摘要：针对输变电设备的运维管理工作，本文利用安全生产管理信息系统、电力GIS地理信息系统、EMS能量管理系统等业务系统，在其之上建立了一套输变电设备智能化运维系统。通过打破各业务系统的信息孤岛，提出了一种设备基准态分析方法评价设备的健康程度，并从设备重要度和健康度两个角度对设备进行管控分级。采用基于案例与基于规则的推理算法进行故障预测，确定设备故障模式。最终利用状态评价、风险评估、监测预警和故障预测模块的结果，给出差异化的运维建议。本系统通过某例变压器的诊断分析结果，证明了该系统能够为输变电设备提供科学、准确的诊断和决策建议。

关键词：基准态分析；管控分级；推理诊断；差异化运维

中图分类号：TM63                                文献标志码：B

Study on Power Transmission and Transformation Equipment Intelligent Operation and Maintenance System and Its Application

Abstract：For operation and maintenance management of power transmission and transformation equipment, this paper used of power production management system(PMS), power geographic information system(GIS), energy management systems(EMS) and other business systems to establish a power transmission and transformation equipment intelligent operation and maintenance system. By breaking the information island in various business systems, this paper proposed the health of the state of a device benchmark analysis method to evaluate equipment, and from both equipment importance and equipment health to grading equipment. System Used case-based reasoning and rule-based reasoning for fault prediction, to determine the equipment failure modes. Ultimately, maintenance decision module combined the results of the state evaluation module, risk assessment module, monitoring & warning module and fault forecast module to give the differential operational suggestions. This system by analysing the case of the diagnostic process of a transformer, proved that the system is able to provide the diagnosis and policy recommendations of transmission and transformation equipment with scientific and accurate.

Key words：benchmark analysis; control classification; reasoning diagnosis; differential operational

1概述

输变电设备作为发电厂与电力用户之间输送、变换和分配电能的中间环节，是电力系统的重要组成部件。输变电设备的安全可靠是整个电力系统安全可靠的基础，设备某一局部故障常常会波及全系统，影响电网安全运行，从而给国民经济造成不可估量的损失^[1]。在当前电力需求不断增大和电力企业商业化运营的环境下，设备的可利用率和维护成本直接关系到系统运行的可靠性、企业效益与市场竞争力^[2]。因此，需要设备管理部门通过合适的状态评价技术及时掌握设备的运行状态和健康状态，正确地对设备进行故障预测，从而制定合理的检修决策以预防和消除设备的故障。

目前，各省市电力公司基本已建立了各类型的业务系统，实现了对包括输变电设备状态参数在内的数据收集、展示和管理^[3-5]。但目前各个系统数据仍然相互独立，存在信息孤岛的问题。针对输变电设备的状态评估与诊断技术也尚未达到实用化水平，不能很好支撑设备状态检修、智能运维等高级应用的实现^[6]。因此，建立一套输变电设备智能化运维系统，能够有效的提升状态检修技术水平，提高已有信息化系统数据的利用率。

2系统设计

本系统依托各个业务系统建立，包含输变电设备状态集中监控平台、状态评价、监测预警、风险评估、故障预测和检修决策六大模块。系统从状态集中监控平台中能够获取安全生产管理信息系统、电力GIS地理信息系统、EMS能量管理系统、变电设备状态监测系统、输电设备状态监测系统、气象信息应用决策系统和雷电定位系统等业务系统中的数据，进行数据管理后为每台设备建立专有的健康档案。所有设备经过状态评价后获得表征设备健康程度的健康指数，换算成故障率送入风险评估模块进行管控分级。同时，健康档案送入监测预警模块，对异常设备发出预警，随后送入故障预测模块确定具体的故障模式。最后，检修决策模块对所有设备依据管控等级、故障模式安排差异化的运维检修策略。系统的总体结构如图1所示。

 

