關鍵詞 : 輸變電設備; 應用需求; 體系架構; 大數據; 狀態評估; 運維檢修;

 

0 引言

 

隨著智能電網和全球能源互聯網的不斷發展,我國電網正快速演變為匯聚多維度海量異構數據與多類型龐大復雜計算的系統[1],并在電力的發、輸、變、配、用等領域表現出不同的特點。在輸變電領域,一方面,特高壓電網的大規模建設使得電網企業對供電可靠性、安全性、經濟性等方面的要求越來越高;另一方面,設備狀態監測所涉及的設備越來越多、監測項目越來越廣、監測數據越來越多樣化,產生了大量的多源異構設備狀態監測數據,如紅外圖像、視頻監控、超聲(特高頻)指紋、分解物組分等。另外,經過多年運行積累,電網公司擁有海量的設備、電網、環境等歷史數據,涵蓋了設備從出廠、采購、投運、運行、試驗、檢修到報廢整個生命周期中留下的不同信息,這些龐大的數據已逐漸形成輸變電設備狀態大數據[1-6]。

 

輸變電設備狀態大數據構成復雜,從數據結構上分為結構化數據和非結構化數據,從更新速度上分為實時數據、準實時數據和靜態數據,數據源包括生產設備(資產)運維精益管理系統(Power Production Management System,PMS)、調度管理系統(Outage Management System,OMS)、雷電定位系統、輸變電設備狀態監測系統等10余類。因此,如何對輸變電設備狀態大數據進行有效管理、利用,使之服務于電網公司,提高電網的供電可靠性,是電網運檢業務發展的新方向。研究人員針對輸變電設備狀態大數據開展了一些前期探索,文獻[7]針對輸變電設備狀態監測大數據可靠存儲和快速訪問兩方面的大數據處理核心問題,基于開源的Hadoop實驗平臺進行了數據分布策略、數據塊尺寸調優、集群網絡拓撲規劃3個方面的存儲優化研究和大數據并行分析研究;文獻[8]通過時間序列模型和自適應神經網絡對歷史數據潛在的特征進行挖掘,提出了異常檢測體系,并使之適用于輸變電設備狀態監測數據流,實現了數據流中異常的快速檢出;文獻[9]通過高維隨機矩陣理論對設備狀態量的時間序列進行大數據表征,研究了含有時間序列模型的高維矩陣的特征根譜分布與圓環率,分析狀態量的歷史和當前狀態信息,實現設備關鍵性能的評估和異常檢測。總體來說,目前研究工作側重輸變電設備狀態大數據底層架構或關鍵應用,缺乏輸變電設備狀態大數據應用需求的宏觀分析,鮮有輸變電設備大數據系統應用整體層面的設計方案。

 

本文在對輸變電設備狀態大數據業務需求細致梳理的基礎上,提出了基于大數據技術建設輸變電設備狀態預警系統(以下簡稱“狀態預警系統”)的構想,進而從總體架構、數據架構、技術架構以及物理架構4個層面開展了系統體系架構設計,為實現對電網公司運檢業務的全面技術支撐奠定了基礎。

 

1 需求分析

 

為保證狀態預警系統功能與運檢業務需求相匹配,必須開展系統需求分析工作,對目前運檢業務技術支撐工作進行細致梳理。本文從業務需求、功能需求、典型應用3個層次對狀態預警系統需求開展深入調研與分類整理。

 

1.1 業務需求

 

業務需求,即公司業務目標及業務流程的分類描述,電網公司通過業務流程為政府、企業和居民等客戶提供電力服務、資產管理等業務。輸變電設備狀態預警系統主要為電網運檢業務提供技術支撐,運檢業務主要包括電力資產的維護、操作、管理與改造工作,狀態預警系統可為運檢業務提供監測預警、狀態分析、專業管理、技術監督、高級分析五大類業務應用,為電網公司運檢業務提供全面的技術支撐。狀態預警系統業務需求框架如圖1所示。

 

圖1 狀態預警系統業務需求框架

 

Fig.1 Business requirement framework of status early warning system

 

1.1.1 監測預警

 

實時監測與分析設備狀態相關指標,對指標異常的設備發布不同等級的預警消息,并進行趨勢跟蹤與故障預測,預警結果通過圖表等可視化方式展現,為生產管理人員提供實時有效的監測預警分析結果,包括在線監測預警、環境氣象預警、大數據分析預警和異常跟蹤分析4個部分。

 

1)在線監測預警：實時監測運行設備在線監測指標的變化情況,包括SF6氣體壓力、SF6氣體水分、頂層油溫、微水、油中溶解氣體等在線監測指標,對超閾值或趨勢變化異常等違反既定規則的設備發布在線監測預警。

 

2)環境氣象預警：綜合落雷、覆冰、大風等氣象環境指標與電網運行數據、歷史試驗數據、環境數據等信息,通過機理分析發布設備異常預警。

 

3)大數據分析預警：基于數據挖掘分析手段與海量設備狀態歷史數據分析設備先期故障特征,通過對設備狀態數據的實時分析發布設備異常預警。

 

4)異常跟蹤分析：將確定異常的設備指標變化趨勢與典型故障庫數據比對分析,開展設備運行異常情況動態分析與故障預測。