技术
故。文献[13]详细分析了变压器故障识别新方法的意义及措施。
2 新一代智能变电站变电设备状态监测与评估诊断数据源
目前,变电站主要通过人工巡视、离线实验、带电检测、在线监测等方式和手段获得设备的状态信息,根据评估模型进行设备状态评估,判断设备状态是否异常,并预判设备的故障情况,在故障发生前对设备安排合理的检修时间和项目[14]。但在传统的变电站中,多数对设备状态的监测依赖于人工实验等低智能化的或离线实验、带电检测等长时间周期的手段和方式,这对进一步精准监控并掌握设备状态造成了制约。随着新一代智能变电站变电设备物联网的建立和传感技术的提升,智能变电站中变电设备大量采用在线监测手段获取状态数据(见图2)。变压器、断路器、电容性设备(如套管)、金属氧化物避雷器等主要变电一次设备的在线监测已较为成熟,运维人员对设备的状态监测与评估诊断更侧重于在线监测数据。由于变电设备状态数据的丰富,使得大数据技术得以在智能变电站变电设备状态监测与评估中挖掘出有用的信息。
图2 新一代智能变电站关键变电设备状态监测发展示意
Fig.2 Development of key substation equipment condition monitoring in new generation smart substation
在对变电设备状态信息进行大数据挖掘时,需要收集各种可用于状态评估的设备全生命周期的资料、数据、记录等内容。传统意义上的设备状态信息来源主要包括设备台账参数、投运前试验参数、运行记录数据、巡视记录参数、带电检测参数、在线监测参数、检修试验参数、保护信息参量以及缺陷/故障参数。
根据设备状态信息的更新频率,可以将上述不同来源的状态信息划分为静态参数、动态参数和准动态参数。
1)静态参数。①设备台账参数：包括设备名称与型号、厂家信息、出厂和投产日期、设备详细参数等。②投运前试验参数：包括型式试验、出厂试验、交接试验、启动调试、抽检试验等。
2)动态参数。①运行记录数据：设备内置在线量测记录(有别于加装的在线监测装置)的各种运行参数、设备运行负荷/过负荷情况、短路电流水平及持续时间、开关动作情况及跳闸次数、保护动作情况以及环境气象条件/不良工况等。②巡视记录参数：设备外观、振动与声响、负荷情况、表计指示、位置指示、测温情况、阀门位置、开关位置等。③带电检测参数：红外/紫外成像检测、避雷器带电监测、不停电取油、气样试验等参数。④在线监测参数：包括油色谱在线监测、容性设备介损在线监测等参数。
3)准动态参数。①检修试验参数：包括例行试验、诊断性试验、专业化巡检、检修等参数。②缺陷/故障参数：包括缺陷/故障发生时间、部位、现象及程度、原因分析、消缺/故障处理情况以及家族性缺陷信息等。
大数据挖掘方法由于其轻因果、重相关性的特点,除上述新一代智能变电站变电设备的电量信息外,还可接入非电量信息,如社会经济数据、气象数据等。在考虑非电因素下进行智能变电站变电设备的状态监测与评估诊断,往往会得到之前预想不到的相关关系,这些潜在的知识将进一步帮助新一代智能变电站运维人员提升运维工作水平。新一代智能变电站变电设备状态监测与评估诊断数据源如图3所示。
图3 新一代智能变电站变电设备状态监测与评估诊断数据源
Fig.3 Data sources of substation equipment condition monitoring and evaluation in new generation smart substation3 新一代智能变电站变电设备状态监测大数据预处理
随着新一代智能变电站自动化和一体化的发展,设备状态监测数据的呈现多了许多特点：数据海量化,数据规模增长迅速,呈几何倍数扩大;数据多元化,数据来源广泛,不仅包括各种实时在线监测数据,还包括设备台账信息、带电检测、试验数据、故障数据等离线信息;数据结构和种类更加丰富,包括各类结构化、半结构化数据以及非结构化的数据,且各类数据查询与处理的频度以及对性能的要求也各不相同;数据在不同平台间互通变得困难,交互性较差 [15]。
目前,众多专家学者在融合变电设备状态监测数据多源异构问题方面进行了有益的探索。针对输变电设备全景信息多源、异构特性不利于数据的高效整合和深度挖掘利用的问题,文献[16]提出一种基于改进混合本体的多源异构数据聚合方法(见图4),通过构建数据源的局部本体以及全局本体,利用本体的语义特性解决数据聚合中关键
