基于JAVA WEB的330kV变电站监控系统软件设计

摘要

　　对变电站内的设备运行状态和环境参数进行监控，能有效提高变电站运行的智能化水平，对于维护电力系统的安全稳定具有重要意义。现有监控系统中各个监控环节相互独立，因此无法满足智能变电站网络化和共享化要求的现状。针对上述问题，本文设计了数据检测、报警系统、人员管理、门禁系统为一体的变电站在线监控系统。

　　门禁系统主要采用人脸识别的技术对进入变电站人员进行识别，防止出现人员的误入导致了变电站内现场误操作，破坏变电站的稳定运行。本文开发了基于多重安全保障的门禁识别系统。门禁系统首先采用imread和resize 函数实现对人脸图片的预处理，以标准数据集为基础构建训练样本集，通过优化后的卷积神经网络，使得该系统能够在不同光线强度下对人脸进行捕捉和识别。

　　根据框架，对系统的登录注册功能、用户管理功能、菜单管理功能、角色管理功能、首页、报警功能、日志功能等进行了具体设计。最终，系统将采集到的实时信息显示到客户端，用户登录系统之后，可以直接查看变电站内设备的运行情况：当设备出现异常时，在变电站中报警并且向系统发送故障原因和故障点的位置，系统将获得储存的报警日志，并且在电网地图视图标识故障点的位置；此外，报警系统还将向用户发送短信或电话的通知。

　　关键词：变电站监控系统； JAVA WEB;人脸识别；变电站门禁系统

目 录

　　1 绪论

　　1.1 研究背景及意义

　　随着电力系统建设的稳步推进，以及信息和网络技术的高速发展，对我国电力系统的智能化提出了更高的要求，使得智能电网在未来很长一段时间内成为电力系统发展的热门方向之一。此外，超高压等级输电线路的建设，使得变电站数量也急剧增加，以及无人值守变电站的推广应用也对变电站智能化和信息化提出了更高要求。

　　330kV 电网在我国西北电网中占据重要位置，据相关统计数据显示：西北地区 330kV联合电网线路已超过 6000km.西北地区地广人稀，变电站选址均较为偏僻，工作环境相对艰苦，更适用于无人值守变电站，因此对于智能化、可靠性高的远程监控系统的要求更为迫切。变电站在线监控系统能够实现对站内各个设备运行状态的实时采集，并准确、及时的反馈给工作人员，进而改善工作环境，提高变电站智能化水平。门禁系统主要采用人脸识别的技术对进入变电站人员进行识别，防止出现人员的误入导致了变电站内现场误操作，破坏变电站的稳定运行，给企业造成经济损失，甚至还会造成人员的伤亡。现阶段，国内对变电站监控系统和人脸识别的研究已经取得了丰硕的成果，但是监控系统和人脸识别系统之间相互独立，分别承担监控站内设备运行状态和门禁控制的作用，并没有形成一个相对统一的系统。

　　因此，本文研究了变电站监控系统，主要功能包括：数据检测、报警系统、人员管理和门禁系统，且各个环节相互联系。330kV 变电站在西北电网超高压输电线路中担负着接受和分配电能的职责，所以它的安全、可靠运行对电力系统有着至关重要的作用。工作人员通过 330kV 变电站的在线监控系统的开发能够及时、准确获得设备运行状态，进而及时消除潜在的缺陷和隐患，对于维护西北电网的安全稳定运行具有重要的意义。

　　1.2 国内外研究现状

　　1.2.1 国外研究现状

　　变电站监控系统能够实时采集站内设备的运行状态，并将运行信息反馈给相关工作人员，因此监控系统对于保证站内设备的安全稳定运行有重要意义。国外，美国、日本、德国和英国等西方发达国家率先开展了变电站监控系统的研究。在逻辑结构上，智能变电站监控系统可以分为站控层、间隔层和过程层，如图 1-1 所示。

　　上世纪 90 年年代开始，针对电气设备的在线监测产品被推出，如 Duval M 等研制的CB Watch-2 系统可以 SF6 气体、断路器机械参数以及操动机构等项目进行在线监测。

