王艷陽，熊 威，譚 娟，劉慶國，龔 康

(國網(wǎng)宜昌供電公司，湖北 宜昌 443000)

0 引言

在電力系統(tǒng)變電站中，各項設(shè)備功能都非常復(fù)雜，組成零件數(shù)量較多且集中，即使設(shè)備管理已經(jīng)走向數(shù)字化，完善了分布式控制管理，但對于設(shè)備運行狀態(tài)的監(jiān)測及統(tǒng)計仍然存在一定的難度。傳統(tǒng)的人工巡檢方式靠個人經(jīng)驗手動記錄監(jiān)測數(shù)據(jù)，并且需要24小時不間斷檢查，人工巡檢時間跨度比較長，實際的工作效率也不理想，還可能會出現(xiàn)錯誤操作以及數(shù)據(jù)記錄錯誤等情況，無法保證巡檢結(jié)果的精度。隨著現(xiàn)代信息管理的普及和發(fā)展，工業(yè)機(jī)器人應(yīng)運而生，其能夠在很多崗位上代替人工來完成重復(fù)性工作。變電站巡檢機(jī)器人可在惡劣環(huán)境下，對高壓電器進(jìn)行全天候監(jiān)測，數(shù)字化記錄已存在的故障或問題并生成設(shè)備監(jiān)測報告，但其無法預(yù)測和排查隱藏的故障隱患。

為此，余刃等[1]提出安裝無線傳感器，結(jié)合電力設(shè)備的電路結(jié)構(gòu)及工作原理，通過預(yù)處理后采集信號來監(jiān)測設(shè)備性能及運行裝填操作是否出現(xiàn)故障，但該方法需要額外考慮傳感器安裝問題，適用性不強(qiáng)；甄超等[2]憑借非侵入式監(jiān)測法采集電力設(shè)備電壓偏差等數(shù)據(jù)，實時分析設(shè)備的運行狀態(tài)，但該方法沒有補(bǔ)償電壓諧波變化值，長期使用的話，監(jiān)測結(jié)果誤報率會越來越高。

因此，本文在巡檢機(jī)器人的基礎(chǔ)上，研究了一種針對變電站設(shè)備運行狀態(tài)的監(jiān)測方法。首先通過巡檢機(jī)器人上安裝的紅外攝影儀，對采集圖像進(jìn)行設(shè)備熱力參數(shù)分析，將巡檢機(jī)器人收集到的信息數(shù)據(jù)進(jìn)行歷史數(shù)據(jù)儲存，最終利用故障樹模型[3]，針對性分析設(shè)備異常運行狀態(tài)下故障原因，不僅做到了設(shè)備運行狀態(tài)的監(jiān)測，同時做到了異常狀態(tài)的預(yù)測和排查。

1 基于巡檢機(jī)器人的變電站設(shè)備圖像采集流程

本文使用的巡檢機(jī)器人安裝了紅外攝像儀，在各重要節(jié)點位置進(jìn)行詳細(xì)檢查，對重要設(shè)備仔細(xì)拍攝，通過無線傳感器將采集到的設(shè)備運行時的溫度信息[4]傳輸給信息基站，信息基站利用大數(shù)據(jù)分析技術(shù)挖掘各設(shè)備隱藏信息，確定變電站設(shè)備的具體運行狀態(tài)以及儀表指針讀數(shù)，實現(xiàn)對變電站設(shè)備故障與異常運行狀態(tài)的診斷和預(yù)警。巡檢機(jī)器人故障信息診斷流程如圖1所示。

