智能诊断技术

本项目面向配电网规划、投资计划、开工建设到生产运行全链条，从数据融合与深度挖掘、动态评价与智能诊断、差异化与标准化规划、项目优选及管控等多个层面开展关键技术研究。其中，数据融合与深度挖掘技术用于解决数据质量不能满足规划深度要求的问题；动态评价与智能诊断技术用于解决电网发展评估问题；差异化与标准化规划及其决策系统用于提升配电网规划水平；项目优选及管控技术及其决策系统主要用于提升项目管理水平，实现配网精准投入。 本项目成果将在国家电网公司经营区内全面推广，通过总部、省公司、地市公司三级应用，有效支撑110千伏及以下电网规划、用户接入等工作。项目研究成果的应用将大大提高公司的规划和项目管理水平，节约和延缓投资成本，带来巨大经济效益。电网发展评价指标体系与标准化规划设计模式，可以加强省公司配电网规划工作的质量与效率，实现更加精细的配电网规划；通过投资决策与风险监控的闭环反馈机制，构建出全链条电网投资项目管控体系，实现项目风险实时捕捉，使总部可以更有效地进行项目优选及动态全过程管控；项目研究的数据融合与深度挖掘技术，不仅可以提高配电网海量数据实时处理能力，还可以加快数据处理效率，实现复杂电网数据模型的成功化简，同时研发配电网全过程规划设计决策支持系统，通过总部、省公司、地市公司三级应用，实现配电网全过程规划和项目精益化管理。

作为掌握设备运行状态的重要手段之一一，红外检测技术不仅可以快速地诊断出设备的各类外部过热缺陷，更重要的是可以根据设备的温度分布来判断设备内部可能存在的各种缺陷。 传统的带电检测会采集大量的红外图像，仅2018年山东公司带电检测就产生红外检测图像51.5万张，随着现场移动作业和带电检测标准化作业的开展，红外图像的检测数量将进一- 步增加。这些图像利用率极低，分析存在主观性、易漏检和误检等问题，且无法形成快速的 反馈机制，丧失最佳发现和处理时机。显然，传统的人工分析模式已无法满足信息化时代对红外图像的智能化分析和诊断。 本成果响应国家和国网公司人工智能发展需求，针对电力设备非结构化红外图像数据，建立主要变电设备的红外检测图像样本库，利用图像处理和深度学习技术，研究形成基于深度学习的设备及部件自动检测模型:通过融合被测设备基础台账及检测时刻气象、负载等多业务系统数据，形成基于大数据分析的红外检测图像智能化诊断算法，实现红外电流致热及电压致热型缺陷的自动识别诊断。

电力设备局部放电检测技术相较于传统停电试验，以其检测灵活、无需停电、缺陷检出率高等优点，在行业迅猛普及和开展，是电力设备安全、稳定运行的重要保障。但是目前海量检测数据利用率较低，存在的难题为：（1）不同检测仪器导出的数据格式千差万别，且多为图片等非结构化数据，不利于对数据进行深度挖掘和分析诊断（大数据下基于机器学习的智能诊断算法输入向量为维度确定的结构化数据），使得检测得到的海量数据利用目前人工依赖性过高；（2）传统的智能诊断方法（利用智能诊断模型进行分类辨识，自动判断电力设备绝缘故障及缺陷的类型、严重程度及其置信度）在缺陷智能识别上准确度低，尤其是自由颗粒缺陷识别。鉴于以上问题，国家电网天津电科院进行了局部放电智能诊断方面的研究，实现局部放电类型智能诊断及相似案例精准匹配。同时建立了基于大数据存储、管理和分析技术的局部放电数据中心，充分挖掘各类数据之间的关联关系，提高数据利用效率，并依托可视化技术展示设备状态。 目前，本项目已发表中文核心及以上文章 17 篇，其中 SCI 检索 2 篇，EI 检索 11 篇，中文核心 4 篇，授权发明专利 3 项，实用新型 4 项，软件著作权 1 项。项目成果通过了以清华大学刘卫东教授为主任的高级别委员会鉴定，达到国际先进水平，获 2018 年度国家电网公司第四届“青年创新创意大赛”金奖，2018 年度国家电网天津市电力公司专利一等奖等多项荣誉。项目成果成功应用于国网天津市电力公司、国网长沙市供电公司、上海思源电气股份有限公司等单位，在 2017 年全国运动会保电等专项工作中发挥重要作用，对有效保障电网设备安全稳定运行，经济效益和社会效益显著。同时本项目成果将作为独立功能模块纳入国家电网运检部开发的“电网运检智能化分析管控系统”，实现囯家电网系统内全面推广。

