基于大数据平台的红外专家系统在智能变电设备中的诊断
基于大数据分析的风电机组在线监测与故障诊断系统研究
基于大数据分析的风电机组在线监测与故障诊断系统研究随着能源需求的不断增长,风电发电已成为可再生能源的重要组成部分之一。
然而,由于风电机组的特殊性和复杂性,其运行状态的监测和故障诊断一直是一个关键问题。
基于大数据分析的风电机组在线监测与故障诊断系统的研究,为实现风电机组的可靠性和经济性提供了新的解决方案。
一、背景介绍风电机组是将风能转化为电能的设备。
然而,由于风能的不可控性和不稳定性,风电机组的可靠性和安全性一直是一个重要问题。
传统的风电机组监测方法主要依靠人工巡检和传感器检测,但这种方法效率低、成本高,并且无法全面监测和诊断风电机组的故障。
因此,基于大数据分析的风电机组在线监测与故障诊断系统的研究迫在眉睫。
二、研究目标通过基于大数据分析的风电机组在线监测与故障诊断系统的研究,旨在实现以下目标:1. 提高风电机组的可靠性和安全性;2. 实现对风电机组全面、实时的监测与诊断;3. 提高故障诊断的准确性和效率;4. 降低风电机组的运维成本。
三、研究方法1. 数据采集与存储:通过传感器和监测设备采集风电机组的运行数据,包括温度、振动、电流等参数,并将数据进行实时存储。
2. 数据预处理:对采集的原始数据进行去噪、滤波和归一化处理,提高数据的准确性和可用性。
3. 特征提取与选择:根据风电机组的工作原理和故障模式,提取与故障诊断相关的特征,并通过特征选择方法选取最具区分性的特征。
4. 模型建立与训练:基于机器学习和深度学习算法,建立风电机组故障诊断模型,并通过训练模型来提高故障诊断的准确性和效率。
5. 系统开发与应用:基于上述研究成果,开发基于大数据分析的风电机组在线监测与故障诊断系统,并将其应用于实际风电场进行系统测试和验证。
四、研究意义基于大数据分析的风电机组在线监测与故障诊断系统的研究具有以下意义:1. 提高风电机组的可靠性和安全性,减少停机时间和损失;2. 实现对风电机组全面、实时的监测与诊断,及早发现和解决问题;3. 提高故障诊断的准确性和效率,降低误报率和漏报率;4. 降低风电机组的运维成本,节省人力和物力资源。
电力设备部件故障诊断中的大数据分析与预警
电力设备部件故障诊断中的大数据分析与预警随着电力设备的不断发展和智能化水平的提高,大数据分析和预警技术在电力设备的故障诊断中发挥了重要作用。
本文将从大数据分析与预警的概念、应用领域和优势等方面进行介绍,并分析其在电力设备部件故障诊断中的具体应用。
一、大数据分析与预警的概念大数据分析是指利用各种数据处理技术和算法,从海量、复杂、多样化的数据中提取有用的信息和知识,以支持决策和解决实际问题的方法。
大数据预警是指在大数据分析的基础上,通过对故障特征的提取和模式匹配,实现对电力设备故障的早期预警和监控。
二、大数据分析与预警的应用领域大数据分析与预警技术在电力设备部件故障诊断中有广泛的应用。
首先,它可以为电力设备的维护保养提供支持。
通过对大量历史运行数据的分析,可以确定设备的寿命模型和性能退化规律,进而制定合理的维护策略,提高设备的可靠性和寿命。
其次,大数据分析与预警还可以用于故障诊断和故障预测。
通过分析设备运行数据、传感器数据以及其他相关数据,可以实时监测设备的状态和运行情况,及时发现故障并进行预测,提高故障处理的效率和准确性。
另外,大数据分析与预警还可以应用于电力设备的负荷预测和能源管理等领域,提高电力系统的运行效率和能源利用率。
三、大数据分析与预警在电力设备部件故障诊断中的具体应用1. 预警模型的构建在电力设备部件故障诊断中,首先需要构建预警模型,通过对历史故障数据和监测数据的分析,建立设备的故障特征模型,确定故障的预警指标。
预警指标可以是电流、温度、振动等与设备运行状态相关的参数,通过对这些参数进行实时监测和分析,可以实现对故障的预测和诊断。
2. 数据采集与处理大数据分析与预警需要获取大量的设备运行数据和监测数据。
这些数据可以通过传感器、监测设备和数据采集系统等手段进行采集。
采集到的原始数据需要进行清洗、整理和处理,去除噪声和异常值,提取有用的特征和参数。
3. 数据分析与建模在数据采集和处理完成后,需要对数据进行分析和建模。
基于红外图像处理的变电站设备故障诊断
基于红外图像处理的变电站设备故障诊断发表时间:2019-11-20T16:40:27.250Z 来源:《基层建设》2019年第24期作者:李宇娟[导读] 摘要:红外检测技术作为其中一项重要的检测手段,在电力系统中得到了广泛的应用。
国网山西省电力公司阳城县供电公司山西省晋城市阳城县 048100摘要:红外检测技术作为其中一项重要的检测手段,在电力系统中得到了广泛的应用。
该技术的应用大大的提高了电力系统故障与缺陷的预警能力,避免相应事故的发生并在很大程度上减少了不必要的停电。
本文研究利用图像处理技术实现变电站电气设备的故障检测,提升红外诊断技术的检测水平。
关键词:电气设备;红外图像;故障检测1红外图像特点分析(1)红外图像与可见光图像相比,成像效果较模糊——红外图像的噪声大,对比度低;同时,红外检测仪器的镜头受到硬件条件的限制,感光能力与探测能力常常难以满足清晰度的需求,这也导致红外图像清晰度不能达到可见光图像水平,这是难以避免的。
(2)红外图像本身是灰度图像,它表现的是物体和其周边环境的温度信息,没有阴影等细节信息,使得分辨潜力较差、分辨率也并不是很高。
(3)红外辐射的能力强,辐射距离远,这个特点保证了红外图像是不可替代的。
(4)不受光线亮度或天气的影响,在夜晚或者是气候恶劣下的天气下仍然工作,不受时间的限制。
(5)抗干扰能力强,照明闪光、爆炸等强光并不会影响到红外拍摄效果。
2电力系统中常用的红外检测设备(1)红外测温仪红外测温仪是一种架构简单、造价相对较低的温度检测仪器,它只能测量设备表面上某一点及其周围区域的平均温度,因此俗称红外点温仪,它是一种非成像型的红外检测仪器,结构简单、使用方便,在不要求精确测量的情况下,常常采用红外测温仪尽心测量。
利用红外测温仪进行检测时,它的工作流程可以表示为:被测设备的红外辐射能量—透镜—红外滤光片—探测器—放大器—显示温度信息。
其中透镜的作用是汇集被测设备的红外辐射能量;光电探测器的作用是把光信号转换成电信号,输出给放大器;信号放大及处理系统的主要作用是放大微弱的电信号。
基于红外图像处理的变电设备热故障自动诊断方法分析
