摘要：對智能電網(wǎng)模式下變電站運(yùn)行所需的數(shù)據(jù)進(jìn)行了分析，發(fā)現(xiàn)變電站數(shù)據(jù)雖然復(fù)雜，但其可以歸結(jié)為三類——離散數(shù)據(jù)、矢量數(shù)據(jù)、流媒體數(shù)據(jù)。通過對這三類數(shù)據(jù)分別進(jìn)行管理和針對性治理、挖掘，可以實(shí)現(xiàn)對變電站數(shù)據(jù)更高效的管理，使其充分服務(wù)于智能電網(wǎng)。

關(guān)鍵詞：智能電網(wǎng);變電運(yùn)行;數(shù)據(jù)需求;數(shù)據(jù)結(jié)構(gòu);數(shù)據(jù)分析

0? ? 引言

從最初的五防系統(tǒng)開始，變電站的運(yùn)行已經(jīng)進(jìn)入大數(shù)據(jù)時(shí)代。智能電網(wǎng)的CBA模式，即云計(jì)算（Cloud Computing）、大數(shù)據(jù)（Big Data）、人工智能（Artificial Intelligence），均需對變電站數(shù)據(jù)進(jìn)行更高效率的管理。本文重點(diǎn)討論智能電網(wǎng)下變電站運(yùn)行的數(shù)據(jù)采集需求和數(shù)據(jù)結(jié)構(gòu)分析方法。

1? ? 變電運(yùn)行的原始數(shù)據(jù)來源

變電運(yùn)行數(shù)據(jù)中，以各級(jí)母線及相關(guān)設(shè)備中安裝的互感器獲得的電流和電壓數(shù)據(jù)為核心數(shù)據(jù)，其中包括三相母線各自的互感器數(shù)據(jù)，中性線、接地線的互感器數(shù)據(jù)等。另外，還需采集部分設(shè)備的溫度（一般以紅外探頭實(shí)現(xiàn)）、振動(dòng)（一般以激光陀螺儀實(shí)現(xiàn)）、聲音、油量等數(shù)據(jù)。雖然變電運(yùn)行的數(shù)據(jù)來源較為復(fù)雜，但從數(shù)據(jù)來源的原始數(shù)據(jù)結(jié)構(gòu)分析，主要原始數(shù)據(jù)只有三種：

1.1? ? 雙精度浮點(diǎn)離散數(shù)據(jù)

來自電壓互感器和電流互感器、油量計(jì)、流量計(jì)、計(jì)數(shù)器等的數(shù)據(jù)，均屬于雙精度浮點(diǎn)離散數(shù)據(jù)。離散型數(shù)據(jù)更容易進(jìn)行信度分析、效度分析、回歸分析、狀態(tài)空間分析等數(shù)據(jù)治理和初步分析。

1.2? ? 流媒體數(shù)據(jù)

來自紅外攝像探頭、音頻探頭等設(shè)備的數(shù)據(jù)屬于流媒體數(shù)據(jù)，其中紅外探頭數(shù)據(jù)屬于三維流媒體數(shù)據(jù)（含一維時(shí)間軸），聲音探頭數(shù)據(jù)屬于一維流媒體數(shù)據(jù)。這些流媒體數(shù)據(jù)較難進(jìn)行離散數(shù)據(jù)分析（信度分析、效度分析、回歸分析、狀態(tài)空間分析等），但可以直接在神經(jīng)網(wǎng)絡(luò)或模糊判斷等計(jì)算模塊中進(jìn)行深入挖掘。

1.3? ? 矢量數(shù)據(jù)

來自激光陀螺儀、加速度計(jì)等儀器的數(shù)據(jù)多屬于矢量數(shù)據(jù)，這些數(shù)據(jù)的特征是相對離散、帶有矢量信息，將這些數(shù)據(jù)求導(dǎo)，可以得到連續(xù)的路徑信息。經(jīng)過熱力圖分析、矢量疊加分析等，可以得到系統(tǒng)的振動(dòng)特性和移動(dòng)特性數(shù)據(jù)。同時(shí)可以將這些數(shù)據(jù)進(jìn)行離散化，得到類似雙精度浮點(diǎn)離散數(shù)據(jù)的相關(guān)數(shù)據(jù)，也可以將這些數(shù)據(jù)進(jìn)行位圖化，得到流媒體數(shù)據(jù)。

2? ? 變電運(yùn)行的數(shù)據(jù)治理及挖掘方案

首先，來自互感器的電流、電壓等波形數(shù)據(jù)，可以使用基于逆向傅里葉回歸的非線性正弦函數(shù)回歸的模式進(jìn)行計(jì)算。

波形數(shù)據(jù)正弦非線性回歸的訓(xùn)練數(shù)據(jù)來源為1 s間隔采集的二次電壓（U）和電流（I）數(shù)據(jù)，自變量為時(shí)間序列（t），單位為ms。

式中，A為振幅數(shù)據(jù)，表示波形在縱軸上的幅度;ω為振幅調(diào)整參數(shù)，表示波形在縱軸上的壓縮程度;φ為初相參數(shù)，表示波形在橫軸上的位移截距;b為截距參數(shù)，表示波形在縱軸上的位移截距;i為迭代次數(shù)，表示回歸方程最終疊加的固定雜波的層數(shù)。

