張 飛

（鄭州開新電工有限公司， 河南 鄭州 450000）

引言

提高配網(wǎng)運(yùn)行管理是實(shí)現(xiàn)智能配網(wǎng)的重要基礎(chǔ)，目前配電自動(dòng)化終端智能運(yùn)維管理系統(tǒng)已在很多城市得到了廣泛應(yīng)用。伴隨著配電自動(dòng)化覆蓋范圍的擴(kuò)大，系統(tǒng)運(yùn)維管理體系的重要性越來越顯著。配電自動(dòng)化終端智能運(yùn)維管理系統(tǒng)以一次網(wǎng)架和設(shè)備為條件，集成了多種通訊形式達(dá)到配電系統(tǒng)的監(jiān)督控制，能夠提高供電能力、減少故障停電范圍，是實(shí)現(xiàn)配網(wǎng)高效運(yùn)行的主要手段[1]。

1 傳統(tǒng)的運(yùn)維管理存在的問題

第一，配電終端較多，難以達(dá)到集成化，運(yùn)行環(huán)境差容易產(chǎn)生故障問題，配電自動(dòng)化主站難以有效進(jìn)行終端運(yùn)行監(jiān)控，系統(tǒng)運(yùn)行狀態(tài)、故障問題反映不及時(shí)，配電自動(dòng)化終端設(shè)備有待進(jìn)一步優(yōu)化從而提高設(shè)備監(jiān)測(cè)和故障分析能力。第二，設(shè)備故障檢修被動(dòng)，缺少設(shè)備狀態(tài)評(píng)價(jià)和故障預(yù)警，往往是在設(shè)備發(fā)生故障后才進(jìn)行現(xiàn)場(chǎng)故障檢修，影響配電自動(dòng)化系統(tǒng)的穩(wěn)定運(yùn)行。因此，現(xiàn)階段當(dāng)務(wù)之急是準(zhǔn)確評(píng)價(jià)自動(dòng)化終端設(shè)備狀態(tài)，預(yù)見故障問題并制定防范方法，盡可能保證設(shè)備正常運(yùn)行。制定科學(xué)的巡檢計(jì)劃，結(jié)合設(shè)備狀態(tài)有目的性地運(yùn)維檢修，由被動(dòng)檢修變?yōu)橹鲃?dòng)檢修。第三，設(shè)備故障檢測(cè)、消缺有待完善，閉環(huán)管理的流程沒有生成，缺少系統(tǒng)的設(shè)備運(yùn)行、故障檢測(cè)記錄。第四，配電自動(dòng)化終端設(shè)備故障檢測(cè)缺少歷史信息分析，對(duì)配電自動(dòng)化終端設(shè)備故障發(fā)生規(guī)律缺少了解，檢測(cè)方案、設(shè)備類型、構(gòu)件管理缺乏可靠支撐[2]。

2 基于大數(shù)據(jù)的配電自動(dòng)化終端智能運(yùn)維管理系統(tǒng)

2.1 大數(shù)據(jù)平臺(tái)中配電自動(dòng)化

基于Hadoop開源大數(shù)據(jù)構(gòu)件下，大數(shù)據(jù)平臺(tái)配電自動(dòng)化形成，其中儲(chǔ)存構(gòu)件有HBase、Hive、HDFS、Redis；并行計(jì)算處理構(gòu)件有 Spark、Spark Streaming；數(shù)據(jù)開發(fā)分析引擎為Spark MLlib開發(fā)算法包。配電網(wǎng)模型、終端設(shè)備信息、告警信息等數(shù)據(jù)采用Hive儲(chǔ)存。實(shí)時(shí)數(shù)據(jù)選擇Redis在內(nèi)存中緩存，量測(cè)歷史數(shù)據(jù)選擇HBase儲(chǔ)存。利用分布式儲(chǔ)存和并行計(jì)算分析達(dá)到配電網(wǎng)大數(shù)據(jù)的處理與保存，以此作為上層應(yīng)用數(shù)據(jù)處理分析的重要依據(jù)[3]。

2.2 數(shù)據(jù)信息搜集

配電自動(dòng)化終端智能運(yùn)維管理需具備幾方面要求：第一，電網(wǎng)一次模型數(shù)據(jù)。第二，自動(dòng)化終端設(shè)備臺(tái)賬和通訊網(wǎng)絡(luò)通道的分析，如：商家、型號(hào)、運(yùn)行時(shí)間、種類。第三，配電網(wǎng)及自動(dòng)化終端運(yùn)行，通訊狀態(tài)數(shù)據(jù)。第四，告警信息分為配電自動(dòng)化終端上下線告警、終端運(yùn)行狀態(tài)告警。第五，遙控操作記錄信息；量測(cè)歷史信息，配電自動(dòng)化主站系統(tǒng)每5 min對(duì)量測(cè)信息采樣儲(chǔ)存。結(jié)合信息種類系統(tǒng)采用多種數(shù)據(jù)采集方法：配電網(wǎng)模型和設(shè)備臺(tái)賬等信息定時(shí)讀取數(shù)據(jù)庫(kù)表，全量覆蓋更新的模型同步方法。