基于红外图像处理的变电设备热故障自动诊断方法分析摘要:本文首先介绍了利用改进区域生长法分割红外图像,其主要内容包括基于红外图像处理的变电设备热故障自动诊断方法在两种方法的基础之上,结合了其自身的优点,将区域生长法以及二维Otsu阙值法有效结合,实现了红外图像的分割。
文章紧接着阐述了利用像素统计划分变电设备结构区域以及热故障诊断与定位。
在文章最后讨论了变电设备热故障诊断实例分析,得到了基于红外图像处理的变电设备热故障自动诊断方法有着更好的诊断成功率的结论。
关键词:红外图像处理;变电设备;热故障;自动诊断;方法分析引言随着我国经济与社会的快速发展,红外图像处理技术逐渐被应用到电力系统的日常工作中,其中,最为广泛使用的就是在电力设备的运维检修工作中。
其中,基于红外图像处理的变电设备热故障自动诊断方法的运行流程为:(1)相关工作人员在变电设备的周围使用技术,并且获得红外图像;(2)检测工作人员根据其自身得到的红外图像对变电设备进行故障诊断、温度指标计算以及结构划分;(3)将得到的数据结果直接导入运维系统,根据相关程序的直接运行,得到了对应的故障诊断报告,及时采取存档操作[1]。
1 利用改进区域生长法分割红外图像在实际变电设备热故障诊断工作中,常用的图像分割方法主要包括:区域生长法以及阙值法。
相对来说,阙值法不需要大量的计算公式以及计算数据,主要可以将图像分隔成为:最大熵法、二维Otsu阙值法以及一维Otsu阙值法等图。
但是实际使用中很有可能会出现目标灰度值相近的背景区域,导致计算结果的不准确,直接影响到最终变电设备热故障的诊断问题,为相关工作人员的后续操作增添了很大的工作量以及工作难度。
区域生长法分割图像相对与阈值法来说,可以更好的减少背景干扰。
但是其需要相关操作人员重视生长准则的确定以及种子像素的选取工作,因为这工作直接决定了区域生长法分割图像分割结果的质量水平。
基于红外图像处理的变电设备热故障自动诊断方法在两种方法的基础之上,结合了其自身的优点,将区域生长法以及二维Otsu阙值法有效结合,实现了红外图像的分割。
基于大数据分析的配电网故障检测和诊断技术研究
Telecom Power Technology运营维护技术基于大数据分析的配电网故障检测和诊断技术研究王键(重庆文理学院,重庆 402160随着智能电网的发展,如何深挖配电网大数据价值,提升配电网故障检测和诊断效率变得尤为重要。
为充分利用和开发配电网大数据,提升配电网故障检测和诊断效率,减少配电网故障问题,更好地提升供电服务质量,文章采用文献分析研究的方法,并结合工作经验,从配电网自动化系统、配电网大数据、配电网常见异常问题以及大数据分析技术等多个维度出发,探寻配电网故障检测和诊断的实现模式、处理流程、分析方法及策略。
文章系统地阐述基于大数据分析技术的配电网状态监测与故障处理流程,并提出相应的故障定位隔离与非故障区域恢复分析大数据分析;配电网故障检测;故障诊断Research on Fault Detection and Diagnosis Technology of Distribution Network Based onBig Data AnalysisWANG Jian(Chongqing University of Arts and Sciences, Chongqing 2024年2月10日第41卷第3期231 Telecom Power TechnologyFeb. 10, 2024, Vol.41 No.3王 键:基于大数据分析的配电网故障检测和诊断技术研究对多元状态信息的需求,实现对电网信息的多元采集和捕获。
配电网大数据主要来源于电网业务数据和电网系统运行环境相关的气象、地理、环境等数据。
其中,电网业务数据主要来源于3个方向,即电网运行和设备监测或检测数据、电力企业营销数据、电力企业管理数据。
根据数据的内在结构形式,可以将这些数据细分为结构化数据、半结构化数据和非结构化数据,不同的数据需要不同的存储与处理方式。
2.2 数据特点配电网大数据基于区域用户数量,拥有数十万乃至百万、千万的数据采集点,需要监测的设备数量巨大。
基于红外热成像原理的电气设备故障诊断
2023-11-12CATALOGUE目录•引言•红外热成像原理及电气设备故障诊断概述•基于红外热成像的电气设备故障诊断技术•基于红外热成像的电气设备故障诊断案例分析•基于红外热成像的电气设备故障诊断的优缺点及改进方向•结论与展望01引言红外热成像技术发展历程电气设备故障诊断的必要性红外热成像在电气设备故障诊断中的应用背景介绍研究基于红外热成像原理的电气设备故障诊断方法,提高故障诊断的准确性和效率。
意义通过应用红外热成像技术,可以非接触、远距离、快速、准确地检测和诊断电气设备中的故障,降低设备损坏和事故发生的概率,提高电力系统的稳定性和可靠性。
同时,该研究对于其他领域,如机械、汽车、航空航天等,也有重要的借鉴意义和应用价值。
目的研究目的和意义VS02红外热成像原理及电气设备故障诊断概述红外热成像原理红外热成像技术是一种利用红外辐射探测目标物体的温度分布和状态变化的方法。
在电气设备故障诊断中,通过测量设备在不同状态下的红外辐射,可以判断设备是否正常运行以及故障类型。
红外热成像原理红外热成像系统的组成红外热成像系统主要由红外探测器、光学系统、信号处理和显示等部分组成。
其中,红外探测器负责接收目标物体的红外辐射,光学系统用于聚焦和传输辐射,信号处理和显示部分则对辐射进行数据处理和可视化呈现。
红外热成像的应用范围红外热成像技术广泛应用于电气设备故障诊断、工业设备检测、建筑结构检测等领域,具有非接触、实时、高效等特点。
电气设备故障诊断概述电气设备故障类型电气设备故障主要包括短路、断路、接触不良、过载等类型。
这些故障会导致设备温度升高、功率损耗增加,严重时甚至可能导致设备损坏或火灾。
电气设备故障诊断方法传统的电气设备故障诊断方法主要包括直接观察法、耳听法、触摸法等,这些方法虽然简单直观,但对于某些复杂故障类型往往难以准确判断。
因此,基于红外热成像的故障诊断方法得到了广泛应用。
基于红外热成像的故障诊断优势基于红外热成像的故障诊断方法可以非接触地检测设备表面温度分布,通过比较设备正常运行和故障状态下的温度分布差异,判断故障类型和位置。
基于大数据和人工智能的新能源设备预警管理系统研究
基于大数据和人工智能的新能源设备预警管理系统研究发布时间:2022-08-30T04:00:54.081Z 来源:《科技新时代》2022年第2期第1月作者:党继平唐俊[导读] 近年来,内蒙古蒙西电网新能源行业快速发展,党继平唐俊中广核新能源投资(深圳)有限公司内蒙古分公司内蒙古呼和浩特市 010010 摘要:近年来,内蒙古蒙西电网新能源行业快速发展,截至2018 年底,蒙西电网累计装机约6900万千瓦,新能源累计装机约2830万千瓦,其中运行超5年以上新能源老旧场站占比达到75.85%。