图1系统的结构

Fig.1 Construction of the system

2.1输变电设备状态集中监控平台

输变电设备状态集中监控平台的主要任务是从各个相互独立的业务系统获取本系统所需的各类数据，组合成设备的完备数据集，形成设备的健康档案。获取的数据包括：安全生产管理信息系统中的设备台账、巡检信息、缺陷信息、离线试验等；电力GIS地理信息系统中关于设备的线路图和相应的属性数据、图纸和图像等；EMS能量管理系统中电压、频率和谐波等；变电\输电设备状态监测系统中状态监测装置获得的状态量；气象信息应用决策系统中的温度、湿度和风力等；雷电定位系统中的落雷区域、密度等。

2.2状态评价

系统的状态评价采用创新性理念的“基准态”分析方法，在对设备状态评价中引入设备强度、电网强度、设备老化的概念。通过设计参数、结构特点、制造工艺等评估设备强度，利用过电压、过负荷、短路冲击等不良工况评估电网强度，结合设备自然老化对设备强度的影响，综合给出设备健康指数、当前故障率等指标，从而指导设备的运维。

2.3风险评估

本系统依照国网公司颁布的《输变电设备风险评估导则（试行）》，建立基于资产类别、资产损失程度和发生概率的风险评估模型。从资产类别和资产损失程度的角度划分设备的重要度等级，再依据状态评价模块得出的设备故障率划分出设备健康度等级。利用设备的重要度和健康度，形成设备的风险矩阵，确定设备的管控级别。

2.4监测预警

利用数据管理模块提供的设备健康档案，采用当前流行的复杂事件处理技术（CEP，Complex Event Processing）^[7]对运行中的设备状态进行监控。当监测预警模块接收到某状态量数据并发现其超标时，模块会通过对采集到的数据结合该变量一段时间范围内的变化情况，以及设备的运行参数等信息综合分析，初步推断该状态量超标是否因设备故障所致。此种方式能在一定程度上减少设备误报警，提高了整个系统的效率。

2.5故障预测

本文采用的故障预测总体思路为利用案例推理（CBR，Case-Based Reasoning）与规则推理（RBR，Rule-Based Reasoning）串行推理的方式。通过搜集整理历史案例文件，提取关键特征量，形成独有的案例库。利用检索匹配技术，快速搜索定位相似案例，给出对应的检索策略。当在案例库中没有合适的案例进行匹配时，系统自动转入规则推理流程。通过自动推理、人工交互分析的流程后，给出模拟专家思维的诊断结果。并将经过验证的诊断案例，作为新案例保存在案例库中。

2.6检修决策

本模块基于设备固有差异、状态变化差异、同类型设备差异等情况，实现设备差异化检修决策技术，以达到避免设备过检修或欠检修的目的，提高检修效率和供电可靠性。通过从不同角度建立的检修措施规则库，并应用设备重要度、健康度、故障模式、运行环境等属性，进行规则匹配、调整，达到每台设备具备自己特有的检修决策方案。

3关键技术及解决方案

3.1基准态分析

本文提出设备“基准态”（Benchmark）分析方法。即在状态评价导则的基础上，借鉴国内外设备厂家经验、同行研究成果^[8-10]，通过从特征量优选、分析、建立设备老化模型、设备强度模型、电网强度模型，再综合设备老化、设备强度、电网强度三方面进行设备健康度评估，解决设备的状态到底如何、能否正常运行、可能发生的故障率到底有多高等关切问题，使整个模型达到在缺少现场新的试验或测试数据情况下也能实现对设备的状态的初步分析，指导运维检修的目的。设备基准态分析内部逻辑图如图2所示，包括设备老化、设备强度、电网强度、健康度计算和故障率计算子模块。

图2 基准态模型构成内部逻辑图

Fig.2 Internal logic diagram of benchmark analysis model

设备强度：对设备强度产生影响的主要是设备自身的因素，设备一旦成型，无论我们如何运维，在不改变设备内部结构的情况下都不可能提高设备强度。以变压器为例，其导体材料如果强度不足，其抗短路能力就低，其机械方面的设备强度就低^[11]。因此，在设备基准态模型中，研究设备强度的关键是找出产品设计、制造阶段决定强度的各种因素，并建立影响因素与强度的关联模型。

