多源异构数据融合的电力变压器状态评价方法

在设备运行维护中,记录了设备运行状态的非结构化数据尚未被挖掘并利用。为此,基于深度学习思想,提取运行检修过程中产生的设备缺陷记录的语义信息,并结合结构化的检测数据信息,提出了一种多源异构数据融合的电力变压器状态评价方法。该方法首先建立可识别电气专业术语的自定义词典,利用深度语义学习网络构建缺陷记录与缺陷等级间的深层映射关系;继而将基于结构化数据的计算结果和基于非结构化数据的计算结果进行加权求和,得到了不同运行状态下的隶属度。实验结果表明,所提出的非结构化信息挖掘方法具有98%～99%的分类准确度,且基于多源异构数据的变压器运行状态评价准确度达96.67%,可较准确地评估设备运行状态。     

设备监控信息大数据与设备模型的互校验及实用化事件分析

为了应对日益复杂的电网设备监控信息,通过建立统一的大数据管理平台,实现多元数据共享、信息规范化,从而提高调控人员的决策能力和工作效率。本文针对设备监控管理实际提出设备监控信息校验及实用化事件分析管理方法。首先,通过自然语言解析和设备拓扑关系,实现一、二次设备监控信息的关联融合。其次,通过设备监控信息与EMS模型中监控信息智能比对和检验,实现监控信息表完整性核查。采用变压器负载率智能校验新算法,排查全电网遥测存在的隐患缺陷,为消缺处理提供了重要依据。最终,通过监控数据事件化打包分组和自动识别方法,结合电力设备状态大数据共享平台,有效判断故障、异常"事件",辅助快速完成对各类电网事件的全过程分析,从而提高事故处理效率,科学评价监测报警质量。     

风电场主设备预警诊断系统设计与开发

针对风电场环境恶劣,设备故障早期监测难且机组故障率高的问题,提出一种基于多参量建模与振动信号频谱分析的风电场主设备预警诊断方法。首先,采集风电场在线监测系统、点巡检系统、监控系统及其他系统中的结构化和非结构化数据,并根据设备特点和应用系统要求,对多源数据进行预处理和有效融合;然后,基于多参量建立预警模型,并通过预警模型输出与振动信号频谱分析实现对设备状态数据的趋势分析;最后,设计并开发预警诊断系统,展示设备预警信息、故障诊断结果与运维决策建议。风电场主设备预警诊断系统为风电机组智能在线监测提供了一种新思路,可实现设备故障提前预警,降低机组故障率,提高设备维护人员的工作效率。     

基于多源监控数据的设备状态感知方法

近年来,随着智能电网的发展,电网资产及相应的量测数据呈级数增长。但复杂且非结构性电网数据对电网公司安全、稳定运行提出挑战,亟需在电网企业调度控制中心系统中构建多源异构数据平台。本文提出了一种基于电网多源监控数据的设备状态感知方法。首先建立监控数据模型及数据平台;接着采用基于聚类的深度学习方法开展设备监控调度系统状态感知和辅助决策研究;最后对所提出的状态感知方法进行实际验证。所提出方法可有效对设备运行状态进行判断与感知,实现检修业务的智能辅助决策。     

基于辅助决策专家库的设备健康水平预测研究

监控信息实时性强,数据量大,关联关系复杂,目前缺少一个有效的手段,对事故、异常、越限、变位、告知等监控信息进行深度挖掘。文章提出一种基于辅助决策专家库的设备健康水平预测方法,该方法基于状态噪点移除聚类技术,根据监控信息类型、发生时间以及设备运行状态,构建辅助决策专家库,建立一套设备健康水平预测方法。通过对监控信息聚类分析实现设备运行情况综合评价,发现设备的运行规律,找到电网运行风险点,从而为监控人员提前感知设备运行状态,采取有效处置措施提供辅助决策依据。     

基于大数据背景的集中监控辅助决策系统研究

随着智能电网的快速发展,电网网架规模不断扩大,变电站数量持续增加,变电设备数量和监控信息数量呈指数型增长,电网监控的安全压力和工作要求与日俱增。传统的集中监控工作模式难以适应新形势要求,需要借助新技术整合数据资源,打通数据通道,实现共享监控分析成果。介绍了基于大数据背景研发的电网集中监控辅助决策系统包含的监控信息标签化分类、监控信息数据化核查、设备状态感知三个重要工作环节的原理,并就基于该技术研发设计的管控平台的人机交互过程进行了简要说明,最后以故障处置实例展示了该技术在电网故障情况下的应用情况。     

基于图像技术的电网运行态势分析及其应用

随着电网规模日益增大,输配电网耦合程度日益加强,传统离散分析与条块管理模式将难以适应电网规模增长和精准服务的要求,迫切需要深挖电网运营数据资源,提升主动感知与精准投资能力。通过运用电网实时状态以及客户服务等多元信息的融合技术,创建多层面、多维度的数据价值挖掘模型,涵盖宏观运行态势、重点区域边缘提取、多业务叠加分析等模型,系统刻画电网运行态势发展与服务能力变化,以详实的数据、可视化的成果,更好地服务电网科学规划与精准投资,提升态势感知与主动服务能力。     

