吳建軍++崔慧明++吳正功++段堯

摘 要：近年來，隨著智能電網(wǎng)建設的不斷發(fā)展，各類電力故障發(fā)生的頻率不斷增加，給電力行業(yè)安全生產(chǎn)帶來巨大隱患，大數(shù)據(jù)技術近年來在電力狀態(tài)檢修領域也得到廣泛應用。本文基于目前電力狀態(tài)檢修現(xiàn)狀，介紹了用于電力狀態(tài)評估領域的大數(shù)據(jù)理論，闡述了電力大數(shù)據(jù)信息聚合模型。

關鍵詞：大數(shù)據(jù)；狀態(tài)評估；技改大修

中圖分類號：TM73 文獻標識碼：A 文章編號：1671-2064（2017）07-0126-02

1 研究背景和意義

隨著智能電網(wǎng)建設的快速發(fā)展，電網(wǎng)規(guī)模逐漸擴大，同時電力設備的故障發(fā)生頻率和次數(shù)也不斷增加，導致出現(xiàn)大停電事故。

為了能夠及時預防電力設備故障，需要對電力設備做狀態(tài)在線監(jiān)測，保證在設備發(fā)生故障前及時預測并對設備開展維修，確保電網(wǎng)安全經(jīng)濟運行。電網(wǎng)可靠性取決于電網(wǎng)設備的運行可靠性，而對電網(wǎng)設備的可靠性的監(jiān)測及評估是狀態(tài)維修重要內(nèi)容。在電力企業(yè)中實施狀態(tài)檢修的目的是應用現(xiàn)代管理理念和管理技術，采用有效的監(jiān)測手段和分析診斷技術，準確掌握設備狀態(tài)，保證設備的安全、可靠和經(jīng)濟運行；科學地進行檢修需求決策，合理安排檢修項目、檢修間隔和檢修工期，有效降低檢修成本，提高設備可用性；形成符合狀態(tài)檢修要求的管理體制，提高電力企業(yè)檢修、運行的基礎管理水平。

如何利用電力公司現(xiàn)存各系統(tǒng)如PMS等提供的信息對電網(wǎng)設備進行監(jiān)測，并及時預測故障，已成為當前智能電網(wǎng)發(fā)展重點，面對電力系統(tǒng)的海量信息，需要采用全新的大數(shù)據(jù)技術，對電網(wǎng)設備狀態(tài)做準確評價，從而為技改大修項目的精準投資和精益化管理提供有力技術手段。

2 目前研究現(xiàn)狀

2.1 當前狀態(tài)檢修存在問題

當前電力狀態(tài)檢測發(fā)展迅速，多種監(jiān)測設備和狀態(tài)評估方法投入應用，但是從實際使用情況來看，還是存在如下問題：

（1）效率和及時性不佳。由于對電力設備監(jiān)測的頻率很高，因而產(chǎn)生海量監(jiān)測數(shù)據(jù)，在惡劣天氣或故障情況下，監(jiān)測數(shù)據(jù)會劇增，現(xiàn)有監(jiān)測手段往往難以及時處理，信息利用率低下，因而導致狀態(tài)評估出現(xiàn)滯后。

（2）數(shù)據(jù)冗余大，準確性不夠。極端情況下產(chǎn)生的大量數(shù)據(jù)具有冗余性，這種數(shù)據(jù)對于現(xiàn)有狀態(tài)評估方法干擾大，數(shù)據(jù)處理時間過長，并且傳統(tǒng)閾值判定具有局限性，難以結(jié)合設備運行工況的差異，因而嚴重影響評價結(jié)果準確率。

（3）信息孤島問題。目前電力設備在線監(jiān)測系統(tǒng)都是針對特定設備開發(fā)的，如輸電線路在線監(jiān)測系統(tǒng)，油色譜在線監(jiān)測系統(tǒng)，局放監(jiān)測系統(tǒng)，變壓器在線監(jiān)測系統(tǒng)等，這些系統(tǒng)之間缺乏信息共享，形成信息孤島，各種設備重復配置，資源浪費嚴重。

