变电运维隐患全过程管控应用的研究

发表时间:2020/9/24   来源:《中国电业》2020年第14期   作者:杨光 贾伟 张宋彬 付涛 吴越人 王兵
[导读] 为了解决变电运维隐患管控面临的问题和困难

          杨光  贾伟  张宋彬  付涛  吴越人  王兵
          国网河南省电力公司郑州供电公司

          摘要:为了解决变电运维隐患管控面临的问题和困难,本项目将着力开发出一套变电运维隐患数字化采集及全过程管控应用,并建立变电运维隐患数字化采集及全过程管控应用后台数据终端,最终研制出变电运维隐患数字化采集及全过程管控应用移动数据终端,协助变电运维人员全面掌控隐患管控过程,提高隐患的处理速度,使变电设备能够快速恢复正常状态,保障运行安全稳定。
          关键词:变电运维,隐患,数字化采集
          
1. 项目背景
          目前,变电运维班组主要的隐患管理流程为:巡视发现隐患-辨别隐患类别-抄记隐患现象-电话汇报隐患-将隐患录入电脑-编写隐患报告-上报隐患-敦促隐患处理-跟踪隐患发展-检查隐患消除-填写消除记录。其中暴露出以下问题:
(1)纸笔记录隐患效率低。运维人员在现场巡视过程中发现隐患,并辨别出隐患类别之后,需要先用纸笔对隐患现象进行抄记,费时费力还比较容易出现错误,其收录隐患的效率偏低。
(2)隐患汇报描述不清晰。由于人员之间存在认知的偏差,所以会造成对隐患描述的不清晰、不具体,增加了其他人对隐患的理解障碍,不利于及时掌握隐患的情况。
(3)重复填写,耗时费力。运维人员发现隐患并进行现场记录之后,还需要返回集控站,再录入到电脑的隐患管理中,同时还需要编写隐患报告,接着上传给相关的隐患管理单位,整个录入过程非常繁琐,耗时费力,大大降低了隐患的收录速度和实效性,也会对隐患精确性有所影响。
(4)隐患流程缺乏管控。当前的变电运维班组主要的隐患管理流程相当繁杂,容易造成隐患堆积,无法及时处理,特别是隐患的敦促、隐患的跟踪及隐患的消除存在过程管控缺失。
(5)隐患记录庞大,每个运维班大概有300条左右,12个运维班将会达到3600条,在查询某条具体隐患记录时,比较困难,效率低下,查找及整理将耗费大量的人力物力。
          以上问题给电力安全生产、电网安全管控带来了极大的问题,但目前还没有针对变电运维隐患有效的手段和技术投入使用,因此迫切需要运用先进的技术手段和管理办法为电网隐患管控提供全过程管控手段,实现隐患管控工作地高效开展,隐患数据即时反馈,全面提高隐患管控现场工作执行效率和工作质量,保证电网的安全稳定运行。
2.项目意义
          为了解决变电运维隐患管控面临的问题和困难,本项目将着力开发出一套变电运维隐患数字化采集及全过程管控应用,并建立变电运维隐患数字化采集及全过程管控应用后台数据终端,最终研制出变电运维隐患数字化采集及全过程管控应用移动数据终端,协助变电运维人员全面掌控隐患管控过程,提高隐患的处理速度,使变电设备能够快速恢复正常状态,保障运行安全稳定。本项目的主要解决方案:
          (1)语音快速录入,通过语音辨识将隐患通过语音描述转换成文字,形成电子隐患数据,避免了传统的纸笔收录隐患时容易出错及费时费力的缺点,提高了隐患的收录效率。
          (2)现场图像、影像、音频多媒体采集,全方位无遗漏地展示收录的隐患,有利于其他工作人员更好地理解隐患的各个特征,避免了由于人员差异造成的隐患描述不清晰、不具体。
          (3)利用本项目研发的变电运维隐患数字化采集及全过程管控应用移动数据终端,将原来的固定式隐患管理变为移动式隐患管理,可以随时随地录入隐患,形成数据化的隐患电子记录,并可以直接生成图文隐患报告,避免了传统录入隐患方式中重复填写、耗时耗力、过程繁杂的缺点,极大地提高了隐患的管控效率。
          (4)通过变电运维隐患数字化采集及全过程管控应用中的隐患进程提示、处理进度显示、隐患跟踪记录、隐患消除记录等模块可以实现隐患全过程管理,使得整个隐患管理流程透明化,有利于实现隐患的敦促、跟踪及消除,加强了隐患的全过程管控力度,提高了隐患处理效率。
          (5)强大的后台隐患数据库,使得隐患数据的管理、分析、上报、筛选等工作更加便捷。另外,还可以通过后台将隐患数据进行导出,可以导出隐患列表、导出隐患详情说明、导出word版的隐患报告,使隐患管理更加标准、更加完善。
3. 项目研究内容
3.1 变电运维隐患的语音快速录入
    实现隐患的语音快速录入主要是运用了语音识别技术,随着互联网的快速发展,以及手机等移动终端的普及应用,目前可以从多个渠道获取大量文本或语音方面的语料,这为语音识别中的语言模型和声学模型的训练提供了丰富的资源,使得构建通用大规模语言模型和声学模型成为可能。语音识别技术主要包括特征提取技术、模式匹配准则及模型训练技术三个方面,其中,最基础的就是语音识别单元的选取。


