基于JAVA WEB的330kV變電站監控系統軟件設計

摘要

　　對變電站內的設備運行狀態和環境參數進行監控，能有效提高變電站運行的智能化水平，對于維護電力系統的安全穩定具有重要意義�，F有監控系統中各個監控環節相互獨立，因此無法滿足智能變電站網絡化和共享化要求的現狀。針對上述問題，本文設計了數據檢測、報警系統、人員管理、門禁系統為一體的變電站在線監控系統。

　　門禁系統主要采用人臉識別的技術對進入變電站人員進行識別，防止出現人員的誤入導致了變電站內現場誤操作，破壞變電站的穩定運行。本文開發了基于多重安全保障的門禁識別系統。門禁系統首先采用imread和resize 函數實現對人臉圖片的預處理，以標準數據集為基礎構建訓練樣本集，通過優化后的卷積神經網絡，使得該系統能夠在不同光線強度下對人臉進行捕捉和識別。

　　根據框架，對系統的登錄注冊功能、用戶管理功能、菜單管理功能、角色管理功能、首頁、報警功能、日志功能等進行了具體設計。最終，系統將采集到的實時信息顯示到客戶端，用戶登錄系統之后，可以直接查看變電站內設備的運行情況：當設備出現異常時，在變電站中報警并且向系統發送故障原因和故障點的位置，系統將獲得儲存的報警日志，并且在電網地圖視圖標識故障點的位置；此外，報警系統還將向用戶發送短信或電話的通知。

　　關鍵詞：變電站監控系統； JAVA WEB;人臉識別；變電站門禁系統

目 錄

　　1 緒論

　　1.1 研究背景及意義

　　隨著電力系統建設的穩步推進，以及信息和網絡技術的高速發展，對我國電力系統的智能化提出了更高的要求，使得智能電網在未來很長一段時間內成為電力系統發展的熱門方向之一。此外，超高壓等級輸電線路的建設，使得變電站數量也急劇增加，以及無人值守變電站的推廣應用也對變電站智能化和信息化提出了更高要求。

　　330kV 電網在我國西北電網中占據重要位置，據相關統計數據顯示：西北地區 330kV聯合電網線路已超過 6000km.西北地區地廣人稀，變電站選址均較為偏僻，工作環境相對艱苦，更適用于無人值守變電站，因此對于智能化、可靠性高的遠程監控系統的要求更為迫切。變電站在線監控系統能夠實現對站內各個設備運行狀態的實時采集，并準確、及時的反饋給工作人員，進而改善工作環境，提高變電站智能化水平。門禁系統主要采用人臉識別的技術對進入變電站人員進行識別，防止出現人員的誤入導致了變電站內現場誤操作，破壞變電站的穩定運行，給企業造成經濟損失，甚至還會造成人員的傷亡�，F階段，國內對變電站監控系統和人臉識別的研究已經取得了豐碩的成果，但是監控系統和人臉識別系統之間相互獨立，分別承擔監控站內設備運行狀態和門禁控制的作用，并沒有形成一個相對統一的系統。

　　因此，本文研究了變電站監控系統，主要功能包括：數據檢測、報警系統、人員管理和門禁系統，且各個環節相互聯系。330kV 變電站在西北電網超高壓輸電線路中擔負著接受和分配電能的職責，所以它的安全、可靠運行對電力系統有著至關重要的作用。工作人員通過 330kV 變電站的在線監控系統的開發能夠及時、準確獲得設備運行狀態，進而及時消除潛在的缺陷和隱患，對于維護西北電網的安全穩定運行具有重要的意義。

　　1.2 國內外研究現狀

　　1.2.1 國外研究現狀

　　變電站監控系統能夠實時采集站內設備的運行狀態，并將運行信息反饋給相關工作人員，因此監控系統對于保證站內設備的安全穩定運行有重要意義。國外，美國、日本、德國和英國等西方發達國家率先開展了變電站監控系統的研究。在邏輯結構上，智能變電站監控系統可以分為站控層、間隔層和過程層，如圖 1-1 所示。

