下载掌阅APP，畅读海量书库
立即打开
我国电网企业从2008年开始开展了设备状态监测规模化工程实践，产生了海量设备状态和环境监测数据信息。在国内外现有智能运检与故障预警技术的支持下，这些数据和信息的初步应用提高了对电力设备状态的掌控能力，产生了一定的经济效益。但从设备缺陷与故障预警的结果来看，现有智能运检技术和预警方法普遍存在数据利用率低、预测准确性低等问题，这些问题与挑战突出表现在三个方面：
第一，在线数据误差偏高。由于传感器本身的测量误差及外部噪声的干扰，设备在线数据可能具有较大的测量误差，由此得到的设备故障诊断和预测结果准确性偏低，无法准确识别设备故障。
第二，历史故障数据不足。设备故障的发生通常是一个小概率事件，设备历史案例中故障案例的数量往往较少，基于数据的故障诊断方法难以提取完整的设备故障特征与故障模式，从而导致设备故障诊断决策与预测出现偏差。
第三，设备间个体差异较大。受设备不同运行环境与工作负荷的影响，不同设备的故障形成过程通常具有一定的个体差异性，表现出个性化的故障特征。当前基于数据方法主要通过提取设备历史案例的总体特征和故障模式进行诊断决策，无法满足设备个性化、动态化故障诊断需求。
受上述问题的影响，基于数据的智能巡检和故障诊断方法在实际应用中仍存在准确率偏低，故障错报、漏报的问题，对电网运行安全造成重要影响。《国网安全事故快报》指出，2016年6月18日，陕西西安330千伏南郊变电站发生主变压器烧损事故，共计损失负荷28万千瓦，造成上万户用户停电。《联合早报》指出，2019年1月26日，新加坡因变压器故障起火，中部多地停电，影响公众约2.7万人。为保证设备安全运行，需要深入研究缩小设备监测数据误差、提高故障判别精度的基于数据的模型和方法。这将支撑和发展数智巡检策略研究，推动设备可靠性管理理论的发展与现实应用。
针对上述设备巡检与故障诊断方法面临的新问题和挑战，本书在已有研究的基础上，以数智巡检策略及在线故障诊断为主线，采用“数据采集与可靠性评价→在线与离线数据融合校正→设备个性化故障诊断→设备故障隐患识别”这一研究逻辑，融合人工智能、运筹学与系统可靠性等方法理论，运用异步数据融合与处理、在线优化与组合决策等技术手段，研究大数据环境下电力设备数智巡检及故障诊断问题，主要研究内容如下。
研究内容1：海量在线监测数据可靠性评价与融合校正方法研究
受传感器的传输误差与噪声的影响，基于数据的故障诊断方法通常面临设备在线数据可靠性不明确、误差偏高的问题。对此，本书对比分析了设备在线数据与现场测量数据（离线数据）间的数据结构、数据质量和监测成本的差异，从在线数据与离线数据趋势一致性评价的角度对在线数据可靠性进行研究。考虑到设备离线数据采样成本较高的问题，本书从在线数据与离线数据趋势关联性的角度，对设备在线与离线数据融合校正方法进行了研究，通过采集少量离线数据与在线数据融合的方式提高在线数据准确性，提高设备监测数据的实时性和准确性。
研究内容2：基于个性化参数在线学习的冷启动故障诊断方法研究
在获取准确的设备数据的基础上，本书研究如何利用这些数据动态评价设备的健康状态，以及时发现设备故障。当前，基于数据的故障诊断方法在现实应用中往往面临设备历史故障案例不足的情况，发挥设备在线监测的优势以实现个性化诊断还面临设备间个体差异较大、难以提取设备个性化故障特征等问题，从而导致基于数据诊断方法的准确率偏低。针对这些问题，本书对基于数据的故障诊断方法进行了深入研究，探索解决故障案例不足问题的有效方法，研究设备故障诊断个性化决策模型，以提高故障诊断结果的准确性。
研究内容3：结合时频域特征分析的故障隐患识别方法研究
电力设备故障隐患指具有隐蔽性、渐变性等特征的故障。由于故障隐患点不能直接被观测到，且设备在相当长一段时间内会继续运行，长时间未得到维修的话将导致故障程度加深，设备安全性不断下降，直至设备彻底损坏。另外，电网设备数量众多，分布分散，进一步加大了故障隐患识别的难度。针对这一问题，本书从分析设备电压、电流信号的时频域特征入手，研究不同设备故障隐患信号在时域和频域表现出的特征，并在此基础上开展设备故障隐患在线识别和诊断方法，确保电力设备的安全稳定运行。
本书聚焦于设备可靠性管理前沿理论，综合运筹学、统计学、系统科学与可靠性理论等多学科理论方法，重点对电力系统中电力设备数据采集、故障诊断与识别进行了系统性的研究，主要创新点表现在三个方面：①首创了在线监测与带电检测的随机时间序列关联分析模型，提出了设备在线监测数据趋势一致性评价技术，解决了设备海量在线监测数据可用性评价与数据融合矫正难题，为设备动态智能运检奠定了数据基础。②发明了基于个性化参数在线学习的冷启动故障诊断方法，掌握了设备故障对其寿命影响的动态特征和关联规律，提升了小样本条件下缺陷设备短期故障诊断的准确率。③针对设备故障隐患识别问题，提出了结合时频域特征分析的故障隐患识别方法，并将其应用在变压器绕组变形故障隐患诊断中，突破了变压器绕组变形远程在线诊断的技术瓶颈。这些理论与应用结果为实现设备在线诊断提供了依据，为设备可靠性管理理论拓展与实际应用提供了有力支持。