设备缺陷

本专利针对现有GIS特高频局放监测误告警问题严重，无法准确预警设备缺陷的现状，提出了一种GIS设备局部放电诊断方法及系统，通过对各传感器信号开展相似性分析和多维度数据的融合分析，降低了误告警率，提高了设备缺陷的检出率，为电网安全稳定运行提供了保障。在申请阶段符合“不属于现有技术，也没有任何单位或者个人就同样的发明或实用新型在申请日以前向专利局提出过申请，并记载在申请日以后公布的专利申请文件或者公告的专利文件中”相关要求，在2017年11月通过“局部放电+特高频+定位”等关键字进行专利检索，与本专利接近的技术为：1）一种气体绝缘组合电器状态预警数据异常值的筛查方法（广西电网有限责任公司电力科学研究院，已授权）；2）变电设备多源局部放电信号的分离方法及装置（国网浙江省电力公司电力科学研究院、国家电网公司、浙江省电力试验研究院技术服务中心、西安交通大学，已授权）；3）一种基于局部放电带电检测的GIS风险评估方法及系统（国网湖南省电力公司电力科学研究院、华北电力大学、湖南湘能智能电器股份有限公司，实审），专利1仅适用于电缆局放检测技术领域，专利2是利用密度聚类算法把局放信号进行分离以区分不同源的局放信号，专利3是利用2路特高频信号和2路超声波信号进行局部放电源的准确定位，具体如何利用特高频信号对局部放电源定位并没有给出说明，也没有说明采用何种参数，进行何种定位方法，三个专利均不具备本专利的技术特征，且存在相应的缺陷和不足。本专利具备显著新颖性。

变电站内设备遥检主要依赖外观检查和红外测温，目前依托机器人、高清视频等方式已经辅助人工实现部分智能巡检工作，大量图像样本仍需要人工审核。本案例应用“可见光+红外线+激光点云图像”融合分析技术，实现设备缺陷的智能研判，通过多光谱图像融合分析技术，提高发现设备潜伏性缺陷的能力，进而提高运检质效，保障设备本质安全。

红外检测具有非接触式、设备无需停电、现场抗干扰强、操作安全高效、缺陷检出率高等优点，可及时发现设备缺陷并采取必要措施。目前，红外检测技术已在电力系统内各级生产部门中广泛应用，红外热成像检测仪在一线运维班组已基本实现全覆盖，在设备运维中发挥了重要作用。本次演讲立足于电力设备红外检测应用需求与技术分析，重点介绍发、输、变、配各领域内电力设备典型缺陷红外检测故障案例，并分享缺陷分析处理方式、运维整改指导方法，以期为红外检测技术在电力行业的进一步推广与深层次应用提供有益参考。

党和国家对质量高度重视，“质量强国”已写入质量发展纲要、政府工作报告和国家“十三五”规划。国网公司深入推进电网设备质量管理，提出“优化采购评审规则，严格专业检测，加强设备厂商业绩评价，进一步选好选优设备”和“选质量最好的设备、选管理最强的乙方”的统一部署。2015年以来，湖北公司在国网设备部指导下，健全设备质量监督管控体系，创新开展供应商设备质量评价工作，强化运维专业缺陷、故障等多维信息向物资采购部门的反馈，提高采购设备质量，推进“质量强网”。首次采用知识图谱技术，利用图数据库和人工智能领域的最新成果，将各业务系统的数据和外部互联网信息全面融合，形成电力装备质量管理全景知识，精准发现数据间内在的本质关联关系，真正挖掘数据资产价值。 一是首次提出一套全过程设备质量评估技术体系，制定并发布了变压器类、高压开关类、输电线路类、高压电缆及附件类、无功补偿类设备质量评级技术导则等五项国网公司企业标准。二是建立一套设备质量评估管理体系，下发了《国家电网有限公司运检环节电网设备供应商绩效评价管理办法》《国网湖北省电力公司设备质量评级管理规范》《国网湖北省电力公司设备抽检监造技术监督指导意见》等，为规范开展设备质量评级工作，推动评级结果的落地应用奠定基础。三是构建评估信息系统，推进成果在国网公司系统全面应用。开发电网设备质量评估模块和一体化评价计算软件，实现评价工作全流程线上流转，提高评价工作效率和结果可视化水平。组织国网系统内27家单位，自2017年至2019年开展五轮供应商设备绩效评价和应用，评价结果应用于国网公司物资招标采购。四是不断优化电力设备质量评估机制，创新探索省公司和国网公司两级评价算法。充分落实“谁使用，谁评价”的原则，应用最新一轮评价数据开展两级评价算法研究与试算。五是创新应用知识图谱技术等人工智能技术，全方位挖掘数据价值。开展电网关键主设备质量提升分析研究，应用知识领域映射地图，深度探索设备缺陷及质量问题发展进程与结构关系，多维度分析设备故障或缺陷原因及规律，为促进供应商产品质量提升和运维检修策略优化提供具体建议。 电网设备全过程质量评估的推广应用，一方面从生产厂家设计制造环节开始，有效提升设备质量水平；另一方面为电网设备的招标采购提供决策依据，严格把控入网设备质量第一关口，对维护电网安全稳定具有重要的意义。

