楊軼婷, 陶為明, 曹小玲, 張久柱

(安徽電氣工程職業(yè)技術(shù)學(xué)院, 安徽 合肥 230051)

0 引言

建設(shè)與發(fā)展智能電網(wǎng)，為我國(guó)電力行業(yè)帶來(lái)了全新的機(jī)遇，但與此同時(shí)，行業(yè)在市場(chǎng)內(nèi)也正面臨著全新的挑戰(zhàn)。為迎合市場(chǎng)需求，電力企業(yè)與電網(wǎng)規(guī)模不斷壯大，多元化類型、集成數(shù)字化技術(shù)與信息化技術(shù)的電氣設(shè)備被應(yīng)用到電網(wǎng)建設(shè)工作中[1]。盡管這一趨勢(shì)優(yōu)化了面向電力用戶的服務(wù)供給，但也在一定程度增加了電力企業(yè)設(shè)備管理工作實(shí)施的難度。根據(jù)市場(chǎng)不完全統(tǒng)計(jì)數(shù)據(jù)可知，現(xiàn)階段電力市場(chǎng)內(nèi)出現(xiàn)的大規(guī)模停電事故，大多是由于電氣設(shè)備運(yùn)行故障所導(dǎo)致，根據(jù)近年來(lái)市場(chǎng)反饋數(shù)據(jù)的統(tǒng)計(jì)可知，由于電氣設(shè)備故障導(dǎo)致的企業(yè)運(yùn)營(yíng)經(jīng)濟(jì)損失正逐年呈現(xiàn)升高趨勢(shì)[2]。因此，可以將診斷電氣設(shè)備故障作為提高電力系統(tǒng)與市場(chǎng)供電服務(wù)工作可靠性的基礎(chǔ)工作與核心環(huán)節(jié)[3]。在深入此項(xiàng)研究工作時(shí)發(fā)現(xiàn)，隨著電氣設(shè)備的智能化、數(shù)字化與功能多樣化，其故障的表現(xiàn)方式也越來(lái)越多，一些潛伏性缺陷甚至難以通過(guò)較為直接的技術(shù)手段進(jìn)行診斷與識(shí)別。盡管目前針對(duì)電氣設(shè)備潛伏性缺陷診斷的技術(shù)較多，但大部分技術(shù)在實(shí)際應(yīng)用中無(wú)法達(dá)到預(yù)期效果。為提供電力服務(wù)質(zhì)量，保證電氣設(shè)備安全穩(wěn)定運(yùn)行，本文將在此次研究中引進(jìn)支持向量機(jī)技術(shù)，設(shè)計(jì)一種針對(duì)電氣設(shè)備潛伏性缺陷的全新診斷方法，通過(guò)此種方式，為相關(guān)工作領(lǐng)域的可持續(xù)發(fā)展提供支持。

1 基于支持向量機(jī)的電氣設(shè)備潛伏性缺陷診斷

1.1 電氣設(shè)備運(yùn)行數(shù)據(jù)采集

為實(shí)現(xiàn)對(duì)電氣設(shè)備在運(yùn)行中潛伏性缺陷的診斷，應(yīng)在設(shè)計(jì)方法前，對(duì)電氣設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行采集。在此過(guò)程中，可引進(jìn)基于范式推理的電氣設(shè)備運(yùn)行狀態(tài)模型，將其與運(yùn)行終端接口進(jìn)行連接，通過(guò)此種方式，確保在電氣設(shè)備運(yùn)行過(guò)程中對(duì)其狀態(tài)數(shù)據(jù)的共享[4]。其中狀態(tài)模型表達(dá)式如下。

E=ΣB·F·G·P·M

(1)

公式(1)中：E表示電氣設(shè)備運(yùn)行狀態(tài)模型；B表示電氣設(shè)備本體結(jié)構(gòu)固定屬性參數(shù)，包括設(shè)備型號(hào)、設(shè)備生產(chǎn)日期、設(shè)備投入使用日期、設(shè)備編碼、生產(chǎn)制造供應(yīng)商等；F表示設(shè)備運(yùn)行狀態(tài)特征向量；G表示表征設(shè)備之間的關(guān)系參數(shù)集合，包括電阻值、電壓值、電流值等；P表示由設(shè)備額定運(yùn)行值構(gòu)成的有序數(shù)據(jù)集合；M表示設(shè)備運(yùn)行過(guò)程中的環(huán)境參數(shù)，包括設(shè)備運(yùn)行環(huán)境溫度、設(shè)備運(yùn)行環(huán)境濕度等[5]。采集電氣設(shè)備運(yùn)行數(shù)據(jù)時(shí)，應(yīng)對(duì)設(shè)備運(yùn)行數(shù)據(jù)按照時(shí)間序列點(diǎn)進(jìn)行采集，將監(jiān)測(cè)點(diǎn)時(shí)刻表示為t，對(duì)t時(shí)刻下的電氣設(shè)備運(yùn)行狀態(tài)進(jìn)行描述，具體計(jì)算公式如下。