　　上世紀 90 年年代開始，針對電氣設備的在線監測產品被推出，如 Duval M 等研制的CB Watch-2 系統可以 SF6 氣體、斷路器機械參數以及操動機構等項目進行在線監測。

　　Kezunovic M 等[1]研發了基于分布式 IED 和中央服務器斷路器的在線監測系統，利用無線信號通信，監測項目主要為分合控制線圈電流以及主回路電流，同時還對信號處理和專家系統的應用進行了研究。美國 Heathway 公司生產的 BCM200 斷路器監測裝置能夠采集分合閘線圈電流以及一次回路故障電流累計燃弧時間等參數并根據這些參數進行故障診斷[2].韓國學者 Kim DC 等[3]研制了基于 IEC61850 標準的 GIS 在線監測系統傳統的變電站故障識別，可以分為基于規則、基于模型和基于指紋三種。在采集電流特征之后，使用深度學習算法[4]、實時診斷算法[5]等構建故障診斷模型。在變電站中，電力變壓器持續運行及其在輸電可靠性中具有重要意義[6].近年來，光學傳感器因其良好的電磁絕緣特性被廣泛使用，如印度學者 Saxena, MK 等[7]使用拉曼光譜法（Ramanspectroscopy）測量站內溫度的分布。為了保證電力系統安全可靠地運行，必須對電力設備的在線或離線狀態進行監測和評估，而且隨著科學技術的不斷發展，大數據（Big Data）、物聯網（The Internet of Things,IOT）和云計算（Cloud Computing）等大量新技術在不久的將來會廣泛應用于電氣設備監控系統中[8].

　　為了避免電氣設備發生故障并延長這些關鍵部件的使用壽命，伊朗學者 Razi Kazemi等分析了常見失效模式對電氣設備運行狀態的影響，并基于混沌概率的狀態評估算法[9]

　　實現故障診斷。行程信號可以充分的展示出操動機構的動作情況，Razi-Kazemi 等認為動作時間和速度的任何變化，都有極大的可能與彈簧操動機構發生故障有關，而超行程則反應了緩沖器的狀態[10],而振動信號則具有高度非線性和容易被噪聲干擾等特點，很難準確的提取有效特征。伊朗學者 Samimi,MH 等[11]認為需要綜合使用電氣、機械、光學、化學和聲學等傳感器來監測電力變壓器的運行狀態，其中包括電流、電壓、局放、氣體含量、溫度和油含量等參數。

　　1.2.2 國內研究現狀

　　國內對智能變電站也進行了大量研究。西安交通大學張喬根等[12]開發了測量變壓器繞組瞬態電壓分布的傳感器陣列，提出了一種無損檢測變壓器繞組暫態電壓分布的方法，得到了變壓器繞組的電壓分布變電站中除直接參與生產、輸送和分配電能的一次設備外，站內承擔監測、控制和保護的輔助性任務的二次設備的工作狀態同樣關系到站內安全，因此其運行信息也需要監控。

　　傳統的溫度測量方法中，電阻和熱電偶傳感器都可以測量變壓器頂部油的溫度。上海交通大學 Zou Weiwen 等[13]結合布里淵光譜學（Brillouin spectroscopy）感知分布在站內一個區域的多個點的溫度。陶文偉等[14]針對 HSR 和并行冗余協議（Parallel RedundantProtocol,PRP）的智能變電站過程層組網進行了研究，并基于該組網基礎上進行了 HSR和 PRP 的延時累加技術研究及測試。為了實現對變電站數據的延遲測量，進而擺脫了對時鐘的依賴，李仲青等[15]提出了應用可靠性無縫冗余協議（High-availability SeamlessRedundancy,HSR）的過程組網技術方案。在分析了智能化器件和先進應用使用功能的基礎之上，吉林大學徐微[16]提出了 110kV 智能變電站的建設方案，然后對全站數據流進行數學建模。

