现实世界每个数据都有它存在的意义。新信息不只是简单地到被录入，然后被遗忘在数据库的无尽深渊，而是在逻辑上得以保留和积极使用。如今，通过使用使用一些知名的应用程序（例如Microsoft Office，Google Earth和ESRI ArcGIS）轻松访问和处理数据，为普通员工赋予新的能力，从而实现了可持续的分析，而不必依赖少数顶尖的分析师团队。在这个世界上，由数据驱动的决策每天都会遇到不可预期的挑战，同时员工流动不应该导致信息丢失。
对于许多公用事业而言，这个世界并不遥远。以Exelon Corp.的子公司PECO Energy Co.为例，现在这个世界已经成为Exelon公用事业分析学院的产物。该计划旨在使员工能够学会使用新的数字技能，例如机器学习、运营分析、图像识别和自动分析。这样可以确保最熟悉数据背后含义的人们可以自行分析，而不必依赖高度集中的分析人员。该计划于2018年作为试点启动，得到了企业内部一致的支持和全情参与，进而在2019年中期全面部署到了整个公司。
图1. RBE模型：重合器A上的异常报告。
尽管该程序仅从2018年开始才存在，但在员工日常工作中对分析的理解和利用方面已经有了巨大的进步。最近，当员工充分利用丰富的资产性能数据时，PECO在配电自动化（DA）工作中获得了两次成功。通过使用Python，PowerBI和ArcGIS等工具，PECO工程师能够使用射频（RF）噪声读数成功识别电气设备问题，并根据电子邮件告警汇总来优先安排维护工作。
配电自动化系统
为了完全理解这种分析的价值，我们需要提供一些有关联的背景信息。PECO当前运营着称为Sensus FlexNet的点对多点RF系统。作为其FlexNet部署的一部分，该公用事业致力于将其配电自动化设备（例如重合器和远程控制电容器组）的通信从传统的铜缆电信公共网络转移到私有无线Sensus FlexNet平台。目前，PECO在该系统上运行着2500多个设备，并且正在积极部署其他设备。预计到2020年底将超过3000个。
Sensus FlexNet系统是基于异常报告（report-by-exception-based，RBE模型）的系统，这意味着设备在操作或超出某些操作参数时会将消息发送回PECO。例如，如图1所示的时间戳00:00到00:30，如果在重合器A上没有发生重大变化，则不会在RF网络上发送任何信息。相反，如果重合器A响应故障事件而打开（时间戳00:23），则会立即通过RF网络发送一条消息，报告断路器A现在处于断开状态。这样可以最有效地利用RF网络，并确保仅存储相关数据。为了保持通信和连接感，设备还配置为以设置的时间间隔发送心跳消息，这样可以维持通信连接。
然后，此信息将被集中到FlexNet 配电自动化的前端应用程序中，称为AutomationControl。智能电网服务配电自动化团队每天使用此应用程序来配置、监视与系统上所有配电自动化设备的通信，并排除异常。它使团队能够查看每个设备的状态，为每个兴趣点设置异常条件（并基于这些条件触发电子邮件警报），运行报告和图形分析等等。
除了这些用途外，PECO还利用丰富的性能数据来更紧密地了解系统在宏观和单个设备上的性能。这些信息提供了新的见解，并使PECO可以提高准确性和效率。PECO最近利用丰富的性能数据获得了两项成功：
» 使用RF噪声检测电气设备问题
» 在PowerBI中汇总电子邮件警报，以提高运营感知。
图2. 噪声读数：基站记录的噪声水平升高。
噪声水平升高
PECO智能电网服务配电自动化团队的主要职责之一是通过监视和排除可能阻碍无线电通信的条件来确保无线电网络的最佳性能。通过FlexNet，PECO在工业、科学和医学（ISM）频段附近拥有多个专有频率，并负责保护这些频率免受任何冲突来源的侵害。
当确实发生冲突时，这称为RF异常。识别和诊断这些RF异常是日常工作，其原因可能是覆盖范围差，附近的干扰和噪声升高。许多涉及噪声和干扰的问题都需要进行RF现场调查，同时使用频谱分析仪和定向天线来定位特定的信号源。
及时缓解噪声和干扰问题至关重要，因为对电网的控制取决于与所有设备连续通信的能力。为此，该团队开发了监视和检测整个PECO服务区域内基站噪声异常的技术。借助Exelon公用事业分析学院所传授的编码能力，工程师们创建了一个Python脚本，该脚本每天评估基站噪声数据，为每个站点创建正常的运行包络，然后标记任何站点读取到的允许范围之外的噪声。
