人工智能技术在电力设备运维检修中的研究及应用

王 敏，李雪松，王 堃，秦振威

（1国网宁夏电力有限公司信息通信公司 宁夏 银川 750001）

（2中南大学计算机学院 宁夏 银川 750001）

0 引言

国家电网选择全国5个典型环境区建设5个复合绝缘材料老化站，最终选择西藏羊八井（高海拔、强紫外线）、内蒙古根河（严寒）、新疆吐鲁番（高温），河南郑州（中原气候）和福建湄洲岛（海洋盐雾）5个施工现场，共同构成了涵盖各种典型气候和环境特征的复合材料老化试验研究平台。国家电网孟东电力研究院负责根河老化试验站的建设、运行和维护。

1 智能电网维护的基本流程

目前，在国内智能变电站维护模式中，变电站维护团队的工作为负责完成变电站的维护和淘汰。由于智能变电站对维护工作的要求以及智能变电站与常规变电站维护模式的差异，智能变电站维护管理主要通过以下6大流程实现：

1.1 实现信息收集

在变电站设备状态维护过程中，信息采集是其中首要环节，为下一步的状态评估和风险评估奠定基础。

1.2 实现状态评估

在变电站维护管理过程中，设备的状态评估和风险评估是两大核心因素，准确评估电力状态直接涉及下一步的风险评估和日常维护，可以说是变电站智能化的关键环节，务必引进科学的手段对设备状态进行正确评估，为整体运维策略的制定提供支撑。

1.3 实现风险评估

可以按照设备的风险评估结果进行分类，制定维护策略。

1.4 制定变电站设备的维护策略和计划

维护策略包括停电维护、非停电维护、局部部件维护和更换以及整体设备更换。

1.5 执行变电站设备的维护计划

变电站设备维修计划的实施是状态维修中最关键的环节。根据公司相关部门讨论决定的检修计划，按时实施变电站设备的大修。维护计划的实施包括准备阶段、实施阶段和总结阶段。

1.6 评估变电站设备维护的有效性

变电站设备大修的有效性评估是对大修计划实施效果的检验。大修计划实施完成后，运行人员应与大修负责人一起参与设备状态的检查，检查是否存在遗留物，现场是否干净等，然后检查工作结束后，运行人员对大修结果进行评估，确定大修后设备是否等待正常运行，并向控制中心报告。

图1显示了变电站设备维护管理的基本流程，这6个流程构成了一个闭环管理系统。

2 人工智能在电力设备运行、维护和检修中的关键技术

人工智能是对人类智能的理论、技术、方法进行模拟和扩展的前沿科学技术，在此技术上研发相对应的应用系统。把部分人类的智能操作通过机器来实现，以取代人类原有的识别、决策、认知、分类等诸多功能，是Litsgoal的研究成果。人工智能技术以数据分析为主，在人工智能技术中机器学习、智能优化计算等技术有着十分重要的应用。本文基于实现智能化的电力变压器状态检修目标，主要对多模态机器学习进行了分析[1]。

电力设备的运行、维护、维修相关联的数据源十分广阔，其中的异构数据以视频、音频、图像、物理信号等为主，每一个模型都可能是一类信息形式或者信息源。对各种模式的综合分析构成机器学习的多模式。多模式学习方式泛指利用机器学习方式提升解决和认知多源模态信息的能力。机器学习的多模态数据能够最好地表示、提取和识别特征。

比起单一的学习模式，多模态学习充分利用了互补性的模态关系让模态间的冗余得以消除，让学习更有效率。多模态学习方式的典型表现是迁移学习。该方式的原理是利用资源比较丰富的模态去帮助资源匮乏的另一组模态学习。特别是针对小样本的学习前景广阔。图2展示了一个典型的深度适应网络迁移学习原理。

在电力设备运营维护过程中，如果能够进行模块化实施，综合分析故障或者不同侧面设备的状态，会使得判断更加准确。当前，国内外的研究者开展多信息、多时段、多准则的层面上探究设备运行维护融合技术，尽管取得一定的成效，但多模机器学习还只是刚刚起步。

