变电设备状态评估前景分析

导语：变电设备状态评估前景分析一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

1大数据分析在变电站设备状态评估中的应用

1.1自动预警开关储能电机故障。在变电设备状态评估中应用大数据分析，可实时统计断路器储能电机的动作次数，根据统计的次数判断储能电机是否运行正常，若出现异常运行情况，则立即发出预警。建立起数据库，在数据库中汇总断路器的储能结构类型、运行时间、变电站温度等信息，应用大数据分析技术，结合储能电机启动频次，对断路器故障进行概率性分析，并设置自动报警限值，实现智能预警功能，快速诊断出故障类型。1.2预警变电站测控装置异常。变电站变电设备的遥测信息系统故障率较高，通过统计发现，测控装置死机是遥测信息系统故障的主要成因，一旦出现死机问题，遥测信息系统就无法对变电设备状态信息进行采集，使系统丧失了对设备异常信息的实时监控功能。在以往的变电站运维工作中，运维人员很难在海量的遥测数据中找出设备异常信息。而将大数据挖掘与分析技术应用到故障预警中可解决这一问题，具体的应用方案如下：根据电网节点平衡原理，利用逐层搜索算法，对500kV、220kV电压等级区域母线及主变动功率平衡进行分层计算，结合线路送受功率平衡和双回线负荷平衡规律，确定发生故障的变电设备。当变电站集控系统监测出变电设备运行状态的异常信息时，可准确定位故障位置，发出预警信息。在应用大数据分析技术的情况下，可快速检测出变电站测控装置发生的死机问题，以及数据采集、数据传输故障问题。1.3跟踪分析CVT电压数据。在智能变电站的变电设备状态评估中应用大数据分析技术，可通过跟踪统计CVT电压的实时数据，及时发现CVT电压三相异常现象，其应用方案如下：对比分析PMS中电容式电压互感器型号、参数、运行时间的静态数据、历史数据与实时数据，提取出CVT二次电压异常时的具体数据，将其作为判定CVT故障的主要特征数据。在故障规则库中，纳入CVT三相电压的失衡度数据信息，利用大数据分析CVT三相电压的历史失衡趋势，最终确定预警故障相。利用大数据分析预警故障相的历史数据与实时数据的增减变动趋势，根据变化幅度总结出故障数据特征，将其纳入到人工智能告警库中，实现对CVT电压的智能告警。大数据分析除在上述三个方面应用之外，还可应用于智能变电站的线路事故跳闸后保护动作信息时序分析、断路器三相动作的同期度分析、短路器事故跳闸后本体机构压力信息监视、干式电抗器电流和阻抗跟踪分析等方面。

2新一代智能变电站变电设备状态评估大数据分析的应用前景

2.1建立异常知识库。智能变电站的变电设备种类较多，其所生成的变电设备状态信息十分庞杂，进而增加了设备状态数据的甄选难度。为了解决这一问题，智能变电站应基于大数据分析建立起变电设备异常知识库，收集各种变电设备的运行状态数据，采用预处理的方式，将庞杂的变电设备基础状态参量进行向量化，结合运用相应的算法，得出最能反映设备状态的关键特征状态参量。如，利用大数据分析技术得出变电设备状态间的欧氏距离和变电设备监测参数，利用计算结果对状态监测参量与变电设备状态的相关程度进行度量。一般情况下，欧氏距离越小，其相关程度越高。通过大数据分析得出设备状态的关键特征参数，将最大欧氏距离值设定为标准参量，进而构建起变电设备关键特征状态参量体系，将其作为变电设备异常知识库的关键组成部分。2.2确定变电设备状态参量权重。在现行的变电设备状态评价企业标准中，主要采用专家打分的方法评价电网公司的变电设备，这种方法虽然便于执行、操作简单，但是由于该方法受专家经验和主观因素影响程度较大，需要人为确定变电设备各项状态量分值权重，所以无法反映变电设备状态量的实际影响程度，同时也难以保证变电设备评估结果的客观性和准确性。为改善变电设备状态评估现状，应运用大数据挖掘技术确定设备状态参量的权重。具体方法包括以下三种：（1）收集变电设备缺陷信息、故障统计信息、历史监测信息以及历史评估数据，综合考虑设备缺陷与故障的影响程度，以及设备状态参量能够表征设备缺陷与故障的程度，采用数据挖掘技术对设备状态参量的权重进行准确设定。（2）利用数据挖掘技术找出设备状态参量与故障之间的关联规则，对每项状态参量的权重系数进行单独计算，将计算得出的各个单项状态参量的常权重系数进行综合计算，得出变电设备综合状态量的变权重系数。（3）收集变电设备状态评估历史信息，利用大数据分析技术对历史评估数据和事后验证数据进行分析，建立起变电设备状态变化趋势分析模型，实现对变电设备故障的实时诊断，并评估出变电设备故障危急程度。

3结论

综上所述，在智能电网中，智能变电站是不可或缺的重要组成部分之一，其运行稳定与否对整个电网的运行具有直接影响。而智能变电站内有着数量众多的变电设备，为了解并掌握变电设备的实时运行状态，可在状态评估中，对大数据分析技术进行合理应用。在未来一段时期，智能变电站将会随着电网规模的扩大不断增多，为满足变电设备状态评估的需要，应对加快异常知识库的构建，并对参量权重进行合理确定，从而提高评估结果的准确性。

参考文献

[1]庄建煌.基于合作博弈和云模型的智能变电站输变电一次设备状态评估[J].自动化技术与应用,2018(08):74-76.

[2]伍兆恒.电力二次设备状态评估及检修策略的优化[D].华南理工大学,2017.

[3]刘迪.变电站的运行维护与安全控制问题的研究[D].吉林大学,2016.

作者:朱天翼 刘家强 周成光 单位:国网辽宁省电力有限公司检修分公司