2020年9月22日,习近平总书记在75届联合国大会上庄严宣告:“2030年前中国要碳达峰,2060年实现碳中和”,毕竟引起国内新能源发电市场的大规模开发,新能源电站数量和业务规模将同步快速增长,电站遍布中国各省。
但是随着新能源电站数量的急剧攀升,及老旧机型问题日益凸显。
关键词:大数据;人工智能;新能源设备;预警管理一、背景1、众多电站分散与集中式运维管理的矛盾电站数量众多、场址分散,所处地区不同,发电机理不同、布置方式不同、受辖电网不同,且电站监控系统功能简单,无高效的数据整合、统计、分析能力,呈现方式过于单一,无法满足客户的多样性的需求。
发电企业生产运维由分散型向集约型发展是大势所趋。
2、安全隐患、经济损失日益明显成规模的大量设备出质保,老旧机型设备故障频发,带来大量的安全隐患,同时因为大量故障停机造成发电量损失金额日益增大。
而目前无法及时、全面获取设备运维状态信息、无法提前预警设备故障、无法及时调动排程运维队伍都是摆在新能源运维人面前的挑战。
3、经济效益压力与日俱增平价上网、限电、设备故障等因素对新能源企业在生产运维阶段成本方面形成巨大压力,在创造利润方面又形成了极大的阻碍。
如何有效提升设备可靠性,增加设备有效利用小时数,作为一个重要的课题摆在新能源人的面前。
4、提升设备性能迫在眉睫设备性能提升主要有以下几个方面:对老旧机组提供长期的、可靠的、稳定的、持续的服务,提升性能。
红外热成像技术对高压电气设备的诊断与分析
红外热成像技术对高压电气设备的诊断与分析作者:肖远文来源:《山东工业技术》2018年第14期摘要:红外热成像诊断技术是在专家系统为核心基础上发展起来的,并按照相关的诊断结果规范了热故障处理措施与等级,之后达到红外热成像处理高压电气设备的目的,实现自动识别和处理故障的目的。
文章以高压电气设备诊断与分析中红外热成像技术应用的相关内容进行了探究。
关键词:红外热成像;高压电气;设备诊断DOI:10.16640/ki.37-1222/t.2018.14.138随着长时间运行电力设备,发热一般是十分严重的故障。
如果在过热状态下运行电力设备,将引起设备材料的电气、物理、化学和机械等反面的恶化,进而使得设备被损坏,影响电网的可靠、稳定运行质量、所以,采用先进的红外热成像技术诊断与分析高压电气设备中存在的问题,从而确保电力系统安全、稳定的运行。
1 红外热成像诊断技术1.1 技术原理分析热传感器所采集的物体热辐射能是红外成像的核心技术,从而实现吸纳成像以及后期PC 制作的红外非接触式热成像技术,随着在电力系统中广泛的应用了热力学技术后,在状态监测以及诊断故障时,也广泛的应用了红外热成像技术。
此技术具有应用安全、测量精度高、诊断效率优越以及操作性强的优点。
该技术还可以在安全的范围内对设备的温度值进行测量,把它转变为红外热成像值,然后精确量化处理被测设备的热量值。
1.2 具体的诊断操作流程分析1.2.1 滤除噪声有较多的因素会影响到红外辐射数据,比如,所测高压设备的四周物理环境、所测物体的红外热发射率、临近高压装置的热辐射以及太阳热能。
为了将精确的符合数据获取出来,把一些带来影响的噪声降低。
首先,确保操作人员科学的应用红外热像仪,并把技术参数科学的设置出来;其次,后期处理噪声,能够在频域或者时域范围内实现图像的运算分析,例如通过中值滤波以及邻域平均等算法,然而,所谈及的滤波算法只适用于几种噪声或者一种噪声的信号。
为了将十分精确的高压设备红外特征数据信息获取出来,可以通过小波法滤除频域—时域范围内的噪声。
变电站远程红外在线检测系统技术方案
变电站远程红外在线检测系统技术方案南京国业科技有限公司1目录一概述 (3)1.1发展必要 (3)1.2设计定位 (4)1.2.1 设计定位 (4)1.2.2 系统特征 (4)1.3系统目的 (4)二体系结构 (5)2.1系统结构 (5)2.2功能 (7)三实现方法 (8)3.1系统连接方式 (8)3.2通信方式: (8)3.3变电站安装: (9)3.4设备清单 (10)3.3方案说明: (11)四系统功能 (12)4.1视频监控 (12)4.2远端调节 (12)4.2.1 正常模式 (13)4.2.2 非正常状态 (13)4.3数据采集 (13)4.4报警功能 (14)4.5报表系统 (14)4.6图形界面 (15)4.7报警追忆 (15)4.8历史数据 (15)五系统技术指标 (16)5.1红外热像仪技术指标 (16)5.2系统指标 (16)六实现效果 (17)2一概述1.1 发展必要随着电力系统的发展,对用电的可靠性要求越来越高。
随着无人值守的普及和智能化变电站的推广,目前,电力企业运行人员不断减少,而检修的成本不断提高。
为此,从现在的计划检修正向状态检修转变。
目前,我国变电站电气设备的检测工作,主要仍是按照《电气设备预防性试验规程》的要求定期进行预防性试验。
根据试验的结果来判断设备的运行状况,从而确定其是否可以继续投入运行。
长期以来坚持预防性试验对我国电力系统的安全运行起到了很大的作用,但随着电力系统大容量化、高电压化和结构复杂化,随着工农业生产的发展和用电部门重要性的提高,对电力系统的安全可靠性指标的要求也越来越高。
这种传统的试验与诊断方法已显得越来越不适应,主要表现在:1)试验时需要停电。
造成少送电及对经济生活带来一定的影响,在某些情况下,由于系统运行的要求,设备无法停电,往往造成漏试或超周期试验,这就难以及时诊断出故障缺陷。
2)试验周期长。
预防性试验的周期一般为一年,一些发展较快的故障很容易在两次规定试验之间的时间内发展成为事故。
基于大数据的智慧电网故障检测与自愈技术研究
基于大数据的智慧电网故障检测与自愈技术研究随着社会的发展和电力需求的增加,电网故障对于人们的生活和生产造成了严重影响。
因此,基于大数据的智慧电网故障检测与自愈技术成为了电力行业的研究热点。
本文将探讨基于大数据的智慧电网故障检测与自愈技术的研究进展和应用前景。
智慧电网是指通过网络、通信和信息技术将传统电网与信息技术融合,实现能源高效利用、灵活调度和智能管理的新一代电网系统。
而智慧电网故障检测与自愈技术是智慧电网系统中的核心技术之一。
基于大数据的智慧电网故障检测与自愈技术通过收集电网各个环节的大量数据,并利用数据挖掘、机器学习等技术进行分析和处理,能够在故障发生前进行故障预警,减少或防止故障事故的发生。
