1、Application 创新应用354 电子技术 第 52 卷 第 4 期（总第 557 期）2023 年 4 月信息通过无线收发器传输到片上微机，图像二值化后，片上微控制器会通过收发器无线进入诊断模型。基于云平台的HGIS设备SF6气体故障诊断模型如下。（1）参量获取层。参量获取层利用传感器采集与监测对象对应的特征参量，为数据处理层和智能应用层提供数据基础。（2）数据处理层。数据处理层由主监控IED构成云平台，任务调度、故障初步诊断、数据存储等任务通过计算资源池和存储资源池的形成来实现。（3）智能应用层。主要用于存储故障历史数据，用于结合历史数据对设备进行故障诊断并向变电站发送诊断结果。控制
2、中心通过连接互联网向技术人员传输故障设备型号与相关特征参量，对数据进行分析处理后得出故障处理办法，通过互联网将分析结果传输至控制中心。2 基于云平台的故障诊断流程数据处理层利用云平台，对从参数收集层得到的不同变电站的数据资源进行计算和整合，形成庞大的存储库，根据任务调度的原则分配计算空间，进行故障诊断。整合诊断结果后，将实时数据分层存储，同时将分层存储的综合信息和实时数据传输到控制中心，由控制中心通过复杂的算法确定故障0 引言在现代供电系统中，SF6气体以其绝缘能力高、灭弧能力强而被广泛用作变电站设备的主要绝缘介质。如果设备内的SF6气室发生泄漏，造成压降或骤降，电力设备内部的绝缘将受到严重破
3、坏，随时可能发生爆炸等严重后果。因此，当HGIS设备SF6气室压力异常时，工作人员必须十分小心，迅速查明原因，尽快采取措施。针对这一问题，本文基于基尔霍夫直线检测算法与云平台技术，针对HGIS设备 SF6气体故障诊断与运维预警进行系统设计。1 系统构架由于储罐和SF6气体的温度影响和膨胀系数的影响，SF6气体密度继电器的显示总是存在一定的变化。将HGIS装置的SF6数据与报警系统进行比较，如果气动装置的SF6密度达到报警值和锁定值，SF6压力数据统计分析系统也会检查气动装置的SF6密度值是否统计SF6压力数据分析系统如果低于国家标准规定的最终记录值或厂家提供的标准，将发出报警，表明气体充装设备
4、的SF6密度值高于以前的转录值统计分析系统如果SF6压力数据显著增加，应警惕状态异常。基于这一原理，可以利用图像采集器将图像作者简介：谭静，国网湖北省电力有限公司直流公司；研究方向：电力技术。收稿日期：2022-12-05；修回日期：2023-04-12。摘要：阐述基于基尔霍夫检测算法和云平台技术，设计了HGIS设备SF6数据比对预警系统，该装置异常报警系统具有输出报警、直观显示、监测数据、生成数据变化曲线、对故障输出维修建议的功能。关键词：控制技术，基尔霍夫检测算法，数据比对，预警系统。中图分类号：TP273 文章编号：1000-0755(2023)04-0354-02文献引用格式：谭静，金
5、海勇，田鹏，曾伟.HGIS设备中的SF6故障诊断与运维预警技术分析J.电子技术,2023,52(04):354-355.HGIS设备中的SF6故障诊断与运维预警技术分析谭静1，金海勇2，田鹏2，曾伟2（1.国网湖北省电力有限公司直流公司，湖北 443001；2.上海乐研电气有限公司，上海 201802）Abstract This paper expounds the design of a HGIS equipment SF6 data comparison and warning system based on Kirchhoff detection algorithm and cloud
6、platform technology.The devices abnormal alarm system has the functions of outputting alarms,visual display,monitoring data,generating data change curves,and outputting maintenance suggestions for faults.Index Terms control technology,Kirchhoff detection algorithm,data comparison,warning system.Anal
7、ysis of SF6 Fault Diagnosis and Operation Early Warning Technology in HGIS EquipmentTAN Jing1,JIN Haiyong2,TIAN Peng2,ZENG Wei2(1.DC Company of State Grid Hubei Electric Power Co.,Ltd.,Hubei 443001,China.)2.Shanghai Leyan Electric Co.,Ltd.,Shanghai 201802,China.)Application 创新应用电子技术 第 52 卷 第 4 期（总第