（4）擴展性和適應性差。狀態(tài)在線監(jiān)測系統(tǒng)所處環(huán)境變化大，原有監(jiān)測方法多為在實驗室理想狀態(tài)下使用，對新環(huán)境適應性差，不能準確反映出設備實際狀況，現(xiàn)有的技術手段對海量數(shù)據(jù)難以利用，因而導致數(shù)據(jù)浪費。

2.2 設備狀態(tài)檢修的技術難點

（1）狀態(tài)監(jiān)測數(shù)據(jù)中異常數(shù)據(jù)占比很小，按照規(guī)范中設定閾值難以劃分正常與異常數(shù)據(jù)邊界。（2）設備狀態(tài)量之間的相互關系非常復雜，難以建立精確數(shù)據(jù)模型來描述。（3）設備在線監(jiān)測系統(tǒng)采集頻率快，信息量大，通常以數(shù)據(jù)流形式傳輸?shù)胶笈_并要求能快速檢測出異常數(shù)據(jù)。

2.3 當前電力大數(shù)據(jù)研究面臨的挑戰(zhàn)

國網(wǎng)公司開展大數(shù)據(jù)的研究應用已有2年多時間，數(shù)據(jù)來源已經(jīng)日益成為當前研究遇到的突出問題，在產(chǎn)生維度，統(tǒng)計口徑，存儲方式，異常辨識，采集密度等都存在障礙，當前的數(shù)據(jù)源難以支持全行業(yè)的大數(shù)據(jù)研究，成為數(shù)據(jù)融合的挑戰(zhàn)。當前設備狀態(tài)在線監(jiān)測面對海量在線監(jiān)測數(shù)據(jù)時，遇到“數(shù)據(jù)海量，信息不足”這一問題，因而使得狀態(tài)在線監(jiān)測系統(tǒng)的使用效果受到嚴重制約。主要原因：（1）狀態(tài)在線監(jiān)測系統(tǒng)采集數(shù)據(jù)海量，價值密度偏低；（2）對設備故障精確判斷關注多，對設備狀態(tài)趨勢關注少；（3）數(shù)據(jù)融合差，無法提供監(jiān)測設備全景信息。

3 用于電力設備狀態(tài)在線監(jiān)測的大數(shù)據(jù)理論

3.1 以狀態(tài)預測為首要目標

當前電力設備在線狀態(tài)監(jiān)測取得長足發(fā)展，從國家電網(wǎng)各使用單位現(xiàn)場反饋情況來看，收效不夠理想，造成這一問題的原因有數(shù)據(jù)采集精度問題，數(shù)據(jù)傳輸?shù)目垢蓴_問題，數(shù)據(jù)分析不到位問題，另外運維人員對設備狀態(tài)的判斷還是依靠個人經(jīng)驗和國網(wǎng)設備評價導則進行，對設備狀態(tài)預警重視不夠。目前一線電力運檢人員對電力設備故障信息和規(guī)程閥值極為關注，對設備狀態(tài)在線監(jiān)測還停留在比較測量數(shù)據(jù)和設備閥值差距的大小，對監(jiān)測數(shù)據(jù)潛藏的趨勢或變化信息未做挖掘分析，因而難以實現(xiàn)狀態(tài)估計和壽命預測。通過對設備監(jiān)測海量數(shù)據(jù)做分析，有助于減少設備故障率，節(jié)約維修成本。

3.2 重速度輕精度

當前電力設備狀態(tài)在線監(jiān)測數(shù)據(jù)以年增長60%速度增長，原有的數(shù)據(jù)統(tǒng)計分析方法顯得過時，大數(shù)據(jù)分析技術基于數(shù)據(jù)驅(qū)動，更容易發(fā)現(xiàn)新的信息；大數(shù)據(jù)分析技術更注重快速獲得整體輪廓和脈絡，傳統(tǒng)數(shù)據(jù)分析過于重視數(shù)據(jù)精度，只見樹木，不見森林。