同时,该技术还能够实现电网故障的自动识别、定位和隔离,从而提高电网系统的可靠性和安全性。
在智慧电网故障检测方面,基于大数据的技术可以实时监测电网中各个设备的运行状态,包括变压器、开关和导线等,通过传感器获取数据,然后借助数据分析算法对这些数据进行处理和分析,从而发现异常和潜在故障。
例如,通过监测电流、电压的变化情况来判断设备是否正常运行,如果数据超过了设定的阈值,系统将自动发出警报,通知相关人员进行处理。
这种故障检测的方法可以提前发现潜在故障,从而降低故障的发生概率,保障电网的安全运行。
在智慧电网故障自愈方面,基于大数据的技术可以帮助电网系统实现自动化的故障处理和恢复。
一旦故障发生,系统将自动识别故障位置,并发送指令给相应的设备进行隔离和切换。
同时,通过分析历史故障数据和实时数据,系统可以选择最优的自愈策略,并对系统进行恢复和优化,从而快速恢复电网的正常运行。
这种智能化的故障处理方式,不仅能够减少人工干预,提高故障处理的效率,还能够降低系统停电时间和电网损失。
基于大数据的智慧电网故障检测与自愈技术的研究在实际应用中取得了一定的成果。
例如,2016年,中国南方电网公司在广东地区实施了基于大数据的智慧电网故障检测与自愈技术,在实际运行中取得了显著的效果。
带电设备红外诊断应用规范 (1)(3)
铁磁损耗致热性设备
110kV#2主变升高座底部 漏磁缺陷
变压器大盖螺栓发热
电压分布异常和泄漏电流增大致热性
35kV隔离开关表面污秽 严重引起的发热
复兴变500kV隔离开关表面污秽 严重引起的发热
缺油及其他故障
110kV#2主变C相套管 缺油故障
220kV#1主变C相套管缺油故障
缺油及其他故障
2 规范性引用文件
• GB/T 6592 电工和电子测量设备性能表示(GB/T 65921996, IEC 60359:1987 , IDT ) • GB/T 11022 高压开关设备和控制设备标准的共同技术要 求(GB/T 11022-1999,IEC60694:1996, EQV ) • DL 408 电业安全工作规程(发电厂和变电所电气部分) • DL 409 电业安全工作规程(电力线路部分) • IEC 60068 电工电子产品环境试验 • IEC 61000 电磁兼容
电流致热性设备
岗市变500kV隔离开关接触不 良缺陷
船山变220kV2母跳线路触不 良缺陷
电流致热性设备
云田500kV电流互感器柱头接 触不良缺陷
云田变500kV#2主变中压套管柱内 部接触不良缺陷
3 术语和定义
3.9 综合致热型设备 既有电压效应,又有或磁回路组成的高压电气设备,由于铁芯的磁 滞、涡流产生的损耗称为铁磁损。如果由于设备结构 设计不合理、运行不正常,或者由于铁芯材质不良, 铁芯片间绝缘受损,出现局部或多点短路,引起磁滞 或磁饱和在铁芯片间短路处生产短路环流,增大铁损 并导致局部过热。对于变压器、电抗器,还会在铁制 箱体产生涡流发热。由于交变磁场的作用,电器内部 或截流导体附近的非磁性导电材料制成的零部件有时 也会产生涡流损耗。
基于大数据的智能电网监测与故障诊断技术研究
基于大数据的智能电网监测与故障诊断技术研究智能电网监测与故障诊断技术的快速发展和应用,为电网的稳定运行和故障处理提供了全新的解决方案。
通过利用大数据的分析和处理,智能电网监测与故障诊断技术有效地提高了电网的可靠性和可用性,提升了电力系统的运行效率和安全性。
一、智能电网监测技术的研究与应用1. 大数据分析技术的应用智能电网监测技术主要依赖于大数据的采集、存储和分析。
通过高精度传感器的监测和实时数据的采集,大数据分析技术可以对电网各个部分的运行状态进行全面监测。
这些数据包括电网的电流、电压、频率、功率等关键指标,通过对这些指标的分析,智能电网监测系统可以实现故障预警和故障诊断。
2. 数据挖掘和机器学习算法的应用智能电网监测系统通过对大数据进行挖掘和分析,结合机器学习算法,可以实现对电网的异常行为的识别和预测。
通过建立数据模型和规则模型,可以判断电网是否存在潜在的故障隐患,及时提醒运维人员进行处理。
而机器学习算法可以对历史数据进行学习和训练,提高对未知故障的预测准确性。
3. 实时监测与综合管理平台的建设智能电网监测技术需要建立一个实时监测与综合管理平台,将各个监测节点和传感器的数据进行集中管理和分析。
通过这个平台,运维人员可以实时获取电网的运行状态和数据指标,及时发现并解决潜在的故障问题。
同时,该平台还可以结合相关数据进行大范围的统计分析和预测,为电网的规划和升级提供科学依据。
二、智能电网故障诊断技术的研究与应用1. 智能故障诊断算法的研究智能电网故障诊断技术旨在通过大数据分析和故障模型建立,快速、准确地判断电网中的故障类型和位置。
利用大数据技术,可以对电压波动、电流异常、频率不稳等故障指标进行实时监测,并结合故障模型进行诊断。
同时,结合人工智能技术,可以提高故障诊断的准确性和速度。
2. 故障诊断决策的优化与智能化在电网故障处理中,及时、准确地做出决策对于电网的稳定运行至关重要。
智能电网故障诊断技术通过将大数据与优化算法相结合,可以帮助运维人员更快速地做出决策。
基于大数据分析的智能电力配电系统研究与设计
基于大数据分析的智能电力配电系统研究与设计智能电力配电系统是应用大数据分析技术在电力行业中的一项重要应用。
随着科技的不断进步和人们对电力供应质量的要求越来越高,传统的电力配电系统已经难以满足现代化的需求。
因此,基于大数据分析的智能电力配电系统的研究与设计成为了一个重要的课题。
为了满足任务名称描述的需求,本文将对基于大数据分析的智能电力配电系统进行深入研究和设计。
首先,我们将介绍智能电力配电系统的基本原理和功能。
然后,我们将讨论大数据分析在智能电力配电系统中的应用。
最后,我们将详细阐述智能电力配电系统的设计方案。
智能电力配电系统是一种能够实现智能化管理和优化电力供应的系统。
它利用先进的传感器技术和通信技术,对电力设备进行监测、控制和调度,从而提高电力供应的可靠性和效率。
智能电力配电系统具有以下主要功能:1. 实时监测和故障检测:智能电力配电系统通过安装传感器设备对电力设备的运行状态进行实时监测,并能够准确地检测出电力设备的故障信息。
这有助于及时采取措施修复故障,从而保障电力供应的可靠性。
2. 智能调度和负载均衡:智能电力配电系统利用大数据分析技术对电力设备进行分析,并能够根据负载需求进行智能调度和负载均衡。