电网强度：对电网强度影响的因素既有电网自身的系统参数、负荷水平，又有环境及运行方式的影响，这些影响都可以归结为电网施加在设备上的电压、电流的数值，以及其持续时间、变化的规律。电网强度会对设备的强度产生影响，例如，频繁的投切会导致变压器的线圈压紧力下降，过重的负荷会导致变压器绝缘材料的加速老化。因此，研究电网强度关键是找出其对设备产生影响的方式以及具体的影响程度

设备老化：如果认为故障发生的前提条件是设备强度低于电网强度，可以把导致设备故障的各种因素都归结于设备的老化，包括设备早期故障也可以看成是设备强度快速老化所致。如果可以量化检测影响设备强度的各种因素，就可以量化表示设备强度老化的程度，得到设备当前的裕量，并提供检修决策依据，将有限的力量集中在对设备故障影响最大的因素检测和控制上。

健康度计算：健康状况的评价模型可以是多种多样的，但这些模型都必须以体现设备运行状态的各种参数作为基础，才能正确反映设备真实的健康状态。在基准态分析中对设备进行了参数归类分性能评估，根据分性能评估结果之间的逻辑关系，对各分性能基准态值进行综合计算，从而得出能够表征设备整体状态的、单一的设备健康度指标（百分制），。其中，为各分性能指标向量，为相应的权重向量。

故障率计算：现场经验认为，当设备状态恶化时，设备故障率应该会以指数形式增加^[12]。本文采用的设备故障率与设备健康度指标的关系模型为。式中：为设备故障率；为比例系数；为曲率系数；

和是与设备种类、运行环境等诸多因素有关的常量，很难直接获取。考虑到统计样本往往不足以支持单一状态下设备故障率的评估，可以通过反演计算方法求取、的值。只要具备2年以上的设备健康指数和设备故障率的统计数据，则可通过反演计算获取比例系数和曲率系数。

3.2管控分级

依据系统运行部发布的年度基准风险和基于问题的风险，评估设备故障可能造成的事故（事件）后果，结合设备价值及对重要用户供电情况确定设备的重要度，将其分为“关键、重要、关注、一般”4个级别。其中，事故（事件）后果依据年度基准风险、基于问题的风险及相关电力事故（事件）规程确定；设备价值依据电网公司发布的设备采购指导价确定；重要用户依据市政府相关部门批复的年度重要用户目录确定。具体的分类方法如表1：

表1 设备重要度分级表

Tab.1 Classification table of equipment importance

设备重要度	事故（事件）后果	设备价值/万元	对重要用户供电情况
关键设备	存在引发一般及以上电力安全事故的可能	≥1000	故障将直接引发特级重要用户供电中断
重要设备	存在引发一级电力安全事件的可能	800~1000	故障将直接引发一级重要用户供电中断
关注设备	存在引发二、三级电力安全事件的可能	500~800	故障将直接引发二级重要用户供电中断
一般设备	除上述设备外的设备

依据乌克兰ZTZ-Service公司变压器专家V.V.Sokolov的设备运维思想^[13]，本文认为在运设备可能存在问题的设备是小于20%的，其中比较严重而需要进行检修或更换的可能占2%左右，剩余8%左右只需加强监测或视情提前检修。因此，将基准态分析所得到的所有设备的故障率从小至大排列，将整个故障率跨度分为“正常、注意、异常、严重”4个级别，具体的分级方法见图3：

 

图3 设备健康度分级示意图

Fig.3 Hierarchical schematic of equipment health

根据设备重要度和健康度，形成设备风险矩阵，确定设备管控级别。设备管控级别从高到低分为“Ⅰ级、Ⅱ级、Ⅲ级和Ⅳ级”，具体分级依据如图4所示。

 

