基于大數據分析的配電自動化終端精益化管理平臺研究

陳 夕

(福建電力職業技術學院,福建 泉州 362000)

1 概述

傳統的配電自動化終端設備一般采用故障搶修加定期檢修的管理模式,不可避免地會造成設備的過多維修,造成大量不必要的材料浪費及人工成本上升。同時,過多的定期檢修不僅增加了檢修費用,還減少了設備的有效作業時間,還易造成設備故障頻發和運行不穩定[1]。因此,研究基于大數據的配電自動化終端精益化管理平臺,對于指導各級配電自動化運維管理人員在配電自動化建設和運維的過程中實現對設備的優化管理,全面提升公司配電自動化系統的建設管理和應用水平,提高電網供電可靠性,具有重大意義。

2 基于大數據分析進行配電自動化終端精益化管理的意義

2.1 有助于提高配電自動化應用水平

近年來,國家大力推進配電網建設,而配電自動化的應用,對配電網運行水平、管理水平和供電可靠性的提高都起到至關重要的作用。配電自動化終端的健康運行是配電自動化的應用水平達到理想高度的重要前提。然而,由于配電自動化終端設備多種多樣,運維人員水平參差不齊,臺賬管理缺乏規范手段,導致終端設備始終無法安全在線穩定運行。配電自動化終端一旦發生故障,將會對調度監控人員的分析判斷造成影響,且在發生停電事故時無法第一時間定位故障區域并進行負荷快速轉移。

2.2 有助于優化配電自動化終端設備管理體系

進行故障搶修的設備往往是因為在檢修周期內出現的劣化現象得不到及時處理而導致設備故障,造成非計劃停運。目前,在管理模式與機制上都無法實現對故障的預判,即預先診斷某個部件的功能狀態,或確定某個部件正常工作的時間長度。因此,建設在發生災難性事故之前能夠提前預知,并采取必要的維修預防措施,確保設備功能正常運行的系統十分有必要。

2.3 有助于實現配電網建設精準投資

隨著配電自動化終端設備的大量增加,加上缺乏規范的監測記錄手段和狀態評估體系,管理人員無法對每臺配電自動化終端設備都作出準確的健康狀態評估,大部分只能依靠運維班組的經驗判斷。以至于在制定投資計劃,確定維修類型,合理分配如維修人員、維修資金、維修工具、維修時間等各類資源,都與實際運行薄弱點存在偏差。

3 精益化管理平臺的技術原理

3.1 信息整合,構建配電自動化終端大數據中心

按照集中部署、整合信息和共享應用的原則構建數據中心。將配電自動化終端大數據庫部署在安全三區,實時獲取安全一區配電自動化主站基礎數據并進行存儲,形成自己獨立的大數據源,并以此為基礎進行系統的設計開發。以B/S模式的架構完成對數據的統計分析與展示,以及深層次的數據挖掘工作,通過數據采集、數據治理、數據整合“三步走”,構建配電自動化終端一體化模型,在各類離散的信息數據之間建立內生關聯關系,為大數據應用提供便捷的數據“配送”渠道(圖1)。

圖1 配電自動化終端大數據中心構建流程

3.1.1 數據采集

基于國家電網FPMS系統,配電自動化終端大數據中心在安全三區實時采集配電自動化終端各類管理數據,包括組織機構、人員、廠站、設備臺賬、新設備投運、設備異動、檢修、缺陷、工作票等配電終端生產管理數據,以及已有的結構關聯關系,并在大數據平臺統一存儲。

基于大數據平臺,配電自動化終端大數據中心實時采集配電自動化終端歷史運行數據,包括遙測、遙信、遙控及遙調數據,并在大數據平臺統一存儲。采用國際電工委員會IEC 60875—5—104規約將實時數據轉發至安全三區,大數據平臺接收并在安全三區構建開放、實時的數據庫,提供實時數據共享機制,支持實時應用。為大數據分析及深度挖掘應用提供全面的數據源。

3.1.2 數據治理

研發部署不良數據辨識軟件,以5 min為周期,從數據的完整性、一致性、相關性、規范性和準確性5個維度自動掃描辨識不良數據,開展基礎數據治理,指導各單位有針對性地開展自動化設備消缺、設備臺賬數據補充完善、對應關系錯誤糾正等,保證數據真實可靠,并將自動掃描結果作為對各單位數據質量評價的依據。接著,對采集到的數據進行治理,包括如下方面。

①完整性。檢查終端采集數據的完整性,確保數據有效。一是滿足調度業務及其他相關業務對各類數據的需求。二是滿足連續不中斷數據傳輸機制,防止斷點數據產生。三是確保數據中相關標識及參數完整。