通过合理分配电力供应,可以使电力系统的负载合理分布,提高电力供应的效率。
3. 故障预测和预防:智能电力配电系统能够通过大数据分析技术对电力设备的数据进行分析,从中发现潜在的故障风险并进行预测。
通过提前进行维护,可以降低故障的发生率,提高电力供应的可靠性。
大数据分析在智能电力配电系统中起着重要的作用。
通过对大量的电力数据进行收集、存储和分析,可以得出对电力设备运行状态的准确预测和分析结果。
基于大数据分析的智能电力配电系统可以提供以下几个方面的应用:1. 故障检测和诊断:基于大数据分析的智能电力配电系统通过对电力设备数据的分析,可以实时检测出潜在的故障,并对故障进行准确诊断。
这有助于及时采取措施修复故障,提高电力设备的可靠性。
基于大数据分析的变电站设备智能化巡检系统
基于大数据分析的变电站设备智能化巡检系统摘要:电力设备巡检是对变电站设备进行常规检修的基本工作。
当前电力企业普遍采取人工巡检为主,手持终端PDA为辅。
该工作模式可以实时巡检人员的位置,对巡检的就地率有基本的巡检功能,PDA可以自动输入设备信息,节约人工记录时间,但是仍然存在着不能满足实际巡检需求的问题,如监测数据复杂冗余、缺乏故障数据分析等。
同时,作为智能电网中的一个关键环节,变电站数量众多,分布广泛,地理位置人烟稀少,给电力系统的维护和管理造成了诸多的困难。
智能巡检与监管系统也将代替人工巡检和变电站监视控制系统,从而实现变电站管理的高度智能化。
关键词:大数据;变电站设备;智能化巡检系统引言电力企业的数字化转型,明确提出了利用在线监测、视频巡检、无人机、卫星遥感、智能单兵监测等多种信息源,以对电网设备状况进行精确的评价,为制定更有针对性的巡检和检修计划提供依据。
按照国家电网对变电站自动化运行的需求,各电力公司应利用高清视频、AI、无人机航测等技术,加强对变电站一次设备、二次保护监测屏柜、生产环境的多维度高清远程立体智能巡检,为电力行业的数字化升级、节能减排的绿色目标实现做出有力助推。
1.变电站传统巡检痛点传统的变电站人工巡检,大多是由地面工作人员沿巡检通道进行巡检和记录,传统的无人驾驶飞机,需要专业的飞行人员,因此受到了很大的限制。
传统的人巡+手控机巡线的常规巡检存在着如下困难:①人工巡检受限于视角,难以覆盖高层、中层设备,容易疏忽个别安全隐患;②采用手控机巡检方法,必须避开电力设施,对飞行人员的操作有很高的要求;③夏季高温炎热,工作强度大,工作风险大;④不能立即辨认出巡检图像,需要软件进行识别,再由人工进行复查,时效性较差。
随着电力网络规模的日益扩大,传统的变电站巡检技术模式面临诸多问题与挑战,迫切需要加强电力系统的信息化建设。
2.智能变电站巡检系统的必要性智能变电站是一种具有自动控制、智能调节、在线分析决策、协作交互等功能的变电站,它具有将电流、电压等电能转换为特定地区的电能。
红外热成像变电站智能监测预警网络系统
红外热成像变电站智能监测预警网络系统为了对变电站运营设备由过热引发的故障和损害进行有效地和准确地监测诊断,广州飒特红外系统软件有限公司与宝立信通科技有限公司合作,设计和开发以红外热成像技术、计算机网络传输技术,电力系统《电气设备带电红外诊断应用规范》为基础的新一代“红外热成像变电站智能监测预警网络系统”。
红外热成像网络变电站智能监测预警系统采用了分级监测管理系统架构和模块化设计,大大地提高了系统的可靠性、实时性、扩展性、兼容性。
变电站监控系统图1。
变电站监测系统架构图变电站监测系统是由监测器、监控工作站、网络集线器连接组成,实现对变电站内的电气设备定时或时地进行测温检测,并可实现全天候不间断的保安监视。
监测器可由双视、红外单视、可见光监测器混合构成:1、双视(红外和可见光)监测器可采用SAT-CK350-VN机型。
SAT-CK350-VN通过数字网线(CAT5)和TCP/IP网络通讯协议实现与监控工作站远程数据传输、摄像仪控制、云台控制。
双视监测器将红外测温、红外夜视、可见光视频有机地结合一起,实现了故障监测、保安监视、目标辨别等功能。
用户还可选择其它型号机型。
红外监测器可采用SAT-CK350-N机型(注:SAT-CK350-N与SAT-CK350-VN区别是没有可见光摄像仪)。
SAT-CK350-N通过数字网线(CAT5)和TCP/IP网络通讯协议实现与监控工作站远程数据传输、摄像仪控制、云台控制。
监测器将红外测温和红外夜视有机地结合一起,实现了故障监测、保安监视等功能。
用户还可选择其它型号机型。
∙可见光监测器可采用市场上现有的数字网络视频(CCD)监测器,实现了保安监视功能。
监控工作站是由一台工业电脑和监视屏组成。
监控工作站的主要功能:∙设置监测任务(时间、点、区域、温度);∙执行监测任务(定时、定点、人工);∙控制监测器(调焦、校温、移动);∙监测报警(声、光、报告);∙监测记录(录像、报告、日志等);∙向监控服务器发送报警图像、数据、报告;∙根据请求或定时向监控服务器发送监测记录;∙监测数据验证和分析(趋势图,报警核实)。
基于数据分析的电力系统场景智能识别与控制
基于数据分析的电力系统场景智能识别与控制一、前言电力系统是现代社会中极其重要的基础设施之一,对于企业、城市、乃至整个国家的发展都有着至关重要的作用。
然而,由于电力系统传统上采用的是大规模集中化控制方案,同时输电线路等设施普遍年代久远,电网安全、稳定等问题也越来越引起人们的重视。
为了改善这种状况,越来越多的电力设备开始采用物联网等智能化技术,数据分析技术也被广泛应用于电网智能化的各个领域中。
本文主要讨论基于数据分析的电力系统场景智能识别与控制。
二、电力系统场景智能识别电力系统场景智能识别是指通过监测电网中的各类信号数据,对电网场景进行模式识别与分类,从而实现对电力系统的精确控制。
其主要应用于以下几个方面:1.故障诊断与预知电力故障普遍存在于电力系统中,会对电网安全稳定造成威胁。
通过对电力信号数据的分析,可以实现对电力故障的诊断,发现并排除潜在的隐患,对电力系统进行预防性维护。
2.功率流控制功率流的合理分配是电力系统安全稳定的关键。
通过对电网大数据的分析,可以实现精确地计算电力系统中的功率流分配,并进行控制。
3.负荷预测电力系统中的负荷情况对电力系统的合理管理起着重要作用,实现对负荷的预测和调控是电力系统场景智能识别的重要目标。
三、数据分析在电力系统智能控制中的应用在电力系统智能控制中,数据分析技术可以通过对电力系统信号数据的分析,实现对电力系统的智能控制。
