信息技术的进步推动电力行业也向着数字化转型，面对能源格局的变更以及电力供需情况，我国电力行业管理也发生着深刻的变化。目前我国智能电网正在大规模建设，建立的变电站数量逐渐增加，变电站是智能电网内改变电压的场所，是不同输电线路的连接点，变电站内安装若干个开关组合变压器[1-2]，通过不同开关组合控制变压器变更输电线路电压，使输电线路电压满足用户侧需求。若变电站内机电设备出现故障，则会造成区域电网瘫痪，情况严重会造成一定的经济损失。因此对变电站机械设备运行设备进行检测意义重大。目前也有很多学者设计变电站机电设备状态检测系统，如王菲等人设计的变电站电气设备检测系统，该系统利用雷达技术采集变电站电气设备三维激光点云数据后，通过三维建模技术搭建变电站电气设备模型后，利用视觉检测算法实现变电站电气设备状态检测[3]。但该系统在应用过程中受雷达技术采集的变电站电气设备三维激光点云数据内干扰噪声影响，其构建的变电站电气设备三维模型不够精准，无法清楚描述设备的运行状态，因此检测效果不佳。李新海等人设计变电站设备状态智能识别系统[4]，该系统利用智能传感器采集变电站设备运行状态数据后，利用异常识别算法得到变电站设备状态检测结果。但该系统在应用过程中采集变电站设备运行数据时需安装的传感器数量较多，不具备经济性。

数字孪生技术也称为数字化映射技术，其是利用无线传感通信技术将现实中的物理实体以数据的形式映射到虚拟空间或者虚拟物品上，通过该虚拟空间和虚拟物品描述现实中物理实体当前行为与活动状态。目前数字孪生技术被应用到医疗、研发、军事等多个领域，应用范围极广。鉴于数字孪生技术的应用性，以及目前变电站机电设备检测系统存在的不足，设计基于数字孪生技术的变电站机电设备状态检测系统。

1、变电站机电设备状态检测系统

1.1系统技术架构

图1 变电站机电设备状态检测系统技术架构

依据层次设计理念，以数字孪生技术为基础，设计变电站机电设备状态检测系统，该系统技术架构如图1所示。在变电站机电设备状态检测系统技术架构内，由服务层、设备层、数字孪生层和通信服务层构成。设备层利用激光雷达扫描方式取变电站变压器、电动机、隔离开关等机电设备三维激光点云数据后传输到工业以太网交换机内，该交换机与通信服务层的数据采集与远程控制服务器相连，依据IEEE-1394通信协议模块内的通信协议，通信服务层将变电站机电设备三维激光点云数据传输到数字孪生层内的孪生共智模块内。该模块依据交互规约和安全访问协议将变电站设备三维激光点云数据经过资源接口后，使用资源交互操作子模块控制变电站机电设备三维激光点云数据传输到数字孪生层内的建模管理模块内。建模管理模块利用设备数字孪生模型子模块接收到变电站机电设备三维激光点云后，构建设备的数字孪生模型，并对该变电站机电设备数字模型进行管理、同步与呈现后，将变电站机电设备数字模型传输到在线仿真服务模块内。该模块利用模型仿真子模块模拟变电站机电设备运行状态，得到变电站机电设备运行状态信息。然后将该信息传输到分布式计算框架内，该框架启动设备运行检测服务获得当前变电站机电设备状态检测结果后，生成检测报告并发送到服务层的电脑主机内，该主机连接LCD显示屏，通过该显示屏向用户呈现三维仿真厂家、设备状态实时检测结果以及异常预警等信息。

