基于大数据的输变电设备状态预警系统架构研究

 

关键词 : 输变电设备; 应用需求; 体系架构; 大数据; 状态评估; 运维检修;

 

0 引言

 

随着智能电网和全球能源互联网的不断发展,我国电网正快速演变为汇聚多维度海量异构数据与多类型庞大复杂计算的系统[1],并在电力的发、输、变、配、用等领域表现出不同的特点。在输变电领域,一方面,特高压电网的大规模建设使得电网企业对供电可靠性、安全性、经济性等方面的要求越来越高;另一方面,设备状态监测所涉及的设备越来越多、监测项目越来越广、监测数据越来越多样化,产生了大量的多源异构设备状态监测数据,如红外图像、视频监控、超声(特高频)指纹、分解物组分等。另外,经过多年运行积累,电网公司拥有海量的设备、电网、环境等历史数据,涵盖了设备从出厂、采购、投运、运行、试验、检修到报废整个生命周期中留下的不同信息,这些庞大的数据已逐渐形成输变电设备状态大数据[1-6]。

 

输变电设备状态大数据构成复杂,从数据结构上分为结构化数据和非结构化数据,从更新速度上分为实时数据、准实时数据和静态数据,数据源包括生产设备(资产)运维精益管理系统(Power Production Management System,PMS)、调度管理系统(Outage Management System,OMS)、雷电定位系统、输变电设备状态监测系统等10余类。因此,如何对输变电设备状态大数据进行有效管理、利用,使之服务于电网公司,提高电网的供电可靠性,是电网运检业务发展的新方向。研究人员针对输变电设备状态大数据开展了一些前期探索,文献[7]针对输变电设备状态监测大数据可靠存储和快速访问两方面的大数据处理核心问题,基于开源的Hadoop实验平台进行了数据分布策略、数据块尺寸调优、集群网络拓扑规划3个方面的存储优化研究和大数据并行分析研究;文献[8]通过时间序列模型和自适应神经网络对历史数据潜在的特征进行挖掘,提出了异常检测体系,并使之适用于输变电设备状态监测数据流,实现了数据流中异常的快速检出;文献[9]通过高维随机矩阵理论对设备状态量的时间序列进行大数据表征,研究了含有时间序列模型的高维矩阵的特征根谱分布与圆环率,分析状态量的历史和当前状态信息,实现设备关键性能的评估和异常检测。总体来说,目前研究工作侧重输变电设备状态大数据底层架构或关键应用,缺乏输变电设备状态大数据应用需求的宏观分析,鲜有输变电设备大数据系统应用整体层面的设计方案。

 

本文在对输变电设备状态大数据业务需求细致梳理的基础上,提出了基于大数据技术建设输变电设备状态预警系统(以下简称“状态预警系统”)的构想,进而从总体架构、数据架构、技术架构以及物理架构4个层面开展了系统体系架构设计,为实现对电网公司运检业务的全面技术支撑奠定了基础。

 

1 需求分析

 

为保证状态预警系统功能与运检业务需求相匹配,必须开展系统需求分析工作,对目前运检业务技术支撑工作进行细致梳理。本文从业务需求、功能需求、典型应用3个层次对状态预警系统需求开展深入调研与分类整理。

 

1.1 业务需求

 

业务需求,即公司业务目标及业务流程的分类描述,电网公司通过业务流程为政府、企业和居民等客户提供电力服务、资产管理等业务。输变电设备状态预警系统主要为电网运检业务提供技术支撑,运检业务主要包括电力资产的维护、操作、管理与改造工作,状态预警系统可为运检业务提供监测预警、状态分析、专业管理、技术监督、高级分析五大类业务应用,为电网公司运检业务提供全面的技术支撑。状态预警系统业务需求框架如图1所示。

 

图1 状态预警系统业务需求框架

 

Fig.1 Business requirement framework of status early warning system

 

1.1.1 监测预警

 

实时监测与分析设备状态相关指标,对指标异常的设备发布不同等级的预警消息,并进行趋势跟踪与故障预测,预警结果通过图表等可视化方式展现,为生产管理人员提供实时有效的监测预警分析结果,包括在线监测预警、环境气象预警、大数据分析预警和异常跟踪分析4个部分。

 

1)在线监测预警：实时监测运行设备在线监测指标的变化情况,包括SF6气体压力、SF6气体水分、顶层油温、微水、油中溶解气体等在线监测指标,对超阈值或趋势变化异常等违反既定规则的设备发布在线监测预警。

 

2)环境气象预警：综合落雷、覆冰、大风等气象环境指标与电网运行数据、历史试验数据、环境数据等信息,通过机理分析发布设备异常预警。

 

3)大数据分析预警：基于数据挖掘分析手段与海量设备状态历史数据分析设备先期故障特征,通过对设备状态数据的实时分析发布设备异常预警。

 

4)异常跟踪分析：将确定异常的设备指标变化趋势与典型故障库数据比对分析,开展设备运行异常情况动态分析与故障预测。