(2)

公式(2)中：A(t)表示時(shí)刻下的電氣設(shè)備運(yùn)行狀態(tài)；W表示時(shí)間軸序列；ξ表示空間數(shù)據(jù)結(jié)構(gòu)模型；C表示電氣設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)范例庫(kù)；k表示狀態(tài)類型。按照上述方式，對(duì)不同時(shí)刻下的電氣設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行主動(dòng)獲取，將獲取的數(shù)據(jù)按照時(shí)間序列進(jìn)行排序與整理，從而實(shí)現(xiàn)對(duì)電氣設(shè)備運(yùn)行數(shù)據(jù)的采集[6]。

1.2 電氣設(shè)備運(yùn)行數(shù)據(jù)特征提取

考慮到通過(guò)上述方式采集的電氣設(shè)備運(yùn)行數(shù)據(jù)中可能存在大量的冗余數(shù)據(jù)，此類數(shù)據(jù)會(huì)對(duì)電氣設(shè)備潛伏性缺陷診斷結(jié)果造成影響。因此，需要通過(guò)對(duì)電氣設(shè)備運(yùn)行數(shù)據(jù)的處理，提取其中的特征性數(shù)據(jù)。在此過(guò)程中，引進(jìn)ICA技術(shù)，通過(guò)抽取數(shù)據(jù)分量中的獨(dú)立值，對(duì)采集數(shù)據(jù)進(jìn)行負(fù)熵處理[7]?？蓪⑻幚淼倪^(guò)程作為樣本數(shù)據(jù)集合中冗余數(shù)據(jù)的消除處理過(guò)程，此過(guò)程可表示為下述計(jì)算公式。

(3)

公式(3)中：D表示電氣設(shè)備運(yùn)行數(shù)據(jù)中冗余數(shù)據(jù)的消除處理過(guò)程；E表示運(yùn)行數(shù)據(jù)中的分量數(shù)據(jù)；T表示批量處理算法；F表示線性逆變換處理過(guò)程。將完成處理后的數(shù)據(jù)進(jìn)行訓(xùn)練，訓(xùn)練過(guò)程可表示為圖1所示的流程[8]。

圖1 電氣設(shè)備運(yùn)行數(shù)據(jù)訓(xùn)練處理

圖1中，特征提取的過(guò)程可用下述計(jì)算公式表示。

(4)

公式(4)中：V表示電氣設(shè)備運(yùn)行數(shù)據(jù)特征提?。籸表示觀測(cè)值；i表示電氣設(shè)備運(yùn)行數(shù)據(jù)觀測(cè)維度；j表示特征向量；n表示提取行為發(fā)生次數(shù)。按照上述方式，完成對(duì)電氣設(shè)備在運(yùn)行中特征數(shù)據(jù)的提取。

1.3 基于支持向量機(jī)的電氣設(shè)備潛伏性缺陷辨識(shí)

完成上述研究后，引進(jìn)支持向量機(jī)，進(jìn)行電氣設(shè)備潛伏性缺陷的辨識(shí)設(shè)計(jì)。首先，需要應(yīng)明確基于支持向量機(jī)的故障決策過(guò)程，是對(duì)設(shè)備運(yùn)行中不同參數(shù)相互依賴關(guān)系的分析過(guò)程[9]。以此為標(biāo)準(zhǔn)，對(duì)電氣設(shè)備的運(yùn)行狀態(tài)進(jìn)行決策與診斷，其本質(zhì)就是尋求一個(gè)最優(yōu)函數(shù)，進(jìn)行電氣設(shè)備在不同運(yùn)行工況下的行為分類。利用線性可分函數(shù)，構(gòu)造針對(duì)電氣設(shè)備的工況狀態(tài)描述函數(shù)，函數(shù)表達(dá)式如下。

g(x)=wx+b

(5)

公式(5)中：g表示線性可分函數(shù)；x表示電氣設(shè)備的工況狀態(tài)描述；w表示狀態(tài)數(shù)據(jù)分量；b表示數(shù)據(jù)偏移量。利用上述構(gòu)造函數(shù)，在電氣設(shè)備潛伏性缺陷診斷階段，對(duì)監(jiān)控?cái)?shù)據(jù)進(jìn)行模型化，以此種方式，生成一個(gè)待測(cè)樣品集合。同時(shí)，利用電氣設(shè)備的不同狀態(tài)鑒定分類器，對(duì)待測(cè)試數(shù)據(jù)進(jìn)行檢測(cè)[10]。通過(guò)與被檢測(cè)數(shù)據(jù)的匹配，最大程度上識(shí)別電氣設(shè)備中的異常數(shù)據(jù)，通過(guò)此種方式，得到電氣設(shè)備潛伏性缺陷類型。此過(guò)程如以下計(jì)算公式所示。

f=a[y(α·LI)]

