智能电网输变电设备集中监控信息数据统计应用

田黎耀

摘要：随着电网建设朝着智能化的方向发展，输变电设备的监控水平也在不断提高，集中监控电网各类输变电设备，产生丰富的且具有较高利用价值的监控信息，结合大数据技术，挖掘信息并充分利用，实现了对输变电设备的主动监控。本文通过对智能电网输变电设备集中监控内容的了解，提出监控信息的采集方法和分析方法，获取具有利用价值的信息，利用信息指导智能电网运维管理工作，保证智能电网的运行稳定性，提高工作效率，并对输变电设备集中监控的发展趋势进行了展望。

关键词：智能电网；输变电设备；监控信息；大数据

引言

传统电网的调控分析手段因缺乏对丰富信息数据的合理运用，难以满足新形势下智能电网输变电设备运行管理的要求，如何深度挖掘海量的信息数据并合理利用是电网领域的重难点内容。基于该现状，本文提出了智能调控新技术，通过智能化的手段集中监控电网，获取具有利用价值的信息数据，为日常管理、技术优化等工作提供辅助，从而促进传统电网向智能电网的进步。根据该发展思路，建立信息分析中心，由多种类型的信息分析模块密切配合，全面监控智能电网输变电设备，获取集中监控信息数据，实现电网输变电设备的智能化管控。

1. 智能电网输变电设备集中监控内容

1.1 设备状态监测

监测对象包括发电机、变压器等，监控项目包括电流、电压、温度、湿度等与电力设备运行状态有关的参数，根据监测数据判断各设备是否存在故障。

1.2 电网拓扑监控

监控的是设备之间的连接关系，即电网的拓扑结构，具体包括变压器状态、线路开关状态和设备间的电流、电压等，能够反映电网的运行状态。

1.3 负荷监测

包括负荷功率、负荷因数等，根据监测数据确定电网的负荷，分析在一定时间内的电网负荷变化趋势，采取调控措施，使负荷维持在合理的区间内。

1.4 安全监控

监测电流、电压等数据，评价电网的运行安全性，根据监测数据采取安全控制措施，避免电网短路、过载等情况，对于已经出现的危害，可根据监控数据及时判断真实情况，快速处理。

1.5 故障监测和诊断

监测故障指示器的数据和电网的参数，根据监测结果快速锁定故障点，妥善处理线路短路、设备损坏等故障。

2. 輸变电设备集中监控信息的采集与分析

2.1 信息的采集

根据输变电设备的运行参数，采用不同的信息采集系统，如图1所示。具体为：调度管理系统OMS——采集设备台账、监控日志、流程管理等；智能电网调控技术支持系统——采集电网实时运行数据、遥测/遥信历史数据、遥测越限告警数据等，主要包括运行数据和设备告警信息两大类；输变电设备在线监测系统——采集告警信息，如主变油色谱分析报警信息。

2.2 信息的分析

大数据分析采用的是K-Means聚类算法，合并、转换信息，根据信息类别的不同分类展示，给工作人员的分析、决策等工作提供了重要参考[1]。K-Means聚类算法是聚类中成员不断移动而产生的理想聚类，是迭代过程中产生的结果。假定n个对象，将其划分为C个内部高度相似的聚类，再根据聚类的重心计算相似度。在大数据聚类分析告警信息时，先确定告警信号发生的时间区间及实训，再评价信号间的关联性，以短时间内反复发生的信号为例，可以将此类信号聚为一类。实时告警信号和历史告警信号均存储在告警信号数据库中，其中的数据可作为集中监控决策系统的输入源，应用K-Means聚类算法完成告警信号的聚类匹配操作，形成多个信号分类后，确定初始聚类中心，产生告警簇并通过特定的模块展现，此部分展现结果具有重要的分析价值，工作人员可以根据展示结果评价监测设备的运行状态，识别对设备运行不利的因素，及时做出决策，采取管控措施。

3. 智能电网输变电设备集中监控信息数据统计

在应用智能电网调控技术后，可以将异常、越限、告知、变位、事故五类输变电设备告警信号上送至系统告警窗，由辅助决策系统监控信息分析展示中心整理优化五类信号，在此阶段主要采用的是K-Means聚类算法，其优势在于能够借助应用模块进行分析和展示，保证了信息的展示效果。接下来分析应用模块的主要类型及各自的应用。

3.1 信号总量统计模块

以特定的时间期限为前提，统计此时段内的五类信号数量，生成柱形图，并统计近30天的平均数量，生成波形图，如图2所示。

将指定日期内的信号数量和近30天平均数量整合至同一张图中，方便对比分析，判断指定日期内告警窗的信号量是否在合理范围内，通过图中信息揭示某类存在明显波动的信号，再对此部分信号做针对性的分析，确定究竟何种原因导致信号频发，锁定此部分信号对应的设备，为决策、故障处理等后续工作的开展打好基础。

3.2 信号频发排名模块

在日常监控工作中，监控人员的关注对象主要为值班时出现的告警信号，关注的内容有限，难以满足大数据技术背景下的数据分析需求。相比之下，监控信息分析中心能够对信号进行分类，共确定五种信号类型，再根据各自的频发程度进行排名，按照顺序全面罗列出特定时间段内的信号。在获取完善的信号后，筛选出现次数在前十的部分，确定各自的频发次数，再分析此部分信号，结合掌握的其他运行信息，分析信号频发的原因。若由于设备缺陷而出现信号频发现象，锁定故障的设备，由运维人员进行处理。若由于信号上传通道异常而出现信号频发现象，则由自动化运维人员快速处理[2]。在信号频发排名模块的辅助下，能够高效整合及处理信息，方便监控员准确地发现设备以及电网的缺陷。

