摘要：对于智能变电站而言，变电设备的运行是否安全、可靠，直接影响整个变电站的运行稳定性。为此，需要对变电设备的运行状态进行评估，从而了解并掌握设备的实际运行情况。基于此点，本文首先对于大数据挖掘的当前研究现状开展了分析，然后从大数据分析在智能变电站状态监测系统中的应用入手，论述了新一代智能变电站状态监测系统中大数据分析的应用前景，希望能够给业内人士带来一定的帮助，推动大数据分析在智能变电站状态监测系统当中的应用，为我国电力行业的长久稳定发展打下良好的基础。
关键词：大数据分析；智能变电站；智能分析；应用分析
1.引言
在新一代的智能变电站当中，对于变电设施的运行维护管理精益化以及多维化是一个必然趋势，通过使用汇集了智能变电一次设备、新式传感器以及状态检测传感器，使得一次设备的智能化质量在很大程度上有所提升。伴随着监测数据收集点周期的减少，众多的状态监测数据持续不断的出现，这就使得应用大数据技术在新一代智能变电站当中对于变电设备开展更为实时以及精准的状态评估以及监测成为了可能。
2.研究现状
大数据挖掘指的是从众多、异构、多源、完全的数据当中挖掘出人们没有办法预知的，但是实际上有包含着潜在的可以被利用的数据的过程。曾经获得过图灵奖的吉姆格雷描绘出了数据密集型科学研究将来发展的前景，将来的密集型数据研究可以建立在以数学模型为基础的海量数据，即能够对于数据开展分析研究，也就是把众多的数据输入到大型的计算机集群当中，只要是数据当中产生了相互的关联，在通过计算机集群的计算以及分析研究就能够挖掘出以往重视因果关系的科学方法难以被挖掘出来的崭新模式、崭新知识乃至崭新的规律。在新一代的智能变电站当中变电设施的很多状态信息同样也包括了电力设施的故障演变原理及其状态，利用大数据的研究挖掘理论能够直接发现这些崭新的规律。
3.大数据分析在智能变电站状态监测系统中的应用
3.1预警变电站测控装置异常
变电站变电设备的遥测遥信故障率较高，通过统计发现，测控装置死机是遥测信息系统故障的主要成因，一旦出现死机问题，遥测信息系统就无法对变电设备状态信息进行采集，使系统丧失了对设备异常信息的实时监控功能。在以往的变电站运维工作中，运维人员很难在海量的遥测数据中找出设备异常信息。而将大数据挖掘与分析技术应用到故障预警中可解决这一问题，具体的应用方案如下：根据电网节点平衡原理，利用逐层搜索算法，对500kV、220kV电压等级区域母线及主变动功率平衡进行分层计算，结合线路送受功率平衡和双回线负荷平衡规律，确定发生故障的变电设备。当变电站计算机监控系统监测出变电设备运行状态的异常信息时，可准确定位故障位置，发出预警信息。在应用大数据分析技术的情况下，收集历史故障信息，分析原因，根据已知故障信息，迅速判断故障的原因，按不同比列，列出可能故障点，为检修人员及时发现故障点，快速提供可快速检测出变电站内故障点以及线路故障点，以快速发现解除故障点，及时回复供电。
3.2跟踪分析CVT电压数据
在智能变电站的状态监测系统中应用大数据分析技术，可通过跟踪统计CVT电压的实时数据，及时发现CVT电压三相异常现象，其应用方案如下：对比分析PMS中电容式电压互感器型号、参数、运行时间的静态数据、历史数据与实时数据，提取出CVT二次电压异常时的具体数据，将其作为判定CVT故障的主要特征数据。在故障规则库中，纳入CVT三相电压的失衡度数据信息，利用大数据分析CVT三相电压的历史失衡趋势，最终确定预警故障相。利用大数据分析预警故障相的历史数据与实时数据的增减变动趋势，根据变化幅度总结出故障数据特征，将其纳入到人工智能告警库中，实现对CVT电压的智能告警。
期刊文章分类查询,尽在期刊图书馆大数据分析除在上述三个方面应用之外，还可应用于智能变电站的线路事故跳闸后保护动作信息时序分析、断路器三相动作的同期度分析、短路器事故跳闸后本体机构压力信息监视、干式电抗器电流和阻抗跟踪分析等方面。
