电力系统中输变电设备智能化网络运维管理方法

电力系统中输变电设备智能化网络运维管理方法

拉姆卓嘎 洛松江措

国网西藏电力有限公司那曲供电公司 西藏那曲 852000

摘要：输变电设备在电力设备中发挥着至关重要的作用，关系到电力系统的稳定和用户的安全。本文对电力系统中输变电设备智能化网络运维管理方法进行探讨。

关键词：电力系统；输变电；设备智能化；运维管理

一、输变电运维管理平台架构设计

针对上述技术的不足，本研究设计出新型的输变电运维管理平台，如图1所示。

图1 输变电运维管理平台整体架构设计

这个电力系统输变电设备智能化网络运维管理平台整体架构大体上分类为底层设备层、数据采集层、数据传输层、数据计算层和运维监控层。在底层设备层，主要设置各种输电设备。输电设备在运维过程中能够输出各种数据信息，比如电流、电压、功率等。输电设备被数据采集模块采集信息，比如输变电设备的各种参数，如运行数据、环境数据、设备通信数据等不同信息。数据采集的技术手段包括但不限于气体浓度传感器、温度探头、湿度计、摄像头、水浸、烟感等硬件设备。采集到的数据信息通过云通信、网关、RS485协议等接收，并汇总上传到云端进行存储。在数据计算层，设置了各种计算机算法模型，进而实现多种不同数据信息的交互和通信。设置的数据处理工具有改进型人鱼算法模型、故障诊断模型等，这些大大提高了数据分析和计算的能力。计算后的数据信息传递到上层管理中心，通过运维监控层实现计算后数据信息的远程控制，使得用户能够快速获取输变电运维管理情况。

二、关键技术设计

1.改进型人鱼算法模型数据追踪方法

本研究采用的改进型人鱼算法模型具有以下技术特点：在人鱼算法模型中融入行波定位方法实现输变电设备运维过程中的行程分析，实现输变设备运维过程中获取运维中心命令的最佳接收路线或者时间，通过行波定位方法实现输变电设备的位置定位。改进型人鱼算法模型数据追踪方法架构图如图2所示。

图2 改进型人鱼算法模型数据追踪方法架构图

下面对研究的方法进行说明，假设运维中的输变设备存在的运维数据点的数量记作M，则在电力系统中构建输变电设备的数据集合可以为：

（1）

式中，X₁为输变设备运维编码，输变设备运维列表x为1-M的输变设备运维序列。输变设备运维作业优化的目标寻求最佳序号排列，以便输出的输变设备运维目标函数值达到最小，以简化运维评估程序。在该过程中，融入行波定位方法以检测输变电设备运维过程中的故障点位置。其原理图如图3所示。定位原理如下。

图3　 行波定位方法原理图

假设运维中的输变设备初步检测到故障点时的时间为t₁，第2次为t₂，则故障点释放的行波在时间点t₁和t₂之间产生了距离关系，假设故障点之间的距离为L，在不同故障点之间进行多次反射，则存在式(2)。

（2）

式中，L为输变电设备运维过程中出现的故障点与输变电设备输出母线L之间的长度，v为行波在空气中的速度，t₁和t₂分别为不同时间点下检测到的行波。通过这种关系式，能够计算出输变设备在运维过程中出现故障的距离。这种方法能够在输变电设备运维追踪过程中及时获取输变电设备在电力系统中出现的故障位置。假设电力系统中存在N台输变电设备，各台输变电设备在运维过程中，对应输出的运维数据量记为P_i（i＝1，2，…，N），则不同的输变电设备在运维过程中的列表通过式（1）可以截取具体输变电设备对应部分，追踪数量可以为P_i（i＝1，2，…，N）。通常在电力系统中，所有输变电设备通过统一的运维中心进行管理，在完成任务后，运维数据传递回运维中心，对于最佳路径规划方案，将所有输变电设备运维方式、运维输出的参数长度进行加权求和，最终输出适应度函数。

2.改进型ＢＰ神经网络算法模型的故障诊断方法

本研究改进型ＢＰ神经网络算法模型的故障诊断示意图如图4所示。

图4 改进型ＢＰ神经网络算法模型

故障诊断分为以下步骤。

（1）输入输变电设备运维数据信息，对数据信息进行初始化，以提高运维数据的纯洁度。

（2）启动分类算法模型，按照输出电流、电压或者电网中的其他数据信息进行分类，将输变电设备中的数据信息以不同的数据属性分类，作为不同的数据分区。

（3）分区后的运维数据信息被输入到输入层，设置BP神经网络模型中的参数信息、权值、隐藏节点、阈值等，以调整模型输出结果。权重输出结果可以为：

（5）

式中，η表示模型中神经元的学习效率，ω_ｋｉ表示权重，采用式（6）调整隐含层权系数：

（6）

实际输出与目标输出之间的误差公式可以为：

（7）

总准确函数表达式为

（8）

上述方法可以通过以下程序完成。

结束语

针对输变电设备运维过程中管理和数据故障监管，本研究设计了一种智能化、多功能输变电运维管理平台，实现底层设备运维过程中的各种数据信息管理、采集、计算、传输和远程应用，新型的改进型人鱼算法模型提高了数据分析能力，基于分类算法的ＢＰ神经网络模型提高了数据处理和分类能力。本研究虽然在一定程度上提高了输变电设备运维过程的管理能力，但仍旧遗留了诸多问题，比如数据采集问题等，这需要进一步的研究。

参考文献

[1]蒲天骄，乔骥，韩笑，等．人工智能技术在电力设备运维检修中的研究及应用［J］．高电压技术，2020,46(2);369-383

[2]王利平，庞晓艳，朱雨，等．基于物联网和移动互联的二次设备运维技术研究与应用［J］．中国电力，2019,52(3):177-184