假定i為固定值，即僅考慮振幅最大的5層波形，最終得到兩個(gè)回歸參數(shù)陣列：

其次，其他回歸及衍生的回歸過程更適合進(jìn)行線性回歸。

在時(shí)間序列t上進(jìn)行線性回歸，回歸方程式為：

在實(shí)際運(yùn)行過程中，線性回歸過程是動(dòng)態(tài)過程，沿著時(shí)間軸線，其回歸因子會(huì)發(fā)生變化。

最后，在數(shù)據(jù)治理中還有可能用到MIN-MAX投影、LN投影等數(shù)據(jù)治理方法，其中MIN-MAX主要用作數(shù)據(jù)的去量綱計(jì)算，即解決電壓數(shù)據(jù)和電流數(shù)據(jù)相比較的問題;而LN投影一般與MIN-MAX投影結(jié)合使用，將MIN-MAX進(jìn)行加1計(jì)算，使其區(qū)間從[0，1]區(qū)間移動(dòng)到[1，2]區(qū)間，或者將MIN-MAX區(qū)間乘以某值，比如進(jìn)行乘10計(jì)算，使其區(qū)間從[0，1]區(qū)間擴(kuò)展到[0，10]區(qū)間，再進(jìn)行加1計(jì)算后，進(jìn)一步移動(dòng)到[1，11]區(qū)間。

3? ? 變電運(yùn)行的數(shù)據(jù)結(jié)構(gòu)分析

當(dāng)前變電站的核心數(shù)據(jù)庫一般采用分布式管理，即獨(dú)立系統(tǒng)的數(shù)據(jù)存儲(chǔ)在相關(guān)數(shù)據(jù)系統(tǒng)的管理系統(tǒng)中。一般變電站的獨(dú)立系統(tǒng)的管理系統(tǒng)數(shù)據(jù)庫采用微軟的SQL Server數(shù)據(jù)庫或者谷歌的MySQL數(shù)據(jù)庫，少部分?jǐn)?shù)據(jù)量較大的系統(tǒng)采用dBASE數(shù)據(jù)庫或者Haddop數(shù)據(jù)庫。

核心數(shù)據(jù)庫分為4層：

第一層為數(shù)據(jù)硬件層：數(shù)據(jù)硬件層指互感器線圈、紅外探頭、音頻探頭、陀螺儀等數(shù)據(jù)采集使用的硬件設(shè)施，及相關(guān)硬件用于數(shù)據(jù)存儲(chǔ)和分布式數(shù)據(jù)處理的CPU、RAM、SSD等硬件資源。

第二層為獨(dú)立數(shù)據(jù)層：獨(dú)立數(shù)據(jù)層指存儲(chǔ)在分布式系統(tǒng)及分布式系統(tǒng)的服務(wù)器中的相關(guān)數(shù)據(jù)集合。這些數(shù)據(jù)一般只服務(wù)于獨(dú)立系統(tǒng)，并不能形成跨系統(tǒng)的數(shù)據(jù)交互。

第三層為整合數(shù)據(jù)層：通過對變電站中所有獨(dú)立數(shù)據(jù)系統(tǒng)進(jìn)行實(shí)時(shí)查詢并在中央大數(shù)據(jù)倉庫中進(jìn)行備份，形成整合數(shù)據(jù)。同時(shí)對這些數(shù)據(jù)進(jìn)行初步治理，如各種回歸及在回歸基礎(chǔ)上構(gòu)建的多維度狀態(tài)空間模型，將這些空間模型也在整合數(shù)據(jù)層中進(jìn)行存儲(chǔ)。

第四層為服務(wù)數(shù)據(jù)層：整合數(shù)據(jù)因?yàn)轶w量龐大，查詢和更新時(shí)間都較長，所以無法進(jìn)行直接利用，必須構(gòu)建服務(wù)數(shù)據(jù)層。服務(wù)數(shù)據(jù)層一般使用源數(shù)據(jù)庫結(jié)構(gòu)實(shí)現(xiàn)。

4? ? 結(jié)語

綜上所述，變電站數(shù)據(jù)雖然來源和結(jié)構(gòu)均較為復(fù)雜，但其可以歸結(jié)為雙精度浮點(diǎn)數(shù)據(jù)集、矢量數(shù)據(jù)集、流媒體數(shù)據(jù)集三種，在實(shí)際大數(shù)據(jù)管理中，可以針對這三種數(shù)據(jù)分別進(jìn)行管理，同時(shí)可以根據(jù)數(shù)據(jù)的實(shí)際意義，開發(fā)數(shù)據(jù)治理、數(shù)據(jù)挖掘、數(shù)據(jù)可視化的相關(guān)工作，以實(shí)現(xiàn)對相關(guān)數(shù)據(jù)最大限度的利用。

[參考文獻(xiàn)]

[1] 李永興，劉連義.變電站數(shù)據(jù)采集器專線MODEM的設(shè)計(jì)[J].計(jì)算機(jī)與數(shù)字工程，2019，47（9）：2315-2320.

[2] 國家電網(wǎng)首個(gè)聯(lián)網(wǎng)運(yùn)營多站融合變電站投運(yùn)[J].農(nóng)村電氣化，2019（8）：8.

[3] 韓軍，馬佳豪，李曉軍，等.基于數(shù)據(jù)挖掘的變電站告警數(shù)據(jù)分析和巡檢策略研究[J].電力大數(shù)據(jù)，2019，22（7）：20-26.

[4] 郭懷東，侯新偉，胡玉平.基于電力物聯(lián)網(wǎng)多源異構(gòu)數(shù)據(jù)分析的變電站智能健康系統(tǒng)的研究[J].電氣技術(shù)與經(jīng)濟(jì)，2019（3）：1-2.

收稿日期：2019-12-12

作者簡介：劉成華（1994—），女，青海西寧人，助理工程師，研究方向：變電運(yùn)行。