国网山西省电力公司运城供电公司 山西运城 044000
摘要：随着我国电力的不断发展，电力信息资源不断丰富。但是由于电力设备状态检测信息数据库存在分散的特点，对资源的检索相对困难。如果能够把电力设备状态检测信息进行聚合，将会为电力设备状态检测提供一个规范的检索平台。随着计算机信息技术与网络技术的不断发展，基于大数据的电力设备状态检测信息聚合研究进一步发展，为实现资源合理配置提供保障。
关键字：大数据；电力设备状态检测；信息聚合
1电力设备状态监测发展困境的原因
造成目前电力设备状态监测发展困境的原因主要有以下几点:
(1)监测系统采集数据量大，价值密度低，提取有用信息困难。面向大数据的电力设备状态监测的应用，要求获取电力系统内更全面的基础信息，以便进行大量信息的相关性分析。这样，众多的电力设备监测系统会产生多元、海量、异构的数据，包括电气量数据、状态量数据和过程量数据等。而电力设备在大部分时间处于正常状态，异常或者故障的时间很少，因此各种在线监测系统获取数据的价值密度很低。如何对这些数据进行快速、有效地分析、加工、提炼以获取所需系统的有用信息，并发挥其作用，是当前需要解决的问题之一。
(2)过分关注在线监测对故障的精确判断，忽视其对电力设备状态趋势的反映。在线监测是状态监测系统中最重要的组成部分，在线监测的应用为状态监测提供了电力设备实时、连续的运行数据，是状态监测最主要的数据支撑。但是在线监测系统由于传感器技术、电源技术、无线通信技术等条件的制约，其系统本身存在很大的不稳定性，再加上在线监测系统一般都暴露在外部环境中，其采集精度易受外部环境的干扰。这也就导致了目前电力设备状态监测系统利用率不高，效果不明显的问题。但事实上，状态监测其主要目标应该是对设备运行状态的表征、尤其是反映检测量的变化趋势，而不是单单只是关注对故障的精确测量。更需要注意的是，在线监测系统所测得的数据都是设备实际运行中的产生的，是设备在各种环境因素下运行的真实反映，不能以离线监测系统的衡量标准来评估在线监测系统的精确程度。
(3)数据融合程度低，无法提供被监测设备的全景信息状态，监测配备的在线监测系统采集到的数据有电气量数据，也有如温湿度等的非电气量，有结构化的数据，也有如视频监控等的非结构化数据。目前来看，大多数状态监测系统都很难综合分析这些多源异构的数据，也就无法实现对监测设备的全景评估。另外数据共享方面也面临着严峻的挑战:状态监测系统还处于分散监测阶段，与计算机监控系统相对独立，电力控制中心与各个变电站之间，状态监测系统与其他系统之间，数据信息模型和通信接口不一致，难以共享和综合利用。
2面向大数据的电力设备状态检测信息聚合方法
2.1电力设备状态检测信息来源
多元多维度数据源是开展电力设备状态评估大数据挖掘分析的基础条件。设备状态信息包括设备全生命周期范围内适用于设备健康状态及风险评估的各种资料、数据、记录等。
（1）静态参数
静态参数包括设备台帐参数和设备投运前的试验参数等。静态参数自记录后不再发生变化，作为某项状态参量评分时的参考值和判断依据，用作初始值、限制阈值等。在这些参数的支持下，能够大数据挖掘分析在电力设备状态 评估中的应用有效性。
（2）动态参数
动态参数包括运行记录数据、巡视记录参数、带电检测参数、在线监测参数等，定期获取并更新，周期通常以天为单位，最大周期不超过1个月。动态参数数据更新周期较短，时效性较好，是最主要、最关键的设备状态评估数据来源，能最及时地反应设备的健康状态及风险。
期刊文章分类查询,尽在期刊图书馆
（3）准动态参数及外部参数