　　Kezunovic M 等[1]研发了基于分布式 IED 和中央服务器断路器的在线监测系统，利用无线信号通信，监测项目主要为分合控制线圈电流以及主回路电流，同时还对信号处理和专家系统的应用进行了研究。美国 Heathway 公司生产的 BCM200 断路器监测装置能够采集分合闸线圈电流以及一次回路故障电流累计燃弧时间等参数并根据这些参数进行故障诊断[2].韩国学者 Kim DC 等[3]研制了基于 IEC61850 标准的 GIS 在线监测系统传统的变电站故障识别，可以分为基于规则、基于模型和基于指纹三种。在采集电流特征之后，使用深度学习算法[4]、实时诊断算法[5]等构建故障诊断模型。在变电站中，电力变压器持续运行及其在输电可靠性中具有重要意义[6].近年来，光学传感器因其良好的电磁绝缘特性被广泛使用，如印度学者 Saxena, MK 等[7]使用拉曼光谱法（Ramanspectroscopy）测量站内温度的分布。为了保证电力系统安全可靠地运行，必须对电力设备的在线或离线状态进行监测和评估，而且随着科学技术的不断发展，大数据（Big Data）、物联网（The Internet of Things,IOT）和云计算（Cloud Computing）等大量新技术在不久的将来会广泛应用于电气设备监控系统中[8].

　　为了避免电气设备发生故障并延长这些关键部件的使用寿命，伊朗学者 Razi Kazemi等分析了常见失效模式对电气设备运行状态的影响，并基于混沌概率的状态评估算法[9]

　　实现故障诊断。行程信号可以充分的展示出操动机构的动作情况，Razi-Kazemi 等认为动作时间和速度的任何变化，都有极大的可能与弹簧操动机构发生故障有关，而超行程则反应了缓冲器的状态[10],而振动信号则具有高度非线性和容易被噪声干扰等特点，很难准确的提取有效特征。伊朗学者 Samimi,MH 等[11]认为需要综合使用电气、机械、光学、化学和声学等传感器来监测电力变压器的运行状态，其中包括电流、电压、局放、气体含量、温度和油含量等参数。

　　1.2.2 国内研究现状

　　国内对智能变电站也进行了大量研究。西安交通大学张乔根等[12]开发了测量变压器绕组瞬态电压分布的传感器阵列，提出了一种无损检测变压器绕组暂态电压分布的方法，得到了变压器绕组的电压分布变电站中除直接参与生产、输送和分配电能的一次设备外，站内承担监测、控制和保护的辅助性任务的二次设备的工作状态同样关系到站内安全，因此其运行信息也需要监控。

　　传统的温度测量方法中，电阻和热电偶传感器都可以测量变压器顶部油的温度。上海交通大学 Zou Weiwen 等[13]结合布里渊光谱学（Brillouin spectroscopy）感知分布在站内一个区域的多个点的温度。陶文伟等[14]针对 HSR 和并行冗余协议（Parallel RedundantProtocol,PRP）的智能变电站过程层组网进行了研究，并基于该组网基础上进行了 HSR和 PRP 的延时累加技术研究及测试。为了实现对变电站数据的延迟测量，进而摆脱了对时钟的依赖，李仲青等[15]提出了应用可靠性无缝冗余协议（High-availability SeamlessRedundancy,HSR）的过程组网技术方案。在分析了智能化器件和先进应用使用功能的基础之上，吉林大学徐微[16]提出了 110kV 智能变电站的建设方案，然后对全站数据流进行数学建模。

