国网安徽省电力有限公司芜湖供电公司 安徽芜湖 241000
摘要：在科技时代发展步伐不断加快的今天，电力作为一种应用最为广泛的能源，也是社会各界关注的焦点。实施电力一次设备的检测有助于尽早发现电力系统隐患，这就对原有变电站状态监测系统提出了更高的要求，需要更加可靠、高效的实时监测系统来实现智能变电站设备在线监测。状态检修也至关重要，它直接关系着电能的可靠性。文章对电力一次设备在线监测及故障诊断工作的相关内容进行了分析和探究，为电力系统的发展提供了有力的保障。
关键词：电力一次设备；在线监测
1 电力一次设备在线监测
1.1 一次设备在线监测概况
随着现代科学技术的发展，计算机技术已经在多个领域得到了广泛应用。当今的电力系统中，精准巧妙地使用计算机进行在线检测和设备研究已成为必要的方式。在线检测电源主设备通过接收传感器实时监测设备的状态信息，实时收集数据并进行整理，利用数据来判断电源设备的运行状态，并管理数据库以执行各种任务。将状态信息进行收集和管理，最后总结和分析电力设备的实时状态，以达到检测的目的。随着时代的进步，电力设备出现了不同形式的缺陷，电力设备的检测也从定期检测变为实时在线检测。通过对现有电气设备的智能化改造，使电气设备可以成功地集成到在线监测系统中。电气设备在线检测的成功实施，对电气设备的正常运行有着巨大的促进作用。一方面，现代社会的管理方式和管理模式确实对电力系统提出了更多的智能化要求；另一方面，可以最大程度地解放劳动力。
1.2 一次设备在线监测的特点
在线监测其实就是保证设备能够正常运行时，结合设备的实际情况连续的开展检测工作，一般情况下是自动开展的。在进行在线监测工作时，能够在最短的时间内明确设备运行中的问题，并尽快纠正问题，使设备的使用年限延长。要及时跟踪监测老化的或有不安全因素的设备，想办法对其进行处理，使其使用年限得以延长。如果是正常的设备就需要明确其健康情况，使设备能够正常工作。当前在线监测能够使一次设备更加安全的运行，防止变压器工作量大而受到影响，出现停电的情况。由于其是自动化运行的，可以使检测更加安全，减少资金投入，能够获得更加明显的效果，其应用的范围也更加广泛。
1.3 电力一次设备在线监测的发展
在线监测的目的是通过测量运行中的电力设备的健康状况，尽快监测出电力设备现在或者未来可能出现的故障，对其检修能够尽快准确地预测，以有效地减少设备损坏程度。电气设备在线监测中，通过接口传输数据和人机交换界面，采用电力设备诊断技术与在线计算机网络相结合，实时将电力设备的工作状态展现在人们面前，对于存在故障的电力设备做到及时修理和维护，并且通过互联网的在线监控，实现远程监测也变得轻而易举，从而实现在全国范围电力设备的网络和数据共享。这样不仅提高了企业的经济效益，也带动了国家的电力发展，给国家带来可观的经济效益。电力一次设备在线监测在最开始只是对一次设备做一些基础的检查，关注的是设备的运转问题。后来逐渐扩大成为对电力一次设备状态的检修，这与传统电力一次设备的检修不同。不过，当今的在线监测还没有完全实现电力一次设备的在线检修，未来可以从提高电力一次设备的状态监测精准度上入手，有望可以完全代替传统技术，引导电力一次设备往智能处理器的道路上发展。
2 电力一次设备在线监测技术的要点分析
2.1 创新技术管理，完善管理体制
电力一次设备在线监测是一种技术与管理相结合的工作，其开展需要有先进的技术手段作为保障，并且需要系统的管理进行维护，这是一项比较长期、艰巨的任务，不能急功近利，要不断的摸索、研究，从而使在线监测技术不断成熟。同时技术管理人员也需要积极创新技术手段，对指导性的文件进行创新优化，打破传统体制的束缚，结合电力一次设备的情况，立足于现实，构建客观、科学的管理体制，保证电力一次设备在线监测工作顺利、高效推进。
2.2 完善规划方案，科学诊断设备状态