圖1 巡檢機(jī)器人故障信息診斷流程

a.首先建立圖數(shù)據(jù)庫，對變電站內(nèi)所有設(shè)備進(jìn)行序列標(biāo)記和記錄，人工模擬巡檢機(jī)器人監(jiān)測各設(shè)備時的拍照角度，明確全天候各時段可見光下設(shè)備狀態(tài)。將變電站內(nèi)所有需監(jiān)測的設(shè)備節(jié)點設(shè)置為機(jī)器人的必須?？奎c，收集各個角度的可見光圖像[5]，建立系統(tǒng)設(shè)備狀態(tài)圖數(shù)據(jù)庫。

b.巡檢機(jī)器人在執(zhí)行任務(wù)時，對照拍攝圖片與圖數(shù)據(jù)庫中圖片的位置信息，完成圖像內(nèi)位置和設(shè)備編號的識別，確認(rèn)設(shè)備具體位置信息。巡檢機(jī)器人在不同位置不同角度所拍攝的紅外熱成像圖，在圖數(shù)據(jù)庫內(nèi)有相應(yīng)的全時段可見光圖像與其匹配。

c.針對設(shè)備運行狀態(tài)下所產(chǎn)生的溫度，設(shè)置閾值上限，若當(dāng)前溫度超過設(shè)定閾值，電力系統(tǒng)會收到溫度超高警報，判定該設(shè)備存在故障。

d.巡檢機(jī)器人在巡檢過程中，也拍攝儀表盤可見光圖像，即可通過圖像識別明確當(dāng)前時刻下儀表讀數(shù)。若數(shù)值不符合設(shè)備正常值，處于偏離過大、過小，系統(tǒng)也發(fā)出警報，提醒日常運營維護(hù)人員的注意。并根據(jù)設(shè)備的序列編號存儲對應(yīng)的儀表信息，完成歷史數(shù)據(jù)的收集，以便后續(xù)進(jìn)行查詢分析工作[6]。

2 數(shù)據(jù)預(yù)處理

通過巡檢機(jī)器人采集到的數(shù)據(jù)信息，具體分析設(shè)備運行時的熱力參數(shù)[7]，可以判斷出設(shè)備當(dāng)前狀態(tài)，明確指標(biāo)性能。影響設(shè)備紅外圖像的主要因素包括電壓、電流和電力負(fù)荷。當(dāng)變電設(shè)備處于穩(wěn)定運行狀態(tài)時，電壓升高與電流持續(xù)輸出所產(chǎn)生的熱效應(yīng)，均會對設(shè)備產(chǎn)生一定負(fù)面影響，但并不會在短時間內(nèi)顯現(xiàn)，而是經(jīng)過長時間積累，才能造成變電設(shè)備的損傷和老化。

針對變電站內(nèi)設(shè)備的監(jiān)測，利用不同的監(jiān)測單元對其進(jìn)行區(qū)域分割，明確不同巡檢機(jī)器人監(jiān)測范圍，利用可拓展標(biāo)記語言編輯設(shè)備序列、服務(wù)器名稱及位置信息，完善設(shè)備參數(shù)信息，形成圖數(shù)據(jù)模型。

變電站中設(shè)備實際損耗情況，通過分析歷史數(shù)據(jù)就能夠具體掌握。系統(tǒng)內(nèi)存儲的歷史數(shù)據(jù)集合是按照設(shè)備類型、序列以及不同位置、不同角度等屬性進(jìn)行編列的，因此其屬于有序的廣義集合[8]。歷史數(shù)據(jù)集合可以幫助機(jī)器人完成設(shè)備信息的相互匹配和信息交換，通過對變量的壓縮，可以加快信息傳輸效率。

通過對歷史數(shù)據(jù)集合系統(tǒng)分析和定義，明確變電設(shè)備中存在的絕緣介質(zhì)以及設(shè)備間存在的相關(guān)邏輯節(jié)點，這些位置和節(jié)點表明了設(shè)備的重要緩沖部位也是容易發(fā)生故障的位置。將易發(fā)生故障位置信息組建成預(yù)警數(shù)據(jù)集合，標(biāo)記各節(jié)點狀態(tài)信號，這樣可以為設(shè)備的數(shù)據(jù)測量提供更加完善的標(biāo)識信息，以便監(jiān)測過程中發(fā)現(xiàn)故障時，能夠快速有效的完成預(yù)警觸發(fā)和預(yù)警傳輸[9]。針對節(jié)點數(shù)據(jù)的屬性和種類，明確采集獲得信息的重要程度，利用拓展標(biāo)記語言描述設(shè)備節(jié)點信息參數(shù)，建立參數(shù)信息庫，將輸入與輸出的文件結(jié)構(gòu)進(jìn)行歸一化處理[10]，以便管理和維護(hù)。

