关键词:电力设备;运行状态检测;动态可视化;系统设计
引言：庞大的用电量以及电网的正常运行需要投入更多的资金去维护，而智能变电站技术的出现，已经为这行业提供了巨大的便利，但是在这过程中，电力行业也应该做好在线监测和故障诊断，加强设备的常规测试及综合分析，把一些可能存在的隐患及时的消除，确保电网正常的运营。以最近几年相关电力企业发展的具体情形来看，状态检修时未来电力相关设备的检修发展的必然趋势，但是，如果真想实现这方面，还需要各方面很多的努力。
1开展电力设备状态监测及诊断的意义
由于电气设备在运行中，会受到内部环境及外部环境等多方面的影响，如雨雪、沙尘、雷电等多种方面的影响，多种因素的共同影响，会使得设备的性能受到很大的影响，严重的情况下会致使设备发生故障。这过程中，尤其是设备中线路保护层，很多都是采用塑料等有机材料组成，这些材料通常在电热等因素的影响下很容易发生老化[1]。作为设备的基本组合能够原件，如果在电网的运行过程中出现故障，其直接造成的结果就是区域性大面积的停电，广大用电户的经济就会受到很大的影响，所以，企业就必须开展电气设备的状态监测与故障诊断。
2电力设备运行状态监测数据的动态可视化系统设计
2.1系统硬件模块设计
2.1.1集成控制模块
集成控制模块的硬件设计采用STC12C5A60S2芯片作为控制核心，通过两路PWM输出进行电力设备运行状态监测动态可视化系统的集成控制设计，采用51单片进行两路PWM输入控制，在集成ＲS232数据线的总线传输协议下，实现电力设备运行状态监测动态可视化系统的硬件集成设计。
2.1.2信号处理模块
信号处理模块是整个动态可视化系统的核心，在嵌入式AＲM中设置状态监测的接口访问程序，并控制A/D转换器进行电力设备运行状态三维可视化控制，状态传感器采集数据进行频谱分析，采用ZigBee技术进行电力设备运行状态监测动态可视化系统的射频识别和输出控制，采用8位和16位微控制器进行智能电力设备运行状态监测动态可视化系统的嵌入式控制设计，以AＲM920T为核心进行监测预警信号采集后的信息融合处理。
2.1.3传感融合模块
构建电力设备运行状态监测动态可视化系统的总体结构模型，进行系统的模块化电路设计和集成开发，设计的电力设备运行状态监测动态可视化系统的输入电压范围为:±220V、±360V，采用低功耗的嵌入式用AＲMCortex－M0为处理内核，采用PCI9054的LOCAL总线进行电力设备运行状态监测动态可视化系统的传感融合模块设计。
2.2系统软件设计
2.2.1可视化三维图谱特征提取
为了实现对电力设备中运行状态监测数据的动态可视化重构，进行运行状态监测数据采集和信号的提取与分析，采用视频传感器、压电传感器和电流振荡传感器信息融合技术，构建电力设备运行监测数据动态可视化谱特征分析模型[2]。将采集的运行状态监测特征信息输入到专家系统诊断库中，结合信号特征提取和大数据融合方法进行电力设备的运行状态监测诊断，建立运行状态监测诊断分析数据库，对电力设备监测数据的动态可视化系统设计，首先，进行原始信号采集。通过视频传感器、压电传感器和电流振荡传感器实现对电力设备运行状态监测信息的原始采集[3]。其次，对采集的原始电力设备运行状态大数据信息进行特征提取进行聚类处理，对数据采集采用波束形成器进行信号集成，提取在运行状态监测工况下的关联数据，初始化电力设备运行状态监测数据分类的聚类中心F(xi，Aj(L))，i=1，2，…，m，j=1，2，…，k，提取电力设备的运行状态监测谱特征，得到电力设备在运行状态监测数据的传感信息聚类模型为:
（1）
在电力设备的运行状态监测分布指数区间内，进行原始电力设备运行状态大数据的特征分析和大数据融合，在三维特征图谱的分布相位θik中，电力设备运行状态监测的传感器数目为N=n－(m－1)τ，计算电力设备运行状态监测的三维可视化分布图谱ri和峭度ki分别为:
（2）
（3）
采用多维小波分解方法进行电力设备监测数据的动态可视化重构，在不同运行工况下对电力设备监测数据进行动态可视化分解，计算多荷载下电力设备监测数据的关联函数，表示为:
（4）
其中，电力设备运行状态监测特征序列的时域采样点个数为个，频域特征量的关联积分Cm(r)服从于指数规律，即:
（5）
根据提取电力设备动态检测信号的关联维特征，获取电力设备运行状态监测传感信息融合采集结果，求出电力设备运行监测数据动态可视化谱特征的最佳采样点nb之间的长度，得到电力设备运行监测数据动态可视化三维图谱特征提取函数F:
（6）
（7）
其中，a、b表示特征分解系数，以电力设备的运行状态监测波束的幅值为有效特征量，进行电力设备运行状态监测的可视化三维图谱特征提取处理。
2.2.2监测数据采集输出的状态
经过传感融合模块、集成控制模块和信号处理模块实现电力设备运行状态监测信息的三维图谱特征提取，根据特征提取结果对原始电力设备运行状态大数据信息进行融合处理，提取电力设备运行状态监测预警传输数据流的多源波束特征量为［δ1，δ2，…，δN］，其中信息采集系统的输出冲激响应分量δi=p(V=i)，由于:δk=F(V=kUi)得到第k个电力设备运行状态监测预警大数据多维分解的误差分量，电力设备运行状态监测预警大数据的冲激响应函数δk变成了δik(t):δik(t)=G(V=kUi，Θ(t))根据信号特征量E的估计结果，综合反映电力设备运行状态监测的特征信息，电力设备运行状态监测数据中的数据信息流特征分类为a=pπ/2(π/2的非整数倍，即p为分数)，在特征提取的基础上，用户节点通过云服务器进行设备状态的特征分析和状态数据库访问[4]。
结语：
对电力设备的运行状态进行有效监测，采用大数据分析和动态三维监测方法，进行电力设备的运行状态特征信息检测和状态特征提取，结合电力设备的运行状态监测数据的可视化重构方法，实现对电力设备运行状态监测数据的动态可视化管理，提高电力设备的稳定运行能力。
参考文献：
[1]魏金萧,周步祥,张冰.综合数据清洗及无监督学习技术的电力设备状态评估[J].水电能源科学,2016,34(09):210-214.
[2]李鑫.电力设备状态监测和故障诊断技术趋势探究[J].现代经济信息,2015(21):352.
[3]闫海涛,吴宾,殷兵,吴健平,余柏蒗.基于ArcEngine的电力三维可视化系统设计与实现[J].测绘与空间地理信息,2015,38(04):84-87+91.
[4]宋志秋.基于云计算的电力设备状态监测数据的存储及查询[J].黑龙江科技信息,2014(16):162.
论文作者:雷强强
论文发表刊物:《中国电业》2019年11期
论文发表时间:2019/12/2
标签：电力设备论文; 运行状态论文; 特征论文; 数据论文; 动态论文; 系统论文; 模块论文; 《中国电业》2019年11期论文;