其主要应用如下:1.电力系统稳态优化通过对电网运行数据的采集和分析,可以实现对电力系统进行高效的稳态优化。
例如,根据负荷状态的变化,实现对线路的动态切换,进而实现电力系统稳态优化的目标。
2.电力系统质量分析通过对电力系统质量数据的采集和分析,可以高效地得到电力系统质量反馈信号,并及时采取控制措施。
3.电力系统安全控制在线路短路等异常情况发生时,需要对电力系统进行快速反应以保证系统的安全性。
基于数据分析的电力系统场景智能识别技术通过实时分析电网数据,可以较快地察觉并发出告警信号,实现电力系统的有效控制。
电力系统中基于人工智能的故障诊断与恢复策略研究
电力系统中基于人工智能的故障诊断与恢复策略研究随着电力系统规模的不断扩大和复杂性的增加,故障诊断与恢复策略对于电力系统的运行和稳定性变得越来越重要。
传统的故障诊断方法往往需要依赖人工经验和专业知识,效率低下且容易受到主观因素的影响。
而基于人工智能的故障诊断与恢复策略则能够充分利用大数据和机器学习技术,提高故障诊断的准确性和效率,减少故障对电力系统的影响。
一、基于人工智能的故障诊断技术人工智能在故障诊断领域的应用主要包括机器学习、深度学习和专家系统等技术。
机器学习技术通过对历史故障数据的学习和分析,可以建立故障预测模型或故障分类模型,用于判断电力系统的故障类型和发生概率。
深度学习技术则可以提取更高级别的特征,实现对复杂故障情况的判断和预测。
专家系统则是基于专家知识和规则构建的推理系统,通过与用户进行交互,可以提供准确的故障诊断结果和相应的恢复策略。
二、基于人工智能的故障恢复策略故障恢复策略是在发生故障后,对电力系统进行修复和恢复的一系列操作和措施。
基于人工智能的故障恢复策略主要包括智能设备管理、智能分布式发电和协同控制等。
智能设备管理通过对设备状态和性能数据的监测和分析,可以提前发现设备故障,并进行相应的维护和修复。
智能分布式发电技术则可以实现对分布式电源的优化管理,确保系统在故障情况下仍能正常供电。
协同控制技术可以实现对多个子系统的协同运行和故障自动隔离,提高电力系统的鲁棒性和可靠性。
三、挑战与问题尽管基于人工智能的故障诊断与恢复策略在理论和实践中取得了一定的进展,但仍面临一些挑战和问题。
首先,电力系统的复杂性和不确定性使得故障诊断和恢复变得更加困难。
其次,大数据的应用和数据安全问题也是当前亟待解决的难题。
此外,人工智能算法的解释性和可解释性也是一个需要关注的问题,因为对于电力系统来说,安全性和可靠性是至关重要的。
最后,人工智能技术的应用和普及需要大量的技术人才和专业知识的支持,这也是一个需要解决的问题。
基于大数据分析的智能电力负荷控制
基于大数据分析的智能电力负荷控制电力是现代社会不可或缺的基础设施之一,而电力负荷控制则成为了电力管理的重要环节。
基于大数据分析的智能电力负荷控制系统成为了解决电力负荷问题的有效手段。
本文将探讨基于大数据分析的智能电力负荷控制的原理、优势,并探讨其在实际应用中的前景。
一、智能电力负荷控制的原理智能电力负荷控制的核心原理在于通过大数据分析技术获取电力系统的相关数据,分析这些数据得出合理的负荷控制策略,并将控制指令传递给电力设备,实现负荷的合理分配和调控。
大数据分析技术能够处理和分析庞大的数据量,结合机器学习和人工智能等先进技术,可以从庞杂的数据中挖掘出有价值的信息。
对电力系统而言,通过对历史数据、实时数据以及天气预报等数据的分析,可以得出不同负荷高峰时段的特征,准确预测负荷变化趋势,制定合理的负荷控制策略。
二、基于大数据分析的智能电力负荷控制的优势相比传统的电力负荷控制方式,基于大数据分析的智能控制具有以下优势:1.高效性:大数据分析技术能够在短时间内处理大量数据,实时更新负荷数据,并及时调整负荷控制策略。
这样可以提高负荷管控的效率,减少人力成本和时间浪费。
2.准确性:通过对历史数据、实时数据的分析,结合天气预报等因素,基于大数据分析的智能电力负荷控制可以准确预测负荷的变化趋势,提前做好负荷分配和调控,避免电力供不应求或供过于求的情况发生。
3.灵活性:基于大数据的电力负荷控制系统可以根据电力系统的实际需求和使用情况进行灵活调整,适应不同负荷特征和变化。
4.可视化:智能电力负荷控制系统可以通过可视化界面展示电力负荷的实时情况和变化趋势,使电力管理人员能够清晰了解负荷控制的效果,做出及时调整和决策。
三、基于大数据分析的智能电力负荷控制的应用前景基于大数据分析的智能电力负荷控制已经在许多领域得到广泛应用,并取得了显著的效果。
在工业生产领域,智能电力负荷控制系统可以根据不同的生产周期、工艺要求以及设备状况,来合理分配电力负荷,实现电力资源的高效利用。
人工智能技术在电力系统故障诊断中应用
人工智能技术在电力系统故障诊断中应用摘要:电力系统的自身特点和实际作用决定,当其发生故障却得不到快速准确判断、处理时将会直接对人类的生产生活甚至社会稳定构成威胁,而又名为机器智能或智能模拟的人工智能,其是结合电子技术成果、仿生学方法等现代技术通过机械和电子装置实现对人类某些智能的模拟和代替的技术,其善于对人类处理问题的过程和经验进行模拟,学习能力突出,将其应用于电力系统故障诊断过程中具有重大的作用。
关键词:电力系统;故障诊断;人工智能;实际应用;近年来人们生产生活的发展对电力资源的依赖程度逐渐提升,电网供电的可靠性、稳定性和安全性问题越来越受到关注,如何在现有电网规模的基础上提升电力系统故障诊断的能力成为电力企业急需解决的问题,而近年来人工智能技术在电力系统故障诊断中的应用效果表明其对提升其故障诊断水平具有明显的推动作用。
一、人工智能的优点人工智能属于利用计算机来模拟人类的某种思维过程和智能行为的学科,总的来说就是人脑行为智能化。
人工智能将涉及的学科很广,其中包括计算机科学、心理学、哲学和语言学等学科。
其覆盖面涵括了自然科学和社会科学的所有学科,思维科学着重理论,而人工智能则着重实践,思维科学的技术需要人工智能来表达。
人工智能技术需要发展,离不开思维科学的发展。
依据国务院在2015年7月上旬制定的《“互联网+”行动指导意见》相关内容,需对智能制造投入力度进一步增强。
可通过建设智能工厂的模式,达到推动智能制造实现的目的;也可设置智能制造试点,以起到示范和引导的作用。
同时,不断增强对工业大数据的研发和应用的力度,以对制造业向全面智能化转型予以促进,为对具开放、协作等诸多性能的智能制造产业建设提供保障。
由上述资料可见,国家大力发展智能制造以及人工智能新兴产业,鼓励智能化创新,在可见的将来,人工智能将会更多融入我们的日常生活,给人们的生活、工作和教育带来更多的影响。