很多时候，干扰是由无意的设置或外部无线电的故障引起的。但是，很明显，团队可以通过评估噪声的特征来识别导致宽带噪声的内部电气设备问题。空气的电离会引起宽带噪声，空气的电离是导体之间的间隙之间的电弧产生的。电力线噪声（PLN）是一个有据可查的现象，架空电力线或变电站设备的电弧中可能会发出这种噪声。
图3. 存在缺陷的高压套管
在最近的示例中，该团队在与配电变压器并置的基站上检测到平均12.5 dB的噪声水平升高。值得注意的是，智能电表和配电自动化频率都检测到了噪声。因此，可以得出结论，变电站内的一台设备正在产生宽带噪声。经过调查，现场工作人员发现高压套管出现故障，从而在绝缘子上产生电弧。该团队现在正在考虑创建新的脚本，该脚本将检测噪声中的前驱尖峰，这可能表示将来可能出现问题。俗话说，预防胜于治疗。
运营感知能力
除了监视网络中的噪声外，该团队还跟踪整个电网中配电自动化设备生成的无数警报。使用Sensus前端软件AutomationControl，该团队可以根据现场发生的异常情况来配置电子邮件消息传递（在电子邮件正文中使用自定义修饰语）。例如，如果发送了打开常闭断路器的命令，则AutomationControl中会记录一条警报，该警报会触发一封电子邮件发送给所有适用的用户，以通知他们设备刚刚更改了状态。
电网的正常运行每天可以触发数千封此类电子邮件。即使有了电子邮件规则，也没有简单的方法可以通过收件箱解析任何可操作的信息。一些信息很好，但太多就和没有一样。那么，如何在正常操作和需要引起注意的重大情况之间做出破译？关键是监视收到的电子邮件数量，而不是每个电子邮件。
为此，该团队在Microsoft Power Query中建立了一个数据模型，该数据模型从特定收件箱中提取信息并将其转换为表格。电子邮件的正文经过分析以提取有关警报的信息，例如设备名称，位置，警报类型和发生时间。提取的信息链接到PowerBI仪表板上的几个不同的小部件，以显示每个设备的警报数量，位置，警报类型，控件类型等。
图4. PowerBI中的实时警报仪表板。
由于该信息基于Microsoft Outlook Exchange云服务器，因此将仪表板编程为每两个小时自动刷新一次。最重要的是，每当警报量或警报趋势超过特定阈值时，都会通过电子邮件和智能手机向团队成员发送自动通知。
最近，仪表板通过在暴风雨后提醒团队成员在重合器处发出警报状态来证明其有用性。重合器控制器打开和关闭交流（AC）电源，生成数千封电子邮件。经过调查，注意到控制系统的备用电池已投入使用。此时，重合器还能够维持24到48个小时，才能失去监视和控制功能。接到警报后，现场工作人员前往现场诊断问题。维护人员确认避雷器和变压器保险丝已烧断，并确认该设备已被雷击。
图5. 旁路电缆完全弯曲。
图6. 避雷器被雷击损坏。
如果过去曾发生过这种情况，则可能直到备用电池耗尽或远程无法操作该设备时，才对这种情况进行调查。
“融合智能”
尽管两个使用数据分析的成功案例本身都很有用，但是只有当用户真正开发通用的应用程序进行分析时，才能真正看到分布式分析和开发方法的价值。因为该团队使用了Microsoft应用程序和相对简单的Python程序进行了分析，所以用户可以将结果和应用程序传承给后续的运维团队，而不必担心在人员更替过程中丢失信息。
在跨公司使用相同的应用程序时，会产生模板效果，仅通过显示数据即可大大提高理解力。此外，一旦员工能够创建自己的分析结论并将此信息发布到云中，其他用户便可以从他们的结论中汲取经验，从而创建了一个“融合智能”的网络，而无需进行重复工作。通过建立数据模型并提供跨部门访问，PECO有望在系统性能和运行感知方面获得实质性收益。对于PECO，这不仅是大数据时代，而且是可指导进一步行动的数据分析时代。
From Big Data to Actionable Analytics
PECO Energy enables sustainable on-the-go analysis by giving end users the tools to develop and modify operational applications.
https://www.tdworld.com/smart-utility/data-analytics/article/21121295/from-big-data-to-actionable-analytics
Luke A. Benedict
JAN 24, 2020
更多内容请关注「输配电世界」微信公众号，获得最新的文章
网友评论