物業(yè)物聯(lián)網(wǎng)探頭集、工業(yè)網(wǎng)橋、數(shù)據(jù)采集系統(tǒng)等和基于平行系統(tǒng)API接口管理的元數(shù)據(jù)庫集、以太網(wǎng)接口、數(shù)據(jù)API接口等；存儲介質(zhì)層(Rigid-disk Layer)包括數(shù)據(jù)倉庫的硬件集用于管理所有的存儲介質(zhì)及相關(guān)的數(shù)據(jù)庫管理軟件(MySQL、HaDoop等)；策略層(Strategy Layer)包括數(shù)據(jù)的治理策略、歸一化策略、去量綱策略、機(jī)器學(xué)習(xí)策略、模糊決策策略等，并包括執(zhí)行相關(guān)策略所用到的任務(wù)服務(wù)器(CPU Servers)、浮點(diǎn)服務(wù)器(GPU Servers)、邏輯服務(wù)器(TPU Servers)等；環(huán)境層(Environment Layer)包括應(yīng)用層腳本開發(fā)使用的各種支持軟件，但不限于Python、Matlab、CAE、Simu Works等。

圖2 獨(dú)立數(shù)據(jù)倉庫系統(tǒng)架構(gòu)Fig.2 Schematic diagram of independent data warehouse system architecture

2 變電站設(shè)備狀態(tài)檢修管理信息系統(tǒng)構(gòu)成

2.1 設(shè)備狀態(tài)信息的采集

變電站設(shè)備，包括母線類設(shè)備、觸點(diǎn)類設(shè)備、線圈類設(shè)備及其他相關(guān)設(shè)備。母線類設(shè)備包括各種電壓等級的母線、連接線纜等，負(fù)責(zé)實(shí)現(xiàn)三相負(fù)荷、中性線、接地線等功能。觸點(diǎn)類設(shè)備包括斷路器、接觸器、隔離開關(guān)、壓板等，重點(diǎn)指相應(yīng)開關(guān)設(shè)備中的接觸和滅弧元件。線圈類設(shè)備是變電站中分布廣種類多的設(shè)備，包括變壓器、互感器、接地滅弧器等。對不同類型設(shè)備的大數(shù)據(jù)采集需求，結(jié)果如表1所示。

表1 該系統(tǒng)的數(shù)據(jù)采集需求表Tab.1 Schematic diagram of independent data warehouse system architecture

由表1可知，除隔離開關(guān)沒有采集設(shè)備相關(guān)的電壓電流信息外，其他設(shè)備的狀態(tài)監(jiān)測系統(tǒng)均會采集設(shè)備相關(guān)線路的電壓電流信息；變壓器設(shè)備、互感器設(shè)備等，需要采集多個電壓等級條件下的相關(guān)電壓電流信息。對溫度、震動、噪聲、行動位置等信息的采集任務(wù)，也會因不同設(shè)備運(yùn)行原理不同而有所不同。

研究上述6種數(shù)據(jù)的實(shí)時采集方案，其采集方式和數(shù)據(jù)初步治理方案如表2所示。

由表2可知，電流、電壓、溫度等數(shù)據(jù)，均為建立在時域序列上的離散數(shù)據(jù)；而震動、噪聲數(shù)據(jù)均采用專用聲音處理器進(jìn)行記錄，記錄頻率為44 MHz，行動位置數(shù)據(jù)的記錄由相應(yīng)的動作元件的實(shí)際動作觸發(fā)，以邏輯型數(shù)據(jù)記錄在時域序列上。所以，上述所有數(shù)據(jù)均以時間戳為主鍵進(jìn)行記錄，并可根據(jù)時間戳進(jìn)行聯(lián)動分析。

表2 該系統(tǒng)的數(shù)據(jù)采集方法Tab.2 Data acquisition method table of the system

2.2 該系統(tǒng)對策略集的需求

因?yàn)殡娏?、電壓、溫度、震動和噪?dB)等數(shù)據(jù)均由量綱影響，所以應(yīng)對數(shù)據(jù)進(jìn)行歸一化以實(shí)現(xiàn)數(shù)據(jù)去量綱，采用Z-Score算法進(jìn)行數(shù)據(jù)去量綱治理，如式(1)：

=(-)

(1)

式中：為數(shù)據(jù)序列中第個數(shù)值；為數(shù)據(jù)序列的算數(shù)均值；為數(shù)據(jù)序列的標(biāo)準(zhǔn)差；為經(jīng)過歸一化的數(shù)據(jù)序列。其中：

(2)

式中：為序列的元素個數(shù)；為數(shù)據(jù)序列中第個數(shù)值。

(3)

式中：為序列的元素個數(shù)；為數(shù)據(jù)序列中第個數(shù)值；為數(shù)據(jù)序列的算數(shù)均值。

對于判斷系統(tǒng)的故障狀態(tài)，系統(tǒng)屬于數(shù)據(jù)不完備的模糊推理狀態(tài)，所以有必要使用神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進(jìn)行分析處理。單一設(shè)備而言，對設(shè)備做出狀態(tài)判斷，應(yīng)有設(shè)備的狀態(tài)級別，即將數(shù)據(jù)投影到[0,1]數(shù)據(jù)空間上。當(dāng)數(shù)據(jù)接近于1時，認(rèn)為設(shè)備接近崩潰；當(dāng)數(shù)據(jù)接近于0時，認(rèn)為設(shè)備完全正常，此時可使用單一神經(jīng)網(wǎng)絡(luò)模塊進(jìn)行二值化判斷。該系統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，具體如圖3所示。

圖3 系統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig. 3 Neural network structure diagram of the system

由圖3可知，6個輸入量均為一定時間周期的序列數(shù)據(jù)，所以有必要使用基于簡單神經(jīng)網(wǎng)絡(luò)模塊的輸入模塊對數(shù)據(jù)進(jìn)行初步整理。即將一維的數(shù)據(jù)序列值降維到零維數(shù)據(jù)，每一列輸入數(shù)據(jù)降維生成一個Double格式的單一變量以對數(shù)據(jù)的當(dāng)前狀態(tài)做出標(biāo)識；此過程為模糊神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)模糊化過程。將經(jīng)過模糊化的數(shù)據(jù)通過神經(jīng)網(wǎng)絡(luò)核心模塊進(jìn)行推算后，形成一個經(jīng)過二值化的[0,1]上的輸出數(shù)據(jù)，并對該數(shù)據(jù)使用模糊矩陣進(jìn)行解模糊，最終實(shí)現(xiàn)數(shù)據(jù)的輸出。

3 神經(jīng)網(wǎng)絡(luò)的設(shè)計

3.1 輸入模塊的設(shè)計

輸入模塊的統(tǒng)計學(xué)意義是將數(shù)據(jù)充分降維，即將輸入數(shù)據(jù)序列的256～512個序列集在不超過3層隱藏層處理過程中使其保留大部分?jǐn)?shù)據(jù)特征的前提下，壓縮成1個Double數(shù)據(jù)。此時，可以使用多項式函數(shù)進(jìn)行節(jié)點(diǎn)設(shè)計，3層隱藏層的節(jié)點(diǎn)數(shù)，分別為512、128和11個，其節(jié)點(diǎn)函數(shù)：

(4)

式中：為第個輸入量；為輸出量；為多項式階數(shù)；為第j階多項式的待回歸變量。

3.2 神經(jīng)網(wǎng)絡(luò)核心模塊設(shè)計

神經(jīng)網(wǎng)絡(luò)核心模塊的功能較為復(fù)雜，應(yīng)對6個輸入變量的數(shù)據(jù)特征充分放大；然后對其數(shù)據(jù)邏輯關(guān)系和投影規(guī)則進(jìn)行整理，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)的充分二值化。即如果采用6層隱藏層設(shè)計，則其隱藏層特征應(yīng)符合如表3所示的結(jié)果。

表3 神經(jīng)網(wǎng)絡(luò)核心模塊的隱藏層設(shè)計Tab. 3 Hidden layer design table of neural network core module

由表3可知，第1層和第2層是充分放大數(shù)據(jù)的細(xì)部特征，采用了對數(shù)函數(shù)進(jìn)行節(jié)點(diǎn)設(shè)計；第3層和第4層是對數(shù)據(jù)的邏輯關(guān)系和投影規(guī)則進(jìn)行整理，采用了多項式函數(shù)進(jìn)行節(jié)點(diǎn)設(shè)計；第5層和第6層為實(shí)現(xiàn)數(shù)據(jù)的充分二值化，采用了二值化函數(shù)進(jìn)行節(jié)點(diǎn)設(shè)計，式中：為第個輸入量；為輸出量；為自然常數(shù)；、為待回歸變量。

4 獨(dú)立數(shù)據(jù)倉庫的應(yīng)用

根據(jù)前文分析，在早期智能電網(wǎng)開發(fā)策略中，從數(shù)據(jù)采集的物聯(lián)網(wǎng)硬件開始，直到數(shù)據(jù)的可視化桌面端和移動端的展示界面，都進(jìn)行獨(dú)立開發(fā)。但在本文的開發(fā)策略中，該系統(tǒng)直接從獨(dú)立數(shù)據(jù)倉庫中獲取相應(yīng)信息，并在數(shù)據(jù)的策略層(Strategy Layer)開發(fā)2個神經(jīng)網(wǎng)絡(luò)模塊和1個模糊策略矩陣；在應(yīng)用層(Application Layer)中開發(fā)1套可視化腳本，即可完成系統(tǒng)的開發(fā)工作。