4.智能变电站状态监测系统当中大数据分析的应用前景
4.1确定变电设备状态参量权重
在现行的变电设备状态评价企业标准中，主要采用专家打分的方法评价电网公司的变电设备，这种方法虽然便于执行、操作简单，但是由于该方法受专家经验和主观因素影响程度较大，需要人为确定变电设备各项状态量分值权重，所以无法反映变电设备状态量的实际影响程度，同时也难以保证变电设备评估结果的客观性和准确性。为改善变电设备状态评估现状，应运用大数据挖掘技术确定设备状态参量的权重。具体方法包括以下三种：
（1）收集变电设备缺陷信息、故障统计信息、历史监测信息以及历史评估数据，综合考虑设备缺陷与故障的影响程度，以及设备状态参量能够表征设备缺陷与故障的程度，采用数据挖掘技术对设备状态参量的权重进行准确设定。
（2）利用数据挖掘技术找出设备状态参量与故障之间的关联规则，对每项状态参量的权重系数进行单独计算，将计算得出的各个单项状态参量的常权重系数进行综合计算，得出变电设备综合状态量的变权重系数。
（3）收集变电设备状态评估历史信息，利用大数据分析技术对历史评估数据和事后验证数据进行分析，建立起变电设备状态变化趋势分析模型，实现对变电设备故障的实时诊断，并评估出变电设备故障危急程度。
（4）通过移动互联网技术，建立相应APP，及时把故障信息与处理方案通知相关检修及主管部门人员的手机，以便快捷知道现场故障情况，以及优先处理级别。
4.2建立故障信息以及处理分析异常知识库
智能变电站的变电设备种类较多，其所生成的变电设备状态信息十分庞杂，进而增加了设备状态数据的甄选难度。为了解决这一问题，智能变电站应基于大数据分析建立起变电设备异常知识库，收集各种变电设备的运行状态数据，采用预处理的方式，将庞杂的变电设备基础状态参量进行向量化，结合运用相应的算法，得出最能反映设备状态的关键特征状态参量。如，利用大数据分析技术得出变电设备状态间的欧氏距离和变电设备监测参数，利用计算结果对状态监测参量与变电设备状态的相关程度进行度量。一般情况下，欧氏距离越小，其相关程度越高。通过大数据分析得出设备状态的关键特征参数，将最大欧氏距离值设定为标准参量，进而构建起变电设备关键特征状态参量体系，将其作为变电设备异常知识库的关键组成部分。
5.结语
综上所述，在智能电网中，智能变电站是不可或缺的重要组成部分之一，其运行稳定与否对整个电网的运行具有直接影响。而智能变电站内有着数量众多的变电设备，为了解并掌握变电设备的实时运行状态，可在状态评估中，对大数据分析技术进行合理应用。在未来一段时期，智能变电站将会随着电网规模的扩大不断增多，为满足变电设备状态评估的需要，应对加快异常知识库的构建，并对参量权重进行合理确定，从而提高评估结果的准确性。本篇文章当中所探讨的有关大数据分析在智能变电站状态监测系统中的应用，在内容与形式上还存在着很多的不足，希望业内人士给予指正，并且希望通过文章的分析探讨，能够促进大数据分析在智能变电站状态监测系统的应用，推动我国智能变电站的持续、稳定发展。
参考文献：
[1]庄建煌.基于合作博弈和云模型的智能变电站输变电一次设备状态评估[J].自动化技术与应用，2018（08）.
[2]陈伟根，潘翀，云玉新，等.基于小波网络及油中溶解气体分析的电力变压器故障诊断方法[J].中国电机工程学报，2008（7）.
[3]姚浩，李鹏，郭晓斌，等.基于大数据的告警信息处理和故障设备定位技术研究[J].电网与清洁能源，2014（12）.
论文作者:莫剑森
论文发表刊物:《基层建设》2019年第4期
论文发表时间:2019/4/30
标签：设备论文; 状态论文; 变电站论文; 大数论文; 故障论文; 参量论文; 数据论文; 《基层建设》2019年第4期论文;