三峽新能源五家渠發(fā)電有限公司奇臺(tái)分公司 蔣 偉 謝川江 阿黑哈提·阿衣提胡曼

每年有大面積停電中的60%是由于設(shè)備的故障或環(huán)境因素所造成，因此在保證輸變電設(shè)備穩(wěn)定運(yùn)行以及修護(hù)檢查方面要提供更多的研究。輸變電運(yùn)行狀態(tài)檢查是否成功的關(guān)鍵是把握變電設(shè)備的運(yùn)行狀態(tài)，并對此狀態(tài)進(jìn)行全面和準(zhǔn)確的評估。隨著傳感器技術(shù)和狀態(tài)檢測技術(shù)的越發(fā)成熟，電網(wǎng)數(shù)據(jù)爆發(fā)式增長，近年來大數(shù)據(jù)技術(shù)應(yīng)用于輸變電設(shè)備的檢測技術(shù)也有了質(zhì)的提升，但仍有一些問題需要解決。

1 大數(shù)據(jù)結(jié)構(gòu)下的輸變電設(shè)備狀態(tài)評估的大框架

輸變電設(shè)備的大數(shù)據(jù)應(yīng)用技術(shù)是要將數(shù)據(jù)進(jìn)行融合分析和深度挖掘，從數(shù)據(jù)方面進(jìn)行有價(jià)值的規(guī)律分析，實(shí)現(xiàn)檢測和狀態(tài)評估可全面及時(shí)掌握輸變電設(shè)備的健康狀態(tài)，為檢查工作提供了理論基礎(chǔ)，輸變電設(shè)備的安全運(yùn)行更有保障。在大數(shù)據(jù)結(jié)構(gòu)下的輸變電設(shè)備狀態(tài)評估主要包括以下部分[1]。

1.1 構(gòu)建關(guān)鍵參數(shù)體系

輸變電設(shè)備的分類形成了整體的參數(shù)體系，包含了各類傳感數(shù)據(jù)，因此設(shè)備參數(shù)可分為三層，第一層是狀態(tài)信息層，第二層是傳感數(shù)據(jù)層，第三層應(yīng)用交互層。狀態(tài)信息層是將各個(gè)數(shù)據(jù)狀態(tài)進(jìn)行評估時(shí)所對應(yīng)的狀態(tài)量，包括人工顯示、運(yùn)行信息和環(huán)境信息等，交互增量是作為狀態(tài)評估的參考信息，根據(jù)狀態(tài)量的更新速度，可分為實(shí)時(shí)數(shù)據(jù)、真實(shí)數(shù)據(jù)和靜態(tài)數(shù)據(jù)，作為建立關(guān)鍵參數(shù)體系的依據(jù)。構(gòu)建關(guān)鍵參數(shù)的整體體系需對電力設(shè)備整體情況進(jìn)行調(diào)研，根據(jù)數(shù)據(jù)的收集和梳理獲得靜態(tài)實(shí)時(shí)的狀態(tài)信息進(jìn)行分析，運(yùn)用關(guān)聯(lián)的規(guī)則，數(shù)學(xué)模型可提取關(guān)鍵的參量，與故障缺陷參數(shù)相關(guān)聯(lián)性比較小的參量會(huì)被刪除，保留相關(guān)性較強(qiáng)的參量，從而構(gòu)建整體的關(guān)鍵參數(shù)體系。

一方面，是通過對當(dāng)前輸電線的原理和應(yīng)用情況部分使用狀態(tài)監(jiān)測技術(shù)確定整體線路的基礎(chǔ)參數(shù)；另一方面，是針對準(zhǔn)實(shí)時(shí)信息的獲取，將分析法數(shù)學(xué)模型應(yīng)用到輸變電設(shè)備，分析法數(shù)學(xué)模型的核心是通過正交變換的方法獲得參數(shù)中的相關(guān)信息，把各參量的貢獻(xiàn)率作為參數(shù)提取的依據(jù)。最后針對于實(shí)時(shí)狀態(tài)信息，提取出序列，本身具有較強(qiáng)關(guān)聯(lián)性的關(guān)聯(lián)參量可提取變化率相近的時(shí)間序列。

1.2 數(shù)據(jù)清洗

對于不同來源的數(shù)據(jù)需進(jìn)行統(tǒng)計(jì)和分析才能達(dá)到數(shù)據(jù)清洗工作，數(shù)據(jù)清洗中的主要作用，是保持?jǐn)?shù)據(jù)的完整性和有效性的前提下對數(shù)據(jù)的格式進(jìn)行統(tǒng)一分類、主要信息建立與趨勢相關(guān)的數(shù)學(xué)模型。噪音數(shù)據(jù)是指數(shù)據(jù)內(nèi)部錯(cuò)誤數(shù)據(jù)或和期望值距離太遠(yuǎn)的孤立點(diǎn)，這種數(shù)據(jù)要通過時(shí)間序列和聚類方法進(jìn)行分離。