图4 运维管控分级矩阵

Fig.4 Matrix of operation and maintenance control grading

3.3CBR与RBR串行推理

本系统采取的故障预测模型总体思路为利用CBR（Case-Based Reasoning）与RBR（Rule-Based Reasoning）串行推理的方式，其推理流程如图5所示。利用历史案例特征量少而精的特点，系统首先通过智能搜索算法，优先匹配出能够符合的案例，快速得出设备故障模式。CBR优先的策略将大大节省推理时间，充分利用历史案例的经验，提高故障预测的效率。当案例匹配失败后，才转入规则RBR推理，模拟专家思维的方式得出故障模式。本模块采用了基于Drools的规则引擎技术，能够极大的提升规则推理的速度。在推理完毕后，经过验证的推理结果将作为新案例存入案例库中。

 

图5 基于CBR与RBR 串行推理的流程图

Fig.5 Flowchart of the serial reasoning based on CBR and RBR

3.4差异化运维

检修决策模块依据设备状态、运行工况等信息实现设备差异化检修决策，以油浸式电力变压器为例，差异化运维策略模型如图6所示。首先，从风险评估模块获取设备的管控等级。其次，由监测预警模块结果判断设备状态是否正常。如果设备状态正常，一般情况下按照规程执行检修（按正常周期或延长检修周期），在特殊情况下（如大风、雷电、保电要求等），根据具体工况、环境、家族性缺陷和保电要求情况执行提出检修项目和采取反措措施。若设备状态异常，即带病运行状态，若为外部异常或组部件异常（由外观可判断，如渗漏油等）可根据具体缺陷提出处理措施进行，若设备存在内部异常故障，则从故障预测模块获取设备当前可能发生的故障模式，有针对性的开展设备检修，如建议跟踪监测（在线监测、带电试验、巡检及在线取油样）、建议进行的诊断性试验等，更为严重的为人孔进人检查或返厂检修等。

图6 变压器差异化运维策略模型

Fig.6 Model of differential operational of power transformation

4实例应用

随着电网设备制造水平的发展，设备运行状况有了较大改善；近年来社会用电需求的迅猛增长，电网规模迅速扩大，社会对电网供电可靠性要求越来越高。同时输变电设备数量的增加速度远远超过了运行检修人员的增长速度，从而导致了检修工作量与检修资源相对不足，技改检修投资绩效低的问题。随着本系统的建立与应用，为输变电设备建立了一套智能化运维系统，将全面推进设备状态检修工作。

 

图7 系统案例截图

Fig.7 System case screenshots

图7中展示的为2014年7月本系统在某省发现的某变压器异常情况所做的诊断及运维建议。该台变压器油色谱数据一直异常，综合三比、大卫三角和立体图方法，系统判断设备为电弧放电，同时给出设备可能的故障原因，并针对不同的故障原因给出了具体的试验建议。参考系统给出的后续处理建议，通过铁心接地电流试验，该设备确诊为存在不稳定的铁心多点接地问题。经过现场处理后，该设备重新投运。

5结语

本文在理论和技术研究上，提出了输变电设备智能化运维系统的整体架构，并对系统内各功能模块进行了详细的描述，重点针对功能模块中的关键技术阐释了其实现方案。系统在保证设备安全的基础上，通过全面分析设备状态和设备风险，依据设备自身差异、状态差异、同类设备差异构建检修决策模型，实现设备差异化检修，为设备检修计划和实施提供科学、准确的依据，保证检修决策的正确性、规范性。实现了设备定期检修向状态检修的过渡。

 

参考文献

[1]      韩祯祥，曹一家．电力系统的安全性及防治措施[J]．电网技术，2004，09：1-6．

HAN Zhenxiang, CAO Yijia. Power system security and its prevention[J]. Power System Technology, 2004, 09:1-6.

[2]      覃平．电力企业设备管理创新成果简介[J]．科技与企业，2014，09：101．

QIN Ping. Brief introduction of electric power enterprise equipment management innovation[J]. Science and Technology Enterprises, 2014, 09:101.