電網智能運檢技術創新及實踐

耿明

【摘?要】以物聯網為生產要素互聯基礎，以大數據分析技術為數據分析手段，以移動互聯技術為作業基礎，全面推進“大云物移智”與運檢業務深度融合，持續對運檢業務進行優化、實現智能驅動成為當前電網運檢技術創新發展的必然方向。

【關鍵詞】電網;智能;運檢技術;創新;實踐

前言

智能電網的運行工作內容是一個龐大而復雜的綜合體，但是其可靠性、安全性非常重要，這就對電網的設備有著非常高的要求，其必須要不斷地提高其穩定性，才能保證人們的供電需求。而智能運檢技術利用了科技技術來對設備進行實時的監控、跟蹤，將其工作內容進行了模擬，以直觀的形式來讓人了解到供電的實際情況。這種方式即還原了其工作內容，又實現了數據共享，因此其開發、應用有著非?，F實的意義。

1電網運行影響因素

1.1短路問題

線路出現短路故障，嚴重的情況下將會導致變電站主變開關跳閘，造成大面積停電。根據研究總結得知，電網短路問題出現的原因主要有：鳥害、外力破壞、導線風偏、異物懸掛、電纜內部絕緣擊穿，另外因雷擊等原因導致絕緣擊穿引起的多相接地也會引起短路。以上所列舉的原因，都會造成電網短路故障發生，如果不及時有效處理，最終必定會導致電力系統發生較為嚴重的事故。

1.2斷路問題

電力系統的斷路與短路問題在很大程度上具有一定的相似性，但是也并不是完全一樣。斷路問題發生的直接現象是電線被斷開，主要是非人為因素造成的，其發生原因與短路差不多。然而需要注意的是斷線問題一旦發生之后，其危險程度是較大的，如果不加以注意極有可能會造成生命危險。部分人員并沒有過于重視斷線的危害，有時候直接用手去觸摸，這樣的方式是非常危險的。假如接觸到了身體，電流也就會從你的身體中直接流過，這主要是因為配網電流非常的大，會從根本上直接危及個人的生命安全[1]。

1.3配網自身結構問題

眾所周知，我國的電網通常都是電纜-架空混合結構，線路布置上錯綜復雜，線路交叉跨越非常普遍。隨著用戶負荷與日俱增，給電網運行帶來了更大挑戰，且由于用戶自身用電的不規范操作，短路問題時有發生，從而提升了配網故障的發生率。

2電網智能運檢技術創新與實踐應用

2.1推進運檢全要素自動感知

2.1.1電網運檢人員信息感知

一是基于智能芯片、人臉識別等技術，開展作業現場人員的身份識別，實現員工基本信息、技能水平的智能識別和自動匹配;二是基于智能手環和健康監測系統，及時掌握和動態感知員工健康狀態;三是應用遠程視頻和移動終端等技術，開展人員行為、語言綜合感知。

2.1.2電網設備狀態感知

一是傳感器與設備本體一體化設計制造。圍繞設備自感知、自診斷能力提升，從設備運檢角度提出海量、常用、主要設備的設計、制造、基建等環節標準化典型需求，研究智能設備設計制造，推進設備狀態全面可知、可控。二是設備狀態自主感知。研制溫度、形變、油色譜、振動、桿塔傾斜等微功耗/低功耗的高可靠性傳感器，實現設備本體狀態量自主實時感知，彌補人工巡檢對關鍵信息感知的空白[2]。大力推進新型智能配變終端規?；茝V建設，對配電網核心設備和線路的運行工況、設備狀態、環境情況等信息的全方位實時深度采集，實現配電網狀態全感知。依托無人機、機器人、視頻監測、移動作業終端等多類型同構或異構感知裝備，從時間、空間上拓展設備狀態和環境感知覆蓋范圍，作為傳感器感知設備狀態信息的補充手段，促進多元采集手段相輔相成、綜合應用。三是存量設備身份標簽編碼設計。遵循唯一性、實用性、可擴展性等原則，參照EPC國際編碼標準，開展包含設備所屬單位、電壓等級、出廠（投運）年份、設備類型等信息的身份標簽設計，最大限度反映設備的基本信息。

2.1.3運檢裝備資源感知

研究RFID射頻技術和統一編碼標準，制定統一的電子身份標簽，實現人員、設備以及裝備與電子標簽的一體化，完成電力運檢人員、車輛、設備身份的快速識別及設備的檢測技術研究，實現運檢資源合理調配和運檢進度友好管控。

