摘要：电力生产效率的不断提高，需要电力设备处于稳定的工作状态，降低设备故障发生率。实践过程中为了确保电力设备的安全可靠性，应注重大数据挖掘分析方法的合理使用，实现对电力设备状态评估。在该分析方法的支持下，能够找出电力设备运行中可能存在的安全隐患，促使技术人员采取相应的措施进行及时处理，促使电力设备的工作稳定性得以增强。在此背景下，本文将对大数据挖掘分析在电力设备状态评估中的应用深入探讨。
关键词：大数据挖掘分析；电力设备；状态评估；应用；安全隐患
为了实现电力设备实践应用中的状态评估，优化设备长期使用中的工作性能，需要注重大数据挖掘分析方法使用，并扩大其实际的应用范围。在落实电力设备状态评估工作的过程中，需要充分考虑电力生产的实际要求及设备的工作状况，引入有效的大数据挖掘分析方法，促使电力设备运行中的影响因素能够得到及时处理，降低电力生产成本的同时延长其设备使用寿命。
一、大数据挖掘技术在电力设备状态评估中的应用优势
为了提高电力设备检修工作效率，优化其检修方式，需要对其运行状态进行科学评估，并了解大数据挖掘技术在这类设备状态评估中的应用优势。这些优势包括：（1）确保了电力设备状态监测效果良好性，拓宽了其状态评价工作思路，并为电力设备状态评估提供了技术支持；（2）能够降低电力设备长期使用中的故障发生率，实现电力企业生产中的设备检修成本最低化目标，并保持电力设备良好的工作性能；（3）实现了电力设备运行状态的实时监测，为设备的正常使用提供了良好的运行环境，促使电力设备的使用年限不断延长。
二、大数据挖掘分析在电力设备状态评估应用中的关键问题
新形势下电力设备状态评估方法的合理选择及使用，对电力企业的长远发展具有重要的战略意义。因此，需要考虑大数据挖掘分析在电力设备状态评估应用中的关键问题。具体表现在以下方面：
（1）通常认为，大数据具有“5V ”特点：数据量（volume）、多样性（variety）、速度（velocity）、价值（value）和真实性（veracity）。数据库在分析前需要“缓慢”导入数据，数据库的统计与建模并不与大量数据有效平行。而大数据变革的关键是样本即为整体，所有量都是状态量，无输入输出之分、无因果关系之别，通过网络算法强调任何两件事物的关联关系。大数据发展的每个阶段都面临着巨大的挑战，实践过程中将大数据应用于大电网设备状态评估领域，需要建立设备状态（正常/故障/缺陷）的所有关联网络。
（2）与大电网设备状态紧密相关的数据来源繁杂，包括传感器数据、实验数据、日志记录等，需要在有效的分析方法支持下，处理好大数据面临的生数据存储、分析、检索和有效提取等问题。适用于大数据挖掘设备状态信息的方法目前有机器集群和分布式并行化技术。并行技术主要包括将高性能计算系统使用的信息传递界面应用于大规模集群的映射－化简，且表征用户从大数据分析系统期望得到的特征。同时，通过对机器集群技术的使用，能够为电网运行中的数据处理提供技术支持。
（3）大电网设备状态量的获取信息中同样存在着大量的生数据，包括定位、故障类型
、故障分析、故障预测等文字信息。在有效的模型支持下可将这些数据转换为计算机可识别操作的数据，然后将大数据网络算法应用于设备状态评估之中即可建立设备状态与故障缺陷的关联关系，实现准确定位、故障判断及故障预测等功能。
三、电力设备状态评估多元多维度数据源
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。
（一）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。
期刊文章分类查询,尽在期刊图书馆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。
（二）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。
（三）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。
四、设备状态评估大数据挖掘方法
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：
（一）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。
（二）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。
（三）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。
结束语
新时期电力企业实践过程中成本最低化、效益最大化目标的实现，需要确保其设备运行的安全可靠性。因此，为了满足电力设备状态评估的实际要求，应提高大数据挖掘分析方式的利用效率，找出设备运行中存在问题，为电力设备维修技术人员的实际工作开展提供参考依据。同时，应充分考虑电力设备状态评估中大数据挖掘分析方法的应用效果，促使这种分析方法能够受到更多的关注，满足电力设备性能优化要求的同时拓宽大数据分析方法的应用领域。
参考文献：
[1]王玎.基于大数据分析的电力设备状态评估研究[J].科技传播，2015，（19）.
[2]白洋.面向大数据的电力设备状态监测信息聚合研究[D].昆明理工大学，2014，（04）.
[3]白皓.电力设备状态检测评估系统建设项目管理研究[D].华北电力大学，2014，（03）.
论文作者:李静坤,杜亚涛,徐森
论文发表刊物:《电力设备》2017年第26期
论文发表时间:2018/1/6
标签：状态论文; 设备论文; 电力设备论文; 参数论文; 数据挖掘论文; 故障论文; 数据论文; 《电力设备》2017年第26期论文;