1.2基于数字孪生的机电设备数字模型构建

数字孪生层内建模管理模块中的设备数字建模是实现变电站机电设备状态检测环节中最主要的一部分，设备数字建模是将变电站机电设备由实体映射为虚拟体的过程[5]，通过运行虚拟体的变电站机电设备，可得到对应实体变电站机电设备运行状态数据。使用数字孪生技术构建变电站机电设备五维数字模型，其过程如图2所示。使用数字孪生技术构建变电站机电设备五维数字模型时，将实体变电站机电设备的参数信息保存到孪生数据库内，对孪生数据库内的变电站机电设备进行整除处理后得到变电站机电设备的虚拟设备，然后将实体设备与虚拟设备相连接，依据实体设备相关数据对虚拟设备进行微调。同时实体设备、孪生数据以及虚拟设备均与应用服务相连，用户通过应用服务内的相关服务功能实现调整实体设备参数与调整虚拟设备的功能。但由于变电站机电设备布局不同，利用激光雷达扫描变电站机电设备三维激光点云数据后，及时将其导入到3Ds Max三维建模软件内，同时依据变电站机电设备布局图纸1:1建立其虚拟三维模型，完成变电站机电设备由实体映射到虚拟体的过程。

图2 机电设备五维数字模型构建过程

1.3数据采集硬件设计

利用激光雷达采集数据时，以西门子s7-1200紧凑型可编程逻辑控制器作为主控制器，该型号的可编程逻辑控制器可用于对激光雷达设备直接控制，其内部内嵌扩展模块32个，具备工业以太网、局域无线网等多种网络通信方式，且其编程较为简单，可在线更换电池[6]。以西门子s7-1200紧凑型可编程逻辑控制器为基础的系统数据采集硬件结构设计如图3所示。可编程逻辑控制器的中央处理单元利用电源为其供电，同时利用外设I/O接口与用户的编程器、写入器和显示器等相连，用户通过显示器和编程器以及写入器将变电站机电设备激光点云数据采集程序写入到中央处理单元，并存储到程序存储器内，中央处理单元通过调用程序存储器内变电站机电设备激光点云数据采集程序，经由输入接口模块向编码器、3D扫描仪、激光雷达下达数据采集命令，并将采集结果反馈到中央处理单元内，其利用输出接口模块将数据采集结果传输到数码显示器内呈现给用户。

图3 系统数据采集硬件结构示意图

1.4总线通信协议结构设计

变电站机电设备状态检测系统通信性能是保障整个系统稳定运行的基础，设计变电站机电设备状态检测系统IEEE-1394通信协议模块内的总线通信协议结构。在总线通信协议结构内，由软件驱动器、串行总线管理层、事务服务层、链路服务层和物理服务层构成。其中利用软件驱动器内的总线管理接口、异步事务接口、等时事务接口等启动相对应的通信事务程序后，分别连接串行总线管理层、事务服务层、链路服务层和物理服务层。利用串行总线管理层控制总线管理器、等时资源管理器和节点控制器，负责对整个系统通信的总线配置和管理通信节点活动[7]。利用事务服务层执行异步传输读取、写入等操作，该层仅提供等时数据与总线管理层之间的服务。链路服务层服务于事务服务层，该层利用时钟控制、包接收和包发送功能将事务服务层的请求和响应转换成数据包后发送到串行总线上，同时也负责分析和校验等时或者异步的数据包等[8]。物理服务层负责仲裁通信传输进程，同时为串行总线提供数据包传输与发送的相关接口。经过上述各个层相互协作，实现系统不同层之间的通信传输。总线通信协议结构如图4所示。

图4 总线通信协议结构示意图

1.5基于时空数据聚类的设备状态检测算法

在变电站机电设备状态检测系统内，数字孪生层内在线仿真服务模块中的设备状态检测服务是实现变电站设备状态检测功能子模块，该子模块从机电设备模型仿真过程中得到设备运行状态数据后，以分布式计算框架为基础，使用基于时空数据聚类方式实现变电站机电设备状态检测，其详细过程如下：

(1)变电站机电设备状态时空数据聚类处理

h1,h2,…,hc表示机电设备运行状态数据的聚类中心，c为当前聚类中心个数，机电设备运行状态数据的分块矩阵为U=[uik]，其中i c,k=1,2,…,N，表示机电设备运行状态数据个数，分块矩阵内uik表示机电设备运行状态数据xk属于类别i的隶属度。则机电设备运行状态数据聚类的目标函数表达公式如下：