②一致性。檢查終端數據與現場實際情況是否一致,能否反映真實的設備運行信息,數據突然增大或變小是終端異?；蚨秳拥谋憩F。

③相關性。同一設備的各類參數數據存在一定程度的相關性,通過對數據相關性的檢查確保終端數據的真實、有效,及時發現異常終端。

④規范性。檢查終端上傳數據是否滿足電力系統相關業務規范,禁止自定義數據格式及上傳內容。

⑤準確性。準確性是數據可用的基礎,確保設備參數數據真實、全面,能作為有效數據及時反映電網的運行工況。

3.1.3 數據整合

通過數據多維分析,對以多維形式組織起來的數據進行上卷、下鉆、切片、切塊、旋轉等各種分析操作來剖析,使分析者和決策者可以多方面、多維度觀察數據庫中的數據,從而精確掌握蘊含在數據中的信息和內涵。按照不同的維度進行統計分析,并采用折線圖、餅圖、柱狀圖等形式進行展示。

采用“傳統關系數據庫+大數據平臺”的模式,構建雙引擎驅動的大數據中心,實現分布式數據存儲服務和分析計算服務一體化。在應用層整合常規統計分析、專業分析計算和大數據分析等功能。一方面,大數據平臺采集和整合各類配電自動化終端管理及運行數據,以統一的基礎架構支撐大數據深度挖掘應用。另一方面,大數據平臺作為數據交換和共享中心,有效連接了各相關業務系統,實現了數據共享和業務流程貫通(圖2)。

3.2 挖掘大數據信息,建立配電自動化終端狀態評價體系

利用配電自動化終端大數據平臺的數據采集及治理成果,結合配電自動化系統建設的特點,建立一套配電自動化終端狀態評價體系,評價范圍包括設計質量、施工質量、設備缺陷、運行工況、運行年限等全方位、多角度的融合,根據大數據分析結果確定其在設備健康狀態評價總分所占的比例,從定性評價方式向定量評價方式轉變,確保對每臺終端設備狀況作出準確判斷[2]。

3.2.1 建立多級評價的終端設備健康狀態層次模型

配電自動化終端的狀態評價分為投運前評價和投運后評價,比例為2∶8,然后采取“從下而上”的方式,一級一級往上評價,最后得到設備健康評價總值。評價體系如圖3所示。

圖3 配電自動化終端設備健康狀態評價體系

設備健康評價分值計算公式如下:

S=A×0.2+B×0.8

(1)

式(1)中,S為狀態評價總分值;A為投運前狀態評價分值,從設備質量、設計質量、施工質量和驗收質量4個方面綜合評估,并取各狀態分值之和作為投運前狀態評價總得分;B為投運后狀態評價分值,通過分別評價設備各部件狀態分值,并將各部件狀態分值相加作為投運后狀態評價的最終得分。

3.2.2 推行動態評價和實時預警機制

配電自動化終端設備的健康狀態評分由大數據平臺通過比較每天所采集信息數據的變化情況進行實時動態更新,并于每天8時和17時發布。對于健康分值變化較大的終端設備,系統將自動判斷設備的危險臨界條件。若識別到可能出現隱患時,立即通過多種有效的方式向調度員和運維人員發出預警信息。

通過構建配電自動化終端狀態評價體系,實現配電自動化終端運行狀態分析工作由定性評價到定量評價的重大轉變,改進了配電自動化終端從投運到運維管理的技術標準,對指導配電自動化終端建設和維護工作具有重大意義。

4 精益化管理平臺的技術特點

4.1 精益規劃配電自動化終端建設

按照精益管理的要求,在每年的配電網建設改造規劃中,未來接入負荷量和設備的老舊程度是影響規劃的關鍵因素。傳統模式下,配電自動化終端的改造一般根據其運行年限或當某些功能達不到最新的技術要求規范時,開展未來的配電自動化終端設備建設規劃。該模式雖在一定程度上符合設備改造的規律要求,但畢竟所獲取的設備信息數據較為單一,無法對配電自動化終端設備的健康程度作出準確判斷,常常導致某些運行良好的終端因年限問題被迫進行改造,而真正存在嚴重隱患的設備卻沒有得到及時修復,大大增加了電網建設成本。

精益化平臺通過大數據的理念及技術,建立配電自動化終端健康狀態評價體系,將配電自動化終端的各類運行數據進行轉變、吸收,準確掌握每一臺終端設備的健康程度,形成了可指導配電自動化終端建設規劃的數字,為配電自動化規劃提供更為具體的科學依據,有效提升配電自動化建設規劃合理性(圖4)。

