基于智慧电箱的电力设备状态监控系统

引言

当前分布式监测系统、控制系统、网络通信系统等分布式系统的大量应用,致使设备维护成本上升,偶发性故障恢复时间不及时,实时状态检测相比集中控制系统的成本大幅增加且时效性不强。因此,企业需要大量维护人员定期巡检维护电力设备,以保障设备的正常运行。对用电设备的周期性人工检测,在一定程度上减小了因电力系统故障而导致的分布式系统异常的发生概率,但是需要耗费大量的人力物力进行电力设备的停电检测,并且在停电检修过程中,分布式系统一般处于不工作状态,严重影响了分布式系统的实时性。此外,断电状态下系统的各方面参数与实际运行时存在较大的不一致性,很难对分布式系统的设备电力故障进行及时报警。有效检测和诊断电力设备故障,提高电力设备的稳定运行能力,保障电力网络的畅通,研究电力设备的损伤检测方法,对于保障电力设备网络的安全稳定运行具有重要意义。本文以智慧电箱为基础,运用大数据分析手段,提出了一种基于网络的电力设备实时监测系统,可以有效预测设备故障,提前进行设备的检修工作。

文献提出了一种基于幅频特性特征量的电力设备检测方法,提高了电力设备检测的准确性,但是计算量较大,时效性不强。文献介绍了基于改进关联规则特征分析方法的故障检测方法,但是该方法在故障特征量的提取过程中,对原始数据的特征值损伤较大,误差较高。文献介绍了基于相空间重构的电力设备损伤检测模型,根据设备的损伤信号等形成一个信号波束,得到电力设备损伤信号的指向性特征,该方法同样存在精度较差的问题。

1电力设备监测系统网络结构

电力设备监测系统分为3层:设备端、服务器及PC端。智慧电箱作为设备端进行数据采集,执行分闸或合闸命令以及监测数据:数据服务器对智慧电箱上传的设备状态数据进行实时数据处理、显示或转发给主控室PC端:PC端用于对电箱进行远程控制和用电设备的实时监控。如图1所示,本系统与网管型环网交换机结合后,利用光纤环形网络建立比现在单向网络更加安全的通信链路,不会因为系统某一方向光纤断连,造成设备数据丢失,且系统会实时监测网络状态,如果单一方向光纤故障,设备会通过另外的数据链路发送数据并报警,提示及时维护。

2智慧电箱

电力设备监控系统的功能基本为设备功能巡查以及监控故障报警。根据数据分析,电弧火灾、控制器高温死机、持续性电弧故障占电力设备故障的9成以上,其他还有线路故障、人为总闸断电等人为故障。基于网络的电力设备监测系统以智慧电箱为基础,为设备提供动力电源的同时,实现设备用电状态的在线监控,可以实时监测设备电压、电流、功率、温湿度,实现电箱门控监测以及远程合分闸、重启设备等功能,大量节省了维护费用。智慧电箱控制器预留接口,可以为用户对接特定设备。在高速监控系统、机房动力环控系统、通信基站机房系统、森林防火系统等场景中应用较为广泛。

相较于传统电箱,智慧电箱设计增加了主控器、操纵器、充电器和蓄电池4个功能模块,以实现在断电、跳闸等特殊情况下的远程监控,如图2所示。

图2智慧电箱结构

以智慧电箱作为网络终端,实现对用电设备的健康状态实时在线监测,不必为每个用电设备安装电力故障监测模块,节约成本的同时,模块化的智慧电箱集成系统简化了安装步骤,便于管理维护。如图3所示,智慧电箱直接与分布式电力监控系统、分布式用电设备、设备信息采集终端连接,为设备提供电能的同时对设备进行实时监控。

3电力设备故障的大数据分析

传统方法中,对电力设备损伤的检测方法主要有基于图像处理技术的电力设备损伤检测法、基于信号处理技术的电力设备损伤检测法,以及基于大数据分析技术的电力设备损伤检测法等。上述几种检测故障方法主要是对电力设备发生故障时的图像信息、电磁干扰信号信息、电力载波信号等信息的综合分析,最终确定用电设备的故障发生点、故障现象及原因。但是以上方法都存在误判或错判现象,例如继电器开合闸时产生的接触电弧与设备故障时产生的扰动信号特征量相似。基于上述问题,对智慧电箱采集的设备状态信息进行大数据处理,根据设备用电特性来实时分析预测电力设备的健康状态。

首先,对故障设备的电压电流信号进行采集,运用小波分解技术对故障信号进行特征量提取,运用数据挖掘技术对采集的数据信号进行大数据处理。离散小波分解算法对采样信号进行单层分解,提取高频特征分量公式为:

式中,x(t)为原始采样信号,w(t)为小波母函数。

离散小波就是将小波母函数在时间尺度和缩放尺度上进行二进制处理,是一种可变频率形状的局部信号处理方法。小波分解过程如图4所示。

图4小波分解过程

然后,对原始信号进行n层分解,本文中主要采用dbl0小波对波形进行单层分解,进而提取出高频分量。图4中CAn为近似信号,CDn为细节信号,也就是高频噪声信号。对电力设备发生电弧故障时的电压特征波形进行单层分解后提取其高频分量CDl,如图5(b)所示,可以发现其频率较高。对高频分量幅值进行绝对值积分:

最后,根据以上处理方法对多组数据进行处理,形成数据组,运用数据挖掘的方法进行阈值整定。统计数据在数据处理过程中不断迭代更新。如图5(c)所示,经过20次数据迭代处理后,形成了正常数据集群和故障数据集群,两个集群分界明显,可以整定清晰的判断阈值。

4结语

根据实验和仿真,以智慧电箱为基础的电力设备监控系统具有网络抗干扰强、环网网络故障自动检测等特点。在数据服务器端,采用小波变换算法和大数据统计学方法进行阈值整定,在电力设备故障检测过程中具有准确率高、检测性能较好的特点。该方法在电力设备检测过程中具有重要意义。