將紅外圖像內(nèi)目標(biāo)信息與變電設(shè)備儀表指針讀數(shù)、熱力參數(shù)進(jìn)行系統(tǒng)分析，通過預(yù)處理手段降低環(huán)境、傳輸故障等外界干擾，使巡檢描述參數(shù)及向量變化清晰，提高監(jiān)測結(jié)果的精準(zhǔn)度。預(yù)處理階段根據(jù)輸入與輸出數(shù)據(jù)間存在的相關(guān)性，對信息完成加權(quán)變量處理，具體公式為

(1)

an為第n臺變電設(shè)備的紅外輸入數(shù)據(jù)；A為輸入數(shù)據(jù)集合；b為輸出數(shù)據(jù)；Z(anb)為an、b之間存在的協(xié)方差；m為外界干擾因子；i為參數(shù)變換常數(shù)。輸入分量因子使數(shù)據(jù)歸一化后的計算表達(dá)式為

(2)

對輸入數(shù)據(jù)進(jìn)行加權(quán)變量處理，可得到其最終的表達(dá)式為

a=(Q1(a1b)a1,Q2(a2b)a2,…,Qn(anb)an)T

(3)

Q為加權(quán)因子；T為加權(quán)處理次數(shù)。通過上述過程獲得巡檢機(jī)器人采集到的變電站設(shè)備運行狀態(tài)特征集合。

3 基于巡檢機(jī)器人及故障樹算法的變電站設(shè)備運行狀態(tài)監(jiān)測

利用故障樹原理預(yù)測和排查設(shè)備風(fēng)險狀態(tài)，變電站內(nèi)的各項設(shè)備之間互相串聯(lián)且存在一定的相關(guān)性，利用相關(guān)系數(shù)來衡量2個設(shè)備間的互相關(guān)程度[11]，具體過程如下所述。

a.巡檢機(jī)器人預(yù)處理后的各設(shè)備數(shù)據(jù)集為

D={a1,a2,…,an}

(4)

ai=(x,y,…)為監(jiān)測數(shù)據(jù)的度量值。用函數(shù)表示任意2個度量值間的互相關(guān)性，即：

(5)

(6)

(7)

b.將得出的互相關(guān)性度量值進(jìn)行信息重組，得出相關(guān)圖譜A[i][j]，具體表示為

(8)

i≤n,j≤n，an為巡檢機(jī)器人傳輸數(shù)據(jù)的實際數(shù)量。針對任意度量值i的權(quán)重，利用函數(shù)計算可得

(9)

w為數(shù)組。針對其最大值的計算可表示為

IF(w[a]=-1)

(10)

當(dāng)相關(guān)性系數(shù)為0時，表示二者之間不存在相關(guān)性，而當(dāng)系數(shù)為1時，則表明評判對象間成正相關(guān)性。

經(jīng)過設(shè)備相關(guān)性分析后，對變電設(shè)備間的關(guān)聯(lián)有了基礎(chǔ)判斷，而電力系統(tǒng)中各設(shè)備間存在的聯(lián)系，會使故障發(fā)生連鎖反應(yīng)。因此，可以用故障樹模型來進(jìn)行模擬變電設(shè)備間產(chǎn)生故障的因果聯(lián)系，根據(jù)關(guān)系描述進(jìn)行逐一排查，找到變電站設(shè)備中可能存在的故障源，這對較為復(fù)雜的變電設(shè)備監(jiān)測同樣有效。在各種環(huán)境下設(shè)備運行狀態(tài)進(jìn)行決策分析，故障樹模型能夠綜合清晰的描述出各種類型故障間的邏輯關(guān)系[12]。

利用故障樹模型分析故障時，首先研究造成故障的直接原因，并認(rèn)為這個原因只是故障形成的其中一種中間事件，根據(jù)這一級中間事件繼續(xù)拆解和探究，最終可獲得引起故障的底層事件，也就是源事件。各層中間事件與底層事件間存在基礎(chǔ)邏輯關(guān)系，互相聯(lián)接形成故障樹模型。故障樹邏輯關(guān)系如圖2所示。