3 人工智能在电力设备运行维护检查中的应用

伴随国家电网正在推进的“三集五大”策略，真正实现了变电站的智能无人值守，越来越多的矛盾在独立运营模式中显现，综合分析从业者的利用率、时间效益、运输成本，在大规模运行和大规模维护的模式下，逐渐缩减工作人员，变电站智能化形成的一体化的运行和检查，大大提升了变电站的运维效率。

以电力变压器运维举例，因为长期的运行状态，电力变压器会受到各种内外因素的影响，如电应力、机械应力、热应力、操作条件和气象环境，这将损坏其绝缘性能，并导致缺陷甚至故障。在这个环节里，诸多状态信息里都涵盖着故障的演变和设备运行状态的变化，例如检查测试、现地测试等，随着输变电设备的电力信息平台的日趋完善和应用，很多状态信息具备来源的多渠道性和差异性。状态评估的多维精细化和准确的预测结果，是可靠的参考数据，将成为设备维修、决策、优化的有力保障，真正提升变压器状态管理水平。图3显示了人工智能技术在电力设备操作和维护中的应用框架。

3.1 设备健康评估

为了确保供电的安全可靠，缩减因为频繁检修导致的费用升高，业界展开了针对电力变压器的健康检查和相应的检修，包括电抗器、断路器、变压器等交直流电力设备，同时制定了对应的工作方针，在这个过程中积累了丰富的专家经验，但基于这些电力设备高成本、结构复杂，作用关键，其分布区域和工作特性不同，太多的状态量表征，表现极大的模糊和不确定性质。在发展过程中，缺乏普遍、客观、全面的评价标准[2]。

因为传统的针对专家经验和业务指南评估存在的缺陷，业界采用了机器学习算法和数学分析法，启动了设备状态评估模型的研究工作，范围包括多源设备状态数据的设备状态等，目的是将电力变压器的真实状态全面准确地反映出来。通常划分为两类模型：第一类是对权重的评估，是采取数学模型进行客观地计算，通过对变压器状态与各类状态量指标之间的关系的分析，明确关联性强的关键特征指标以及重要性以及进行权重的评估。然后评估变压器的状态；二是利用机器学习算法，基于训练样本直接建立状态量与变压器状态评估之间的预测模型，目前聚类分析和人工神经网络都属于常用的机器学习算法范畴。

3.2 设备运行状态预测

设备状态预测是由传统的设备状态预测和状态评估发展而成的，设备状态预测能够将设备的历史状态和实时状态想结合，综合考虑电力系统相关的外部环境信息，根据设备运行关键参数和运行指标来预测今后设备的运行状态。因为比较复杂的电力设备运行工况，以及繁杂的指标参数，所以目前的电力设备预测一般是以相关的重要指标为预测对象[3]。依托人工智能在多重相关问题以及高度非线性处理上的绝对优势，构建时间序列或者关联预测模型，最普遍使用的手段包括支持的向量机、长、短期记忆网络、递归神经网络、深层信念网络等，按照预测目标的不同，可以设立绕组状态、油温、绝缘油色谱图、负荷水平等作为研究对象。

3.3 电力设备故障诊断

电力变压器文本信息涵盖长时间运行积累的试验和巡检记录、故障报告和维护、缺陷和故障报告、文件排除、缺陷等。其中最具有维修指导意义的是设备健康信息。国外开展的故障风险预测的研究是通过故障表完成的，但在词性和语法结构上中英文文本差异性很大，所以，深度挖掘中文文本特征重要信息是十分必要的[4]。鉴于传统机器学习分类器缺乏数据处理和特征提取能力，引入深度学习模型（例如长期记忆和短期记忆神经网络以及卷积神经网络）作为文本分类器实施测试和训练，因此故障原因和相对的影响都可以在故障文本中自动获取，并可以将缺陷的严重程度在故障记录中得以确定，比起传统的机器学习模型，明显提升了分类的精度。