基于深度学习的110kV电网监控信号语义解析及态势感知模型

新型电力系统的大力建设对电网监控信号的高效准确识别技术提出了更高的要求。首先分析了Soft-Masked BERT语言模型的基本原理,建立了基于Soft-Masked BERT的信号文本纠错模型。根据国家电网典型事件表梳理了包含常规与故障情况下的“信号语义—电网事件”规则字典。综合上述模型建立了基于RNN的电网态势感知模型,提出了基于深度学习的电网监控信号语义解析及态势感知求解流程。最后,以某地110kV变电站实际监控信号为测试数据,利用所提RNN模型并结合Pycorrector工具包及Pytorch软件对该地区电网监控信号进行语义解析及态势感知仿真分析,验证了模型的有效性及正确性。     

基于ECharts的电网Web可视化研究及应用

电网可视化是处理海量电力大数据、提高电网态势感知的重要技术之一。文中回顾了国内外电网可视化发展历程,以ECharts技术为核心,结合实际电网开发了一套电网Web可视化展示模块。主要有:基于SVG地理接线图和点线标记技术的电网动态潮流展示;基于指针表盘技术的电网运行状态实时监控;在动态拓扑技术基础上开发了基于电压信息的电网动态拓扑展示;基于力导向算法的电网弹性拓扑。该套可视化系统基于Web浏览器,兼容性好、维护成本低、易于开发,直观形象的展示了电网运行状态,为调度运行人员的决策和研究人员的工作提供了便利,工程应用广泛。     

基于状态指标向量化及霍夫曼编码的变压器缺陷模式识别

变压器缺陷模式识别是设备运行人员运维管理的重要工作,传统缺陷模式诊断识别易受运行人员主观评价影响。为此,首先根据关联规则建立了变压器各部位关键状态指标集,之后提出了基于状态指标向量化以及霍夫曼编码的变压器缺陷模式识别方法——在输入层将状态指标转换为多维向量以达到降维,在输出层建立缺陷模式的霍夫曼树以减少网络反向传播时参数优化的计算量。通过与传统神经网络对比,所提出的霍夫曼算法可有效提升计算效率59%,更大规模的数据量提升效率更为明显。采用某区域电网公司110~500 kV电压等级油浸式电力变压器近3年的缺陷记录数据对模型进行训练,所得结果表明模型识别准确率可达到94.3%。最后,通过训练得到的状态指标向量,求取了状态指标间的余弦相似度,挖掘得到变压器状态指标间的数据内在联系。     

基于UIP的变压器状态检修集成设计与实现

变压器状态检修功能需要多个应用系统的信息.华东电网统一数据信息共享平台(UIP),基于SOA的架构,实现了系统互联与数据共享的基础上,介绍了变压器设备状态检修应用研究中,采用IEC61968的模型及消息系统,通过UIP平台实现了状态检修的信息共享及应用集成.     

基于态势感知的电网台风预警防御框架研究综述

鉴于态势感知在电力系统的应用和发展,对基于态势感知技术的电网台风预警防御框架进行研究,以应对近年来频发的台风灾害。基于态势感知的3个阶段对台风预警防御框架的主要研究内容和关键技术进行归纳。在态势要素采集环节对台风预警防御系统需采集的信息进行了拓展和总结。基于所获取的数据,在态势理解环节对电力设备的静态故障率和电网的韧性进行实时评估,以实时感知电网的运行状态。在未来态势预测环节,在预测和修正台风的路径及风速的基础上,对台风灾害下电网的运行风险评估方法进行归纳分析,包括单个故障、群发性故障和连锁故障的风险预测。最后,总结了基于态势感知的电网台风预警防御的整体框架,并对台风预警防御框架的未来发展方向进行展望。     

基于健康指数的电力变压器状态评估

为提高变压器预测准确性,保证变压器可靠稳定运行,建立基于健康指数的变压器综合健康状况评估模型。该模型对变压器分层、分部件进行多参量统计分析,针对历史数据(运检数据、家族缺陷,设备基本信息、负载)和现状数据(例行试验数据)两个层面以及不同部件,建立量化指标体系。进一步提出采用统计工具SPSS(statistical product and service solutions),在研究变压器各参量之间关系的基础上,得出公共参量关联度及对健康指数的贡献值,最终利用统计方法确定量化权重及基于贡献度分析的健康指数评价模型。最后,以山东电网实际运行的变压器为例,验证了基于健康指数变压器状态评估模型的有效性,为输变电设备状态评价、检修提供科学依据。     

基于实时运行数据挖掘的配电变压器状态评估

随着配电网在线监测的广泛应用,利用海量的运行数据进行设备健康状态评估,主动干预配电网设备缺陷和故障预警,提高有限人力资源的利用效率成为配电网运维的发展方向。通过对智能公变监测终端采集的配电变压器实时运行数据进行分析,选取反映设备健康状态的指标,在状态评价通用模型的基础上,采用变权综合和平均变权方法,建立了基于实时运行信息的配电变压器状态评估模型。算例表明评估结果及趋势与故障记录相吻合,验证了该评估模型的有效性,反映了在配电变压器缺陷的早期诊断和预警方面具有应用前景。     

