摘要：信息技术的发展，大数据成为电力行业发展的一个重点，主要是将大数据应用到电力设备状态分析中，判断电力设备运行是否处于稳定的状态。因此，本文针对电力设备状态大数据分析的相关内容，展开分析和阐述，为电力行业带来了综合效益，促进电力行业发展的进程。
关键词：电力设备；大数据分析；综合效益。
电力设备状态大数据分析主要是利用信息挖掘功能，分析设备运行各项参数是否存在异常，一旦出现异常需要进行及时的处理，确保电力设备运行的稳定性和安全性。其实，在电力行业发展中，电力设备运行的稳定性和安全性，是保证其经济效益关键。因此，利用大数据分析对电力设备运行进行评估，通过对各项运行参数的收集，并且构建相应的数据库，判断电力设备运行存在任何的异常，以及采取相应的处理措施，使得电力设备运行的稳定性和安全性，实现电力行业综合效益最大化，促使其行业可以稳定、健康的发展。
1、电力设备状态大数据分析概述
电力设备状态大数据分析使用的时候，需要对其相关内容有着一定的了解，保证分析的准确性。本段内容针对电力设备状态大数据分析的内涵、特征等方面展开分析。
1.1内涵。
1.1.1大数据分析主要是判断电力设备运行、电网运行和气象环境参量之间的关联，以及发生的变化，这样可以分析出电力设备早期运行可能发生的故障，并且判断故障发生的根源、发生的概率。 同时，根据数据显示的情况，采取有效措施的及时的解决，进而保证电力设备运行的稳定性和安全性。
1.1.2通过利用多维统计分析、关联分析等方面，对各项数据进行获取和分析，从不用角度和方面，分析电力设备变化的规律，这样可以有效提升电力设备状态大数据分析的预判能力，降低电力设备运行故障产生的概率。
1.1.3将先进的信息技术于及电力设备维护检修技术融合在一起，实现多源海量数据分析，并且分析的速度也相对较快。同时，可以在一定程度上实现故障智能预判的功能，这样不仅保证电力设备运行的状态，也提升了电力设备状态大数据分析的效率。
1.2特征分析。在电力设备状态大数据分析的时候，所需要涉及到的数据有很多，例如: 设备台账、技术参数、巡检和试验数据、带电检测和在线监测数据、电网运行数据、故障和缺陷记录、气象信息等方面，并且在这些数据中有的可以直接反映故障，或者间接的反映。另外，需要根据电力设备的运行状态，以及内部系统的更新频率，对各项该数据的获取和分析都是有着一定影响的，因此需要针对实际情况，对数据进行调整和分析，以此符合电力设备运行的实际情况。
1.3构架分析。电力设备状态大数据分析是由不同部分组成的，图1所示，具体的内容可以从以下几点内容展开。
图1为：电力设备状态大数据分析示意图
1.3.1电力设备状态大数据分析主要是利用平台多源异构数据获取技术，并且电力系统内通过信息技术，形成在线监测、带电试验、停电试验、人工巡检、环境检测等系统，这样可以为电力设备运行的稳定性和安全性，提供了基础性的保证，降低故障产生的概率。
1.3.2系统内部会对异构数据进行一定的转化和处理，并且利用标准的电力信息状态全景模型，以及分布方式等，对大数据进行分布式的处理，以及检索等工作，其工作效率也是非常快的。另外，电力设备状态大数据分析根据内存计算框架和并行化计算方式，对电力设备运行数据进行分析，判断是否存有运行故障，以及发生的可能性。同时，需要对设备运行的实时数据和历史数据之间关联性进行对比和分析，进而实现电力设备状态大数据分析中异常检测、动态评价、故障诊断等功能。
1.3.3从不用角度和方面，对综合评判的结果进行分析，判断其结果的准确性，以此为后期的检修工作，提供了重要的参考依据。
2、电力设备状态大数据分析的应用分析
电力设备状态大数据分析的应用，所包括的内容有很多，例如：数据存储库、状态数据质量评估、多源数据的集成和转换等方面，下面针对这几点内容，展开了分析和阐述。