准动态参数包括检修试验参数、缺陷/故障参数等。准动态参数通常定期或不定期获取并更新，周期通常以月为单位。相比动态参数，其时效性相对较差，但对于设备状态评估的准确性起到关键作用。采用多维度设备状态评估方法分析设备潜在的具体缺陷故障时，准动态参数的作用尤为重要。同时，应注重外部参数使用。这类参数主要包括：温度、风力、降水等气象因素，地震、洪水等环境因素，以及用电量、经济态势等社会经济因素。
2.2电力设备状态检测信息大数据挖掘方法
设备状态评估大数据挖掘分析的基本思路是利用大数据挖掘技术，如聚类、关联等算法，对设备良好运行状态下的大量的历史数据进行挖掘分析，以得到对应于设备在不同的操作模式下正常运行的各种参数指标值；并对基于各种故障与缺陷状态下的全景历史数据进行深度的关联分析，得到设备各种监测参数与设备不同健康状态之间的对应关系。具体包括以下方面：
（1）关联规则
关联规则在设备故障诊断中至关重要。关联规则挖掘是数据挖掘领域的一个重要方面，通过关联规则对设备的故障、缺陷状态与可能反映设备各方面状态的全景参数进行相关性分析，可以实现设备多个状态量的有效组合、关键状态参量提取与合并、状态权重的精细化选择等有益的结果。
（2）状态量关联度分析
“状态量关联度”概念的核心是与部件/设备等具体对象相关的多元多维度状态量之间存在一定程度的相关性。而在传统的有限数据设备状态评估系统中，状态量的选取往往是单一的，故障/缺陷情况也是单一的，两者对应的关系规律性弱。实践过程中采用电力设备状态评估大数据挖掘分析方法，基于多元多维度数据进行状态评估，重点考察设备状态量（包括设备权限、故障的结果性状态量）之间的关联性。
（3）权重分析
在电力设备状态评估大数据挖掘分析过程中，电力设备状态参量的权重系数是建立分析和决策模型的重要参数，需要构建合理的权重系数与修正模型。在确定权重数据按的过程中，依照调度规程、反事故措施、风险预控措施、特维方案、预试方案等对设备重要性的分析和划分，考虑设备缺陷/故障记录统计情况，设定设备/部件的重要性权重系数。基于设备缺陷/故障记录统计情况，考虑设备缺陷/故障的影响程度及其后果严重性，设定设备/部件的缺陷/故障严重性权重系数；根据设备/部件权重、状态变量能够反应的缺陷/故障类型、相应的缺陷/故障严重性权重。
3 结束语
电力设备状态监测是保障电力设备安全、可靠、经济运行的方法，其在状态评估和寿命预测方面有着重要的作用，也为设备的合理运维提供参考。电力设备状态监测经过多年的发展，积累了海量的数据，包括在线监测数据、离线试验数据、巡检数据等等，这些数据不但数量极大，种类也很多。目前，状态监测应用效果差，利用率低的问题根源在于数据的应用不合理。本文针对这一问题，引入大数据的思想，进行了深入的研究。
大数据作为一种新型的技术创新和思维革命，近年来受到了国内外研宂人员的高度关注并逐步被各国政府和人民认可，成为下一个推动人类文明发展的重要力量。随着研究的深入，大数据研究已从先前的互联网领域向所有涉及海量数据处理的行业发展。就当前的研宄而言，电力大数据的研宄还处于初级阶段，但是随着电力系统智能化的不断发展，基于物联网、云计算的电力大数据必将成为电力系统发展的新动力，本文仅就大数据应用于电力设备状态监测领域进行了初步的尝试，后续将继续开展大数据监测分析挖掘研究。
参考文献：
[1]李雅西，李斌臣，赵子岩.电力大数据面临的机遇与挑战[J].电力信息化，2013，4(10):l-4.
[2]李国杰，大数据研究的科学价值[J].中国计算机学会通讯，2012，8(9):8-15.
[3]刘继伟.基于大数据的多尺度状态监测方法与应用.[硕士学位论文]，华北电力大学，2013
论文作者:张格琳
论文发表刊物:《当代电力文化》2019年第12期
论文发表时间:2019/10/30
标签：状态论文; 数据论文; 设备论文; 电力设备论文; 参数论文; 在线论文; 故障论文; 《当代电力文化》2019年第12期论文;