2.3 數(shù)據(jù)信息處理

第一，實(shí)時(shí)數(shù)據(jù)計(jì)算處理。結(jié)合配電自動(dòng)化終端通訊和運(yùn)行計(jì)算系統(tǒng)的終端在線率；一旦出現(xiàn)批量終端掉線就會(huì)對(duì)配電自動(dòng)化終端網(wǎng)絡(luò)特征展開分析，查找其原因形成設(shè)備缺陷告警數(shù)據(jù)；監(jiān)控終端運(yùn)行，一旦出現(xiàn)異常狀況及時(shí)發(fā)出警報(bào)。第二，歷史數(shù)據(jù)處理。經(jīng)過對(duì)配電網(wǎng)運(yùn)行信息的統(tǒng)計(jì)處理，判斷配電自動(dòng)化終端量測(cè)時(shí)間不更新、遙信抖動(dòng)、離線掉線的原因。第三，數(shù)據(jù)開發(fā)。通過Spark MLlib提供的數(shù)據(jù)挖掘方法進(jìn)行配電自動(dòng)化終端故障歷史信息和終端運(yùn)行狀態(tài)分析，分析遙信抖動(dòng)、離線掉線等數(shù)據(jù)關(guān)聯(lián)性，創(chuàng)建配電自動(dòng)化終端狀態(tài)評(píng)價(jià)的模型。

2.4 配電自動(dòng)化終端缺陷閉環(huán)控制

系統(tǒng)結(jié)合Activiti運(yùn)行過程創(chuàng)建配電自動(dòng)化終端缺陷閉環(huán)控制管理系統(tǒng)，分為缺陷提取、確認(rèn)、分配管理、現(xiàn)場(chǎng)消缺、信息反饋、審核等部分。其中，缺陷提取能夠從系統(tǒng)自動(dòng)提取或操作人員由告警信息中人工提取，提取缺陷至缺陷池等待進(jìn)一步判斷。缺陷確認(rèn)是工作人員通過對(duì)缺陷信息分析確定或取消。分配管理指的是工作人員對(duì)確定的缺陷安排，由維修人員進(jìn)行消缺。信息反饋是在消缺結(jié)束后工作人員提供反饋信息。信息審核是對(duì)消除的缺陷歸檔，沒有消除的缺陷重新安排。

2.5 配電自動(dòng)化終端狀態(tài)評(píng)估

采用大數(shù)據(jù)分析法來分析配電自動(dòng)化終端設(shè)備故障和運(yùn)行狀態(tài)數(shù)據(jù)、投運(yùn)時(shí)間、型號(hào)和離線掉線等信息鏈接規(guī)則和變化規(guī)律，創(chuàng)建配電自動(dòng)化終端狀態(tài)評(píng)估和預(yù)估模型，通過設(shè)備學(xué)習(xí)和關(guān)聯(lián)分析方法調(diào)節(jié)數(shù)據(jù)信息。配電自動(dòng)化終端狀態(tài)評(píng)價(jià)模型是結(jié)合運(yùn)行狀況參數(shù)和其他數(shù)據(jù)。將其分為不同等級(jí)，0—100表示正常狀態(tài)；85—100表示良好，符合要求；70—85表示狀態(tài)正常，無異常；55—70表示需給予重視，但對(duì)系統(tǒng)運(yùn)行不會(huì)造成過大影響；40—55表示狀態(tài)異常，如運(yùn)行數(shù)據(jù)發(fā)生警報(bào)信息，離線掉線頻繁；40以下表示系統(tǒng)已經(jīng)產(chǎn)生故障[4]。

3 結(jié)語

本文基于配電大數(shù)據(jù)環(huán)境下分析配電自動(dòng)化終端設(shè)備狀態(tài)和異常報(bào)警模型、設(shè)備缺陷閉環(huán)管理和運(yùn)維管理決策等，提出了配電自動(dòng)化終端智能運(yùn)維管理系統(tǒng)。經(jīng)過實(shí)驗(yàn)證明，配電自動(dòng)化終端智能運(yùn)維管理系統(tǒng)彌補(bǔ)了傳統(tǒng)運(yùn)維管理問題，有助于控制效果提高，確保系統(tǒng)穩(wěn)定運(yùn)行。在今后的系統(tǒng)研究中，應(yīng)重點(diǎn)立足于系統(tǒng)評(píng)價(jià)算法和故障預(yù)見的精準(zhǔn)性，根據(jù)終端設(shè)備的遠(yuǎn)程運(yùn)維，提升配電自動(dòng)化終端設(shè)備的運(yùn)維管理效果。