中文文本分类问题的处理过程主要包括3个阶段：

（1）预处理文本，涵盖句子、分词停止词过滤等；

（2）显示文本，就是将文本转换形式，让计算机能充分识别和处理；

（3）分类器的选择、构造、训练和测试。

4 电力设备进行状态检修研究的重要性

我国接入电网的输变电电力设备，在长期正常运行的使用过程中，电力设备突然出现这些故障几乎不可避免的。引起这些故障的根本原因主要包括：设备制造商在生产使用过程中，还有可能间接遗留的一些电力设备整体结构的参数缺陷、安装前期正常检修以及后期维护中可能间接存在的安全隐患问题。长期正常运行工作后，还有可能直接导致电力设备的电绝缘等零部件发生老化，电力设备整体结构安全性能发生劣化等诸多危险因素。然而，电力设备本身其实也是一个极其复杂的信息处理系统。其复杂性表现为：长期测量的信息系统特征和依据数量众多，如电力设备日常运行生命周期基本工况、检修设备时间运行历史、工作设备周围环境、监测数据、家族电力设备生产质量史等，这些在长期测量状态下的相关问题中，往往本身具有较大的不确定性和模糊性。我们需要及时跟进，对当前我国输变电力设备日常运行，长期测量状态有效、准确性的质量评估及其业务开展存在的困难因素。目前而言，我国输变电站和电力设备的日常检修运维，以及长期检修造价评估管理业务，主要在导则、规程、专家长期检修评估经验、波形以及测量特性法等测量比值分析法等。长期检修评估方式在相关技术理论指导下才能予以规范开展，这种长期检修评估方式难以有效率地，满足当前我国输变电力设备行业用户长期海量化和多样化、差异化、精细化的日常运维检修评估需求，可能会直接致使我国电力设备本身长期存在“过修”或“欠修”两种成本状态，从而极有可能还会造成大量用在人力、物力以及其他资源上的成本浪费。

4.1 电力设备进行状态检修的意义

相关技术人员和整个电力设备维修团队，以及企业工作人员都希望，可以通过使用这种人工智能数据分析检测技术，对春季前期电力设备进行状态检测及维护，进而进行整体电力设备状态检查评价。一般的春季前期，电力设备整体状态检查工作及检修后的维护工作，都应该指的是在春季前期继续进行整修状态，和检修后的排查工作。但是如果一个春季电力企业，对整个春季电力设备状况进行整体状态检修排查工作，不再是十分重视，只在春季前期简单进行整体状态排查检修，就很大可能变得无法有效率的保证，整个春季电力设备的长期正常稳定状态运行。同时还很有可能，甚至会严重直接影响整个电力设备维修、企业工作人员的生命财产以及人身安全。电力设备企业只有做到了从源头做好检测，从路径做好管理，才能在最后结果上取得好的成绩，从而有利于电力设备的稳定和发展。

4.2 电力设备进行运维一体化的意义

在我们进行传统现代工业，民用电力设备日常保养、维修检护、资料运行管理工作这个过程当中，电力设备的日常维修检护资料运行管理，往往是由我们电力设备企业，进行日常维修维护、运行资料管理。电力设备维护检修、运行管理技术单位的工作人员，往往都是分开分别负责进行日常维修资料管理的。在我们传统工业电力设备企业，如何才能将日常维修维护运行资料管理做好，其实在一体化电力设备日常维修中，很多我们需要的传统非专业的设备维修管理技术人员，往往都会选择去外地雇来部分技术人员和一些我们传统非专业的电力设备维护运行维修管理人员。只有这样，我们企业才能在设备发生故障后的第一时间，快速准确找到问题和及时解决我们传统工业电力设备当中随时可能出现的各种故障，提高我们传统工业电力设备的正常生产使用寿命，保证传统电力设备维修，企业工作人员的财产权和人身安全。

5 结语

随着供电企业电网设备种类的增加，以及电网设备运行维护管理信息化改造的实际需求。在电力系统广泛应用大数据的趋势下，可以利用智能优化计算、专家系统、机器学习和不确定推理等人工智能技术的完善，全面挖掘和分析电力变压器的状态数据[5]。因为数据质量、异常样本、数据载体等客观原因的束缚，人工智能技术的关联场景的应用还刚刚起步。在未来的工作中应该加强状态数据的管理和维护，真正实现智能化的电力系统。