2.1多源数据的集成和转换。电力设备状态大数据分析在数据获取的时候，主要是依靠PMS、EMS、设备状态监测系统等方面获取，并且通过利用先进的信息技术，对各项信息进行核实和处理，转化成分析数据库，为电网运行、设备稳定运行等方面，提供了多方面的来源，常用的先进信息技术主要包括有：物联网技术、移动互联网技术、收集无人机技术、移动巡检技术等方面。另外，需要根据各项分析数据的完整性、可用性、安全性等要求，利用数据中心库共享、文件安全传输等功能，从各项运行系统中获取数据并且进行转换，以此实现访问、文件传输等高效的运行状态，保证设备的安全运行。
2.2状态数据质量评估。数据的准确性是电力设备状态大数据分析效果的基础性保障。其实，在电力设备运行的时候，数据来源相对较多，数据量也相对较度，这样在所难免会存在着一定的问题，例如：不完整、冗余、冲突、遗漏、错误等问题，并且对电力设备运行的监测性能也相对较差。因此，为了保证电力设备状态大数据分析的使用性能，一定要对获取的各项数据就那些预处理。据预处理主要是数据清洗为主，主要是利用统计的分布、关联分析、时间序列分析等方式，对各项数据进行检验识别，并且针对缺失的数据需要进行填补，其目的就是保证电力设备状态数据的完整性，满足电力设备状态大数据分析的需求。但是，在数据清洗的时候，需要对数据的异常与数据变化之间关联进行区分和分析，这样主要是避免发生设备状态数据误判和漏判的现象发生。
2.3数据存储库。在电力设备状态大数据分析的时候，需要对各县数据进行存储，并且形成相应的数据库，为后期数据的使用，提供了相对便利的条件。在数据库建立的时候，通常情况下是以关系型据库、关系数据库为主。同时，为了保证系统访问的效率，需要对电力设备状态数据进行相应的处理，并且利用信息技术加快对数据处理的效率，例如：在电力设备状态大数据分析的时候，需要对电力设备状态数据的综合性能进行考虑，例如：数据的关联性和时空属性等方面，并且根据各个属性存在的差异进行处理，以此保证数据库构建的完整性。
结束语：
通过以上的综合论述，得出以下几个结论。
1、在电力设备状态大数据分析使用之前，需要对其相关内容展开分析，例如：概述、特征、构架等方面，这样主要是为后期的使用，提供了相对便利的条件。
2、本文从不同角度和不同方面，对电力设备状态大数据分析的应用进行了分析和阐述，通过对数据的处理， 构建成完善的数据库，其目的就是保证电力设备状态大数据分析的效果和效率，为电力设备相关工作的展开，给予了基础性的保证，也促进了相关行业的发展。
参考文献：
[1]宫宇, 吕金壮. 大数据挖掘分析在电力设备状态评估中的应用[J]. 南方电网技术, 2014, 8(6): 74-77.
[2]江秀臣, 盛戈皞. 电力设备状态大数据分析的研究和应用[J]. 高电压技术, 2018 (4).
[3]王珣, 王馨, 赵盟, 等. 输变电设备状态大数据分析应用探讨[J]. 贵州电力技术, 2018 (1).
[4]王德文, 周青. 一种电力设备状态监测大数据的分布式联机分析处理方法[J]. 中国电机工程学报, 2016, 36(19): 5111-5121.
[5]吴军英, 刘明硕, 常永娟, 等. 基于大数据的变压器设备状态及风险分析研究与应用[J]. 贵州电力技术, 2017, 20(10): 22-30.
论文作者:屈建平,安少新
论文发表刊物:《电力设备》2018年第17期
论文发表时间:2018/11/13
标签：电力设备论文; 大数论文; 状态论文; 数据论文; 据分析论文; 等方面论文; 主要是论文; 《电力设备》2018年第17期论文;