结合近些年来电力设备检测工作的情况，依据不同地区电力设备检测的发展方向以及实现方式，科学、系统的对方案进行制定、论证。电力设备在线监测中，数据处理是极为重要的内容，需要提高重视程度。完整的数据管理系统中包含动态和静态两个方面的数据。动态的数据能够将电力一次设备的实时运行情况进行准确的记录，在线监测设备的实时数据、线路故障等[3]。静态数据主要是建立完善的数据体系，从而将设备的特点进行描述，如设备的故障记录、检修记录以及相关数据等。此外还有诊断，以前监测设备主要分为好与不好两种，目前监测工作中更多的是中间地带的诊断，这是最容易出现故障的地方，因此必须要做好预防工作，减少电力设备出现故障的几率，科学的对电力设备的情况进行诊断。
3 电力一次设备故障诊断实例分析
3.1 实验环境构建
为了有效地对本文所建立的模型进行有效性验证，必需具有科学的硬件环境和软件环境进行实例分析。
考虑到系统需要对相关实例数据进行预处理、模型训练和模型验证等重要步骤，因此本文选用运算速度较快的个人电脑进行实例分析。具体应用环境如下：
应用硬件环境：所选用的电脑处理器为Intel（R）Core（TM）i5CPU，内存为2.OOGB，电脑硬盘为256GB。
应用软件环境：所选用的电脑操作系统为Window7操作系统，选用的数据处理软件为Matlab2010（b）。
3.2 样本数据采集与预处理
通过在线监测，就可以做好样本数据的采集和预处理。虽然样本数量决定了内部信息量的大小，但是考虑到变压器油中溶解气体监测与采集的难度，所以，选择的样本数据为200个，然后做好样本的分析与处理，最终筛选出132组具有代表性的样本。之后，针对样本数据，通过建立模型来进行划分。其中训练样本数据94组，而测试样本38组。
3.3 样本数据预处理
针对样本数据进行预处理。选择132组样本做好预处理，然后进行划分。在划分样本的基础上，基于样本的归一化方法，就可以针对所选择的样本来开展归一化的处理。基于测试集为例，测试集样本按照实际的故障类型与编码划分，A代表正常，B代表低温过热，C代表中温过热，D代表高温过热，E代表局部放电，F代表低能放电，G代表高能放电。
3.4 模型参数优化
基于优化算法，按照上述选择的数据基础，就可以针对数据做好样本训练。按照样本的实际划分，针对94组样本输入到支持向量机之中，结合搜索者优化算法，可以将向量机对训练样本的分类准确率作为其目标函数，然后通过搜索者优化算法SOA合理地选择支持向量机的模型参数。图1为基于SOA的SVM模型参数优化曲线，不难看出，在到51次之后，支持向量机对于训练样本的分类准确率就达到了最优值，参数也达到了最优参数，本文选择的泛化参数为15.14，其核函数参数的取值为认为模型2.98。
图1基于SOA优化的SVM优化图
3.5 故障诊断结果与分析
通过实例分析，对本文所建立的基于SOA-SVM的变压器故障诊断进行评价如下：从模型的输入向量分析，本模型将五种油中溶解气体的含量作为模型的输入向量，实际仿真结果表明，该特征向量具有科学性与完备性的特点，具有良好的故障表征效果。
从模型的选用上分析，由于变压器油液监测数据具有小样本的特点，而通过前文的理论分析可以看出，支持向量机SVM模型对于小样本的数据具有良好的分类效果。能够克服样本小、数据维数高的不足。因此，支持向量机模型能够适应于变压器油液监测数据的特点，对解决变压器的故障诊断具有良好的针对性、从模型的优化上分析，针对SVM的参数优选问题，将人群搜索算法引入到该问题中，从而将人群搜索算法收敛速度快、全局收敛精度高的优点与支持向量机分类效果好的优点相结合，有效地解决SVM模型的参数优选问题。
综上所述，所建立的基于SOA-SVM的变压器故障诊断模型，具有较高的判别精度，错判和误判比率低，具有良好的科学性和应用效果，应用潜力巨大，可以为我国电力行业和领域研究提供了有效的借鉴作用。
参考文献
[1] 李洋溢.电力一次设备的在线监测与状态检修技术分析[J].企业技术开发，2015（35）：88-89.
[2] 李孟超，王允平，蔡卫锋.智能变电站技术特点及其应用分析[J].电力系统保护与控制，2017，（58）：59-63.
论文作者:李根,王文斌
论文发表刊物:《建筑学研究前沿》2019年7期
论文发表时间:2019/7/11
标签：在线论文; 设备论文; 样本论文; 数据论文; 电力论文; 模型论文; 向量论文; 《建筑学研究前沿》2019年7期论文;