3.3 日信号量统计模块

监控员以自身工作需求为准，确定特定的时间段，通过日信号量统计模块即可获取此阶段的五类信号量，也可以通过复选框选择某种类型的信号，分析其对应的折线图后即可判断信号数量是否在合理的区间内，对于信号频发问题，则在此时间段内选择具体的日期，做详细的分析。图表具有自动更改纵坐标单位的功能，方便监控员在选择单独一类信号时更加直观地掌握信号数量，判断是否存在信号突变的情况。

3.4 AVC遥控成功率统计模块

为变电站容抗器接入AVC遥控成功率统计模块，在此模块的辅助下，提高电网无功、电压控制水平，保障电网运行安全，提高电网运行的技术经济性。通常，AVC遥控命令下送通道异常会引起遥控预制超时问题，现场容抗设备切至就地位置或开关机构发生故障时均有可能导致遥控执行失败，若遥控预制超时比例较高，电网输变电设备的运行状态变差。在确定故障类型后，由相应的人员采取处理措施。例如，若遥控执行失败比例高，则需要由运维人员进行处理；遥控预制超时比例较高时，由自动化工作人员和AVC系统管理人员进行处理。

3.5 变电站信号量统计模块

以变电站为单位，统计排序设备的五类告警信号，直观地反映在特定时间段内各变电站的异常信号数量，由监控员根据统计出的信号数量合理安排值班，尤其是严密监控异常信号较多的变电站，也可以安排运维人员深入现场进行巡视，做好源头管控。以变电站的直流电压越限或母线电压越限为例，按照数量关系对越限信息频发程度进行排序，反映出容易出现电压越限的区域，从中锁定薄弱点，加强对此部位的监测和管理，确保薄弱部位可维持正常工作状态。

3.6 告警抑制数目变化量统计模块

在常规的监控方式下，根据上窗信号判断电网运行情况，但部分停役设备会发出大量信号刷屏，受此干扰，可能出现监控不全面、不准确等问题。为解决该问题，在D5000系统中开发告警抑制数目变化量统计功能[3]。若设备间隔被告警抑制，与之对应的信号不会上告警窗，而设备间隔被告警抑制时也不会出现此情况。电网中的某些设备复役时，通过相关信号或间隔即可对其是否存在抑制的现象做出判断，再根据判断结果采取控制措施，解除设备抑制。在告警抑制数目变化量统计模块的辅助下，正常运行的设备型号可及时上实时告警窗。

3.7 带电抑制間隔统计模块

根据前文对告警抑制功能的分析可知，此项功能在防止检修信号频繁上告警窗方面有良好的应用效果，减少对监控员的干扰。但需注意的是，当值监控需处理的上窗信号较多，可能在集中检修过程中遗漏部分间隔的告警抑制，覆盖面不足，而运行设备间隔被告警抑制时，将会严重影响正常监控，存在信号监漏问题。为规避该问题，增设带电间隔告警抑制情况统计一栏。若间隔被告警抑制并且此间隔正处于带电运行状态，将在带电间隔抑制栏中呈现出该间隔的名称。若设备无异常，则不能被告警抑制，该栏应为空，属于正常监视状态。为保证智能电网的安全运行，监控员在值、交接班时均要详细查看带电间隔抑制栏，妥善处理查看过程中出现的问题。例如，若检查中发现遗漏未解除抑制的带电间隔，监控员及时进行核对，确认实际情况后解除告警抑制，以免出现漏检。

4. 智能化输变电设备集中监控大数据的发展趋势

（1）大数据分析与挖掘：随着对输变电设备监控活动的持续进行，将产生丰富的监控数据，部分数据具有利用价值，因此需要深度分析和挖掘[4]。在未来的输变电集中监控大数据发展中，需要持续提高人工智能、机器学习等技术的应用水平，开发基于大数据的分析算法和模型，评估输变电设备运行状态，优化负荷，预测故障等，提高输变电设备的运行水平。

（2）云计算与边缘计算：在智能输变电设备集中监控大数据研究中，还需充分利用云计算和边缘计算的资源和算力，目的在于更加精准地计算和分析大数据，并完整存储，此时系统的响应速度随之加快，可扩展性和灵活性均有所改善。

（3）可视化与决策支持：深度开发数据展示和决策支持工具，提高可视化水平，将复杂的数据转化为易于理解的可视化图表、动态模型等，直观地展现数据，使监控人员、运维人员等相关工作人员进行精准地分析，根据分析结果快速做出决策，及时处理各类输变电设备的各类异常情况。

结语

综上所述，集中监控大数据模式具有监控能力强、监控信息利用价值高等优势，将其用于智能电网输变电设备监控、管理工作中，能够帮助监控人员及时发现设备及电网的缺陷，进行处理，也可以反馈设备和电网的薄弱环节，采取加强措施，使输变电设备安全运行。

参考文献：

[1]姚涟漪，戴华江，于海梅.大数据环境下电网企业财务与业务数据融合研究——以国家电网SD省电力公司为例[J].互联网周刊，2023，（14）：61-63.

[2]靳凯伦，王超杰，吴学正.输变电设备集中监控大数据及应用[J].中国设备工程，2023，（1）：129-131.

[3]汪丽燕.基于5G技术的电力物联网建设分析[J].互联网周刊，2022，（20）：10-12.

[4]高强，郑乐为，童存智.输变电设备集中监控大数据研究及应用[J].电力大数据，2019，22（3）：13-18.

作者简介：田黎耀，本科，工程师，研究方向：电力系统运行与分析、高电压技术、绝缘技术监督。