摘要：对性的检修策略成为了供电企业普遍关注的问题。本文首先从变电站设备状态检修的概述出发，分析了其定义、基本原则、目的和演变历程。结合先进的国内外变电站状态检修的研究热点和变电设备检修现状，指出了开展状态检修工作存在的问题，总结出了要以设备状态评价为基础，优化设备检修策略为目标的变电设备状态检修体系。其次通过对变电站状态检修过程的阐述，对检修管理各阶段的过程进行了详细的介绍。论证了实施变电设备状态检修，需逐步建立变电设备状态检修的管理体系、评价标准、评价方法和相应的检修策略。再次对变电站的重要设备变压器和断路器的故障类型和故障分析方法进行了分析总结，针对变压器和断路器的故障类型和分析方法，提出了相应的状态评价方法、评价标准，提出了相应的变电站设备检修分类和检修策略。最后对变压器的状态检修和断路器的状态检修的实际应用进行了研究，指明了研究内容的可行性。
关键词：变电站设备，检修管理；评价标准；检修策略；
引言
随着中国经济的突飞猛进，电力体制改革也在不断地深化，供电企业必须以优质的服务，安全可靠的供电质量来吸引用户。变电站设备检修是供电企业的一项重要工作。如何适应新时期电网迅猛发展的新特点，改进和完善原有周期性检修策略，以有限的人力资源实施更加有针对性的检修策略成为了供电企业普遍关注的问题。本文首先从变电站设备状态检修的概述出发，分析了其定义、基本原则、目的和演变历程。结合先进的国内外变电站状态检修的研究热点和变电设备检修现状，指出了开展状态检修工作存在的问题，总结出了要以设备状态评价为基础，优化设备检修策略为目标的变电设备状态检修体系。其次通过对变电站状态检修过程的阐述，对检修管理各阶段的过程进行了详细的介绍。论证了实施变电设备状态检修，需逐步建立变电设备状态检修的管理体系、评价标准、评价方法和相应的检修策略。再次对变电站的重要设备变压器和断路器的故障类型和故障分析方法进行了分析总结，针对变压器和断路器的故障类型和分析方法，提出了相应的状态评价方法、评价标准，提出了相应的变电站设备检修分类和检修策略。最后对变压器的状态检修和断路器的状态检修的实际应用进行了研究，指明了研究内容的可行性。
1变电站状态检修的对象
变电站状态检修的环节复杂多样，需要从多个角度和方面开展工作，如果漏下某一环节未进行检测，恰好对供电产生了影响，后果将会非常严重。主要的检修对象是变电站中所有的设备，检修的对象分为两种。第一种用于传输电力的设备，这种设备通常检查的时候难度较大，危险系数较高。第二种就是用于监测电力传输系统的设备，对于电力传输过程中的各项数据进行监测，一旦发生问题及时进行反馈。这两种设备都是变电站中的主要设备，第二种对第一种有监督和保护的作用，因此在检测的过程中要对这两种设备都进行检测。根据各项规定的标准依据，检测这些设备是否需要进行检修，是否存在故障会影响供电。在检测的过程中可以充分运用大数据，将发现的问题在大数据中进行分析，这样就能够快速准确的找到解决的方法。定期的对变电站状态进行检修是非常有好处的，可以有效地防范危险的发生，保证周围地区正常供电，对于设备老化和损坏的现象也能够及时发现。因此，电力的检修部门一定要定期对变电站动态进行检修，这样才能够更好地提高供电效率。
2大数据模型
大数据具有信息共享、资源整合和各设备协同工作的特点，能够实现变电站设备故障的分步协同诊断和智能预警，提高变电站设备故障诊断的可靠性和实效性。
1）智能感知层智能感知层利用智能传感器采集变压器、断路器、互感器、避雷器和高压母线等变电站设备的状态参量，为信息整合层和智能应用层提供数据基础。2）信息整合层信息整合层是由监测主IED构成大数据，形成巨大的计算资源池和存储资源池，用于实现任务调度、故障初级诊断和数据存储等功能。利用大数据资源的共享特性，监测主IED之间实现了冗余备用。3）智能应用层智能控制层由变电站中心控制站组成，用于存储历史数据，结合历史数据诊断故障，定期更新信息整合层的知识库。大数据首先利用Internet将广域异构计算资源整合，形成一个抽象的、虚拟的和动态扩展的计算机资源池；再通过Internet向用户按需提供计算资源、存储资源和应用软件等服务。在大数据上，计算机资源得以共享，能够提供强大的计算存储功能。在变电站智能诊断系统中，大数据起着重要的作用：1）整合大规模异域异构计算资源。大数据可以整合分布在不同地区、分属于若干个组织的监测主IED资源，不要求计算设备在硬件或软件上具有很强的共性，融合成一个强大的资源池。2）实现动态扩展。随着设备和信息量的增加，可以增加主IED的个数来扩大大数据规模。3）故障诊断虚拟高效化。大数据依据任务量动态地分配计算机资源，实现分布式、并行地诊断故障。4）提高诊断系统的自适应能力。主IED故障时，大数据需要有很强的自适应能力来处理这种动态性和突发性，能够从可利用资源中选取最佳资源进行分配。5）提高系统的经济性。大数据可以整合闲置的计算和存储资源，减少设备的资金投入，大大避免了浪费。
3设备故障的检测
初级诊断方法库和高级诊断方法库。信息整合层利用大数据，融合分布在不同区域的计算和存储资源，形成巨大的资源池。依据任务调度原则分配计算空间，对故障进行诊断；融合诊断结果，依据诊断结果分层存储实时数据。基于大数据的故障智能诊断流程详述如下：1）智能传感器采集实时数据，进行规约转换，传送至信息融合层。2）信息融合层将实时数据和初级诊断方法进行打包，依据任务调度原则分配计算空间，初步诊断故障。3）依据信息融合策略融合诊断信息，依据融合诊断结果分层存储数据。若诊断结果显示设备正常，则将数据存储在大数据；若诊断结果显示设备故障，则将原始数据和分析结果上传至变电站中心控制站，向工作人员发出预警信号，同时向智能传感器发送提高采样频率的指令。4）当故障设备实时数据传输至变电站中心控制站，控制站调用该设备的历史数据和高级诊断方法，进一步诊断设备。若监测设备正常，则取消设备预警；若监测到设备的确发生故障，则将预警转为报警，提醒工作人员检查设备并进行维修或者更换设备。为报警，提醒工作人员检查设备并进行维修或者更换设备。5）无故障设备的实时数据存储在大数据的存储空间，当所有数据存储空间达到大数据存储空间的50%。
4结论
大数据具有强大的资源整合和自适应能力，易于动态扩展。利用大数据的优势搭建由主IED组成的信息整合层，能够综合各主IED的计算和存储资源，并行分析大量数据，实现资源共享和分布式计算。区别于传统变压器故障诊断，大数据中的监测主IED故障不影响故障诊断的进行，提高监测系统的可靠性。基于大数据的变电站智能诊断策略实现了故障协同诊断和分层诊断以及数据的分层存储。大数据上初级诊断同时进行，有效缩短计算时间；融合故障诊断信息，有故障的设备数据上传进行高级诊断，无故障的设备数据就地存储，提高了故障诊断的准确率。
参考文献：
[1]《力系统故障诊断的研究现状与发展趋势》电力系统自动化，郭创新，朱传柏，曹一家，2006
[2]《基于模糊集的故障检测方法》系统工程与电子技术，姜连祥，黄海宁，杨勤荣，2009