上一篇文章讲了智能箱变“做什么”和“为什么做”。这一篇讲“怎么做”——从技术架构的视角把一套完整的智能箱变系统拆开来看清楚。行业当前的共识很明确箱变智能化不是堆一堆传感器加一个云平台就完事。它需要一套分层清晰、各层各司其职、协同配合的技术架构。目前主流方案采用四层结构感知层、边缘层、平台层、应用层。少了任何一层系统要么是“聋子”感知不全要么是“哑巴”传不出去要么是“智障”有数据没判断。先建立一个整体认知。四层架构自下而上分别是感知层部署在箱变内部的各类传感器是系统的眼睛和耳朵。边缘层安装在箱变旁的智能网关业内称TTU/融合终端是系统在本地的大脑。平台层部署在云端的物联网平台、数据库、AI引擎是系统的中枢。应用层面向用户的监控大屏、APP、告警推送、诊断报告是系统与人的界面。数据流是单向向上、指令流是单向向下感知层采集数据→边缘层汇聚预处理→平台层存储分析→应用层展示交互。同时应用层发出的控制指令沿原路回传经过平台鉴权、边缘解析、最终驱动现场设备执行。感知层部署在箱变三个仓室——高压室十千伏/三十五千伏、变压器室、低压室三百八十伏/四百伏——内部和周围。按监测对象可分为六个维度按重要性排列如下第一维电气参数标配通过电压/电流互感器搭配多功能电表采集每个进出线回路的三相电压、三相电流、有功功率、无功功率、功率因数、频率、谐波含量通常到第三十一次。这是最基础的维度也是后续所有分析——电能质量评估、线损计算、需量预测——的数据基础。值得注意的是上海青浦供电公司在工程实践中提出的一种创新结构共电压可组合式电气感知设备。它由一个电压单元、多个电流单元和一个供电通信单元组成通过插接式总线连接。多个电流单元共用一个电压单元接线端子减少百分之四十以上施工效率大幅提升。更重要的是支持带电安装——在不停电条件下完成感知改造这对存量箱变市场来说是一个关键卖点。第二维温度监测标配业界统计箱变故障中百分之四十到五十与过热有关——电缆接头松动导致的接触电阻增大、触头表面氧化、变压器过载引起的温升异常。温度监测的核心场景有两个电缆接头和触头测温采用无线测温传感器RFID/声表面波型直接绑扎在电缆接头或触臂上通过无线方式将温度数据发送到接收器。无需布线、无需停电安装。也可以使用分布式光纤测温DTS覆盖更长距离的电缆路径但成本高出数倍。变压器绕组和铁芯测温油浸式变压器通过顶部油温和底部油温的差值推算绕组热点温度干式变压器则在绕组中预埋PT100热电阻。第三维局部放电监测高压室标配局部放电是高压绝缘劣化最早可测量的信号。当开关柜内部的绝缘体出现裂缝、气泡或表面污秽时局部电场强度超过介质的击穿场强发生微小放电。这个过程可能持续数月甚至数年最终发展成贯穿性击穿——到那时就是事故了。检测局部放电的三条主流技术路线工程实践中的最佳做法是组合使用——用TEV做快速普查发现异常后用UHF精确定位和定量。三个通道的数据UHF幅值、TEV幅值、相位分布图输入AI模型进行联合判断比单一方法的准确率提升大约百分之十五到二十。第四维变压器油色谱三十五千伏及以上建议配置对于油浸式变压器油中溶解气体分析DGA被视为状态评估的金标准。变压器内部发生不同故障时绝缘油和固体绝缘材料在热和电的作用下分解出特征气体过热故障铁芯多点接地、绕组匝间短路产生大量乙烯和甲烷伴有少量氢气。温度越高乙烯占比越大。局部放电主要产生氢气少量甲烷。电弧放电产生大量乙炔和氢气乙炔几乎是电弧放电的“指纹气体”。在线DGA传感器通过油气分离膜将油中气体提取到气室利用红外光谱或气相色谱检测各组分浓度——至少覆盖氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳、二氧化碳和微水这八项。数据每小时刷新一次相比传统三个月一次的离线油样检测时效性提升了两千倍以上。第五维环境监测标配低成本户外箱变面临太阳直射带来的高温夏季柜内可达六七十度、昼夜温差带来的凝露、暴雨导致的水浸、风沙带来的粉尘堆积——这些问题都不是电气故障本身却是电气故障的头号推手。环境监测传感器清单温湿度传感器每个仓室至少一个、烟感探测器每个仓室一个、水浸传感器电缆沟和基础底部、门磁开关每个柜门。全部是成熟产品单件成本几十到几百元但换来的收益非常实在——环境异常导致绝缘劣化的速度比正常环境快百分之三十到五十提前控制环境就能大幅延长设备寿命。第六维机械状态可选振动传感器贴在变压器油箱或开关柜外壳上采集机械振动波形。铁芯接地电流通过穿心式电流互感器测量正常值通常小于一百毫安异常增大提示铁芯多点接地。这个维度目前主要用于大型变压器和风电箱变风机振动环境复杂在光伏箱变中属于选配。六维对比总表边缘计算网关是整个系统真正干活的地方。