3.2 现场图像、影像、音频多媒体数字化隐患采集
    本项目利用多媒体技术全方位无遗漏地采集、展示收录的隐患,有利于其他工作人员更好地理解隐患的各个特征,避免了由于人员差异造成的隐患描述不清晰、不具体。
          多媒体技术是计算机综合处理多种媒体信息,使多种信息建立逻辑联接、集成为一个系统并具有交互性的技术。多媒体技术所处理的文字、图形、图像、声音等媒体数据是一个有机的整体,而不是单个媒体的简单堆积,多种媒体间无论在时间上还是在空间上都存在着紧密的联系,是具有同步性和协调性的群体。因此,多媒体技术的关键特性在于信息载体的集成性、多样性和交互性,这也是多媒体技术研究中必须解决的主要问题。
3.3 利用地理位置信息技术实现隐患定位
    地理信息技术即”3S"技术,包括——地理信息系统(GIS)、遥感(RS)、全球定位系统(GPS)。地理信息系统(Geographic Information System或 Geo-Information system,GIS)有时又称为“地学信息系统”或“资源与环境信息系统”。它是一种特定的十分重要的空间信息系统。它是在计算机硬、软件系统支持下,对整个或部分地球表层(包括大气层)空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。地理信息系统处理、管理的对象是多种地理空间实体数据及其关系,包括空间定位数据、图形数据、遥感图像数据、属性数据等,用于分析和处理在一定地理区域内分布的各种现象和过程,解决复杂的规划、决策和管理问题。
          遥感是以航空摄影技术为基础,开始为航空遥感,自美国发射了第一颗陆地卫星后,标志着航天遥感时代的开始。经过几十年的发展,目前遥感技术已广泛应用于资源环境、水文、气象,地质地理等领域,成为一门实用的,先进的空间探测技术。
          全球卫星定位系统(Globle Positioning System) 是一种结合卫星及通讯发展的技术,利用导航卫星进行测时和测距。全球卫星定位系统以全天候、高精度、自动化、高效益等特点,成功地应用于大地测量、工程测量、航空摄影、运载工具导航和管制、地壳运动测量、工程变形测量、资源勘察、地球动力学等多种学科,取得了好的经济效益和社会效益。
3.4 变电隐患数据及数据深度分析的研究
          数据库技术是信息系统的一个核心技术。它是一种计算机辅助管理数据的方法,它研究如何组织和存储数据,如何高效地获取和处理数据。数据库技术是通过研究数据库的结构、存储、设计、管理以及应用的基本理论和实现方法,并利用这些理论来实现对数据库中的数据进行处理、分析和理解的技术。即:数据库技术是研究、管理和应用数据库的一门软件科学。数据库技术研究和管理的对象是数据,所以数据库技术所涉及的具体内容主要包括:通过对数据的统一组织和管理,按照指定的结构建立相应的数据库和数据仓库;利用数据库管理系统和数据挖掘系统设计出能够实现对数据库中的数据进行添加、修改、删除、处理、分析、理解、报表和打印等多种功能的数据管理和数据挖掘应用系统;并利用应用管理系统最终实现对数据的处理、分析和理解。
           数据挖掘,在人工智能领域,习惯上又称为数据库中知识发现(Knowledge Discovery in Database, KDD), 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。数据挖掘可以与用户或知识库交互。并非所有的信息发现任务都被视为数据挖掘。例如,使用数据库管理系统查找个别的记录,或通过因特网的搜索引擎查找特定的Web页面,则是信息检索(information retrieval)领域的任务。虽然这些任务是重要的,可能涉及使用复杂的算法和数据结构,但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构,从而有效地组织和检索信息。尽管如此,数据挖掘技术也已用来增强信息检索系统的能力。它是一种从数据库,统计学和机器学习发展的技术转换。一般将之定义为Data Mining技术的CART、CHAID或模糊计算等等理论方法,也都是由统计学者根据统计理论所发展衍生,Data Mining有相当大的比重是由高等统计学中的多变量分析所支撑。主要原因在相较于传统统计分析而言,Data Mining有下列几项特性:处理大量实际数据更强势,且无须太专业的统计背景去使用Data Mining的工具 ;数据分析趋势为从大型数据库抓取所需数据并使用专属计算机分析软件,Data Mining的工具更符合企业需求;Data Mining和统计分析有应用上的差别,毕竟Data Mining目的是方便企业终端用户使用而非给统计学家检测用的。数据挖掘利用了来自如下一些领域的思想:(1) 来自统计学的抽样、估计和假设检验,(2) 人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论。数据挖掘也迅速地接纳了来自其他领域的思想,这些领域包括最优化、进化计算、信息论、信号处理、可视化和信息检索。一些其他领域也起到重要的支撑作用。特别地,需要数据库系统提供有效的存储、索引和查询处理支持。源于高性能(并行)计算的技术在处理海量数据集方面常常是重要的。

参考文献:
[1]晁淑霞. 变电运维安全隐患及其解决方案[J]. 名城绘, 2019(9):0518-0518.
[2]李肖炀. 变电运维中隐患风险分析与应对技术探讨[J]. 信息记录材料, 2017, 18(011):57-58.
[3]李肖炀. 变电运维中隐患风险分析与应对技术探讨[J]. 信息记录材料, 2017, 18(011):57-58.
[4]张军. 浅谈变电运维中隐患风险分析与应对技术[J]. 电子世界, 2018.
作者简介:杨光, 国网河南省电力公司郑州供电公司, 1986.10.12,男,本科,江苏泗阳,工程师,研究方向:电力工程.

 
投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: