微信小程序，让变压器故障识别更高效
微信小程序，让变压器故障识别更高效国网枣庄供电公司 马洪斌 张鑫 候宪华 3月3日，在220千伏建国站进行一次设备巡视时，国网山东省电力公司变电检修中心变电一次检修班候宪华拿出手机，随后点开微信小程序输入几个数字，即刻便得到了变压器的运行状态为正常。他转过头对身后的同事说道：“这个小程序真是太方便了，再也不用像之前那样，通过三比值法对变压器的运行状态进行评价了，现在的状态监测将原来油务化验3-5小时的工作时间缩短到了5分钟，同时也将3人的工作简化到1人，工作效率真是大大提升了”。众所周知，变压器状态评价是电力设备管理的一项重要工作，变压器状态的及时精准监测对于保障电网安全和电力可靠供应具有重要的意义，以往的变电设备故障诊断分析多是通过业务系统进行数据收集，工作量较大，且数据的实时性较差，难以满足实际业务分析需求。分析过程多是凭借业务人员的经验进行判断，存在主观因素的影响，缺乏科学的评价方法，导致变电设备分析结果的不准确和不全面。如何打破以往的状态监测方法，简化设备状态评价工作流程，满足基层业务人员实际需求，亟需一种便捷的故障诊断分析工具。去年春检后在班组内部技术大讲堂上，变电检修一次班的人员坐到一起，针对该业务需求进行了充分的讨论，班组员工候宪华说道：“现在数字化技术蓬勃发展，小程序、小软件使用极为便利，是不是可以做一个小工具实现设备状态的高效评价”。班长宋俊锋讲到：“这是个不错的想法，我们可以用人工智能对设备历史数据进行训练，然后做一个故障诊断模型，就可以对设备进行状态评价了”。副班长焦祥臻补充道：“现在有数据中台了，我们可以充分的发挥中台里的大量数据资源进行数据分析”。就这样在大家的讨论中明确了问题的解决思路和方法，通过数据中台进行设备各类运行数据的获取，解决传统设备分析时存在的数据获取方式单一，数据不全等问题，保障了数据分析的准确性和可靠性。通过将机器学习与变压器故障诊断相结合，搭建故障诊断模型进一步提高了故障识别的准确率。通过对模型进行封装，形成变压器故障诊断小工具，输入设备的运行参数，可得到设备的运行状态，便于各级各类人员进行操作，突破时间、空间的限制，提升设备状态分析的效率。思路明确了，在大家的分工协作下，通过一个月的努力，终于开发了变压器故障诊断小程序，该程序主要是通过变电站内的变电设备数据监测装置，采集油中溶解气体数据，进行数据分析。对各种机器学习算法，进行比较验证，并对分类算法进一步集合，得到分类性能好、故障识别率高的变压器故障分类识别器。对成果进行封装展示，通过微信小程序的形式更好地应用于实际的生产现场，做到随时随地、方便实用。该成果一经应用便获得了基层广大人员的一致好评，成果将变压器故障诊断的准确性，由传统IEC三比值法的80%提升到92.31%，大大提高了变压器故障诊断的可靠性。公司变电检修专工刘建说道：“本成果具有较高的实用性，通过工具实现推广应用，推广零成本，操作简单、方便、快捷”。成果具有较高的通用性，适用于具备油色谱在线监测装置的所有变压器，具有较高的应用和推广价值。成果具有较高的扩展性，该产品实现过程也可应用于GIS、开关柜等其他电力设备的数据挖掘和增值，实现对不同类型数据的可靠分析。
页:
[1]