在信息收集過程中，儀器故障、操作失誤、或通訊中斷等意外都可能造成關(guān)鍵特征量的缺失，這些缺少的觀測值構(gòu)成了缺失值，數(shù)據(jù)的連續(xù)性就會(huì)被破壞，對設(shè)備狀態(tài)的分析和預(yù)測都會(huì)造成很大的影響，可通過平滑法預(yù)估和回歸法進(jìn)行填補(bǔ)，從而消除這種影響。不同來源的信息要進(jìn)行規(guī)范化的分類，將相關(guān)數(shù)據(jù)變成適合分析的形式，通過人工尋找、智能巡檢采集大量的非結(jié)構(gòu)化形式儲(chǔ)存數(shù)據(jù)，這些數(shù)據(jù)可觀測電力的外觀環(huán)境和局部過熱、局部放電等主要問題[2]。

2 輸變電設(shè)備狀態(tài)數(shù)據(jù)清洗方法

通過傳感器進(jìn)行信號檢測的收集，然后按照底層預(yù)處理之后形成的原始數(shù)據(jù)分類，這些實(shí)時(shí)數(shù)據(jù)的時(shí)間序列會(huì)受到通訊故障、傳感器失效、短時(shí)間內(nèi)短路等突發(fā)事件的干擾，這種干擾會(huì)對真實(shí)的觀測造成非常大的影響，這種觀測值統(tǒng)稱為異常值，對于運(yùn)行中的輸變電設(shè)備來說，異常數(shù)據(jù)通常表現(xiàn)為缺失點(diǎn)和噪聲點(diǎn)，輸變電設(shè)備的狀態(tài)數(shù)據(jù)進(jìn)行清洗是保證狀態(tài)正確和故障診斷的前提?？汕逑吹妮斪冸姰惓?shù)據(jù)要確實(shí)是錯(cuò)誤數(shù)據(jù)、外界干擾數(shù)據(jù)、壞數(shù)據(jù)以及水平遷移的數(shù)據(jù)。清洗的思路是把多元時(shí)間序列分為可清洗和不可清洗兩大類，進(jìn)而將可清洗的數(shù)據(jù)通過雙迭代循環(huán)方法進(jìn)行清洗。

輸變電信息的采集是通過各個(gè)傳感器進(jìn)行，但底層的預(yù)處理上傳到數(shù)據(jù)庫的形式不能應(yīng)用于之后的數(shù)據(jù)分析，因此所有狀態(tài)的量應(yīng)形成矩陣，通過矩陣再進(jìn)行深化分析。非平穩(wěn)的時(shí)間序列應(yīng)按數(shù)據(jù)的特征進(jìn)行不同形式的綜合，按時(shí)間序列進(jìn)行設(shè)備狀態(tài)數(shù)據(jù)的分類。

設(shè)備狀態(tài)具有多樣性，采集時(shí)間的不確定性使得狀態(tài)之間產(chǎn)生異常的數(shù)據(jù)，由于時(shí)間是不確定的，因此建立時(shí)間順序模型是不可或缺的數(shù)據(jù)清洗步驟。通過建立異常的數(shù)據(jù)模型和干預(yù)模型判斷哪些數(shù)據(jù)是有用信息、哪些數(shù)據(jù)需要清洗。異常值數(shù)據(jù)會(huì)出現(xiàn)大量的數(shù)值殘差，通過殘差值可判斷模型類型。異常數(shù)據(jù)對于時(shí)間序列擬合具有一定的影響，這種影響可通過干預(yù)模式進(jìn)行解決，故障時(shí)數(shù)據(jù)狀態(tài)會(huì)產(chǎn)生水平遷移或快速變化，且這些數(shù)據(jù)不可做清洗，只能通過時(shí)間序列干預(yù)模型進(jìn)行擬合。

判斷異常值的種類需對殘差逐一計(jì)算，事實(shí)上序列的參數(shù)一般是未知的，須通過反復(fù)的計(jì)算去估計(jì)，但又由于異常值的存在，會(huì)使得參數(shù)產(chǎn)生大量的偏差，因此通過反復(fù)的擬合過程可識(shí)別出序列中的異常值?；谶@一原因，雙迭代循環(huán)的方法被有效的利用在時(shí)間序列模型識(shí)別異常數(shù)據(jù)中，這種方法能清除數(shù)據(jù)中的噪聲點(diǎn)和缺失點(diǎn)，也可在在分離噪音的過程中對噪聲點(diǎn)進(jìn)行修正。時(shí)間序列的建立方法是針對數(shù)據(jù)的整體規(guī)律而言，能修復(fù)造成缺失點(diǎn)的數(shù)據(jù)矩陣，但對于非常平穩(wěn)的季節(jié)性數(shù)據(jù)差清洗的效果檢查具有明顯的局限性，通過雙迭代循環(huán)方法的引入，可防止時(shí)間序列中有用信息的丟失，在反復(fù)的迭代過程中增加數(shù)據(jù)的準(zhǔn)確性，不僅可刪除壞數(shù)據(jù)，也能提升數(shù)據(jù)的質(zhì)量，避免狀態(tài)的評估錯(cuò)誤[3]。