3.3 以整體數(shù)據(jù)分析為依托，弱化隨機采樣

傳統(tǒng)隨機采樣做法會丟失許多個性化和差異化的樣本，因而遺漏許多重要潛在信息，大數(shù)據(jù)分析方法是在全部整體數(shù)據(jù)基礎上做分析的，因而可以發(fā)現(xiàn)微觀層面細節(jié)數(shù)據(jù)。

3.4 重視對數(shù)據(jù)相關關系的分析，弱化因果關系分析

大數(shù)據(jù)分析技術建立在相關關系分析基礎上，相比因果關系更容易建模和實現(xiàn)。

4 電力大數(shù)據(jù)信息聚合模型

電力設備種類多，結(jié)構(gòu)復雜，無法通過一個可直接觀測的量來衡量設備健康程度，需要對多個特征參量綜合分析才能得出正確結(jié)論，通過信息聚合技術，可以對不同來源，不同設備，不同時間，不同形式的數(shù)據(jù)進行分析處理，針對電力設備狀態(tài)在線監(jiān)測數(shù)據(jù)快速增長的局面，必須采用信息聚合技術，在架構(gòu)、思路、算法等方面做出改進，才能滿足大數(shù)據(jù)分析的要求。根據(jù)電力設備在線監(jiān)測的特點，提出分層聚合的架構(gòu)，如圖1所示。

從單一數(shù)據(jù)源得到的數(shù)據(jù)關聯(lián)性是單一的，而從多個數(shù)據(jù)源獲得的數(shù)據(jù)關聯(lián)性是模糊的，為了能挖掘出豐富清晰的關聯(lián)關系，就必須要采用多維信息聚合模式，其過程：（1）對數(shù)據(jù)做清洗，去除無關噪聲，并做初步歸一化處理；（2）數(shù)據(jù)級聚合，反映的感知層采集的數(shù)據(jù)較為直觀，屬于二維的低級聚合。（3）將多組二維關聯(lián)信息，根據(jù)決策級對象分析需求進一步聚合，形成信息多維聚合，（4）決策級聚合，即根據(jù)上傳多維信息，做出相應評估判斷。

（1）數(shù)據(jù)預處理。電力設備在線監(jiān)測系統(tǒng)通過各類傳感器采集的信息種類多，信息海量，含義不夠清晰，同時海量數(shù)據(jù)中還包含一定數(shù)量的空數(shù)據(jù)，壞數(shù)據(jù)，噪聲數(shù)據(jù)等，因而有必要對其作初步的信號處理及數(shù)據(jù)分類，以便后續(xù)的信息聚合。主要步驟如下：

數(shù)據(jù)清洗：通過算法將采集來的監(jiān)測數(shù)據(jù)中空數(shù)據(jù)和壞數(shù)據(jù)處理掉，將臟數(shù)據(jù)清洗干凈，以便轉(zhuǎn)換成可以進一步聚合的數(shù)據(jù)。

數(shù)據(jù)變換：將來自不同數(shù)據(jù)源的數(shù)據(jù)在規(guī)格定義上作統(tǒng)一，在數(shù)據(jù)表現(xiàn)形式上實現(xiàn)一致；

數(shù)據(jù)壓縮：由于海量數(shù)據(jù)占據(jù)大量存儲空間，為了解決存儲空間以及提高聚合時效率，因而不損失信息前提下，對數(shù)據(jù)作適當壓縮。

（2）數(shù)據(jù)聚合。為了方便數(shù)據(jù)聚合時分層次、分類別，電力設備狀態(tài)在線監(jiān)測采集來的數(shù)據(jù)大致分為電氣量、過程量、狀態(tài)量，這樣可以提高聚合效率。在數(shù)據(jù)預處理過程中，把同類型的數(shù)據(jù)做二維關聯(lián)分析，再根據(jù)物理模型、人工經(jīng)驗等進行跨類別的二維關聯(lián)，這種同類別的關聯(lián)目標明確、定義清晰，結(jié)果準確率高。