2.1.4生產環境異常狀況感知

針對輸電線路“三跨”（跨高速鐵路、跨高速公路、跨重要輸電通道）隱患問題，基于人工智能的線路“三跨”隱患智能識別方法，采用“自積累、自更新、自學習”的智能化運行方式，隱患識別結果主動推送，及時發現和處理輸電線路“三跨”隱患，有力提升輸電線路“三跨”區段發現隱患的能力，提高運維保障工作的效率和質量。

2.2推動云霧融合協同應用

以運檢要素信息全面感知為基礎，開展面向運檢全業務場景的要素互聯邏輯分析，以“智能前端化”思想為指導，圍繞人員、設備、裝備、環境等要素泛在互聯、互動感知關系，搭建基于云霧融合的層次化運檢信息分析、協同和控制網絡，全面應用人工智能等技術推進運檢業務鏈條的智能化改造。

云霧資源均衡模型構建。開展運檢業務全景需求分析，充分利用云霧計算優勢，搭建基于NB-IoT（窄帶物聯網）框架的云霧資源均衡模型，一方面將霧層的感知數據進行分析、處理、過濾，及時判斷應對緊急事件，另一方面根據系統實時狀態調整負載分配，將云數據或終端設備數據緩存本地的同時，將較多的負載分配給計算能力較強、鏈路通信開銷較小的計算節點，協調運檢計算需求在物聯網云層和霧層的分配布局，綜合平衡計算、存儲和傳輸成本，提高運檢數據處理和運檢決策效率和質量[3]。

基于霧計算的異常數據就地實時分析響應。通過霧計算對高速、實時的感知數據（毫秒）就地進行初步分析運算，快速判斷異常數據并做出相應控制動作，實現設備狀態的實時評估，及時提出檢修建議。對中等速度、半實時感知數據（秒）進行實時分析處理，實現電網設備的故障診斷。同時，為云計算中心中、長期預測所需的數據提供特征提取，降低網絡時延和數據安全風險，提高電網設備管理效率。

基于云計算的多元數據融合分析預測。通過云計算對實時數據的特征提取及歷史數據進行分析，實現電網設備的監測預警及評價診斷輔助決策。對資源進行分析，包括運行維護（巡檢、檢修、技改）、處置（退役、轉移、報廢）的全過程，提高電網設備資源利用效率。

2.3構建運檢全業務知識圖譜

為充分利用電網運檢積累的大量實踐經驗和專家知識，通過知識圖譜、深度學習等人工智能技術的交互應用，拓展設備管理專業內在邏輯關系模型，構建運檢全業務知識圖譜。符合運檢業務邏輯的知識圖譜構建?；诤Ａ窟\檢案例，構建標準化、智能化的典型故障知識庫，以深度學習技術為推理工具，推動機器對運檢資源及其屬性、資源與各類運檢任務交互等關系的理解，構建符合運檢業務邏輯的知識圖譜。知識圖譜與深度學習交互融合。探索知識圖譜在深度學習模型中的應用，將運檢全業務知識圖譜中的語義信息輸入到深度學習模型中，將離散化知識圖譜表達為連續化的向量，從而使生產過程積累的海量知識成為深度學習的輸入，提升深度學習效果[4]。研究基于神經網絡模型的知識圖譜動態優化，有效完成電力運檢物聯網節點至節點的運檢資源識別、關系抽取和補全等任務。

總之，開展配網營運電力物聯網建設研究。通過對供電服務海量客戶信息進行大數據多維度比對分析，深挖數據價值，打造電力服務新標準，有效提升了客戶對電力服務的滿意度和獲得感。

參考文獻：

[1]葉翔.智能變電站運維檢修二次安全措施[J].電子元器件與信息技術，2018，2（06）：69-73.

[2]陳一挺.淺談電網變電運維檢修技術[J].山東工業技術，2017（24）：163.

[3]祁兵，王朝亮，陸俊，王星星，崔高穎.基于智能電表數據資產的配用電檢修運維架構設計[J].電力信息與通信技術，2017，15（12）：77-81.

[4]任艷瓊.基于狀態檢修技術的智能變電站運維策略分析[J].中國戰略新興產業，2017（44）：206+208.

（作者單位：國網山東省電力公司東明縣供電公司）