3 輸變電設(shè)備狀態(tài)大數(shù)據(jù)分析應(yīng)用探討

影響輸變電狀態(tài)的因素較多，在運(yùn)行過程中時(shí)刻受到天氣、線路運(yùn)行狀態(tài)和設(shè)備狀態(tài)的影響，各種突發(fā)情況都有可能導(dǎo)致偏離狀態(tài)評價(jià)的準(zhǔn)確性。通過大數(shù)據(jù)結(jié)合技術(shù)，應(yīng)將變電設(shè)備狀態(tài)的大樣本數(shù)據(jù)進(jìn)行采集，建立足夠的數(shù)據(jù)庫，整體對設(shè)備狀態(tài)進(jìn)行有效發(fā)展趨勢的分析，構(gòu)建多元增量的關(guān)聯(lián)性，將大數(shù)據(jù)信息進(jìn)行模擬和分析，從概率和統(tǒng)計(jì)學(xué)的角度展示數(shù)據(jù)內(nèi)部特有的規(guī)律。

3.1 設(shè)備關(guān)鍵性能應(yīng)用

設(shè)備關(guān)鍵性主要從故障類型和狀態(tài)間的關(guān)聯(lián)進(jìn)行分析，設(shè)備出現(xiàn)故障時(shí)的歷史數(shù)據(jù)可作為感覺狀態(tài)量和故障模式關(guān)聯(lián)性的依據(jù)，建立起關(guān)鍵性能對應(yīng)的狀態(tài)量集，最后結(jié)合矩陣下列有關(guān)數(shù)據(jù)分析的數(shù)學(xué)模型。關(guān)聯(lián)規(guī)則就是找出出現(xiàn)在同一個(gè)視線中不同相之間的關(guān)聯(lián)性。故障歷時(shí)數(shù)據(jù)形成的量集在故障分析時(shí)可作為對比樣，因此這種類型的錯(cuò)誤數(shù)據(jù)也需要進(jìn)行分析和分類。

3.2 構(gòu)建大數(shù)據(jù)模型

隨著理論的發(fā)展，在信息化和信號處理等方面獲得了廣泛關(guān)注，這種技術(shù)也初步進(jìn)行了應(yīng)用，設(shè)備的數(shù)據(jù)可逐漸拼成高維矩陣，但由于高維矩陣的分析較困難，可通過階段拼接的操作，最后得到優(yōu)化的行列數(shù)比值，簡化數(shù)據(jù)分析過程。每個(gè)狀態(tài)的測量原始觀測值都可通過變化形成高維矩陣，因此關(guān)鍵性能的高維矩陣應(yīng)對應(yīng)狀態(tài)測量，由于每個(gè)狀態(tài)測量的不同，所以應(yīng)截取某一段時(shí)間內(nèi)所有的狀態(tài)量、根據(jù)最后形成的矩陣采集信息。高維隨機(jī)矩陣的基本原理就是和ARMA 模型結(jié)合研究樣本寫方差的分布評價(jià)關(guān)鍵性能。

ARMA 模型和圓環(huán)譜分布具有一一對應(yīng)關(guān)系，因此應(yīng)用到電力設(shè)備時(shí)，可通過圓環(huán)中的散點(diǎn)密度進(jìn)行更深層次的分析，具有不需要精準(zhǔn)球模型參數(shù)、只需要求解斜方差和特征值的優(yōu)點(diǎn)，并可消除噪音數(shù)據(jù)和缺失值的影響，設(shè)備在運(yùn)行過程中的突發(fā)故障會(huì)導(dǎo)致數(shù)據(jù)逐漸偏離分布，反映在模型參數(shù)影響較大，通過ARMA 模型參數(shù)短時(shí)間內(nèi)的缺失者不會(huì)被判定為狀態(tài)異常，減少了操作步驟。再考慮到狀態(tài)量的時(shí)間和空間具有一定的聯(lián)系，所以應(yīng)將歷史數(shù)據(jù)的每個(gè)階段的圓環(huán)曲線和譜分布曲線進(jìn)行對比反映狀態(tài)量的變化趨勢，尋找其中的關(guān)聯(lián)性。