式中，m表示模糊系数，且该数值大于1;d表示欧氏距离。

由于变电站机电设备运行状态数据具备空间性和时间性，为避免受机电设备运行状态数据的空间性和时间性影响其聚类效果，使用复合距离函数计算欧式距离，计算公式如下：

式中，||*||表示欧氏距离；xk(s)表示第k个设备运行状态数据的空间分量；xk(t)表示第k个设备运行状态数据的时间分量；hi(s)、hi(t)均表示对应分量的聚类中心；λ表示调控系数，通过调整该数值，消除设备运行状态数据中时间与空间分量的影响。

更新聚类中心与分块矩阵，其公式如下：

式中，e表示聚类中心总数量，且。

将式(2)代入到式(1)中，同时依据式(3)、式(4)更新聚类中心和分块矩阵后，对变电站机电设备运行状态数据进行重构处理，其计算公式如下：

利用上述公式即可得到变电站机电设备运行状态数据聚类结果。

(2)获取观察数据。将时间窗添加到的时间分量上，由于变电站机电设备具备N个时空序列数据，添加时间窗后，得到N个子序列，该子序列即为观察序列。

(3)利用分块矩阵描述每个时间窗时空子序列的内在结构，获得若干个分块矩阵。

(4)以分块矩阵为基础，计算时间窗类异常度值。其过程为：

Wj表示第j个时间窗，在该时间窗内存在N个时空序列xk，该时空序列在时间窗Wj内子序列由xki表示，则该时间窗类异常度值计算公式为：

利用式(6)计算所有子序列的异常度值后，对其进行加权平均处理，得到时间窗内Wj所有类的异常度值F。设置异常度阈值为，当，时，则判断该变电站机电设备运行状态数据为异常运行数据，反之为正常运行状态数据。

至此完成电站机电设备运行状态检测，并将检测结果传输到服务层内展示给用户，并向用户发出变电站机电设备异常预警。

2、实验结果与分析

以某变电站为实验对象，该变电站具备若干个GW1、GW2单双极隔离开关，间隔端子箱6个、氧化锌避雷器13个，试验电源箱、电容端子箱一共18个、主变端子箱1个，变压器12台、电动机、熔断器若干台。使用本系统对该变电站机电设备运行状态展开检测。

2.1系统耦合度分析

图5 系统耦合度分析结果

系统的耦合度是衡量其稳定性的标准之一，由于当前硬件与软件环境不同，系统在不同运行环境中的运行稳定性不同，因此以系统耦合度作为衡量本系统运行稳定性指标，测试本系统在相同并发用户情况下，在Windows、Mac和Chrome OS运行环境下的系统耦合度，结果如图5所示。分析图5可知，系统在Windows运行环境下，其耦合度数值在不同并发用户数量下始终与理想值重合，而在相同并发用户数量情况下，本文系统在Mac和Chrome OS运行环境下的耦合度值随着并发用户数量的增加而呈现降低趋势，但其降低幅度较小。在并发用户数量为300个时，系统在Mac和Chrome OS运行环境下的耦合度数值依然高于9.0。上述结果说明本系统在不同运行环境下的耦合度数值均较高，具备较强的稳定性。

2.2可移植性测试

由于系统安装环境不同，以系统软件转移运行环境时的可移植性作为衡量指标，衡量本系统的生命力。测试系统在更换环境时须更新的补丁数量，并设置更新补丁数量阈值为50个，统计本方法更换运行环境时系统软件更新补丁数量，结果如图6所示。分析图6可知，系统在更换运行环境时，其软件更新补丁数量呈现迅速上升达到一定数值后，逐渐下降趋势。其中，本系统在相同运行时间情况下，在Windows运行环境下更新的补丁数量略低于在Windows运行环境下，且分别在运行时间为140 s和160 s时软件补丁更新完成。同时在不同运行环境下，系统更新补丁数量均低于所设的补丁阈值。上述结果说明本系统在更新运行环境时具备较好的兼容性，且更新软件补丁消耗时间较短。