二、人工智能技术在电力系统故障诊断中应用1.专家系统电力系统故障诊断。
大数据背景下的电力计量装置故障智能化诊断技术应用_3
大数据背景下的电力计量装置故障智能化诊断技术应用发布时间:2022-11-25T06:15:55.198Z 来源:《工程管理前沿》2022年7月14期作者:韩志远[导读] 智能故障诊断技术是一种能够实时监测、诊断和自动故障预警的新技术。
韩志远内蒙古电力(集团)有限责任公司锡林郭勒供电公司二连浩特供电分公司内蒙古二连浩特 011100摘要:智能故障诊断技术是一种能够实时监测、诊断和自动故障预警的新技术。
在此基础上,提出了一种基于大数据的智能故障诊断技术,即建立智能故障诊断知识库,合理运用异常特征和专家规则,以分布式方式实现电能计量装置的实时监测,并将其与知识库中的有关规定进行对比,实现对电能计量装置的智能化诊断和动态监测。
在建立了报警系统后,将故障信息传送给技术人员,方便了技术人员的及时处理。
因此,本文着重对电力计量设备在大数据环境下的故障及智能诊断技术的应用进行了研究。
关键词:大数据,电力计量装置故障,智能化诊断技术引言:由于受到大数据技术框架和电力计量设备的实际使用环境等因素的制约,目前电力计量设备的智能故障诊断在实践中仍有很多缺陷,严重制约了电力计量设备的运行效率和运行质量。
因此要结合电力计量装置运行的实际情况,来采取有针对性的解决措施。
一、电力计量装置常见的故障(一)电压计短路或断开在电能计量设备中,最常见的故障就是电压表的短路和失压。
电压计是电压计的关键部件,如果长时间工作在高负载下,极易使电压计短路,从而影响到电压计的精度。
此外,如果在生产中出现了一些质量问题,使其在以后的使用中出现了接触不良,也会引起电能计量设备的失效。
因此,有关部门要重视对电压表的质量检验,并对其各个部分进行正确地检查,以确保数据的可靠性。
(二)线路的负荷或电阻在用电时,如果线路负载过大,很容易引起计量设备的烧损,尤其是三相10 kV的三相电力计量系统,三相负荷不能达到均衡,从而造成电能计量设备的失效。
此外,线路中的导线通常都有-固定的寿命,如果长期不换的话,会导致线路的电阻变大,导致电能计量设备的工作受到影响。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
DOI :10.13888/ki.jsie (ns ).2019.02.011收稿日期:2018-09-17作者简介:赵柏翔(1995-),男,辽宁营口人,硕士研究生。
通讯作者:关焕新(1962-),男,辽宁沈阳人,教授,硕士生导师,博士,主要从事神经网络、智能控制方面的研究。
基于大数据平台的红外专家系统在智能变电设备中的诊断赵柏翔a ,关焕新b ,吴迪a ,杨柏a(沈阳工程学院 a.研究生部;b.新能源学院,辽宁沈阳110136)摘要:首次提出在智能变电设备中建立以大数据平台为基础的红外测温专家系统用于故障检测与诊断,收集变电设备中元件的温度数据,将其与包括图像、运行状态、历史数据的数据库作对比,收集并整合为专家知识,开发出一种能够用于智能变电设备故障诊断的红外专家系统数据平台。
与传统测温装置监测故障方法对比得到大数据平台网络系统能够快速准确地判断出故障发生位置与故障类型的结论。
关键词:红外专家系统;智能变电设备;大数据平台;故障检测中图分类号:TM421文献标识码:A文章编号:1673-1603(2019)02-0149-07第15卷第2期2019年4月Vol.15No.2Apr.2019沈阳工程学院学报(自然科学版)Journal of Shenyang Institute of Engineering (Natural Science )随着中国经济的发展,国内电网规模不断扩大,智能变电设备作为一种新兴的高科技变电设备,从2009年开始得到大规模发展。
由于智能变电设备在企业投资中占比极高,也是电力系统最昂贵和关键的部分之一,其安全稳定运行的重要性不言而喻。
本文借鉴了红外测温装置在变压器故障诊断中的应用。
红外测温作为一种广泛使用的温度测量方法,其在特殊情况下能够对温度进行准确测量,而且红外测温可以充分利用智能变电设备自动化程度高,工作环境适宜的优点,依靠基于平台多红外装置的联动技术[1-2],建立以设备内大数据平台为核心的,能够实现故障预警、监控、分析,甚至自我修复的红外专家系统。
该系统与传统变电设备相比,由于加入大数据平台分析,极大地提高了智能变电设备的故障识别率,监测速度也明显加快。
因此,具有很高的理论应用价值和监测应用价值[3]。
1红外专家系统原理结构与应用温度监测是电力设备最主要的检测手段之一,与电压检测和电流检测相辅相成。
温度的变化往往代表设备的运行情况,温度的突然升高或降低一般表示设备发生了故障,利用红外温差比较法评定温度故障情况,根据设备可以承受的最大温度为依据进行判定,比较适合在电流致热型设备中使用[4]。
比较法红外温差定义为δ=T 2-T 1T 2-T 0(1)式中,T 2表示正常测点温度;T 1表示发热测点温度;T 0表示环境温度。
第15卷沈阳工程学院学报(自然科学版)1.1红外专家系统原理及应用流程红外线的本质是一种电磁波,能够接收0.76~1mm 波长的电磁波。
在绝对零度以上时,分子间的作用会产生电磁波,红外测温器扫面就会产生热感应图像,从而实现对被测对象表面温度的测量。
红外测温装置有诸多优点:1)避免类似于传统温度计与表面直接接触,既保护了装置,又确保测温仪器的安全;2)红外装置测温范围大,既可以测量高达几千摄氏度的火焰外焰温度,也可以测量液氮等极低温度;3)红外装置反应灵敏,温度测量准确。
红外测温装置的缺点是容易受到环境的影响。
红外专家系统是一种基于红外测温装置对物体表面温度的数据加以分析整合的系统,也是数据输入与设备内的智能体系相连的专家系统。
在智能变电装置中它可以建立以模块为单元的红外测温装置体系,自动感受温度的变化,利用红外测温装置获取各模块的温度测量情况,分析温度变化是否在可行的阈值内,最终得到结论。
超出阈值则往往代表故障发生,会对设备产生不良影响。
本系统应用在变电装置上,能够将同一类别的故障进行整合,确保故障判断的准确性,甚至在技术可行的条件下,对故障原因进行分析,并利用自动调节系统的闭环反馈机制实现自我修复。
红外专家系统在线监测的基本流程如图1所示。
图1在线监测的基本流程1.2红外成像装置红外成像设备可以分为光机扫描和非扫描两种类型,原理也各不相同。