電力設備狀態(tài)在線監(jiān)測的數(shù)據(jù)級處理，是以現(xiàn)有電力設備狀態(tài)在線監(jiān)測采集到的數(shù)據(jù)為數(shù)據(jù)源，目標定位于滿足下一級聚合，其特征如下：

以物理模型和實驗經(jīng)驗為基礎數(shù)據(jù)級聚合的目標定位清晰明確，采用的模型和人工經(jīng)驗都經(jīng)過驗證；

信息級聚合以數(shù)據(jù)級聚合為基礎數(shù)據(jù)級聚合按照信息級聚合要求，做如下工作：1）數(shù)據(jù)存儲備份。即按照同一數(shù)據(jù)格式把數(shù)據(jù)存儲到某一位置，同時做備份處理；2）數(shù)據(jù)的二次處理（重新排序、篩選、特征提?。ａ槍Σ煌瑪?shù)據(jù)源，聚合技術采用不同特征提取方法，再根據(jù)不同應用對象做針對處理，同時依據(jù)數(shù)據(jù)屬性和可靠性做篩選，最后按照聚合需要的特征量做特征提取；3）數(shù)據(jù)關聯(lián)與融合。為實現(xiàn)發(fā)現(xiàn)數(shù)據(jù)間潛藏關聯(lián)及其規(guī)律，需要采用數(shù)據(jù)挖掘技術，以多個數(shù)據(jù)量的相互關系為基礎，更加全面的表示被監(jiān)測設備的狀態(tài)以及未來情況的估計，數(shù)據(jù)融合技術可以通過對數(shù)據(jù)的識別、分類、聚類、融合得到數(shù)據(jù)中包含新的信息。

（3）信息聚合。經(jīng)過數(shù)據(jù)級二維關聯(lián)后的監(jiān)測數(shù)據(jù)，無法全面體現(xiàn)，被測對象的全部面貌，所以還不能被特征聚合直接采用。信息聚合主要任務就是完成監(jiān)測信息從二維關聯(lián)到多維關聯(lián)的過程，對電力設備狀態(tài)評估，需要關注多種信息：如出廠時電氣參數(shù)額定值，投運前測試狀態(tài)，各參量的屬性，定期巡檢后記錄，同類設備的告警信息，故障信息，檢修信息，投運處的環(huán)境信息。設備各監(jiān)測量相互關聯(lián)及屬性在信息層做評價后，可以進一步挖掘出數(shù)據(jù)相關性，形成面向設備的特征信息，為決策層聚合提供基礎信息。

（4）決策層聚合。決策層聚合就是針對分析需求制定相應決策分區(qū)，根據(jù)所得信息做出決策和指示，決策層聚合使用多維建模算法，集合各類信息如設備出廠數(shù)據(jù)、巡檢信息、故障數(shù)據(jù)、狀態(tài)評價信息、歷史數(shù)據(jù)等，形成多維數(shù)據(jù)下的狀態(tài)表達形式，把當前設備狀態(tài)數(shù)據(jù)和特征與特征狀態(tài)作關聯(lián)分析，相關性最大數(shù)據(jù)為當前設備運行狀態(tài)。決策層聚合結(jié)論提供給電力設備全壽命周期管理，用于設備狀態(tài)評估及健康狀態(tài)預測。

在一個電氣設備如變壓器評估基礎上，可以擴展到同類設備、不同間隔甚至不同變電站之間。

5 結(jié)語

本文介紹了大數(shù)據(jù)理論的主流技術，描述數(shù)據(jù)處理的具體算法，通過這些算法，可將多種數(shù)據(jù)類型整理成可用于狀態(tài)檢修的數(shù)據(jù)類型。本文探討了大數(shù)據(jù)技術在電力狀態(tài)檢修領域中的應用，并以變壓器故障診斷為例，研究大數(shù)據(jù)挖掘分析技術在故障診斷中的具體應用。最后結(jié)合項目管理知識和狀態(tài)檢修流程，給出基于大數(shù)據(jù)技術的狀態(tài)檢修流程。通過對電力設備的精準檢修，實現(xiàn)了電力行業(yè)狀態(tài)檢修的精準立項和精益化管理。