　　變電站的機械故障診斷包括預處理、特征提取與篩選和故障識別 3 個步驟[17],在斷路器中，線圈電流可以描述分合閘鐵芯的運動軌跡[18].王俊輝等[19]認為過程層設備的時間性能將直接影響整個變電站的穩定運行，因此提出了智能變電站過程層時鐘偏差測量試驗方法，用于測試測控單元的時鐘同步。隨著新建及改擴建智能變電站任務的不斷推進，大量設備的運行狀態接入的工作量巨大，而且無法實現整個信號的閉環實時傳遞。針對上述問題，國網福建省電力有限公司檢修分公司陳月卿等[20]結合 IEC61850 通訊協議和多機多網并行校核理論，設計了一套智能變電站監控信息的自動閉環驗收系統，同時提出了一種基于全相位頻譜矯正技術的高效變電站數據監測方法。重慶大學城市科技學院鄭雪娜等[21]設計了一套能可視化管理的變電站智能監控系統，該系統通過攝像機實時采集站內設備的圖像信息，監控變電站設備運行狀態，結合可視化模塊最終將線路的運行狀態顯示出來。由于變電站電力設備故障樣本數量較少，使用小樣本作為狀態識別較為困難，新疆大學馬鵬等[22]基于網絡的深度遷移學習算法，開發了電力設備圖像目標檢測算法，能夠應用于小樣本電力設備數據集的檢測。

　　高壓斷路器在電力系統中起著保護和控制的作用。山東大學張曉彤等[23]分析變電站中高壓斷路器不正常動作的具體原因，提出了基于有向二分圖模型的故障追蹤方法，表示出故障征兆與故障之間的對應邏輯關系，該方法能夠實現對故障面進行全面分析。主要依靠斷路器動作過程時同步采集的線圈電流信號、行程信號和振動信號[24].當對信號數據進行處理提取得到特征參數后，就可以利用分類算法得到高壓斷路器的狀態類型，從而實現其故障的診斷。

　　國網寧夏電力有限公司檢修公司尹相國等[25]利用廣義變比建立二次設備的故障診斷模型，主要用于繼電保護測量回路中電壓、電流的故障狀況。深圳供電局有限公司簡學之等[26]開發了一種基于增強現實（Augmented Reality,AR）技術的變電站二次設備運維系統，該系統通過 OpenCV 源碼的實現，通過 AR 智能終端設備獲取的二次設備的狀態信息。國網北京市電力公司檢修分公司肖永立等[27]建立了智能變電站二次設備缺陷模型，并提出了一種基于 FP-growth 算法的變電站二次設備缺陷分析方法。

　　此外，國網山東省電力公司劉紅軍等[28]研究了智能變電站新型運維體系，實現了智能變電站集群測控裝置的集中式運維和全景可視化展示；基于物聯網技術的提出和發展，將物聯網技術應用到變電站也是智能電網技術發展到一定階段的必然產物[29],江蘇大學呂悅[30]開發的變電站監控系統能夠實現變電站內的照明功能、多控制方式的門禁功能以及溫濕度節點信息的實時采集功能，曲阜師范大學劉曉瑞[31]對變電站內電氣設備的監控短信報警系統進行開發研究。

