摘要：通过物联网和传感器技术可以将电力设备与其各种状态信息及时全面的联系起来，通过信息融合技术将设备状态信息进行融合分析，推动着电力设备状态检修业务朝着更加智能、更加便利的方向发展，同时也促进着智能电网的发展。
关键词：物联网、信息融合、设备状态诊断
0引言
电力设备的安全运行是保证用电安全的重要环节，及时发现、捕捉、跟踪、检测和评估设备状态、预测设备剩余寿命，确保电力设备处于正常、稳定的工况是电力企业最关注和重视的问题。
本文从提高输变电设备故障诊断的准确性和实时性出发，将物联网技术引入到故障诊断中，利用其在信息感知与采集、通信方面的优势，确保故障诊断的实时性以及状态信息的全面性。并借助信息融合技术，在充分利用这些状态信息的基础上，运用智能算法加以综合分析与融合，得到更为准确的诊断结果。
1设备状态监测与故障诊断技术
我国电力设备检修制度的发展大致经历了事后检修、定期检修与状态检修这三个阶段。不同设备由于其结构、性能和运行环境不同，运行时磨损程度不同，相同的设备由于生产工艺的情况、运行工况不同，其损坏和检修周期也应不同。所以逐步应用先进的设备状态诊断技术，改革目前不合理的设备检修机制，使其由计划维修逐步向预知维修过渡，已成为我国设备检修工作发展的崭新方向。
设备状态监测与故障诊断技术是一种通过对运行设备的状态信息进行提取，确定其整体或局部都是正常或异常，早期发现故障及其原因，并能预报故障发展趋势的技术。其基本原理是设备故障的发生，会伴随着某些前期征兆，具体表现为电气、物理、化学等特性的变化，根据这些状态信息的大小及变化趋势，并对这些信息进行综合分析和处理，对设备的可靠性随时做出判断，从而及时地发现潜在的故障。
2物联网技术
物联网技术的最早实践可以追溯到1990年施乐公司的网络可乐贩售机，2008年后物联网技术成为各国为促进科技发展寻找的下一代的技术规范，2009年欧盟执委会发表了欧洲物联网行动计划、IBM公布了名为“智慧的地球”的最新策略、温家宝总理提出“感知中国”的讲话。物联网技术带来了继计算机、互联网与移动通信网之后的世界信息产业第三次浪潮。
物联网应用中的关键技术主要是传感器技术、RFID标签、嵌入式系统技术。随着物联网技术的发展，物联网不再是机器到机器（M2M）的结构，如今的物联网是个广义的物联网，其包括机器与机器（M2M）、机器与人（M2P）、人与人（P2P）、人与机器（P2M）之间广泛的通信和信息交换。这里的M定义为各种获取信息的终端，可以是传感器、RFID、手机、摄像头等。
总之，物联网技术是利用感知技术与智能装置对物理世界进行感知识别，再通过互联网、电信网、广电网为主的泛在网互联进行智能计算、信息处理和知识挖掘，实现人与物、物与物的信息无缝链接与交互，实现对物理世界的实时控制、管理和决策的目的。
3信息融合技术
近年来，由于信息融合技术充分利用多数据的互补性和电子计算机的高速运算和智能，提高了信息处理结果的质量而受到广泛的关注。信息融合技术通过利用不同时间与空间的多传感器信息资源，采用计算机技术对按时序获得的多传感器观察信息在一定准则下加以自动分析、综合、支配和使用，获得对被测对象的一致性解释与描述，以完成所需的决策和估计任务，使系统获得比它的各组成部分更优越的性能而进行的信息处理过程。
信息融合的层次结构可分为数据层融合、特征层融合和决策层融合。数据层融合是直接在采集到的原始数据层上进行的融合，在各种传感器的原始侧未经预处理之前就进行数据的综合和分析，这是最低层次的融合。特征层融合是利用从各个传感器的原始信息中提取的特征信息进行综合分析和处理的中间层次过程，通常所提取的特征信息应是原始信息的充分表示量或统计量，据此对多传感器信息进行分类，汇集和综合。决策层融合是在信息表示的最高层次上进行融合处理。不同类型的传感器观测同一个目标，每个传感器在本地完成预处理，特征抽取，识别或判断，以建立对所观察目标的初步结论。然后通过相关处理，决策级融合判决，最终获得联合推断结果，从而直接为决策提供依据。
信息融合方法是信息融合研究的核心技术。目前融合方法大致可以分为两类：随机和人工智能。随机类算法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、证据推理、产生式规则等；而人工智能类则有模糊逻辑理论、神经网络、粗糙集理论、专家系统等。
4基于物联网和信息融合技术的设备故障诊断模型
将物联网技术引入到设备故障诊断中，一方面可以获取设备的全面状态信息，另一方面可以将获得的实时诊断结果及时通知相关负责人，有利于第一时间对故障问题进行处理。在物联网环境下，输变电设备故障诊断，不再是依靠设备某一方面的征兆信息，而是应用射频识别技术、无线传感网络、通信技术等信息感知与通信技术来实时获取设备全方位的状态信息，如在线监测信息、巡检信息、预实验信息、缺陷信息等。
由于数据来源多元化，在进行设备状态诊断时，需要对不同传感器和不同数据结构类型的数据进行融合。针对各数据的特征，采取数据层的融合和特征层的融合相结合的方式进行，对于在线监测数据如电压、电流等可直接获取数据值进行融合，对于实验数据、缺陷数据等一般先提取其特征值，再进行数据融合。
5结语
随着“万物互联”时代的到来，以及计算机技术和通信技术的发展，实时全面的获取电力设备状态信息变为可能，如何利用这些设备状态信息及时对设备运行状态进行诊断，并预测出可能出现故障的设备，成为现如今设备状态检修业务重点关注的问题。信息融合问题至今来已形成了基本的理论框架和有效的广义融合算法，但是，针对不同的应用领域和场景，还需要根据各自的具体情况搭建切合实际的融合方法。
参考文献：
[1] 朱玉生. 基于物联网的输变电设备故障诊断[D]. 湖南：湖南大学，2013.
[2] 刘有来. 浅论设备状态诊断技术在供水企业应用的可行性[J]. 甘肃科技，2001，17（6）：13.
[3] 甘志详. 物联网发展中问题的初析[J].中国科技信息，2010（5）.
[4] 张云霞. 物联网商业模式探讨[J].电信科学，2010（4）.
[5] 郁文贤，雍少为，郭桂蓉.多传感器信息融合技术述评[J].国防科技大学学报，1994（3）：1-14.
论文作者:李琳1,文清丰1,李苏雅1,邓家贵2,黎小菲2
论文发表刊物:《电力设备》2017年第6期
论文发表时间:2017/6/13
标签：信息论文; 设备论文; 状态论文; 技术论文; 传感器论文; 数据论文; 故障诊断论文; 《电力设备》2017年第6期论文;