一种变电站多元化设备状态评估方法与流程
本发明涉及变电站设备，尤其涉及一种变电站多元化设备状态评估方法。
背景技术：
1、随着当前世界形式的不断复杂变化以及我国国民经济的高速健康发展，现代社会对于电力供应的安全可靠性要求越来越高，而变电站作为其关键组成部分，执行着电能转换、分配和控制的重要职能。但是，长期运行、复杂的操作环境以及设备老化等问题逐渐显现，使得设备故障成为了变电站安全运行的一大隐患。这些故障可能导致电力系统的中断和经济损失，甚至可能引起严重的安全事故，对社会运作和民众生活造成重大影响。
2、传统的变电站设备状态评估方法往往依赖于经验判断、定期巡检和简单的统计分析，其存在以下几个主要问题：
3、人工依赖性强：传统的维护和监测方法主要依赖于运维人员的个人经验和判断，这种方式带有一定的主观性和不一致性。此外，这种依赖人工的方法难以实现高效的自动化监测和预警系统，限制了其在紧急情况下的响应速度和处理能力。
4、实时监控不足：传统的设备维护通常采用定期巡查和周期性检测的方法，这导致无法做到对设备状态的持续和实时监控。因此，在设备发生故障或损坏时，这些问题往往难以被预测和及时识别，从而对设备的整体可靠性和运行效率造成影响。
5、检测精度有限：传统的故障检测方法多聚焦于识别设备的显著故障迹象，往往忽视了对设备运行数据中的深层次模式和细微异常的分析。这种表层的检测方法限制了故障预测的准确性和细致性，使得故障处理往往只能在问题显现后才能进行，而不是在问题形成的早期阶段。
6、为了解决上述问题，近年来，基于大数据的多元化状态评估方法受到了广泛关注。特别是在变电站设备及环境较为复杂的背景下，利用基于大数据的多元状态估计技术创建健康状态评估模型这一方法给实际的故障诊断、检修及运维提供了有力的数据及理论支撑，其核心思想是学习训练设备正常运行工况下参数之间的关系，建立相应的健康状态评估模型。
7、该模型能够同时监测多个状态参数，无需单独建模，从而减少了计算量，提高在复杂环境中的决策的准确性。此外，利用滑动窗口残差统计法可以通过分析设备的观测向量和估计向量之间的差值，并设置相应的界限阈值，以实现对变电站设备的故障分析及预警，从而助力于预防性维护。因此，利用基于大数据的多元状态估计技术对变电站设备进行健康状态估计，并充分考虑设备的全周期内特性变化，对变电站设备的性能劣化过程进行追踪和评估，最终进行状态评分与分级的方法具有重要的理论意义和应用价值。本发明旨在克服传统方法存在的局限性，利用大数据技术、多元化状态评估技术以及健康状态模型进行计算分析，为变电站设备故障诊断智慧化及全周期化运维提供了技术支持。
技术实现思路
1、本发明的目的在于提供一种变电站多元化设备状态评估方法，以解决上述技术问题。
2、为实现上述目的本发明采用以下技术方案：
3、一种变电站多元化设备状态评估方法，包括如下步骤：
4、步骤1)：部署传感器和数据采集系统；
5、利用热电偶和热电阻工业级传感器来测量精确值，包括设备运行温度和传感器温度，在设备的关键位置部署传感器，通过数据采集及传输系统，包括响应的硬件设备和通讯接口，并将传感器中收集得到的数据通过系统传输至中心监控系统以便后续进一步分析；
6、步骤2)：收集数据与传输；
7、根据变电站设备的实际运行情况和监控需求，设定一个数据采集频率，同时建立据传输系统与路线，以确保实时采集的数据能够即使发送到数据分析监控中心；
8、收集的数据包括：变电站中的变压器、开关柜和智能设备，检测的电气参数包括电压、电流、负载率、功率因数及谐波失真，在环境监控方面，包括环境温度、湿度和柜内温度，同时，运行状态检测涵盖通信性能、中断警告和表记指示异常，即从变电站整体到每一个设备内部的运行状态均有涵盖；
9、步骤3)：数据预处理；
10、对收集到的原始数据进行清洗，排除噪音和明显的误差值；
11、同时对数据通过最大值最小值进行归一化处理，以消除不同传感器和测量单位带来的差异，确保数据所有得到的数据指标均在0到1的范围内，进行跨指标的比较，所用公式如下：其中xi为原始数据，xmax为数据集中的最大值，xmin为数据集中的最小值；
12、检测并处理数据中的异常值，如根据历史数据范围设定阈值，超出阈值的数据需要进行额外的校验或排除；
13、步骤4)：训练数据集选择与构造；
14、经由去除离群点的操作后，选择在设备正常运行时期的数据作为训练集，将这些数据组成训练矩阵k，公式为：k＝[x(t1),x(t2),x(t3),…,x(tk)]，式中x(t)表示t时刻时变电站内设备的状态向量，设置观测向量矩阵x(tj)，公式为
15、x(tj)＝[x1(tj),x2(tj),x3(tj),…,xn(tj)]xt
16、式中xi(tj)表示tj时刻时第i个观测参数的结果；
17、步骤5)：健康状态矩阵构建；
18、通过上述两个所构建的矩阵k和x(tj)，经由大数据算法分析，在其基础上创建一个全新的矩阵d，即为健康状态矩阵，公式为：
19、其中矩阵d的维度为n*m维，含义为n次观测的变量数量m；