圖2 故障樹邏輯關(guān)系

故障樹模型建立的具體步驟如下：

a.確定當(dāng)前時刻下變電設(shè)備類型，分析運行狀態(tài)故障。

b.逐一排查引發(fā)故障事件的具體原因，通過原因分析明確各項原因與故障之間存在的聯(lián)系及邏輯。

c.將引起故障的每種原因進(jìn)一步分解，找出具體誘因及源故障。

d.將所有故障中間事件的誘因逐一分析遞進(jìn)，最終得到引發(fā)故障的最底層因素，形成故障樹模型。

基于巡檢機(jī)器人的變電站設(shè)備運行狀態(tài)監(jiān)測，將故障樹模型與粗糙集理論相結(jié)合，能夠有效減少人工及機(jī)器人的數(shù)據(jù)監(jiān)測量，同時可以更加深入挖掘故障因素，故障樹模型如下所述。

假設(shè)底層事件為Bi(i=1,2,…,n)，在t時刻底層事件的具體狀態(tài)表示為xi(t)，這時存在2種情況，即

(11)

這時底層事件被觸發(fā)的數(shù)學(xué)概率為

pi(t)=E[xi(t)]=p[xi(t)=1]

(12)

假設(shè)在故障樹模型中設(shè)備發(fā)生的故障屬于頂層事件，用M表示故障觸發(fā)，若在t時刻該故障的狀態(tài)為M[X(t)]，這時同樣存在2種情況，即

(13)

這時M事件在t時刻被觸發(fā)的數(shù)學(xué)概率為

pi=E{M[X(t)]}=P[{M[X(t)]=1}]

(14)

為了便于計算，利用結(jié)構(gòu)函數(shù)將故障樹模型進(jìn)行結(jié)構(gòu)變換，頂層事件屬于狀態(tài)監(jiān)測的表象，底層事件屬于里象，二者間可使用“AND”與“OR”連接，一同描述故障內(nèi)邏輯圖關(guān)系，樹中“AND”門和3個“OR”門時刻描述為U1U2U3U4，即：

U4=C5+C6

(15)

U3=C3+C4

(16)

U2=C1+C2

(17)

U1=U2U3U4

(18)

量化故障事件是否發(fā)生的可能性，表達(dá)式為：

(19)

(20)

對巡檢機(jī)器人采集到的紅外圖像拆解和分析，判斷該設(shè)備在當(dāng)前時刻下是否存在故障，如果不存在故障，機(jī)器人巡檢下一個設(shè)備；如果存在則將預(yù)警信息發(fā)送至工作人員，以便及時處理降低危險程度。同時通過結(jié)構(gòu)函數(shù)與故障樹模型深度挖掘故障的里象底層事件，明確故障發(fā)生原因，量化歷史數(shù)據(jù)得出隱藏故障發(fā)生的概率，根據(jù)診斷結(jié)果將對大概率的故障底層事件優(yōu)先實時評測，發(fā)出檢修申請等指令。

基于此，為避免漏掉故障風(fēng)險較高但底層概率較小的事件，本文在監(jiān)測技術(shù)內(nèi)設(shè)置一個故障風(fēng)險系數(shù)作為評估標(biāo)準(zhǔn)，即

Fi(u)=IiPi

(21)

4 仿真實驗

為驗證變電設(shè)備運行狀態(tài)監(jiān)測過程中，機(jī)器人的行走路線是否重復(fù)而形成不必要的重復(fù)監(jiān)測，影響監(jiān)測數(shù)據(jù)，因此首先對機(jī)器人的路徑有效性進(jìn)行仿真實驗，進(jìn)行本文方法下機(jī)器人巡檢路徑仿真實驗，巡檢機(jī)器人路徑選擇結(jié)果如圖3所示，黑色矩形為變電設(shè)備的分布情況。

圖3 本文方法下巡檢機(jī)器人路徑

從圖3中可以看出，本文方法的巡檢機(jī)器人行走路徑，在保證對變電設(shè)備全面監(jiān)測的同時，沒有重復(fù)冗余的路徑，不存在同一變電設(shè)備出發(fā)重復(fù)監(jiān)測的情況，節(jié)約了監(jiān)測成本和時間。