　　变电站的机械故障诊断包括预处理、特征提取与筛选和故障识别 3 个步骤[17],在断路器中，线圈电流可以描述分合闸铁芯的运动轨迹[18].王俊辉等[19]认为过程层设备的时间性能将直接影响整个变电站的稳定运行，因此提出了智能变电站过程层时钟偏差测量试验方法，用于测试测控单元的时钟同步。随着新建及改扩建智能变电站任务的不断推进，大量设备的运行状态接入的工作量巨大，而且无法实现整个信号的闭环实时传递。针对上述问题，国网福建省电力有限公司检修分公司陈月卿等[20]结合 IEC61850 通讯协议和多机多网并行校核理论，设计了一套智能变电站监控信息的自动闭环验收系统，同时提出了一种基于全相位频谱矫正技术的高效变电站数据监测方法。重庆大学城市科技学院郑雪娜等[21]设计了一套能可视化管理的变电站智能监控系统，该系统通过摄像机实时采集站内设备的图像信息，监控变电站设备运行状态，结合可视化模块最终将线路的运行状态显示出来。由于变电站电力设备故障样本数量较少，使用小样本作为状态识别较为困难，新疆大学马鹏等[22]基于网络的深度迁移学习算法，开发了电力设备图像目标检测算法，能够应用于小样本电力设备数据集的检测。

　　高压断路器在电力系统中起着保护和控制的作用。山东大学张晓彤等[23]分析变电站中高压断路器不正常动作的具体原因，提出了基于有向二分图模型的故障追踪方法，表示出故障征兆与故障之间的对应逻辑关系，该方法能够实现对故障面进行全面分析。主要依靠断路器动作过程时同步采集的线圈电流信号、行程信号和振动信号[24].当对信号数据进行处理提取得到特征参数后，就可以利用分类算法得到高压断路器的状态类型，从而实现其故障的诊断。

　　国网宁夏电力有限公司检修公司尹相国等[25]利用广义变比建立二次设备的故障诊断模型，主要用于继电保护测量回路中电压、电流的故障状况。深圳供电局有限公司简学之等[26]开发了一种基于增强现实（Augmented Reality,AR）技术的变电站二次设备运维系统，该系统通过 OpenCV 源码的实现，通过 AR 智能终端设备获取的二次设备的状态信息。国网北京市电力公司检修分公司肖永立等[27]建立了智能变电站二次设备缺陷模型，并提出了一种基于 FP-growth 算法的变电站二次设备缺陷分析方法。

　　此外，国网山东省电力公司刘红军等[28]研究了智能变电站新型运维体系，实现了智能变电站集群测控装置的集中式运维和全景可视化展示；基于物联网技术的提出和发展，将物联网技术应用到变电站也是智能电网技术发展到一定阶段的必然产物[29],江苏大学吕悦[30]开发的变电站监控系统能够实现变电站内的照明功能、多控制方式的门禁功能以及温湿度节点信息的实时采集功能，曲阜师范大学刘晓瑞[31]对变电站内电气设备的监控短信报警系统进行开发研究。