　　1.3 本文研究內容及主要工作

　　本文共分為五章，主要研究內容及各章節之間的關系，如圖 1-2 所示。

　　第一章，緒論。通過對課題研究背景及意義、國內外研究現狀的比較分析，給出本文變電站監測系統的研究內容、所做工作以及創新點。

　　第二章，變電站監控系統設計原則和開發技術分析。從系統設計性能指標入手，對系統設計原則和 JAVA WEB 開發技術進行分析。

　　第三章，人臉識別的門禁系統設計�；�于深度學習算法，對變電站的門禁系統進行了深入研究，使得變電站僅能使得特定人員有進入的權限。

　　第四章，變電站監控系統軟件設計。通過開發 WEB 客戶端實現了系統最為核心的站內設備狀態的實時監測和預警提示功能。

　　第五章，結論和展望。對當前所做工作的總結，并指出未來的工作方向及系統提升可做的工作。

　　2 變電站監控系統設計原則和開發技術分析

　　2.1 設計原則分析

　　2.1.1 數據管理分析

　　2.1.2 狀態管理分析

　　2.1.3 管理分析

　　2.1.4 日志管理

　　2.1.5 系統維護管理

　　2.2 Java Web 開發技術分析

　　2.3 環境參數監測研究

　　2.3.1 SF6 氣體監測

　　2.3.2 溫、濕度監測

　　2.4 本章小結

　　3 人臉識別的門禁系統設計

　　3.1 變電站門禁系統設計

　　3.2 國內外現狀及設計要求

　　3.3 門禁系統框架設計

　　3.4 基于神經網絡的人臉識別方法設計

　　3.5 人臉圖像的獲取與數據預處理

　　3.5.1 訓練數據集處理

　　3.5.2 人臉圖片降維

　　3.6 基于深度學習的人臉識別過程

　　3.6.1 可視化訓練過程

　　3.6.2 模型訓練

　　3.6.3 人臉識別結果分析

　　3.7 本章小結

　　4 變電站監控系統軟件設計

　　4.1 系統設計

　　4.1.1 總體架構設計

　　4.1.2 網絡拓撲設計

　　4.1.3 接口設計

　　4.1.4 數據庫設計

　　4.2 功能實現

　　4.2.1 登錄注冊的功能實現

　　4.2.2 用戶管理功能實現

　　4.2.3 菜單管理功能實現

　　4.2.4 角色管理功能實現

　　4.2.5 首頁功能實現

　　4.2.6 設備功能實現

　　4.2.7 電氣參數顯示功能實現

　　4.2.8 報警系統功能實現

　　4.2.9 日志系統功能實現

　　4.3 結合人臉識別的 330kV 變電站監控系統

　　4.4 本章小結

5 結論與展望

　　5.1 結論

　　本文設計了基于 JAVA WEB 的變電站監控系統，結合人臉識別的門禁系統，實現了對站內溫濕度，SF6 氣體含量，三相電壓、電流，零序電流等參數的在線監控和狀態預警。

　　相關結論和創新點如下：

　�。�1）本文開發了基于深度學習的人臉識別門禁系統，運用了機器視覺、卷積神經網絡、圖像處理等技術手段。其中，使用 imread 和 resize 函數實現對人臉圖片的預處理；對比了GPU和CPU在識別過程中的表現，GPU相比CPU在訓練速度上擁有較大的優勢。

　�。�2）本文采用 Java EE 對變電站中一、二次設備實時數據進行采集和管理，用戶登錄變電站監控系統網頁端后，可以直接查看變電站內設備的運行情況；當設備出現異常時，在變電站中發起報警并且向系統發送故障原因和故障點的位置，系統將獲得的信息的儲存到報警日志，并且在電網地圖視圖標識故障點的位置；此外，報警系統還將向用戶發送短信或電話的通知。

　�。�3）本文設計的變電站監控系統將數據監控、人員管理、門禁識別、故障報警等各個環節有機的統一起來，能有效降低變電站故障發生率。其中門禁識別成功后會向監控管理系統發送一條 JSON 字符串指令，發送成功后完成后臺管理系統的登錄。

　　5.2 展望

　　由于時間和成本的限制，本文仍有部分工作尚未展開：

　�。�1）由于變電站內一二次設備種類、型號、數量繁多，本文并未涵蓋所有類型的設備。在監控系統的推廣應用中，需要根據不同型號、不同使用環境下的設備的監控量，對監控系統進行進一步的優化和改進。

　�。�2）本文僅針對變電站監控的系統的網頁端和人臉識別門禁系統進行了研究，隨著電子技術的不斷發展，可以定制開發適用于變電站檢修人員的平板電腦，通過平板電腦上的 APP 實現對站內設備狀態的監控。

致謝

　　時間飛逝，不覺間我的研究生學習生涯已接近尾聲。在攻讀碩士研究生期間，李生民老師給予了大力的幫助和指導 ,在我的論文寫作過程中，李老師從最初的選題、定題到最終全篇論文的完成，都非常負責。李老師幫我指出論文中存在的問題，告訴我論文中應注意的細節，使我受益匪淺，在此我向李老師表示最誠摯的感謝！

　　我要感謝我的家人在我讀研期間給予的幫助，讓我沒有后顧之憂專心攻讀研究生學位，感謝他們為我的付出。

　　我還要感謝所有在我撰寫論文時幫助過我的師兄、師弟們，感謝他們的幫助與諸多寶貴意見和建議，對他們的支持表示萬分感謝。

　　參考文獻

　　[1] KNEZEV M, DJEKIC Z, KEZUNOVIC M. Automated Circuit Breaker Monitoring [C]. 2007 IEEE Power Engineering Society General Meeting, Tampa: 2007, 2580-2585.