它承担三个角色协议翻译官、数据预处理工、本地值班员。南向面向传感器四路RS485串口最多可挂接一百二十八个测量单元支持Modbus RTU和IEC 60870-5-101协议。同时预留HPLC电力线载波、ZigBee和LoRa等无线扩展接口用于接入无线测温、无线局放等设备。北向面向云端一路以太网加一路四G/五G无线加一路NB-IoT三通道冗余。首选四G/五G信号差时自动降级到NB-IoT有光纤条件时用以太网做主通道。上云协议统一用MQTT这是物联网领域的事实标准——轻量最小报文仅两个字节、支持发布/订阅模型、自带QoS质量等级。边缘计算能力是网关区别于传统RTU远方终端单元的核心差异。传统RTU只能透传数据——采到什么传什么。智能网关在本地完成故障快判短路、过流、超温、剩余电流越限等规则类判断在本地毫秒级完成不需要等云端的往返延迟。电能质量事件识别电压暂升/暂降事件的波形捕捉和特征提取。故障录波触发当短路或过流发生时以十毫秒级分辨率记录故障前后共四十个周波的电压电流波形作为事后故障分析的原始证据。数据统计与压缩最大/最小/平均/累加值按时段十五分钟、一小时、一天预计算减少上行数据量。一台箱变如果每秒采集五十个数据点一天产生约四百三十万条记录。经过边缘统计压缩后上行到云端的数据量可减少百分之九十以上——在四G按流量计费的场景下这是实打实的成本节约。网关把数据送上云之后平台层接手后续工作。设备接入与物模型管理主流物联网平台阿里云IoT、华为云IoT通过“产品—设备—密钥”三元组完成设备身份认证。每一台箱变在云端都有一个数字化的“物模型”定义了它的属性遥测值、遥信状态、脉冲累计、事件告警、状态变化序列和服务遥控命令、录波文件调阅。物模型标准化是整个行业推进互操作性的基础——不同品牌、不同类型的设备只要遵循同一套物模型就能在同一平台上统一管理。规则引擎与数据路由平台内置的规则引擎类似SQL语言的脚本处理方式实时解析MQTT主题中的数据根据预定规则转发到不同的后端。比如温度超限事件推送到告警服务并同时存入时序数据库正常遥测数据直接入时序库录波文件写入对象存储。时序数据库箱变数据的天然属性是“时间标签加数值”——每一秒钟、每一分钟的新数据追加进来几乎不修改已写入的历史数据。这是时序数据库如TDengine、InfluxDB最擅长的场景相比通用关系型数据库时序库在写入速度和存储压缩方面有数量级优势。一台箱变一年的全量秒级数据经过时序库压缩后通常只占用几GB级别的空间。AI诊断引擎这是平台层的核心增值模块。它不是简单的“大于阈值就告警”而是一个多层次的判断体系第一层是规则引擎——基于行业标准的确定性规则。比如变压器油色谱的三比值法当乙烯/乙烷比值落在某个区间对应判断为过热故障当乙炔/乙烯比值落在另一个区间对应判断为电弧放电。这些规则来自DL/T 722《变压器油中溶解气体分析和判断导则》等国标是可解释的、工程师信任的判断。第二层是统计模型——基于历史基线检测异常趋势。比如某条电缆接头的温度在过去一周内每天爬升零点五度虽然单日数值仍在“正常范围”内但累计趋势表明接触电阻在持续恶化。统计模型捕捉的是“变化”而不是“绝对值”。第三层是机器学习模型——处理高维复杂模式。比如局部放电的相位分布图谱是一张二维图像不同故障类型内部气隙放电、沿面放电、电晕放电的图谱形状不同。用卷积神经网络加长短期记忆网络CNNLSTM来分类这些图谱在已有标注训练数据的条件下准确率可达百分之八十五以上。应用层是用户直接接触的界面。核心模块包括运行监视大屏GIS地图展示所有箱变位置颜色标识健康状态绿/黄/橙/红点击进入单台详情。告警推送分级告警注意、异常、严重通过短信、APP推送、企业微信等多通道送达。诊断报告定期自动生成健康评估报告包含健康指数评分零到一百分、历史趋势图、同类设备对比。运维工单告警自动生成工单并派发给对应区域的运维人员闭环跟踪从接单、到场、检修、验收的全过程。远程控制经过五防规则校验的远程分合闸操作支持一键顺控从操作票生成到执行归档全程电子化。通信方案选择因地制宜梯次配置不同预算不同方案一套方案不可能适有人。根据箱变电压等级、场景重要性、预算约束轨物科技提供四个梯次的配置方案成本估算含三年平台服务费。百台以上批量部署可降低百分之二十到三十。箱变智能化的四层架构不是理论是工程实践中沉淀下来的最优解。感知层决定了你能看到多少边缘层决定了你能多快做出反应平台层决定了你能从数据里挖出多少价值应用层决定了这些价值能否真正送到运维人员手上。下一步如果你已经理解了这套架构就可以进入更深一层每一个维度的传感器选型有哪些参数取舍AI诊断算法内部到底怎么工作数字孪生技术如何落地到箱变场景这些内容将在第三篇“深度拆解篇”中逐一展开。