(6)

公式(6)中：f表示電氣設(shè)備潛伏性缺陷類型；a表示鑒定分類標(biāo)準(zhǔn)；y表示待測(cè)試數(shù)據(jù)集合；α表示被檢測(cè)數(shù)據(jù)的匹配程度；L表示異常數(shù)據(jù)導(dǎo)出量長(zhǎng)度；I表示監(jiān)控?cái)?shù)據(jù)。通過(guò)上述計(jì)算公式，得到對(duì)電氣設(shè)備在運(yùn)行中工況數(shù)據(jù)的相應(yīng)診斷結(jié)果。將診斷結(jié)果與SVM分類器中的數(shù)據(jù)進(jìn)行適配，通過(guò)對(duì)各小波包進(jìn)行重建，得到各頻段的電氣設(shè)備潛伏性缺陷信號(hào)，求取各波段的總能量。此過(guò)程如以下計(jì)算公式所示。

(7)

圖2 電氣設(shè)備潛伏性缺陷診斷流程圖

公式(7)中：H表示反饋信號(hào)能量；h表示波段；β表示小波包重建處理過(guò)程；J表示信號(hào)中的白噪聲；Q表示設(shè)備額定值；χ表示狀態(tài)范例。預(yù)設(shè)電氣設(shè)備在運(yùn)行中不同波段的有效能量值，當(dāng)計(jì)算結(jié)果超出預(yù)設(shè)閾值時(shí)，說(shuō)明此時(shí)電氣設(shè)備的運(yùn)行存在潛伏性故障?？赏ㄟ^(guò)下述計(jì)算公式，對(duì)潛伏性故障進(jìn)行辨識(shí)。

(8)

公式(8)中：R表示潛伏性故障辨識(shí)結(jié)果；ε表示閾值范圍；γ表示訓(xùn)練目標(biāo)；η表示訓(xùn)練次數(shù)；σ表示數(shù)據(jù)采集節(jié)點(diǎn)。按照上述方式，完成基于支持向量機(jī)的電氣設(shè)備潛伏性缺陷診斷方法設(shè)計(jì)，具體的電氣設(shè)備潛伏性缺陷診斷流程圖如圖2所示。

2 實(shí)驗(yàn)

2.1 實(shí)驗(yàn)設(shè)計(jì)

上文從三個(gè)方面，完成了基于支持向量機(jī)的電氣設(shè)備潛伏性缺陷診斷方法設(shè)計(jì)，為實(shí)現(xiàn)對(duì)設(shè)計(jì)方法在實(shí)際應(yīng)用中故障診斷效果的檢驗(yàn)，以某地區(qū)大型電力企業(yè)為例，開(kāi)展如下實(shí)驗(yàn)。

通過(guò)調(diào)研可知，在2021年5月，對(duì)某變電站中的變壓器進(jìn)行了大型檢修，在對(duì)檢修設(shè)備的深入研究中發(fā)現(xiàn)，此電氣設(shè)備已經(jīng)連續(xù)投入使用超過(guò)10年，根據(jù)企業(yè)記載的檔案數(shù)據(jù)與檢修記錄，該設(shè)備更換過(guò)套管結(jié)構(gòu)，且出口位置電路曾經(jīng)遭受過(guò)短路沖擊，加之設(shè)備散熱片存在較為嚴(yán)重的滲漏問(wèn)題，導(dǎo)致企業(yè)對(duì)外的供電服務(wù)一直處于滯后水平。而導(dǎo)致電氣設(shè)備運(yùn)行故障或異常的主要原因是該設(shè)備存在潛伏性缺陷，為實(shí)現(xiàn)對(duì)此類故障的診斷與精準(zhǔn)處理，決定使用本文設(shè)計(jì)的方法，對(duì)此電氣設(shè)備進(jìn)行潛伏性缺陷診斷。