8、557 期）2023 年 4 月 355是否存在。在本系统中，云平台具体起到以下几种作用：（1）云平台可通过互联网从参量获取层获得不同变电站的设备的监测对象对应的特征参量，并将其进行整合，分属于各个主IED资源，形成一个虚拟动态扩展计算机资源池，从而将不同变电站的生产线整合在一起。（2）随着设备或变电站的增加，可通过增加主IED的个数来扩大云平台规模。（3）云平台可将获得的多个特征参量并行运算，大大提高故障诊断效率。3 任务调度原则本系统使用遗传算法来分配任务。遗传算法是一种结合进化论和种群遗传理论的全局自适应搜索算法。使用遗传算法解决问题的本质是基于生物进化机制进行全局优化，从群体角度寻找最
9、优解。它比单角度搜索具有更高的优化能力，并且可以将多个峰值进行比较，一般收敛性强，便于寻找全局最优解，在解决复杂非线性数学概念的优化问题上有一定的优势。基于遗传算法的目标优化求解过程是将要求解的问题按照一定的编码规则组织成链，并引入遗传理论。每条链对应一个染色体，不同的染色体组成一个染色体群体。首先，初始化染色体组，初始化的目的是给染色体组的每条染色体一个功能自适应值。然后，通过选择、杂交、突变等遗传操作，对染色体种群进行重复纯化，直至得到待解决问题的最优解。具体流程为：实时数据中的特征参数根据其对应的监控目标进行分类，形成数据包，将数据包与相应的初级诊断方法结合，形成任务矩阵。任务矩阵的元素
10、代表任务包的大小，其目标函数是以当前任务分配后IED计算资源利用率方差的最小值，约束条件是每个任务有且只有一个IED处理。本文采用轮盘赌式筛选的选择方式对种群进行选择，具体流程如下：首先根据给定种群的分布从先前种群中随机选择一条染色体作为算子，对第s代第j个个体的适应度进行计算，通过适应度获得选择概率p(sj)，如式（1）所示。（1）式中，F(sj)表示sj在总体中的适应度值，当前种群中的解决方案是根据它们在下一个种群中生存的优点来估计的，这要求群体中的每个种群对应的解决方案都与前一个种群适应度值相关联。解决的适应度值取决于群体内的总变异。具有较小平方误差的解串必须具有较高的适应度值。突变操作
11、。突变改变了基于解决方案的价值，关于聚类质心和相应数据点之间的距离。每个解决方案对应一个数据点，其值代表该数据点所属的集群。对应的聚类中心越靠近数据点，聚类数的值发生变化的概率就越大。K-Means算子。K-Means算子由聚类中心的计算和集群中每个数据点的就近再分配构成。4 故障诊断及运维预警的实现初级诊断方法库。在数据处理层，将各种诊断方法以数据包的形式存储在存储资源池中，形成一个初级诊断方法库，计算机以实时数据作为依据，将故障设备的特征参量与初级诊断方法库中的数据进行配对，从而进行初级诊断。不难看出，初级诊断方法库仅适用于较为简单的故障，故本系统将初级方法库作为一个初步筛选的过程，当设备
12、被初级诊断方法库判断为故障时，需将该设备的特征参量输入高级诊断方法库对其做进一步诊断。高级诊断方法库。在智能应用层，使用基于人工神经网络算法的故障诊断等复杂人工智能算法结合历史数据给出的故障诊断，并通过云平台发出维修信号，并通过互联网连接技术人员给出的技术分析与故障处理办法。常见人工神经网络诊断算法包括卷积神经网络算法、循环神经网络算法、自编码器神经网络算法。本文采用卷积神经网络算法，其原理为使用最小梯度汇算法进行训练。当网络模型通过时，损失函数得到优化。首先对样本进行批量迭代训练，然后模型的各个参数沿着负梯度方向不断更新，直到收敛。在模型优化过程中常采用正则化方法，避免模型过拟合，提高模型的
13、泛化能力。通信细节的实现。通信细节主要体现在控制中心向技术人员传输故障设备的型号与特征参数与技术人员分析得出故障处理办法方面。因高级诊断方法库判断故障存在后，设备需停止运行，故向技术人员传递故障信息的效率和技术人员给出故障处理办法的速度越慢造成的经济损失就越大。因而控制中心与技术人员通信的快速性显得尤为重要。本系统中采用整个云平台网络化运维系统搭配App的形式完成控制中心与技术人员之间的通讯，从而保证整个系统运行的快速性，并通过App完成变电站工作人员对控制中心发送给技术人员的故障数据进行现场具体故障情况的补充说明5 结语本文基于基尔霍夫检测算法与云平台技术，提供一种HGIS设备 SF6数据比照预警系统，仿真测试结果显示：本文所提算法显示出较低的误报率与检测率具有较高可行性。参考文献1 黄娅.基于变电站的电力物联网系统研究与实现D.江苏：江苏大学,2021.2 边红涛.特高压变电站GIS设备SF6在线监测系统分析及应用J.电工技术,2017(12):88+117.3 陈伟君.HGIS设备SF6气室压力异常应对策略J.中国新技术新产品,2017(23):51-52.
