一、電力系統(tǒng)狀態(tài)監(jiān)測的意義

第一、進行設備運行的歷史檔案的建立，從而使設備運行中所發(fā)生的情況中出現(xiàn)的資料和數(shù)據(jù)得到積累，以備后用。

第二、判斷設備運行狀態(tài)的正常與否，并對設備故障的性質(zhì)和程度進行判斷。判斷的主要依據(jù)為以前所建立的歷史檔案，包括設備運行狀態(tài)的等級、從前出現(xiàn)此種故障的過程中顯示的特征等。

第三、為了能夠在實施狀態(tài)檢修時為檢修工作提供必要的依據(jù)，必須評估設備的運行狀態(tài)，同時分析這些狀態(tài)，分類評估，從而形成一定的評估標準。狀態(tài)檢測的評估的主要內(nèi)容包括：評估設備運行狀態(tài)、估計這杯異常狀態(tài)、預測設備故障狀態(tài)的未來變化。將這些內(nèi)容都納入評估的體系之中主要為提供一定的條件來進行評估，從而不斷地健全、完善評估監(jiān)測。

綜上所述，設備的運行資料可以在狀態(tài)監(jiān)測過程中不斷的被積累、完善、健全，突破了過去的管理體制的束縛，并對管理體制進行了完善。因而，筆者認為，在現(xiàn)代電力系統(tǒng)設備管理中，狀態(tài)監(jiān)測系統(tǒng)有著不可忽視的作用。

二、狀態(tài)監(jiān)測的關鍵技術的研究

第一、在信號采集方面

所謂電力設備的在線監(jiān)測系統(tǒng)，其功能是持續(xù)地對設備的狀態(tài)進行檢查和判斷，并對設備狀態(tài)的發(fā)展趨勢進行預測;系統(tǒng)運行的時間為設備的使用期，也就是說，只要設備還在進行使用就必須對其進行監(jiān)測。

診斷對象的狀態(tài)信息的獲取是設備運行狀態(tài)量反映設備運行情況中首要完成的任務，信息的內(nèi)容除了包括電力設備的電壓、電流、頻率、局部放電量外，還包括磁力線的密度情況以及正常信號和故障信號。通常，信號的采集方法會隨著表征設備狀態(tài)量的信號的特性的不同而改變。信號采樣主要有以下幾種方法：

1、每次所采集的信號的樣本的長度為處理一個足夠數(shù)據(jù)所需要的長度，我們將這種采樣稱為一次性采樣。

2、采樣的時間為事先規(guī)定的好的，且采樣頻率為一個整定的周期，簡單地說就是定時采樣。

3、自動采樣，采樣發(fā)生的時間為隨機的，采樣以故障時信號突變?yōu)槭侄巍?/p>

4、特殊采樣，采樣方式根據(jù)所診斷的故障的要求不同而不同，例如轉(zhuǎn)速跟蹤采樣、峰值采樣等。

第二、數(shù)據(jù)傳送

信號處理系統(tǒng)通常距監(jiān)測設備較遠，因此，數(shù)據(jù)在傳輸過程中易受干擾、易損失及相移(受環(huán)境因素影響較大)，需先對數(shù)據(jù)進行模數(shù)轉(zhuǎn)換、預處理和壓縮打包，再經(jīng)通信路徑傳輸?shù)教幚砜刂浦行?。通信設備現(xiàn)已廣泛應用于電力領域，光纖傳輸數(shù)字信號可較好地抑制干擾，保證信號質(zhì)量。

第三、數(shù)據(jù)處理

工控數(shù)據(jù)處理中心收到通信線路傳輸來的狀態(tài)量數(shù)據(jù)包后，利用各種不同數(shù)學方法對數(shù)據(jù)解包處理。例如，頻譜分析將時域連續(xù)時間信號轉(zhuǎn)變?yōu)轭l域不同頻率信號進行分析;在時域中由2個信號之間相關性采用相關分析搜索另一個信號的處理數(shù)據(jù);小波分析;神經(jīng)網(wǎng)絡;人工智能。數(shù)字信息技術和智能技術應用到電力設備監(jiān)測系統(tǒng)的數(shù)據(jù)處理使電力設備在線監(jiān)測更加實時準確。

三、故障診斷的建議

第一、利用多傳感技術和信息融合處理技術診斷某種故障不同的故障表象。多傳感技術利用多個傳感器從多側面、多角度觀測同一對象，即針對同一故障的多種故障表征，多層次多領域(時域、空間域、頻域)采集不同的特征量，選擇故障反映靈敏度高的狀態(tài)信息量，從而較全面的分析診斷故障。

信息融合技術是將來自多傳感器的數(shù)據(jù)按照一定的準則加以分析和綜合的數(shù)據(jù)處理過程。因同一設備故障在不同特征空間的不同反映之間存在著內(nèi)在的關聯(lián)關系，利用融合技術“求同去異”可提高電力設備狀態(tài)檢測和故障診斷的準確性。但信息融合基本理論尚不完善，該診斷方法還有待研究。

第二、基于特征空間矢量的故障診斷方法，可通過對故障誤差的學習實時修正故障特征量。這種診斷方法具有一定的自適應能力，適合于具有不確定性和慢時變性的復雜對象的故障診斷。其實質(zhì)是將每次的故障征兆矢量作為原先驗征兆矢量集中的一個新的先驗征兆矢量，并根據(jù)自適應算法修正故障特征矢量。故障先驗征兆矢量不確定時，則需要人工判斷第一次故障。

第三、針對電力設備的固有特性以及在線監(jiān)測狀態(tài)信息量不足導致的不確定性，可考慮采用模糊理論中的最大隸屬度原則診斷故障原因，判斷故障類型，將狀態(tài)信號與模糊數(shù)學方法結合起來分析故障的隨機性和模糊性問題。

除了上述方法外，還可以結合人工智能、專家系統(tǒng)、神經(jīng)網(wǎng)絡等方法診斷故障。

結語

在最近十年的電力系統(tǒng)的發(fā)展過程中，設備的狀態(tài)監(jiān)測技術和故障診斷技術作為一個新技術，持續(xù)著突飛猛進的發(fā)展趨勢。無論是從發(fā)展前景方面看還是從應用前景方面看，都呈現(xiàn)著良好的發(fā)展勢頭。雖然，在我國這兩個技術的發(fā)展的時間也持續(xù)了相當一段時間，并且已經(jīng)有各種檢測裝置投入生產(chǎn)和使用的過程中，然而，還沒有普及對狀態(tài)監(jiān)測和故障診斷技術的使用，并且無論在技術的認識方面還是使用過程中都存在著一些不可忽視的問題。我們應該繼續(xù)大力探索研究這項技術，提高電力系統(tǒng)的穩(wěn)定性和效率。

參考文獻：

[1] 薛善成,朱杰. 電力系統(tǒng)的狀態(tài)監(jiān)測與故障診斷技術探討[J]. 現(xiàn)代經(jīng)濟信息, 2009, (21).

[2] 程玲. 電力系統(tǒng)設備狀態(tài)監(jiān)測與故障診斷[J]. 水電廠自動化, 2008, (03) .

[3] 劉愛玲,董飛飛,劉曉飛. 電力系統(tǒng)故障診斷方法綜述[J]. 中國電力教育, 2009, (S2) .