输变电设备状态大数据分析应用探讨

随着电网数据急剧增加,传统的数据挖掘和分析方法已经不能适应当前智能电网的要求,而大数据分析为此提供了相应的实现手段。首先简述了大数据技术理论,并从输变电设备状态分析及应用的具体电网业务角度出发,开展数据整合、数据存储、数据计算、数据分析和结果可视化五部分工作;然后针对输变电设备历史缺陷数据和全过程技术监督的问题数据,应用主成分分析法和聚类算法,构建变压器设备缺陷特征分析模型,实现将设备缺陷内容归类特征贴标签,为电网运检人员提供相关决策的数据分析依据;最后介绍了开展输变电设备潜伏性故障关联预测研究的工作展望。     

基于多参量数据回归分析的电力变压器状态监测方法

电力变压器是电网中的核心设备,其运行状态直接关系到系统的供电可靠性和安全。为了充分利用变压器多元状态监测信息,实现对变压器状态的精确感知,对在线监测参量进行了统计分析,确定了监测参数间存在一定相关性。提出基于多状态参量的回归特性进行设备状态分析的PLS-PCA（partial least squares - principal component analysis）方法,即在设备正常运行时,利用偏最小二乘回归（PLS）方法挖掘状态参量之间的关联关系及回归方程,基于回归预测与实际之间的偏差构建了基于主成分分析（PCA）的变压器状态评判方法,通过控制图对比了变压器状态变化检出的能力。通过对变压器正常运行状态和异常运行状态监测数据进行分析,结果表明：多状态参数回归分析可以将变压器的多元监测数据直观地显示出来;该方法利用监测参数间的相关性,通过发现变压器运行过程中状态参数的霍特林统计量,可以提前检测变压器的异常运行状态。     

变电站在线监测及辅助设备监控系统研究与应用

智能电网的发展及变电站设备状态检修的全面开展,要求对变电站各种设备进行有效地集中监控。文中通过在变电站建立智能辅助监测终端,采用设备ADP+设备规约库动态统一接入各种辅助监测设备,利用信号变频采样、告警录波等采集策略提取设备运行关键信息,分级冗余存储数据,并采用多点同构的分布式服务架构为变电站运行人员、检修人员以及管理人员提供面向角色的差异化应用服务,提高了对运行设备的实时监测水平,降低了运行检修成本。     

面向台风气象的电网运行风险态势感知方法

台风灾害的频发导致电网大规模停电事故,给国民经济带来巨大损失,为评估电网应对台风天气的能力以及辨识电网在极端气象下的风险态势,基于态势感知技术,提出面向台风气象的电网运行风险态势感知方法,建立了台风下电网实时运行风险指标体系。首先,态势觉察阶段以台风气象数据、电网结构参数、地理数据构建风场模型;其次,在态势理解阶段提出基于时变风速的贝叶斯网络,建立考虑风速和断线故障导致潮流转移的电网时变风险传播模型,并采用拉丁超立方抽样的蒙特卡洛模拟法,通过最优直流潮流进行态势理解,然后提出态势呈现指标体系,以实现线路风险态势、负荷水平态势、电网韧性态势的呈现和预测。采用IEEE-RTS 79标准节点算例进行仿真,结果表明面向台风气象的电网运行风险态势感知方法及指标能够有效评估电网运行风险态势。     

基于大数据的变电设备状态多维感知及智能诊断系统的研究

针对现行状态检修方法在变电设备状态感知单一、系统信息孤岛、状态检修效率低下等方面的问题,本文基于大数据技术,提出变电设备状态多维感知及智能诊断系统。系统通过打造边端变电设备多维感知体系,实现设备多维、实时、全景感知,并构建统一边缘物联代理,完成感知数据就地预处理,在此基础上融合设备状态多源异构数据,搭建云端大数据平台,开展设备状态大数据智能分析诊断,实现设备精准检修。文章首先对基于大数据的变电设备状态多维感知及智能诊断系统整体框架进行介绍,然后详细阐述了系统边端多维感知和云端智能诊断部分的设计及功能。最后,选取主变压器油温-油位关联状态量为例进行状态分析评价的算例分析,算例结果证明了所提系统功能的有效性和实用性,为提高变电设备运检效率提供有效技术支撑。     

融合知识库和深度学习的电网监控告警事件智能识别

电网监控告警信息是监控人员进行监控事件识别的重要数据基础。针对当前人为处理海量监控告警信息效率低的现状和电网智能技术深化应用的需求,提出一种融合知识库和深度学习的电网监控告警事件自主识别方法。基于自然语言处理技术中的Word2vec模型对监控告警信息进行向量化建模,基于卷积神经网络建立监控告警事件识别模型,通过算例对比验证所建模型的有效性和实用性。提出融合知识库与所建模型的应用方法,实现电网监控告警事件的智能感知和可靠识别。