基于大数据下的互联网 +智能运维系统

基于大数据下的互联网 +智能运维系统

赵廷发 牟腾飞 郭毅

（青岛特锐德电气股份有限公司）

摘要：地铁供电设备涉及到中压供电、动力配电、牵引系统以及电源系统等，站点大部分属于无人值守。运营人员依靠大量的无针对性、无预测性运行数据来判断设备的健康状况，被动的处理故障，尤其是大的供电事故，这种“后知后觉”带来的是人力、财力上的浪费。如何进行设备故障、供电事故的预判断，由“后知后觉”变为“主动出击”是目前地铁运营的重点，而大量的设备数据、运行数据是实现“主动出击”的基本条件。地铁线路多，各线路运行情况均不同，将各线路大数据进行汇总，将形成地铁专有的供电运行数据库，依靠互联网平台大数据真正实现地铁特色、专有的互联网+智能运维系统。

关键词：大数据；智能运维；故障预判

一、现阶段的运维痛点

目前地铁供电专业的运维以故障处理、事故处理为主，往往是OCC收到异常信息后，运营人员组织力量进行处理、抢修，现存的运维模式存在一定的局限性，主要表现在以下几个方面：

1、人员投入较大：关键设备的关键位置仍然需要人员定期进行巡检，采集信息以根据实际情况判断设备状态；

2、事故故障信息不够全面：虽然PSCADA系统能够对报文按照重要程度进行等级设定，不过作为运营仅仅能够得到单一的故障信息，例如差动保护跳闸，而无法获得更多的运维决策信息；

3、事故故障信息时效性：PSCADA系统针对重要信息能第一时间在主机页面进行推送，不过对于供电工班人员特别是现场当班人员不能第一时间得到故障信息；

4、无事故预判：对于供电设备而言，事故预判永远比实际故障更容易、更安全解决，可以节省大量的人力、物力，同时对于生命财产安全具有重要的意义。目前PSCADA系统只能将已经发生的事故进行上传和推送，而对于隐患类故障没有解决方案；

5、无设备健康度评测：目前判断设备、元器件生命周期，完全按照经验值评估，无法按照实际设备运行工况提供科学的健康评估报告。过快或过期更换元器件、大修设备带来的都是资金的浪费甚至重大事故的发生。目前运维方案并未对此提出有效的解决措施。

二、数据价值催生的互联网+

地铁每条线路的运行条件的不尽相同，有的地铁线路高架轻轨为主，有的地铁线路为地下隧道，有的线路除地下部分外，还包括海下隧道部分，部分线路离海边近，某些线路穿过高山。对于中压供电这个专业，外电源的供电方式随着系统220kV变电站的变化而变化，例如青岛地铁11号线，海洋大学开闭所供电方式为小电流接地方式，皋虞开闭所供电方式为大电流接地方式，而且每条线路的供电设备也根据需要采用不同的品牌。不同的运行条件、不同的外电源供电方式、不同的设备品牌对于地铁运营来说意味着挑战，同时特有的属性也决定了地铁运行数据的多样化。

习近平同志在代表第十八届中央委员会向党的十九大作报告中首次提出了推动大数据与实体经济深度融合的理念，提出：“我们要坚持创新驱动发展，加强在数字经济、人工智能、纳米技术、量子计算机等前沿领域合作，推动大数据、云计算、智慧城市建设，连接成21世纪的数字丝绸之路。”通过互联网+将地铁数据进行整合，对每个站、每条线路、每个季节供电设备的运行数据进行同比、环比，并在地铁的整个生命发展过程中对数据进行修正，建成有时代特色的地铁特有的数据库。如此，有两大优势：

1. 既有线路在收集数据、整合数据、对比数据中发现可以改进的地方，包括设计改进、施工改进、设备改进、能源管理以及管理改进。将改进在后期线路的招标、建设以及运营中提供决策，新线路、老线路通过数据融合在一起，为新线路建设指明方向，避免重蹈覆辙。

2. 互联网将可以实现在权限范围内任意的客户端、任意位置对数据进行访问，这种看似开放的数据管理存在安全风险，实际数据的价值的实现正是需要开放、共享。加强数据安全，共享数据，在故障发生的第一时刻，关键人员可以第一时间通过手机APP、短信获取故障信息。

三、智能运维框架

地铁有了运行大数据，并结合互联网，可以搭建供电系统智能运维整体框架。智能运维要解决传统运维方案的痛点，必须针对各设备、各元器件的电气特性，联合各供应商，以设备为基础，大数据为依据，互联网+为手段打造大数据下的互联网+智能运维系统。1、8大系统

1、8大系统

框架分为8大系统，分别为40.5kV中压供电系统、0.4kV低压配电系统、交直流屏系统、环控柜系统、直流牵引系统、变压器系统、电力电缆以及无功补偿系统。

各子系统依托低层设备硬件、传感器等上传基本电气量、模拟量数据信息，数据采集结构包括设备采集层、现场数据监控层以及云平台服务层。

2、6大目标

基于大数据下的互联网+智能运维系统需要实现平台管理、数据共享、信息专用、故障预判、健康评估、运维决策6个目标，目的是能更好为运营单位提供更加有效的信息，减少运营成本，提高运营效率。