圖4 配電自動化終端健康狀態評分表

此外,根據終端設備的健康狀態評分表確定每臺設備的薄弱部位和隱患嚴重程度,制定有針對性的改造計劃,確保改造計劃主次分明,合理利用資源。對于重點部件存在嚴重隱患的設備,列入一級改造項目,優先安排更換整臺設備;對于重點部件存在一般隱患的設備,列入二級改造項目,優先級次之;對于一般部件存在隱患的設備,可安排大修項目對零部件進行更換。

同時,通過大數據采集分析配電自動化終端設備運行狀況,可以判斷各類運行環境對終端設備安全穩定運行的影響因素比例,為今后的投資建設合理規劃安裝地點、安裝環境、安裝方式等提供指導性意見。

4.2 優化配電自動化終端運維管理機制

傳統的配電自動化設備運維檢修采用的都是定期檢修或者故障后檢修的方式,即固定周期或只有當設備出現故障時才進行檢修。定期檢修是維修人員在某段固定時間周期內對設備做一個完整的“體檢”,以確保其健康狀態。這種方式雖然能夠在一定程度上排查設備存在的安全隱患,減少故障風險,但也造成了設備必須定期停運。隨著終端設備量的逐年增加,定期檢修不僅需要越來越多的人力,因定期檢修而停電的次數和范圍也逐步增加,造成人力和物力的雙重浪費。而故障后檢修的缺點更加明顯,由于其發生的不可預測性,不僅對配電自動化系統的整體運行造成影響,且往往需要更長的搶修時間,嚴重擾亂班組的日常工作計劃。本文以精益管理為目標,建立了預防性檢修機制,通過大數據管理將配電自動化終端的狀態信息與設備基礎數據、維修信息、維修資源信息和系統用戶信息等進行存儲和對比處理,建立故障模型,采用多種分析方法預先診斷某個部件的功能狀態,確定部件正常工作的時間長度,在發生災難性事故之前能夠及時預知,并采取必要的維修預防措施,以達到故障預測的目的[3]。

同時,大數據分析平臺根據設備部件出現的劣化程度逐級向相關的設備運維人員或管理人員進行預警。設備管理人員可以根據設備健康評估和分級預警結果及時進行檢修決策,包括制定合理的檢修計劃,針對停電時間、檢修方式、檢修結果進行評估,確定最優的檢修方案等。此外,還需要合理調度各類維修資源,如維修人員、備品備件、檢修工具等(圖5)。

圖5 配電自動化終端健康評分詳情及維修建議

4.3 提升配電自動化應用水平,實現高質量供電

對配電自動化終端的運行狀況進行監測分析,統計包括終端設備在線率、遙信動作正確率、遙控使用率、成功率、FA動作準確率等各項指標,依托大數據平臺的綜合分析,利用故障模型可自動識別故障點及故障源,并發出預警信號,指導配電自動化終端運維人員第一時間消除缺陷,提高設備運行的可靠性,確保調度人員對配電網絡的現場運行方式及負荷分布情況作出準確的判斷。

此外,在發生故障停電的狀況下,配電自動化主站系統在進行故障隔離和恢復供電策略分析的同時,綜合考慮終端設備通信通道狀態、設備動作數、動作頻率及甩負荷數的實用化策略,優先選擇最佳的故障隔離和負荷轉供策略,大大縮短故障發生時的停電時間。

5 技術成熟度及安全性

在技術成熟度方面,基于大數據的配電自動化終端精益化管理平臺充分發揮實時大數據分析在配電自動化終端規劃建設、設備選型、工程施工、設備運維管理等方面的導向作用,建立貫穿配電自動化規劃、設計、建設、運維等全過程管理體系,充分優化配電自動化終端運行管理流程,大大提高配電自動化終端設備的健康和經濟運行水平,經濟效益、社會效益顯著提升。大數據平臺不僅適用于配電自動化建設較發達地區的運維管理,在提高設備運行可靠性的同時減少大量的運維成本,還可以為準備著手建設配電自動化的電網企業提供專業的建設規劃指導意見,適用范圍極廣。

在安全性方面,平臺部署在配電自動化主站安全三區,通過實時獲取安全一區配電自動化主站基礎數據并進行存儲,形成自己獨立的大數據源,并以此為基礎進行系統的設計開發,以B/S模式的架構完成對數據的統計分析與展示,以及深層次的數據挖掘工作,為終端運維工作提供有效的技術及數據支撐。數據傳輸過程中嚴格按照國家電網二次防護防護要求執行,確保了數據的安全性和保密性。