基于“机器人+高清视频”联合方式，融合贯通工业视频与机器人数据，实现工业视频与机器人巡检范围交叉覆盖，消除巡检盲区。利用图像智能分析识别技术，自动识别设备状态、站内环境，定时进行图像采集、分析、比对，及时发现设备外观异常变化及环境异常。配置联合智能巡检策略，及时发现设备、环境异常，实现设备状态识别（读数、液位、颜色、状态等），设备缺陷识别（破损、锈蚀、油污、污秽等），安全管控（安全帽、工装服、吸烟等）、环境状态感知（火灾、积水漏水、小动物闯入等），构建整个变电站的联合智能巡检。

本成果系一种充气式G1S安装防尘棚。由于GS在现场的安装主要是主母线和分支母线对接，因此该成果设计为对母线对接作业面的无尘化防护，由气柱骨架、外棚布和地板革组成。气柱骨架为一连通的整体，采用夹网布高频热合制成，具有较好的拉伸、撕裂强度和优良的绝缘、阻燃性能，可以一次充气成型，反复充放气使用；骨架下部设置有充气口和放气口，充气口上设置有逆止阀，确保漏气率小于0.5%/天。骨架上装有拉环，可以作固定和移动之用。外篷布上预留了进气口，可以根据需要向棚内充入经净化调温的干燥空气，使棚内保持微正压状态。外棚布罩在骨架外部，为牛津布和透明TPU制成，其表面经过密封性处理，保证良好的气密性；棚布和GS对接面接触的部分设置有用于连接GS的密封袖口，其末端有松紧套可以确保安装时有良好的气密性。地板革采用VC材质，结实耐磨。骨架、外棚布和地板通过粘扣组成一个密闭空间，具有良好的气密性。该成果的外篷布为可拆式结构，可以根据不同厂家的GS尺寸更换相相应的外篷布以保证与GS对接面的密封性。气柱为充气式结构，用气泵4分钟即可完成搭建，防尘棚本身重量较轻，约为40千克，在安装过程中转场十分方便。良好的实施效果。该成果的应用，为GS安装提供了高洁净度的环境保障。其搭建时间短、移动方便，可有效防止灰尘和潮气进入待安装的GS内部，减少和消除GS发生内部放电和短路的机率，提高了GS设备安装质量，有效减少了由于工程建设原因引起的设备缺陷和电网运行故障，为GS设备运行的安全性、可靠性提供了有力保障，大大降低了事故风险。该成果的应用，全面推进了国家电网公司倡导的GS“无尘化”安装工作，应用的工程项目全部一次性通过耐压试验，避免了因试验不合格带来的设备解体检查，随着充气式防尘棚在GS安装环节的全面推广应用，节约的费用将会更多，经济效益会更加显著。

广东电网公司在2022年实现变电站无人机智能巡检技术在全省范围内的深入应用，成为全国首个省级变电站无人机应用示范区。在建设历程中，积累了大量的变电站三维建模、航线规划以及系统建设等方面的技术技能，在发现设备缺陷、程序化操作、应急处置等方面的应用取得一定成效，同时发现了不少尚未解决的痛点难点问题，并立足于现实对未来的技术发展方向进行一些深入思考。

本项目自2021年3月启动至今，项目团队已发表论文2篇（SCI、EI各1篇），发明专利7项（国际PCT专利已授权1项、国内已授权4项、国内已受理2项），本项目的推广应用为优化计量设备主人管理提供技术支撑，大幅度提升缺陷的发现概率与准确度，为巡视缺陷提供稳定的数据保障，给予运维实施精准依据，让设备缺陷维护工作可以做到快速落实措施、准确定位缺陷、及时排除隐患。

本案例开创性的将视频融合技术与特高压换流站运维检修进行结合，以数字孪生三维模型为载体，统筹规划实现古泉站远程智能虚拟巡检。同时，采用类脑智能、深度学习等技术，构建视频图像识别、语音识别、声纹识别等人工智能引擎，实现变电设备状态识别、设备缺陷识别、作业行为识别等人工智能边缘计算服务。通过以多维全息感知、远程智能巡检转变设备状态获取方式，以多源数据融合和类脑算法转变设备状态管控方式，以三维数字孪生转变人与设备交互方式，实现运检模式从“传统人工驱动”向“数据智能驱动”转变。依托站端信息中枢，实现对运检业务的全流程在线管控。开展大数据分析，实现指挥决策科学精准和设备资产的全寿命周期管控。

电网在运行过程中会产生大量的设备缺陷文本记录,针对变电设备缺陷文本的特点,文章提出了基于注意力机制的混合神经网络(hybrid neural network based on attention mechanism,HNNA)电力设备缺陷文本挖掘方法。首先在总结电力设备缺陷文本特点的基础上,参考中文文本分类的一般流程,结合自主编写的词典和停用词表对缺陷文本进行预处理;利用Word2vec模型将词语映射到高维空间;使用卷积神经网络(convolution neural network,CNN)和双向长短期记忆网络(bidirectional long short term memory,BiLSTM)提取文本局部特征和上下文特征;将提取的特征进行融合,最后采用Attention实现特征权重的分配,增强关键特征对分类效果的影响,并从多个评价维度与传统机器学习模型、深度学习模型对比。算例结果表明,提出的模型具有更好的分类效果,可以实现电力设备缺陷等级的高效准确划分。