　　[2] DUPRAZ J P, JUNG T, FICHEUX A, et al. Remote Supervision for Intelligent Circuit Breakers and Gas Insulated Substations [C].2008 IEEE Power and Energy Society GeneralMeeting -Conversion and Delivery of Electrical Energy in the 21 st Century, Pittsburgh:2008, 4718-4725.

　　[3] KIM D-C, KANG D-K, SEO D-K, et al. Development of GIS Condition Monitoring and Diagnosis System based on IEC61850 [C]. 2012 IEEE International Conference on Condition Monitoring and Diagnosis, Bali, Indonesia: 2012, 396-398.

　　[4] BISWAS S S, SRIVASTAVA A K, WHITEHEAD D. A Real-Time Data-Driven Algorithm for Health Diagnosis and Prognosis of a Circuit Breaker Trip Assembly [J]. IEEE Transactions on Industrial Electronics, 2015, 62（6）： 3822-31.

　　[5] RAZI-KAZEMI A A. Circuit Breaker Condition Assessment through A Fuzzy-Probabilistic Analysis of Actuating Coil's Current [J]. IET Generation, Transmission & Distribution, 2016, 10（1）： 48-56.

　　[6] ZEINODDINI-MEYMAND H, VAHIDI B. Health Index Calculation for Power Transformers Using Technical and Economical Parameters [J]. IET Science, Measurement & Technology, 2016, 10（7）： 823-30.

　　[7] SAXENA M K, RAJU S D V S J, ARYA R, et al. Empirical Mode Decomposition-Based Detection of Bend-Induced Error and Its Correction in a Raman Optical Fiber Distributed Temperature Sensor [J]. IEEE Sensors Journal, 2016, 16（5）： 1243-52.

　　[8] LI S T, LI J Y. Condition Monitoring and Diagnosis of Power Equipment: Review and Prospective [J]. High Voltage, 2017, 2（2）： 82-91.

　　[9] RAZI-KAZEMI A A, NIAYESH K, NILCHI R. A Probabilistic Model-Aided Failure Prediction Approach for Spring-Type Operating Mechanism of High-Voltage Circuit Breakers [J]. IEEE Trans Power Deliv, 2019, 34（4）： 1280-90.

　　[10] YANG Q Y, RUAN J J, ZHUANG Z J, et al. A New Vibration Analysis Approach for Detecting Mechanical Anomalies on Power Circuit Breakers [J]. IEEE Access, 2019, 7（14070-80.

　　[11] SAMIMI M H, ILKHECHI H D. Survey of Different Sensors Employed for the Power Transformer Monitoring [J]. IET Science, Measurement & Technology, 2020, 14（1）： 1-8.

　　[12] WANG T L, ZHANG Q G, NI H L, et al. Capacitive Voltage Sensor Array for Detecting Transient Voltage Distribution in Transformer Windings [J]. EEE Transactions onDielectrics and Electrical Insulation, 2016, 23（5）： 3182-9.

　　[13] ZOU W W, HE Z Y, HOTATE K. Range Elongation of Distributed Discrimination of Strain and Temperature in Brillouin Optical Correlation-Domain Analysis Based on Dual Frequency Modulations [J]. IEEE Sensors Journal, 2014, 14（1）： 244-8.

　　[14] 陶文偉， 高紅亮， 楊貴， 等。 智能變電站過程層冗余組網模式及網絡延時累加技術研究 [J]. 電力系統保護與控制， 2018, 46（08）： 124-9.