為確保對(duì)潛伏性缺陷分類的平衡性，提高對(duì)電氣設(shè)備故障診斷的精度，避免在診斷過(guò)程中出現(xiàn)欠學(xué)習(xí)的問(wèn)題，本次實(shí)驗(yàn)使用MatLab軟件編制診斷程序，并根據(jù)相關(guān)工作實(shí)例與經(jīng)驗(yàn)成果，將電氣設(shè)備潛伏性缺陷劃分為六種類型，將其表示為Q1～Q6，將此設(shè)備接入PMS系統(tǒng)與在線運(yùn)行監(jiān)測(cè)終端，共收集到2 789條設(shè)備運(yùn)行數(shù)據(jù)。去除掉數(shù)據(jù)集合中的噪聲數(shù)據(jù)與冗余數(shù)據(jù)后，其中共含有2 512條完整的設(shè)備運(yùn)行數(shù)據(jù)，其中1 923條數(shù)據(jù)為設(shè)備在正常狀態(tài)下的運(yùn)行數(shù)據(jù)，589條數(shù)據(jù)為設(shè)備在潛伏性缺陷狀態(tài)下的運(yùn)行數(shù)據(jù)，即故障數(shù)據(jù)。將此部分?jǐn)?shù)據(jù)作為電氣設(shè)備潛伏性缺陷診斷樣本數(shù)據(jù)，對(duì)樣本數(shù)據(jù)進(jìn)行整理，如表1所示。

表1 電氣設(shè)備潛伏性缺陷診斷樣本數(shù)據(jù)集合

在已知樣本數(shù)據(jù)的條件下，使用本文方法對(duì)電氣設(shè)備潛伏性缺陷進(jìn)行診斷，診斷時(shí)，需要先進(jìn)行電氣設(shè)備運(yùn)行數(shù)據(jù)的采集，整理采集結(jié)果，提取電氣設(shè)備運(yùn)行數(shù)據(jù)中的特征性數(shù)據(jù)。同時(shí)，引進(jìn)支持向量機(jī)，對(duì)特征數(shù)據(jù)進(jìn)行分類，以此種方式，實(shí)現(xiàn)對(duì)電氣設(shè)備潛伏性缺陷的診斷。

在此基礎(chǔ)上，引進(jìn)基于Census變換技術(shù)的電氣設(shè)備潛伏性缺陷診斷方法，將此方法作為傳統(tǒng)方法。在使用傳統(tǒng)方法進(jìn)行缺陷診斷時(shí)，需要先進(jìn)行電氣設(shè)備運(yùn)行狀態(tài)圖像的采集，通過(guò)反饋的紅外圖像，進(jìn)行電氣設(shè)備在運(yùn)行中低溫過(guò)熱缺陷與高溫過(guò)熱缺陷的診斷。同時(shí)，使用改進(jìn)Apriori算法，對(duì)電氣設(shè)備的運(yùn)行狀態(tài)進(jìn)行決策，根據(jù)決策結(jié)果，診斷設(shè)備的其他潛伏性缺陷。

通過(guò)上述方式，完成對(duì)比實(shí)驗(yàn)的設(shè)計(jì)工作。

2.2 實(shí)驗(yàn)結(jié)果

將樣本數(shù)據(jù)作為參照，統(tǒng)計(jì)本文方法與Census變換方法對(duì)電氣設(shè)備在運(yùn)行中潛伏性缺陷的診斷結(jié)果，如圖3所示。

圖3 電氣設(shè)備在運(yùn)行中潛伏性缺陷診斷結(jié)果對(duì)比

從圖3所示的實(shí)驗(yàn)結(jié)果可看出，本文方法對(duì)電氣設(shè)備在運(yùn)行中潛伏性缺陷的診斷結(jié)果與實(shí)際值的適配度更高。由此得出實(shí)驗(yàn)結(jié)論：本文設(shè)計(jì)的基于支持向量機(jī)的電氣設(shè)備潛伏性缺陷診斷方法，對(duì)于故障的診斷更加精準(zhǔn)。

3 結(jié)束語(yǔ)

隨著科學(xué)技術(shù)和電力系統(tǒng)的發(fā)展，電力系統(tǒng)越來(lái)越復(fù)雜，如何保障電力系統(tǒng)的安全和穩(wěn)定運(yùn)行變得越來(lái)越重要，因此，本文從電氣設(shè)備運(yùn)行數(shù)據(jù)采集、電氣設(shè)備運(yùn)行數(shù)據(jù)特征提取、電氣設(shè)備潛伏性缺陷辨識(shí)三個(gè)方面，設(shè)計(jì)一種基于支持向量機(jī)的電氣設(shè)備潛伏性缺陷診斷方法。此方法在完成設(shè)計(jì)后通過(guò)對(duì)比實(shí)驗(yàn)檢驗(yàn)，證明了該方法可以實(shí)現(xiàn)對(duì)故障的精準(zhǔn)診斷。

此次設(shè)計(jì)的方法使操作人員、維修人員的工作壓力得到了充分地緩解，并在具體操作中取得了良好的效果，在相關(guān)領(lǐng)域與行業(yè)內(nèi)推廣使用，為企業(yè)的發(fā)展提供更加優(yōu)化的技術(shù)作為指導(dǎo)與幫助。