配電表箱溫度數據分析研究

導語：配電表箱溫度數據分析研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：配電表箱中安裝著開關、保護等非常重要的電網運行設備，當設備長期在室外復雜的環境下工作時，運行溫度是影響運行狀態的重要因素，傳統的檢測手段只對其實時溫度進行監測，但對于長期在線運行系統數據就無能為力了。有效的數據挖掘和建模分析可以準確反映出配電網中的設備運行狀態和一些潛在的問題，現通過在軟件系統中建立數據分析數學模型，對采集到的傳感器溫度數據進行分析計算，基于時間段、所記錄溫度數據、氣象信息等基礎來源信息，推測潛在故障，推薦優化處理方案，以達到輔助決策的效果。

關鍵詞：數據分析；輔助決策軟件；設計；氣象數據

配電表箱中安裝的電氣設備長期在線運行積累的設備溫度等數據可以有效并準確反映出配電網中的設備運行狀態，如何有效地對這海量的運行數據進行分析和挖掘是行業內重點研究的課題。目前國內外主流的解決方案是在配電表箱中安裝溫度傳感器對設備的運行溫度進行實時采集及查詢，但在采集數據的挖掘、設備的運行狀態預測及外界因素關聯分析方面還沒有深入研究。因此，在本次研究中建立數據分析數學模型，對采集到的傳感器溫度數據進行分析計算，并基于時間段、所記錄溫度數據、氣象信息等基礎來源信息，推測潛在故障，推薦優化處理方案，以達到輔助決策的效果。數據模型的基本設計思路是：在多個不同年份相同時間段比較溫度值差，再針對差值數據的大小，比較該時間段氣象信息。在氣象信息無巨大變化差異的前提下，對發生溫度變化大于±3℃的數據量驟變信息進行提選過濾，按照基本數學模型分析可能原因，推測潛在危險以及推薦決策。對于在不同年份相同時間段溫度差值小于±3℃的數據量驟變信息進行特殊數學模型分析，基于分析結果給出優化處理方案。溫度數據分析決策算法流程圖如圖1所示。

1高溫原因分析

利用測量點采集的溫度與環境溫差變化進行分析可以初步得出，當用電高峰期載流量過大時，測量點溫度驟升，與環境溫差較為明顯，但持續時間短，平均到一天當中，日平均溫差不大，所以報警時綜合考慮溫差趨勢得出載流量過大的結論；當設備老化或接觸不良時，除具備用電高峰期載流量過大的因素之外，同時每一時刻測量點與環境溫差都有相當大小的值，平均到一天當中，日平均溫差明顯，所以報警時綜合考慮溫差趨勢得出設備老化或接觸不良的結論。以下為判定過程：1.1載流量過大。對配電表箱進行監測，當出現高溫后系統前臺進行報警處理，根據年歷史溫度變化趨勢判定。統計當前測量點與環境的歷史溫度差異，根據每日平均溫差形成溫差走勢，如果溫差不呈持續上升趨勢，則判定為載流量過大。溫差的趨勢圖如圖2所示，通過趨勢分布圖可以看出，溫差走勢呈非持續上升趨勢。1.2設備老化或接觸不良。判定原理同上，判斷條件為溫差呈持續上升趨勢時，判定設備老化或接觸不良。溫差的趨勢圖如圖3所示，通過趨勢分布圖可以看出，溫差走勢呈持續上升趨勢。

2設備老化趨勢分析

分析原理同上述高溫分析原理，結合周圍環境溫度監控數據，配電表箱中測量點的溫度曲線應和環境溫度曲線保持一致的溫度走勢。趨勢分析旨在提前分析設備是否老化，而非發生高溫報警后進行原因分析。分析方法：以整點采集的溫度和環境溫度做差值，將一天圖1溫度數據分析決策算法流程圖的所有差值取平均，以年為分析單位，將一個月內的所有日平均差值再取平均統計出月平均差值。平均溫差作為衡量設備老化水平的分析依據，當差值不斷增大時，預測為設備狀況不佳，可能存在老化現象。

3設備薄弱環節預測

薄弱點分析采用同級比較的方法，根據普遍運行狀況篩選出特殊運行狀況。具體研究方法如下：以用電高峰期作為時間節點，統計用電高峰時段測量點溫度增長情況，將同負荷級別的每個測量點在本時段與環境溫度的差值記錄下來，并計算出所有測量點溫差平均值，然后將超過溫差平均值的測量點記錄在案；以月為統計單位，統計超過平均溫差的次數，按照次數進行排倒序。根據設定的“一個月超過日平均溫差次數”閾值來判斷疑似薄弱點。由表1數據來看，設置閾值為0，所以經過分析后發現測量點1、測量點5、測量點4、測量點2均為薄弱環節（排名順序分先后）。

4外界氣象信息輔助報警

建立外界氣象信息輔助分析流程，針對同一區域覆蓋范圍內的數據進行外界溫度的信息收集，將該區域范圍內采集到的外界環境溫度信息作為報警的指標之一。對于部分提供公開氣象警報接口的氣象信息部門，調用氣象信息接口，采用WebService網絡接口的方式進行氣象信息接入，這種方式安全高效，數據來源準確，并且可以縮短系統開發的周期和人力成本。實時接收氣象警報，按照外界氣象警報不同的劃分層級，計算針對采集裝置和傳感器的危害，對采集點電力設備的損害程度，參與輔助報警。外界氣象信息輔助報警流程圖如圖4所示。

5結語

配電表箱中安裝的設備在長期運行中積累的數據可以有效并準確反映出配電網中的設備運行狀態。本文分析了如何通過對配電表箱中設備歷史與實時溫度數據的趨勢分析、薄弱環節分析、外界氣象信息采集數據對比分析等，進行除主系統中高溫報警以外的輔助報警和輔助決策。結合多維數據立體化智能報警，為配電表箱中設備進行溫度管理提供了信息化手段，有效提高了工作效率，避免了大量人工操作，能夠滿足工作要求，并有效消除公眾對高溫帶來隱患的憂慮，削減公眾對輸變電設備無端恐懼的心理，加強人們對于配電網絡的認識，有效地引導社會輿論。

［參考文獻］

[1]《中國電力百科全書》編輯委員會，《中國電力百科全書》編輯部.中國電力百科全書：電力系統卷[M].北京：中國電力出版社，1998.

[2]仁偉建，呂雪峰.基于優化技術的電力系統故障診斷解析模型的研究[J].計算機與信息技術，2006（3）：3-5.

[3]吳際舜.電力系統穩態分析的計算機方法[M].上海：上海交通大學出版社，1992.

作者:李明明 楊宏宇 王瑞琦 劉涌 王朋朋 單位:1.國網河南省電力公司駐馬店供電公司 2.上海博英信息科技有限公司