變電設(shè)備運行狀態(tài)的監(jiān)測結(jié)果越精準(zhǔn)，表明方法越好，因此在本文方法、非侵入式監(jiān)測法和傳感器監(jiān)測法下，對同一變電設(shè)備發(fā)生不同故障進(jìn)行監(jiān)測。為保證數(shù)據(jù)的準(zhǔn)確性，將仿真實驗次數(shù)定為20次，3種方法比較結(jié)果如圖4所示。

圖4 不同方法下設(shè)備運行狀態(tài)監(jiān)測準(zhǔn)確度

從圖4中可以看出，非侵入式監(jiān)測法對變電設(shè)備監(jiān)測的準(zhǔn)確度均在64%～82%間波動，傳感器監(jiān)測法的監(jiān)測準(zhǔn)確度在50%～73%之間，而本文方法的監(jiān)測準(zhǔn)確度則均在80%以上，整體的準(zhǔn)確度相較于其他2種方法更高，準(zhǔn)確程度更好。

為了避免變電設(shè)備在正常運行狀態(tài)下，系統(tǒng)出現(xiàn)錯誤判斷，認(rèn)為其是異常狀態(tài)或者是故障狀態(tài)的情況出現(xiàn)，浪費人力檢查資源。因此對不同監(jiān)測方法的誤報率進(jìn)行仿真實驗，結(jié)果如圖5所示。

圖5 不同方法下設(shè)備運行狀態(tài)監(jiān)測誤報率

從圖5中可以看出，非侵入式監(jiān)測法的誤報率在36%～48%之間，整體的誤報率是比較高的，不僅影響系統(tǒng)監(jiān)測效率，同時還會影響運維人員的日常判斷及維護(hù)；傳感器監(jiān)測法的誤報率在17%～33%之間，相較于非侵入式監(jiān)測法來說更低，但誤報率并不穩(wěn)定，在20次的仿真實驗中出現(xiàn)幾次較大的波動，可以預(yù)知當(dāng)監(jiān)測任務(wù)增加時，傳感器監(jiān)測法的誤報率也未必是穩(wěn)定的；本文方法的誤報率在9%～18%間，相較于其他2種方法，本文方法的誤報率更低，且不會高頻率出現(xiàn)波動，監(jiān)測穩(wěn)定性較好。

統(tǒng)計不同方法下對故障的監(jiān)測時間，繪制成曲線圖，如圖6所示。

圖6 不同方法下設(shè)備運行狀態(tài)監(jiān)測時間

從圖6中可以看出，非侵入式監(jiān)測法下監(jiān)測設(shè)備運行狀態(tài)所需時間在2.5～3.5 s之間，隨著監(jiān)測任務(wù)的增加，所需的平均時間也會隨之增加；傳感器監(jiān)測法下設(shè)備監(jiān)測時間在2.0～3.2 s之間，所需監(jiān)測時間也會隨著任務(wù)增加而增加，且用時相對更長；本文方法監(jiān)測設(shè)備狀態(tài)所需時間在1.3～1.7 s之間，且整體的監(jiān)測時間相對更加平穩(wěn)，沒有出現(xiàn)很大的起伏，說明本文方法在監(jiān)測時間上更加有優(yōu)勢，能夠更快速地判斷變電設(shè)備運行狀態(tài)，從而使機(jī)器人能夠迅速做出相應(yīng)的反應(yīng)，節(jié)省監(jiān)測時間。

5 結(jié)束語

本文提出了基于巡檢機(jī)器人的變電站設(shè)備運行狀態(tài)監(jiān)測方法，經(jīng)過仿真實驗證明，該方法在監(jiān)測精準(zhǔn)度方面較其他方法更加精準(zhǔn)，且誤報率更小，針對同一設(shè)備的問題監(jiān)測，用時更短，有效節(jié)省監(jiān)測時間，提高設(shè)備狀態(tài)監(jiān)測效率，整體魯棒性更好。