光机扫描型是依靠光机扫描器对物质进行结构上的侦测,其优点是能够生成被测物体的二维图像,能够较完整地到反映物体的真实结构,缺点是成本高昂,广泛应用于军工和高新产业,前景宽广,待技术成熟后会大量应用于生活中。
而非扫描型采用探测器组,探测表面和探测器成对应关系。
近年来,其技术应用更为深入,将探测器装备设计为列阵形式。
以光伏集成电路为例,其大规模地使用极大推动了集成电路技术,带动了与之相关的材料学和建造学的发展。
红外成像装置的核心是热释电摄像装置,组成材料也是热释电材质,利用电子扫描代替光扫描,这不仅简化了设备的制造,降低了成本,而且减少了能耗,不用像光扫描仪那样频繁制冷。
红外成像装置主要包括红外热电视和红外热成像仪。
红外热电视结构如图2所示。
图2红外热电视结构1.3红外热电视原理红外热电视装置运行原理是利用红外测温装置测量以互感器为主的设备表面温度的变化。
根据温度变化导致红外辐射成像变化进而分析与监测互感器的运行状况。
若发生故障,则由本系统结合大数据平台分析故障类型,给出可能导致故障的原因以及如何处理该故障的建议等等。
红外热电视是一种把物体表面的热辐射转化为图像信号的装置,其原理为输出信号的电流与物体表面温度成正比,即:i =kd Td t(2)热电视的信息传递基础是热电视摄像头··150第2期赵柏翔,等:基于大数据平台的红外专家系统在智能变电设备中的诊断(PEV),温度测量的核心是d Td t,待测物体的表面温度是测量的核心。
热电视温度成像只有在红外线辐射周期性变化的情况下才会体现,否则将不会成像。
因此,调制热电视使其能够成像是关键。
若能将温度信号的变化进行实时监测并以红外成像方式展现,就可以判断变电设备是否正常运行,尤其是实现对电力互感器的运行状况的在线监测,这是该设计可以实现的前提。
红外热电视在性能指标和方便程度上虽不如热像仪,但它具有在常温下工作且不需要制冷的特点,结构与热像仪相比具有更加简单、成本更低、使用和维修均很方便的优点。
这些优点促使红外热电视在红外诊断领域中得到广泛应用。
从节约成本与方便性方面考虑,该设计采用红外热电视成像技术。
2红外专家系统在智能变电设备中的应用2.1智能变电设备与传统变电设备的区别图3传统变电设备结构传统变电设备如图3所示。
由于早期建造时没有规范的形式,在监控、保护、远程动作和数据收集的结合上协调性很差,而信息的采集主要依靠电磁传导和电流电压的互感完成,各个电力元件相互独立,构成集成体的可能性很小,信息的传递与共享难以实现。
红外系统虽然可以应用,但仅仅局限于小范围的收集数据,监测手段往往以人工收集为主,难以实现智能化。
因此,故障分析检测的能力薄弱,而智能变电设备不仅打破了设备内信息难以建立统一集合的僵局,更是将测量信息依附于大数据平台,开创了全新的监测与控制方式,为分析判断找到了新的模式,如图4所示。
图4智能变电设备结构2.2智能变电设备中的平台化红外专家系统本文将大数据平台的红外专家系统应用到智能变电设备的故障检测系统中,将其融合为一套完整体系,监控系统如图5所示。
根据协议IEC61850,将智能变电设备的整体结构分为3个设备层[3],包括过程层、间隔层和设备内控制层。
过程层是变电设备的根基,它将信息向上一级传递,结构上包含电流互感器、电压互感器、变压器、隔离开关等附属终端的信息化设备。
因此,没有过程层就没有智能变电设备的上层结构。
过程层的基本信息要求具有可确定性、实时性和合并性。
采样值传输是将间隔层和设备内控制层链接的重要方法,同时信息的最大传输点在电子式互感器的保护和协调,在采样值的输送时,准确性与及时性是关键。
根据IEC61850标准,采样值需要光纤传导,间隔层连接方式不再是与合并元件相连,而是在控制层的交换机上得到采样的信号,目前的设备内连接方式还是点对点链接,在一些信息化区域能够实现点线对应关系,链接保证设备内同步,由保护装置提供监测。
为应对变电设备的突发现象,GOOSE 可以为ISO/IEC8802-3建立桥梁,它能够保证设备内间隔层与控制层信息快速传递,缺点是传递信息量不足,若发生紧急故障,GOOSE 可以应用于跳闸保护,实时性远高于同类的非嵌入式系统,报文延迟可以控制在3ms 内。
··151第15卷沈阳工程学院学报(自然科学版)图5智能变电设备一体化监控系统2.3大数据平台的建立与监控为了提高故障判断的准确率,在智能变电设备中应用大数据平台,在红外专家系统大数据平台的基础上实现一体化监控,包括智能操作票和倒闸。
为保证控制设备的安全稳定,需利用电能量采集、备用设备自投运、过滤故障波形等方法实现设备信息与调度的互动,完成智能变电设备综合优化管理,对设备全寿命实现监测。
为了获得更高效、更安全、更稳定的数据,监控系统也可以支持信息的综合处理,满足智能变电设备的快速稳定操作,对外提供IEC61850服务接口,实现用户之间的远程监控与相互协调。
设备内统一大数据平台是智能电网实现信息快速传递和分享的基础,此数据平台不仅能保证截面信息的唯一性与一致性,还可以将设备内信息构成网络,是实现横向与纵向的全面覆盖的电网信息数据库。
大数据平台下的全景数据平台如图6所示,它是实现智能变电设备在不同状态下采集数据、处理图像、检查设备运行情况的工具。
它能够完成数据的品质处理和接口的访问规范,为智能化的应用提供必要的数据信息的技术支持,同时利用过程层的综合设备状态,实现在不同状态下的数据采集,完成设备在动态、稳态、暂态下的监控,以IEC61850标准实现对数据的统一管理、建模,并以此建立一个综合性的设备内数据平台。
图6全景数据平台结构一体化监控则是以平台为基础建设的,测量数据可以在SCADA/EMS 上体现,为电网提供频率振荡分析、故障检测、动态状态监测、Web 网络安全监管技术,为变电设备的运行提供技术参考,同时还··152第2期赵柏翔,等:基于大数据平台的红外专家系统在智能变电设备中的诊断可以提升大数据平台的信息交换与共享的能力,为提高智能变电设备信息反馈的可靠性与即时性打下深厚的根基[5]。
监控系统如图7所示,一般分为两个区域,称为安全Ⅰ区和安全Ⅱ区。
Ⅰ区负责监控主要设备的运行和电网整体情况,防止大事故发生,将运行数据储存到数据库以便为后续检查提供支持。
安全Ⅰ区采用直接获取与传达的方式传递数据信息,在必要的时刻还可以浏览数据,检查运行情况。
安全Ⅱ区是一种综合联系变电线路,为主要运行设备和辅助设备提供通信功能的装置,不仅能够传递有关电力设备运行的信号,还可以应用此信息在电源、安全防护、消防、环保等方面提供技术支持,也可以提供远程服务与浏览功能。