本项目属于电气工程学科，涉及变电设备中数据采集、传输、集成和应用等关键技术环节，国内科研、设计、制造、运行等单位联合参与攻关。项目以信息流全链条为视角，攻克了变电二次设备终端可靠、多源时钟同步、异步数据采样等关键性技术难题，研究数据流的灵活可控、全过程可视及智能诊断技术，破解以设备为对象的多态、多专业、多维度异构数据统一建模难题，建立了主站-变电站-终端级的层次化协同应用体系，实现数据“准确采集、可靠传输、全景集成、协同应用”，提升对大电网运行控制和设备精益化运维的技术支撑能力。项目首次建立了基于数据质量全过程控制的变电设备协同运行数据支撑技术体系和系统架构体系，在变电站整体集成设计方法、层次化保护控制技术、数字化采集传输技术、智能分析技术、工程建设技术等方面实现创新与突破。 研究背景大电网技术的发展和电力体制改革的深入推进，对电网的安全稳定运行和高效运维提出了更高要求。输变电设备作为智能电网电力传输和控制的核心节点，是实现能源接入电网和连接用户侧的重要支撑。输变电二次设备以信息共享为根本理念、以网络化传输作为实现手段、以数据作为基本载体，既承担着保护、计量、控制、监测等重要业务的实现，又是构筑电网安全三道防线的基石平台。南方电网提出发展“智能、高效、可靠、绿色”变电站的战略目标，并制定了3C绿色智能变电站、一体化电网运行智能系统（oS2，Operation Smart System）相关技术标准作为智能变电站建设的指南，但在数据全过程管控与全景信息协同应用方面还缺乏坚强的技术支撑。

项目研究内容属于电气工程学科范畴，涉及变电站二次系统测试和缺陷智能诊断技术。 变电站二次系统现场测试是验证设计、产品和安装质量的重要环节。传统测试方法由于测试手段的局限，主要以单体调试、分系统整组传动为主要测试内容，难以全面、完整地检验二次设备间逻辑配合关系及系统整体性能，对测试对象存在的功能缺陷的认定，高度依赖于人工经验，缺少智能化、自动化的技术应用，未能体现智能变电站的智能化水平。围绕上述问题，项目课题组创新性地提出并实现了“以电网仿真、无线同步对时和实验信号无线传输与分散同步注入”为基础的二次系统全场景试验技术，并成功研制了全场景测试系统，该系统将二次系统视为一个完整功能体，实现对智能变电站二次系统整体功能和技术性能的完整检验；为进一步实现对测试对象缺陷智能、自动诊断，项目课题组又提出并实现了以“功能条件-关联信息”为基础的二次系统测试全过程智能诊断方法，实现了二次设备状态全景展示、行为评价及障碍点定位、功能受损度自动分析及评价、灵活选定检修对象自动生成二次检修安措，提高了智能变电站二次系统测试的智能化水平，推动了变电站二次系统现场测试技术的进步。 项目获得授权发明专利15项、软件著作权5项；发表学术论文20篇（SCI检索3篇、EI检索10篇、中文核心2篇）；Wiley IEEE专著1本。四川省科学技术厅组织的鉴定专家组认为：“项目提出的智能变电站二次系统试验方法属国际首创，研究成果达到国际先进水平”；中国电力企业联合会组织的鉴定委员会认为：“成果总体达到国际先进水平，其中功能关联库的建立及分析方法、二次设备（系统）功能受损度分析达到国际领先水平。项目成果分别在四川、安徽、广西等省30余座智能变电站的基建、年检、不停电改造调试以及出厂联调中应用；在高校本科生实践教学中推广。

项目成果针对输变电设备带电检测获取的红外图像（热像）和局部放电图谱等图像图谱数据，利用图像处理技术对输变电设备关键状态进行分析，从图像图谱数据中快速提取反映设备状态的关键特征参数，实现非结构化数据的结构化存储和表达，为带电检测图像图谱数据的有效应用提供技术支撑。项目主要涉及输变电设备带电检测图像图谱数据的自动处理、分析及特征参数的选择、提取和结构化表达等关键环节，具体包括： 输变电设备红外图像核心特征提取和结构化表达方法。通过图像处理手段检测故障区域，识别设备故障部位，提取热点温度分布、局部过热区域、异常部位及温升、温差等特征参量。输变电设备局部放电图谱的信号恢复和特征参数提取方法。针对缺乏原始信号数据的局部放电图谱，通过图像处理相关技术，恢复图谱的波形信号，提取图谱的关键特征参量，实现主流厂商典型局部放电图谱的数字化转换。

红外技术在输电领域中，作为一种有效的故障检测手段被广泛运用于运维监督工作中。然而，当前红外技术的运用过程中，也存在着红外图像格式不统一、人工做报告耗时长、人工诊断对专业知识要求高等问题。浙江天铂云科光电股份有限公司提出了红外图像智能诊断技术，能够将红外图像统一转化为温度矩阵，能够智能识别输电设备类型并定位部件，并能够对设备缺陷进行智能诊断。只需将采集到的输电设备红外图像上传至系统，便可快速生成报告，无需人工干预，有效提高了输电运维监督的工作效率。