　　1.3 本文研究内容及主要工作

　　本文共分为五章，主要研究内容及各章节之间的关系，如图 1-2 所示。

　　第一章，绪论。通过对课题研究背景及意义、国内外研究现状的比较分析，给出本文变电站监测系统的研究内容、所做工作以及创新点。

　　第二章，变电站监控系统设计原则和开发技术分析。从系统设计性能指标入手，对系统设计原则和 JAVA WEB 开发技术进行分析。

　　第三章，人脸识别的门禁系统设计。基于深度学习算法，对变电站的门禁系统进行了深入研究，使得变电站仅能使得特定人员有进入的权限。

　　第四章，变电站监控系统软件设计。通过开发 WEB 客户端实现了系统最为核心的站内设备状态的实时监测和预警提示功能。

　　第五章，结论和展望。对当前所做工作的总结，并指出未来的工作方向及系统提升可做的工作。

　　2 变电站监控系统设计原则和开发技术分析

　　2.1 设计原则分析

　　2.1.1 数据管理分析

　　2.1.2 状态管理分析

　　2.1.3 管理分析

　　2.1.4 日志管理

　　2.1.5 系统维护管理

　　2.2 Java Web 开发技术分析

　　2.3 环境参数监测研究

　　2.3.1 SF6 气体监测

　　2.3.2 温、湿度监测

　　2.4 本章小结

　　3 人脸识别的门禁系统设计

　　3.1 变电站门禁系统设计

　　3.2 国内外现状及设计要求

　　3.3 门禁系统框架设计

　　3.4 基于神经网络的人脸识别方法设计

　　3.5 人脸图像的获取与数据预处理

　　3.5.1 训练数据集处理

　　3.5.2 人脸图片降维

　　3.6 基于深度学习的人脸识别过程

　　3.6.1 可视化训练过程

　　3.6.2 模型训练

　　3.6.3 人脸识别结果分析

　　3.7 本章小结

　　4 变电站监控系统软件设计

　　4.1 系统设计

　　4.1.1 总体架构设计

　　4.1.2 网络拓扑设计

　　4.1.3 接口设计

　　4.1.4 数据库设计

　　4.2 功能实现

　　4.2.1 登录注册的功能实现

　　4.2.2 用户管理功能实现

　　4.2.3 菜单管理功能实现

　　4.2.4 角色管理功能实现

　　4.2.5 首页功能实现

　　4.2.6 设备功能实现

　　4.2.7 电气参数显示功能实现

　　4.2.8 报警系统功能实现

　　4.2.9 日志系统功能实现

　　4.3 结合人脸识别的 330kV 变电站监控系统

　　4.4 本章小结

5 结论与展望

　　5.1 结论

　　本文设计了基于 JAVA WEB 的变电站监控系统，结合人脸识别的门禁系统，实现了对站内温湿度，SF6 气体含量，三相电压、电流，零序电流等参数的在线监控和状态预警。

　　相关结论和创新点如下：

　　（1）本文开发了基于深度学习的人脸识别门禁系统，运用了机器视觉、卷积神经网络、图像处理等技术手段。其中，使用 imread 和 resize 函数实现对人脸图片的预处理；对比了GPU和CPU在识别过程中的表现，GPU相比CPU在训练速度上拥有较大的优势。

　　（2）本文采用 Java EE 对变电站中一、二次设备实时数据进行采集和管理，用户登录变电站监控系统网页端后，可以直接查看变电站内设备的运行情况；当设备出现异常时，在变电站中发起报警并且向系统发送故障原因和故障点的位置，系统将获得的信息的储存到报警日志，并且在电网地图视图标识故障点的位置；此外，报警系统还将向用户发送短信或电话的通知。

　　（3）本文设计的变电站监控系统将数据监控、人员管理、门禁识别、故障报警等各个环节有机的统一起来，能有效降低变电站故障发生率。其中门禁识别成功后会向监控管理系统发送一条 JSON 字符串指令，发送成功后完成后台管理系统的登录。

　　5.2 展望

　　由于时间和成本的限制，本文仍有部分工作尚未展开：

　　（1）由于变电站内一二次设备种类、型号、数量繁多，本文并未涵盖所有类型的设备。在监控系统的推广应用中，需要根据不同型号、不同使用环境下的设备的监控量，对监控系统进行进一步的优化和改进。

　　（2）本文仅针对变电站监控的系统的网页端和人脸识别门禁系统进行了研究，随着电子技术的不断发展，可以定制开发适用于变电站检修人员的平板电脑，通过平板电脑上的 APP 实现对站内设备状态的监控。

致谢

　　时间飞逝，不觉间我的研究生学习生涯已接近尾声。在攻读硕士研究生期间，李生民老师给予了大力的帮助和指导 ,在我的论文写作过程中，李老师从最初的选题、定题到最终全篇论文的完成，都非常负责。李老师帮我指出论文中存在的问题，告诉我论文中应注意的细节，使我受益匪浅，在此我向李老师表示最诚挚的感谢！

　　我要感谢我的家人在我读研期间给予的帮助，让我没有后顾之忧专心攻读研究生学位，感谢他们为我的付出。

　　我还要感谢所有在我撰写论文时帮助过我的师兄、师弟们，感谢他们的帮助与诸多宝贵意见和建议，对他们的支持表示万分感谢。

　　参考文献

　　[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] 陶文伟， 高红亮， 杨贵， 等。 智能变电站过程层冗余组网模式及网络延时累加技术研究 [J]. 电力系统保护与控制， 2018, 46（08）： 124-9.