20、再构造完健康状态估计矩阵d后，训练矩阵k中所剩的列向量即为剩余训练矩阵l，其中训练矩阵k为健康状态估计矩阵d和剩余训练矩阵l的并集；
21、步骤6)：动态建模；
22、将设备的实时观察值xobs和健康状态估计矩阵d进行做差，得出的结果即为估计状态向量xest,公式为：
23、xest＝dw＝d[w1,w2,…,wm]t
24、w＝(dtd)-1dtxobs
25、∈＝xest-xobs
26、其中w为权重向量，∈为残差；
27、当变电站内部设备出现故障时，实时观察值xobs和健康状态估计矩阵d中的历史数据组合无法得出响应的估计值，造成残差∈的结果增加，通过此点来判断设备内部是否出现故障；
28、步骤7)：设置故障阈值；
29、由公式计算单个滑动窗口的残差均值，其结果表示在某一时间段内的平均偏差，再计算得出的故障偏离阈值ean＝±k×en，其中变电站内设备正常运行时的最大残差的绝对值为en，通过系数k来调整阈值的灵敏度；
30、并由超出阈值的量来定级，分别分为状态严重异常、状态异常、状态一般、状态良好。
31、与现有技术相比，本发明具有以下优点：本发明一种变电站多元化设备状态评估方法，可以通过大数据及相关技术，即使对变电站设备的有效运行参数进行采集和训练。
32、通过对变电站设备的健康状态估计，为变电站设备故障诊断和智慧化运维提供技术基础与数据支撑，使得评估过程更具有综合性以及全周期性。
33、通过报告生成与决策支持以及检修记录的回溯等功能，提高了对变电站整体及各个设备健康状态的监控和管理效率。
技术特征：
1.一种变电站多元化设备状态评估方法，其特征在于，包括如下步骤：步骤1)、部署传感器和数据采集系统；步骤2)、收集数据与传输；步骤3)、数据预处理；步骤4)、训练数据集选择与构造；步骤5)、健康状态矩阵构建；步骤6)、动态建模；步骤7)、设置故障阈值。
2.如权利要求1所述的一种变电站多元化设备状态评估方法，其特征在于，所述步骤1)部署传感器和数据采集系统具体步骤如下：利用热电偶和热电阻工业级传感器来测量精确值，包括设备运行温度和传感器温度，在设备的关键位置部署传感器，通过数据采集及传输系统，包括响应的硬件设备和通讯接口，并将传感器中收集得到的数据通过系统传输至中心监控系统以便后续进一步分析。
3.如权利要求1所述的一种变电站多元化设备状态评估方法，其特征在于，所述步骤2)收集数据与传输具体步骤如下：根据变电站设备的实际运行情况和监控需求，设定一个数据采集频率，同时建立据传输系统与路线，以确保实时采集的数据能够即使发送到数据分析监控中心；同时，运行状态检测涵盖通信性能、中断警告和表记指示异常，即从变电站整体到每一个设备内部的运行状态均有涵盖。
4.如权利要求3所述的一种变电站多元化设备状态评估方法，其特征在于，检测的电气参数包括电压、电流、负载率、功率因数及谐波失真，在环境监控方面，包括环境温度、湿度和柜内温度。
5.如权利要求3所述的一种变电站多元化设备状态评估方法，其特征在于，收集的数据包括：变电站中的变压器、开关柜和智能设备。
6.如权利要求1所述的一种变电站多元化设备状态评估方法，其特征在于，步骤3)数据预处理具体步骤如下：对收集到的原始数据进行清洗，排除噪音和明显的误差值；同时对数据通过最大值最小值进行归一化处理，以消除不同传感器和测量单位带来的差异，确保数据所有得到的数据指标均在0到1的范围内，进行跨指标的比较，所用公式如下：其中xi为原始数据，xmax为数据集中的最大值，xmin为数据集中的最小值；检测并处理数据中的异常值，如根据历史数据范围设定阈值，超出阈值的数据需要进行额外的校验或排除。
7.如权利要求1所述的一种变电站多元化设备状态评估方法，其特征在于，步骤4)训练数据集选择与构造具体步骤如下：
8.如权利要求1所述的一种变电站多元化设备状态评估方法，其特征在于，步骤5)健康状态矩阵构建具体步骤如下：
9.如权利要求1所述的一种变电站多元化设备状态评估方法，其特征在于，步骤6)动态建模具体步骤如下：
10.如权利要求1所述的一种变电站多元化设备状态评估方法，其特征在于，步骤7)设置故障阈值具体步骤如下：
技术总结
本发明公开了一种变电站多元化设备状态评估方法，用于变电站内部设备及其整体的状态的全周期评估；该方法开始于设定检测指标，并部署传感器及数据采集系统，以收集设备的全周期监控数据。经归一化及去除异常值处理后的数据，通过基于大数据的多元状态估计法构建了一个健康状态评估模型。此外，利用滑动窗口残差统计法，设置响应的阈值以达到对配电站设备进行故障预警的目的，最终生成状态评分和分级报告，导入维修回溯系统以为持续提供运维建议。为变电站设备故障诊断和智慧化运维提供技术基础与数据支撑，使得评估过程更具有综合性以及全周期性。提高了对变电站整体及各个设备健康状态的监控和管理效率。
技术研发人员：乔亚兴,乐弘习,黄川,陈张宇,解智刚,章程熙,孔凡群,陈伟,赵皓明,侯宇轩,倪静雯,赵煜,刘思怡,高亿文,王哲斐,贺润平,蒋宜霖
受保护的技术使用者：国网上海市电力公司
技术研发日：
技术公布日：2024/9/23