平台管理：智能运维平台+互联网服务器。

智能运维系统主要包括线下采集层、本地通讯管理层、云服务数据层以及手机APP组成。线下采集层以供电设备为对象，通过网络通信层将所内的间隔层设备以及传感器通过有线或者无线的方式连接起来，通过具有可靠性高、实时性强的采集终端构成稳定、可靠的智能运维系统。本地通讯管理层由站级管理层、网络通信层组成。云服务数据层将本条线路的数据信息进行存储，平台是一个集成化程度高，模块化功能强的平台。整个系统平台由前置通讯服务器、数据存储服务器、WEB服务器、App服务器四大服务器组成。这四大服务器功能既可以分布式部署，也可以集中到一台服务器服务。手机APP可以通过授权随时查看设备运行信息以及接收故障信息、工单信息等。

数据共享：因原系统已存在成熟的电力监控系统，故相关数据需要和PSCADA共享，这就对子系统组网设备的配置提出要求。专业双方需要提前预留接口，确定点表信息，将智能运维系统纳入到联调范围内。

信息专用：信息专用是相关运维数据只提供给运维人员使用，不上传PSCADA，不与PSCADA共享，原PSACADA系统对于运维管理存在弊端：

1）数据繁多：各种正常开关量、模拟量、报警信息、故障信息、事故信息，虽然信息按照性质以及等级划分，可是大量的数据呈现降低了运维人员的工作效率。

2）针对性差：对于运维特别关注的数据，例如设备寿命、短路开断次数、局放量、电缆头温度等信息，PSCADA并未提供。

3）时效性差：PSCADA系统可以第一时间将故障、事故信息在车间中心以及OCC进行推送，调度人员将故障信息再通过其他途径进行下放到责任人，延迟了事故的处理时间。

智能作业：智能作业包括两部分，智能派工以及自助检修，通过配套智能运维APP，将实现：

1）班次情况提前录入平台，平台根据上班情况提前发送短信或者通过配套智能运维平台APP进行推送。运营日常工作中的故障修、正常检修、委外单位的预防性试验等标准化作业全程可进行监管，每一步骤都可以进行视频录制，并出具表格单据等信息，作业更加科学。

2）设备故障信息、异常运行数据信息等均第一时间传送到当班人员以及相关责任人的手机，配合平台对故障、事故做出的分析来帮助运营人员有针对性的安排抢修人员、工器具。

故障预判：对潜在可能发生的故障提前做出预警，在事故未发生之前提供运行依据，解决故障，防患于未然。故障预判是智能运维的重要目标，而实现故障预判主要包括两部分，其一：电气量的标准数据，例如GIS局放量，这类数据有国家相关标准，只要设备数据超过标准量，即通知运营人员进行检修。其二：变化数据，例如高压电缆中间接头温度量数据，此类数据不断在发生变化，而这种变化又是有规律的，变化依据包括天气、季节等，此类数据需要平台不断的进行总结，学习，形成曲线，并在后期的运行中不断修正，当偏差超过一定范围时通知运营人员，提前对有故障倾向的设备进行检修，防患于未然。

健康评估：对电力设备关键元器件的运行状态进行全生命监控，结合设备厂家提供数据，适时更换，规避风险，降低成本。设备、元器件健康评估是故障预判的初级展现形式，通过传感器对设备关键部位的监控，将数据与设备出场信息进行实时对比。例如，中压开关柜的断路器短路分断次数，这是一个非常重要的数据，整个断路器的生命周期共5次分断能力，在生命周期内，监控此参数并与出厂参数进行对比具有重要的意义。

运维决策：运营人员由于教育背景、工作经历、工作经验等的不尽相同，对于故障、事故的分析能力不同，往往不是每个人都具有专业工程师的能力，那么设备厂家根据设备特点对故障、事故出具的报告是辅助运营人员进行处理的有力工具。智能运维将每种设备故障信息进行分析判断，出具运维决策，帮助运营人员进行故障、事故处理。例如，中压开关柜发生跳闸，平台将故障信息、波形数据传送给运营人员，同时根据数据，出具一份类似于医院CT诊断的说明，分析波形信息反映出来的跳闸信息。运维决策是智能运维的核心，同时需要大量的运行数据作为支撑。

四、总结

智能运维是人工智能（AI）技术在供电运维领域的应用，依靠电力系统建模理论与方法，将各个系统、专业建立运维模型，构成模型的主要部分是大数据，运行在互联网+下的大数据可以让无生命的设备拥有诸如“意识”、“自我”、“思维”、“修复”的智能属性，智能属性反过来又能充实、筛选有用的数据，自动过滤异常数据。智能运维一定是可以自我成长的，人在整个过程中充当的是维修工的角色，是在为系统“打工”。

目前地铁处在在模型基础上收集数据的阶段，在这个阶段，我们可喜的看到，基础的东西正在转化为数据，特别是老员工的经验数据化、专家的技能数据化正在指导新的地铁人。同时，从底层传感器收集的数据正在让各个模型越来越科学、越来越贴近设备实际运行属性，系统给出的故障预判、专家建议也在逐渐的趋于正确。

参考文献：

1. 葛亮.《电网二次设备智能运维技术》.中国电力出版社.2018

2. 鞠东彬.《通信电源技术》.基于大数据的电力系统运维技术研究.中国科学出版社.2018

3. 涂子沛.《大数据：正在到来的数据革命》.广西师范大学出版社》.2012