　　[15] 李仲青， 蒋帅， 杜宇， 等。 基于 HSR 的智能变电站过程层通信网络 [J]. 电气应用， 2019, 38（07）： 38-43.

　　[16] 徐微。 阳明 110kV 智能变电站系统及通信网络设计 [D]; 吉林大学， 2019.

　　[17]韩宇， 董波。 一种基于线圈电流的高压断路器机械故障诊断方法 [J]. 高压电器， 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] 王俊辉， 魏芳， 刘园伟， 等。 智能变电站过程层设备时钟偏差测量试验方法研究 [J]. 电工技术， 2020, 01）： 150-2+9.

　　[20] 陈月卿， 陈建洪， 邱建斌， 等。 一种智能变电站监控信息自动验收系统的研究 [J]. 电力系统保护与控制， 2020, 48（11）： 143-50.

　　[21] 郑雪娜， 陶家元， 王瑞雪， 等。 基于智能可视化管理的变电站智能监控系统设计 [J]. 现代电子技术， 2020, 43（16）： 30-3.

　　[22] 马鹏， 樊艳芳。 基于深度迁移学习的小样本智能变电站电力设备部件检测 [J]. 电网技术， 2020, 44（03）： 1148-59.

　　[23] 张晓彤， 陈青， 孙梦璇， 等。 针对智能变电站二次回路故障的高压断路器故障追踪[J]. 电力自动化设备， 2020, 40（10）： 212-7+24.

　　[24] 王昱皓， 武建文， 马速良， 等。 基于核主成分分析-SoftMax 的高压断路器机械故障诊断技术研究 [J]. 电工技术学报， 2020, 35（S1）： 267-76.

　　[25] 尹相国， 张文， 路致远， 等。 面向智能变电站二次设备的故障诊断方法研究 [J]. 电测与仪表， 2020, 57（03）： 39-45.

　　[26] 简学之， 刘子俊， 文明浩， 等。 AR 增强现实技术在变电站二次设备运检中的应用 [J]. 电力系统保护与控制， 2020, 48（15）： 170-6.

　　[27] 肖永立， 刘松， 见伟， 等。 一种基于 FP-growth 算法的变电站二次设备缺陷分析方法

　　[J]. 电测与仪表， 2020, 57（12）： 83-90.

　　[28] 刘红军， 管荑， 朱玉锦， 等。 智能变电站间隔集群测控模式下的运维体系研究 [J]. 电力系统保护与控制， 2020, 48（07）： 159-65.

　　[29] 保积秀， 张真， 闫涵。 基于物联网技术的智能变电站二次运维管理系统 [J]. 电子技术与软件工程， 2020, 01）： 220-1.

　　[30] 吕悦。 基于物联网的变电站监测系统设计 [D]; 江苏大学， 2020.

　　[31] 刘晓瑞。 110kV 智能变电站设计及监控系统研究 [D]; 曲阜师范大学， 2020.

　　[32] 朱凌燕。 六氟化硫微量分解产物的气相色谱法分析 [D]; 复旦大学， 2014.

　　[33] 田靖臣。 天津芦台等 500kV 变电站 SF_6 气体检测及在线监测技术研究 [D]; 天津大学， 2018.

　　[34] 刘宁宁。 变电站 SF6 气体无线监测控制系统设计与实现 [D]; 齐鲁工业大学， 2017.

　　[35] 姜宝林， 孙吉权， 许亮， 等。 紫外线电离型 SF_6 气体检漏仪 [J]. 现代仪器， 2005, 04）： 56-8.

　　[36] 尹世荣。 差分吸收激光雷达建模仿真及其信息处理算法的研究 [D]; 电子科技大学， 2007.

（如您需要查看本篇毕业设计全文，请您联系客服索取）