該模糊策略矩陣為傳統(tǒng)的單值二維控制矩陣，具體如表4所示。

表4 解模糊矩陣策略Tab.4 Strategy table for resolving fuzzy matrix

由表4可知，當(dāng)神經(jīng)網(wǎng)絡(luò)的輸出值超過0.85且數(shù)據(jù)較上一周期急劇上升時，給出紅色預(yù)警；輸出值的分檔線設(shè)定在0.85、0.70、0.50共4個區(qū)間，分別給出紅色、橙色、黃色、藍(lán)色4種狀態(tài)。其中紅色狀態(tài)會觸發(fā)系統(tǒng)自動倒閘；而藍(lán)色狀態(tài)表示系統(tǒng)處于正常運(yùn)行狀態(tài)。

在觸發(fā)系統(tǒng)自動倒閘時，該過程將傳值給電子操作票生成系統(tǒng)執(zhí)行。此策略在本文獨(dú)立數(shù)據(jù)倉庫分層開發(fā)理念指導(dǎo)下進(jìn)行。

5 真實(shí)數(shù)據(jù)下該系統(tǒng)的仿真測試

選擇某變電站近2年的運(yùn)行大數(shù)據(jù)進(jìn)行測試，該變電站擁有110/35/10變壓器4臺，110 kV開關(guān)設(shè)備21臺、35 kV開關(guān)設(shè)備55臺，10 kV開關(guān)設(shè)備142臺；其他一二次設(shè)備275臺。2年運(yùn)行期內(nèi)，出現(xiàn)設(shè)備故障233次，分析該系統(tǒng)不同預(yù)警狀態(tài)下的故障發(fā)生率，分析系統(tǒng)預(yù)警的敏感性和特異性，結(jié)果如表5所示。

表5 系統(tǒng)仿真測試結(jié)果Tab.5 System simulation test results table

由圖5可知，系統(tǒng)給出紅色、橙色、黃色預(yù)警的過程，已經(jīng)涵蓋了所有233處已經(jīng)發(fā)現(xiàn)的故障，可認(rèn)為，該系統(tǒng)可以基本滿足判斷設(shè)備狀態(tài)故障的可能。在其給出紅色預(yù)警時，相關(guān)設(shè)備的故障可能性達(dá)到了97.1%，在當(dāng)前機(jī)器學(xué)習(xí)判斷準(zhǔn)確率公認(rèn)為95%的技術(shù)現(xiàn)狀下，此判斷結(jié)果可基本達(dá)到設(shè)計要求。系統(tǒng)給出橙色預(yù)警時，可認(rèn)為需要短時間內(nèi)對設(shè)備進(jìn)行切除檢修，因?yàn)榇藭r判斷敏感性可達(dá)到72.2%。系統(tǒng)給出黃色預(yù)警時，也有11.6%的敏感性。

系統(tǒng)進(jìn)行開發(fā)的過程中，使用本文的開發(fā)策略，總開發(fā)周期為96 d，開發(fā)代碼量為1.7萬行，而傳統(tǒng)開發(fā)模式，該系統(tǒng)的總開發(fā)周期預(yù)計達(dá)到600 d以上，開發(fā)代碼量超過12萬行。且該系統(tǒng)在開發(fā)全過程中未添置任何工業(yè)物聯(lián)網(wǎng)硬件，對IDC硬件的新增量，從傳統(tǒng)模式下的70～90 U減少到了27 U?？烧J(rèn)為，該開發(fā)策略在較小的開發(fā)量、較小的硬件新增量的前提下，實(shí)現(xiàn)了完全滿足開發(fā)需求的開發(fā)任務(wù)。

6 結(jié)語

在獨(dú)立數(shù)據(jù)倉庫支持環(huán)境下的變電站設(shè)備狀態(tài)檢修管理信息系統(tǒng)，是適應(yīng)當(dāng)前智能變電站開發(fā)需求的一種新型變電站設(shè)備檢修管理系統(tǒng)。根據(jù)變電站當(dāng)前對獨(dú)立數(shù)據(jù)倉庫的前置開發(fā)成果，在該開發(fā)策略下，以較小的開發(fā)量、較小的硬件新增量的前提，實(shí)現(xiàn)了完全滿足開發(fā)需求的開發(fā)任務(wù)。該系統(tǒng)不同預(yù)警狀態(tài)均表現(xiàn)出較強(qiáng)的預(yù)警判斷敏感性。