图6 可移植性测试结果

2.3数据采集测试

表1 激光点云数据采集结果

利用激光雷达技术采集变电站机电设备点云数据是建立变电站机电设备数字孪生模型的基础。以某台变电站机电设备为实验对象，分别采集该设备上缘位置10组激光点云数据，并将激光点云获得的设备上缘位置坐标与其实际坐标进行对比，分析方法采集变电站机电设备激光点云数据能力，结果如表1所示。分析表1可知，在10组变电站机电设备上缘激光点云数据坐标内，仅有2组数据坐标与其实际坐标存在偏差，其中一组在Y轴上偏差数值为0.01m，另一组在X轴方向上偏差数值为0.02m，该偏差数值较小。上述结果说明本系统具备较为准确地采集变电站机电设备激光点云数据能力，从侧面说明本文系统建立的变电站机电设备数字孪生模型能力较好。

2.4变电站机电设备数字孪生模型构建测试

以该变电站某一设备聚集区域为实验对象，使用本系统构建其数字孪生模型，结果如图7所示。分析图7可知，使用本方法构建的机电设备数字孪生模型视觉效果较好，可从该机电设备数字孪生模型内呈现其线路走向，设备分布位置等信息，经过仿真该机电设备运行情况即可得到其运行状态数据。由此可知系统具备较好的变电站机电设备数字孪生模型构建能力，也从侧面印证本文系统具备检测变电站机电设备运行状态能力。

图7 变电站机电设备数字孪生模型构建成果

2.5变电站机电设备检测测试

以该变电站某台变压器为实验对象，使用本系统对其运行状态展开检测，检测结果如图8所示。分析图8可知，从系统检测页面来看，可为用户呈现当前变压器数字孪生模型以及变压器运行时期分路最大与最小数值，以及变压器异常预警情况和变压器在不同时间时的电压情况。综合上述结果本系统可有效检测变电站机电设备运行状态，应用效果好。

图8 变压器运行状态检测结果

3、结束语

设计基于数字孪生技术的变电站机电设备状态检测系统，系统使用数字孪生技术建立变电站机电设备数字孪生模型，通过该模型模拟机电设备运行状态信息，进而利用检测方法实现变电站机电设备状态检测。经过实验证明本系统具备较好耦合度的同时，也可精准采集变电站机电设备激光点云数据，并有效实现变电站机电设备运行状态检测。

参考文献:

[1]刘大伟,宋爽,马泉.基于云策略和MMS协议的智能变电站继电保护设备自动测试系统[J].电力系统保护与控制,2019,47(12):159-164.

[2]王帅,姜敏,李江林,慕宗君,俞华,原辉,李鹏程.全维度智能变电站设备状态监测关键技术研究[J].电测与仪表,2020,57(7):82-86.

[3]王菲,王球,任佳依,刘晓波,刘浩,粟志元.变电站电气设备检测与三维建模系统[J].电测与仪表,2021,58(3):160-167.

[4]李新海,徐宝军,范德和,曾令诚,肖星,邱天怡,袁拓来.变电站设备状态智能识别系统技术研究[J].电气传动,2021,51(24):33-39.

[5]张峰,韩伟,宋闯,乔利红,贾晓红.智能变电站光纤链路在线监测与自动化测试系统设计[J].合肥工业大学学报(自然科学版),2021,44(8):1038-1044.

[6]刘皓璐,邵建伟,王雪,韩学森,刘璇,刘士齐.基于数字孪生的配电自动化终端设备状态评价与故障预判[J].电网技术,2022,46(4):1605-1613.

[7]于振子.液压支架用阀试验检测系统设计[J].能源与环保,2021,43(2):100-104.

[8]刁勇,陆永华,龚新宇.气动电磁阀响应特性参数的综合测试系统研究[J].机械制造与自动化,2019,48(1):156-159.

基金资助:浙江省国网科技基金(B2021JX211017);浙江华云电力工程有限公司科研项目(HYJL2206059A-05F);

文章来源:李志强,金国胜,杜王特.基于数字孪生技术的变电站机电设备状态检测系统[J].自动化技术与应用,2024,43(11):43-47.