3.3 關(guān)鍵性能狀態(tài)評價(jià)應(yīng)用

關(guān)鍵性能的分析和時(shí)間空間都相關(guān)：第1步需將各狀態(tài)的量進(jìn)行歸一化和平穩(wěn)化，所有的數(shù)據(jù)整合成關(guān)鍵性能狀態(tài)矩陣，方便接下來的數(shù)據(jù)分析和整理；第2步是計(jì)算出樣板間方差的特征值和特征向量，求出譜分布和散點(diǎn)分布；第3步是將所有的散點(diǎn)分布進(jìn)行對比，找出當(dāng)前密度值和平均密度值計(jì)算得到相對應(yīng)的狀態(tài)矩陣，當(dāng)狀態(tài)評估值和閾值進(jìn)行對比時(shí)，如狀態(tài)值大于閥值表明性能偏離了正常狀態(tài)，也就是設(shè)備可能出現(xiàn)了異常；第4步是針對數(shù)據(jù)出現(xiàn)異常的高維矩陣，通過ARMA 模型進(jìn)行向量的擬合，分析異常數(shù)據(jù)出現(xiàn)的位置，找出所對應(yīng)的有故障的設(shè)備。根據(jù)關(guān)鍵性能的狀態(tài)評估分析和檢測出狀態(tài)量的異常所在和異常所發(fā)生的時(shí)刻[4]。

3.4 輸變電設(shè)備狀態(tài)評估系統(tǒng)的測試應(yīng)用

輸變電狀態(tài)的監(jiān)測系統(tǒng)具有非常全的信號收集功能，可對數(shù)據(jù)電網(wǎng)運(yùn)行、氣象運(yùn)行等多元的信息進(jìn)行融合分析。大數(shù)據(jù)分析技術(shù)應(yīng)用于系統(tǒng)，主要包含數(shù)據(jù)的轉(zhuǎn)換、集成和分析、異常檢測和狀態(tài)評估及可視化[5]。

在對系統(tǒng)采集到的色譜數(shù)據(jù)經(jīng)清洗后可進(jìn)行評估，識(shí)別出異常數(shù)據(jù)所屬種類，得到不含噪音的數(shù)據(jù)。輸變電設(shè)備的運(yùn)行狀態(tài)和信號分布可通過異常檢測方法對設(shè)備進(jìn)行異常檢測，定期檢測采集具有較長周期的數(shù)據(jù)可增加狀態(tài)評估的準(zhǔn)確性。在對變壓器的關(guān)鍵性能進(jìn)行評價(jià)時(shí)，應(yīng)以信號為色譜數(shù)據(jù)進(jìn)行收集。一個(gè)月作為空窗期將所有數(shù)據(jù)集成為高維矩陣，計(jì)算每個(gè)樣本中的斜方差的特征值和特征向量，求出圓環(huán)和特征譜分析每個(gè)月的特征跟離散的變化趨勢，并在理想化變化異常時(shí)判斷為異常狀態(tài)。

4 結(jié)語

大數(shù)據(jù)對于輸變電設(shè)備的狀態(tài)評價(jià)是非常好的發(fā)展方向，通過挖掘數(shù)據(jù)之間的相關(guān)知識(shí)，從數(shù)據(jù)的角度解釋設(shè)備的狀態(tài)具有非常高的科學(xué)性，也有很大的應(yīng)用價(jià)值。大數(shù)據(jù)分析對于智能電網(wǎng)具有很好的應(yīng)用和借鑒意義，系統(tǒng)的大數(shù)據(jù)分析可對當(dāng)?shù)氐碾娋W(wǎng)做出有效的預(yù)測和預(yù)警，幫助監(jiān)控員能夠發(fā)現(xiàn)設(shè)備的缺陷及設(shè)備在運(yùn)行過程中可能出現(xiàn)的問題環(huán)節(jié)，同時(shí)監(jiān)控員日常工作中也可建立大數(shù)據(jù)的分析的意識(shí)，快速檢測出不正常運(yùn)行的設(shè)備的位置，更能直觀的了解到電網(wǎng)的運(yùn)行情況及電網(wǎng)目前的問題所在。

基于大數(shù)據(jù)的分析，可科學(xué)正確地對電網(wǎng)運(yùn)行狀態(tài)進(jìn)行直觀性的預(yù)測。結(jié)合電網(wǎng)調(diào)控技術(shù)發(fā)現(xiàn)，大數(shù)據(jù)分析不僅能夠高效地提高工人的工作效率，也可更準(zhǔn)確地排查出安全隱患，保護(hù)電網(wǎng)的設(shè)備安全運(yùn)行。