　　[15] 李仲青， 蔣帥， 杜宇， 等。 基于 HSR 的智能變電站過程層通信網絡 [J]. 電氣應用， 2019, 38（07）： 38-43.

　　[16] 徐微。 陽明 110kV 智能變電站系統及通信網絡設計 [D]; 吉林大學， 2019.

　　[17]韓宇， 董波。 一種基于線圈電流的高壓斷路器機械故障診斷方法 [J]. 高壓電器， 2019, 55（09）： 241-6.

　　[18] PAN Y, MEI F, MIAO H Y, et al. An Approach for HVCB Mechanical Fault Diagnosis Based on a Deep Belief Network and a Transfer Learning Strategy [J]. Journal of Electrical Engineering & Technology, 2019, 14（1）： 407-19.

　　[19] 王俊輝， 魏芳， 劉園偉， 等。 智能變電站過程層設備時鐘偏差測量試驗方法研究 [J]. 電工技術， 2020, 01）： 150-2+9.

　　[20] 陳月卿， 陳建洪， 邱建斌， 等。 一種智能變電站監控信息自動驗收系統的研究 [J]. 電力系統保護與控制， 2020, 48（11）： 143-50.

　　[21] 鄭雪娜， 陶家元， 王瑞雪， 等。 基于智能可視化管理的變電站智能監控系統設計 [J]. 現代電子技術， 2020, 43（16）： 30-3.

　　[22] 馬鵬， 樊艷芳。 基于深度遷移學習的小樣本智能變電站電力設備部件檢測 [J]. 電網技術， 2020, 44（03）： 1148-59.

　　[23] 張曉彤， 陳青， 孫夢璇， 等。 針對智能變電站二次回路故障的高壓斷路器故障追蹤[J]. 電力自動化設備， 2020, 40（10）： 212-7+24.

　　[24] 王昱皓， 武建文， 馬速良， 等。 基于核主成分分析-SoftMax 的高壓斷路器機械故障診斷技術研究 [J]. 電工技術學報， 2020, 35（S1）： 267-76.

　　[25] 尹相國， 張文， 路致遠， 等。 面向智能變電站二次設備的故障診斷方法研究 [J]. 電測與儀表， 2020, 57（03）： 39-45.

　　[26] 簡學之， 劉子俊， 文明浩， 等。 AR 增強現實技術在變電站二次設備運檢中的應用 [J]. 電力系統保護與控制， 2020, 48（15）： 170-6.

　　[27] 肖永立， 劉松， 見偉， 等。 一種基于 FP-growth 算法的變電站二次設備缺陷分析方法

　　[J]. 電測與儀表， 2020, 57（12）： 83-90.

　　[28] 劉紅軍， 管荑， 朱玉錦， 等。 智能變電站間隔集群測控模式下的運維體系研究 [J]. 電力系統保護與控制， 2020, 48（07）： 159-65.

　　[29] 保積秀， 張真， 閆涵。 基于物聯網技術的智能變電站二次運維管理系統 [J]. 電子技術與軟件工程， 2020, 01）： 220-1.

　　[30] 呂悅。 基于物聯網的變電站監測系統設計 [D]; 江蘇大學， 2020.

　　[31] 劉曉瑞。 110kV 智能變電站設計及監控系統研究 [D]; 曲阜師范大學， 2020.

　　[32] 朱凌燕。 六氟化硫微量分解產物的氣相色譜法分析 [D]; 復旦大學， 2014.

　　[33] 田靖臣。 天津蘆臺等 500kV 變電站 SF_6 氣體檢測及在線監測技術研究 [D]; 天津大學， 2018.

　　[34] 劉寧寧。 變電站 SF6 氣體無線監測控制系統設計與實現 [D]; 齊魯工業大學， 2017.

　　[35] 姜寶林， 孫吉權， 許亮， 等。 紫外線電離型 SF_6 氣體檢漏儀 [J]. 現代儀器， 2005, 04）： 56-8.

　　[36] 尹世榮。 差分吸收激光雷達建模仿真及其信息處理算法的研究 [D]; 電子科技大學， 2007.

（如您需要查看本篇畢業設計全文，請您聯系客服索�。