秦浩然 孟巧

摘 要：電力系統故障錄波系統是電力系統發(fā)生故障及振蕩時能自動記錄的一種系統或一種裝置。近年來，不同類型的故障錄波器已在電力系統中得到廣泛應用，所記錄的各種故障錄波數據為電力系統故障分析及各種保護動作行為的分析和評價提供了數據來源和依據。目前，電網調度端已能通過專用網或電話網將電網故障錄波數據集中到一起，但如何有效管理和利用這些信息進行必要的故障分析、保護動作行為評價及故障測距等并沒有統一的標準，因此，本文針對電力系統故障錄波數據進行了分析。

關鍵詞：電力行業(yè);自動化系統;故障;大數據;預測

社會的發(fā)展和正常運轉需要電力系統的安全穩(wěn)定，但是人們的生產和生活對于電力需求日漸增加，加之其本身的結構比較復雜，所以電力故障在所難免。導致電力故障發(fā)生的原因主要有兩種類型，其一，受到自然因素的影響，比如地震、臺風、雷電等對電力系統產生不利影響，另一種則是人為原因所導致的電力故障，比如相關工作人員操作失誤，或者是一些不法分子的蓄意破壞等。電力故障可以分為不同的類型，主要包含橫向和縱向故障兩種類型[1]。

在傳統的電力自動化系統故障分析過程中一般會采用設備監(jiān)控或者人工排查的方式。設備監(jiān)控主要是通過通信網絡，而且只能夠對設備的運行狀態(tài)進行研究分析，無法判斷工作質量;人工排查方式則是需要依靠大量的人工勞動者來排查現場，此種方式的準確性和工作效率都比較低。

1 電力行業(yè)自動化系統中的數據分類

1.1 基礎類相關數據

此種類型的數據主要是設備屬性相關的數據，比如變壓器、發(fā)動機等數據，這些數據需要電力單位結合自身的數據規(guī)劃進行相應的管理，而且還需要利用數據服務器來讓所有的數據實現同步，將這些數據統一存儲到調度中心，然后再開展專門的整理和計算。

1.2 實時類相關數據

此類數據則是電力行業(yè)自動化系統在實際運行過程中所得到的相關數據，由于數據量很大，所以對于存儲空間的要求也會更高一些。當然這些數據都是產生于具體運行過程中，所以需要對其進行專門的處理之后提供給調度部門，為其制定決策提供依據。我國在電力系統的實時數據方面比較成熟，一般收集到的數據只需要建立比較穩(wěn)定的接口就可以提高其準確性[2]。

1.3 日常管理類相關數據

包含電力行業(yè)自動化系統中各種相關的數據，也包括各個部門對于電力系統運行過程中出現問題處理之后得到的數據信息等，但是這些數據一般只會在特定的范圍之內進行共享和同步，因此需要建立專門的同步和共享平臺。這些日常運行中的數據會從某種程度上反映出電力設施設備的情況，也便于其他部門獲取日常管理數據。

1.4 市場經濟類相關數據

電力系統隨著我國市場經濟體制的不斷完善，所帶來的經濟效益逐漸凸顯，因此在其運行中所得到的相關數據對于電力單位的發(fā)展產生十分重要的影響。市場經濟數據同時也可以為城市建設中電力行業(yè)的整體規(guī)劃制定提供比較完整全面的參考依據[3]。

2 電力行業(yè)自動化系統故障預測中大數據分析應用

2.1 分析系統結構具體設計

2.1.1 主站結構設計

為更加全面分析電力行業(yè)自動化系統的電力故障，更為高效、有序的開展工作，需要設計專門的系統結構。本文從主站和子站等不同的角度進行設置。主站的主要功能是匯總子站所采集到的數據，而且按照系統中不同的功能，將這些數據分別交付出去，讓系統能夠更有效的使用。主站和子站之間存在著一種通信網絡連接，這種連接方式分為兩種，一種是通過TCP/IP的方式來進行連接，實現通信的目的;另一種則是使用電話撥號方式連接通信。為了提高數據的共享性，使電力系統當中的海量信息更為有效的預測和分析，需要設計專門的SCADA/EMS系統，另外需要設計防火墻來使兩個系統的獨立性得到保障。

2.1.2 子站結構設計

在子系統結構的具體設計過程中，不允許與監(jiān)控系統進行組網，這主要是因為監(jiān)控系統本身就屬于一種典型的實時傳輸系統，屬于安全區(qū)，子站系統同樣也處于安全區(qū)內，安全區(qū)之間必須要制定完善的隔離措施。由于采用了Windows系統，所以子系統也會存在一定的感染病毒的風險，但是如果能夠與保護裝置實現共網就會出現不可控的風險。

2.2 系統故障預測中大數據的應用

在上述論述當中已經簡要介紹了電力自動化控制系統當中故障監(jiān)測系統的設計步驟，理論上能夠實現簡單的數據采集以及處理、故障預測等相關內容。但是由于當前數據信息增長速度較快，傳統的集中式處理模式無法滿足大數據處理的需求，無法實現數據的實時性傳遞。因此在預測系統的設計過程中納入大數據理念，會使數據的處理效率得到大大的提高[4]。

2.2.1 數據處理過程

Hadoop屬于一個分布式系統基礎框架，主要是由Apache公司所開發(fā)的。這個方案是對海量數據展開分布式處理的比較有效的方案。在對海量數據進行處理的過程中，Hadoop需要運用到兩大核心軟件，分別為map reduce和HDFS，分別負責運算和存儲。同時，借助于分布式存儲系統，構建起專門的存儲集群。設計的模型分為三層，決策層包含數據分析平臺和決策者，對數據進行高效的分割，然后使工作效率得到進一步的提升。支撐層則是提供數據的挖掘和存儲，并不是直接存儲到HDFS當中，而是存儲在HBase當中。數據層負責數據的采集，將子系統收集到的數據通過預處理之后將其傳遞到高層，然后數據再進行進一步的處理和分析。

2.2.2 故障預測過程

在利用大數據的相關技術處理電力自動化系統中的數據時，需要對數據進行專門的預處理，而且這個工序也是十分重要。子站需要從現場采集到的相關數據進行初步分析之后，將這些數據和分析結果通過主動的方式或者是查詢機制等將其傳遞到主站當中。整個系統當中必然不可能只包含一個子站，因此主站需要接收來自不同子站的數據，而且對于這些數據還需要進行進一步的分析和處理[5]。數據預處理工作能夠減少子站中的一些垃圾數據或者無用數據進入到主站中，這樣能夠減少主站的負擔，使系統的工作效率得到相應的提升。這一目標的實現需要對傳輸的數據開展預處理工作，將過時、重復的垃圾數據清楚干凈。該系統中采用的預處理模式為三層數據提取過濾模式，數據在預處理的過程中通過抽取、轉換、清洗和監(jiān)控，經過各個環(huán)節(jié)實現數據的處理。數據抽取、清洗每個工序都有特定的任務，在完成這些工序之后，就需要完成對故障的監(jiān)視和預測。實施監(jiān)控電力系統當中的數據是否發(fā)生異常變化，如果發(fā)生異常必須要及時進行處理，完成數據的監(jiān)視功能。如果數據發(fā)生變化，則需要開展新一輪的數據預處理工作。

3 結語

本文主要對電力自動系統中的數據類型進行分析，然后設計研究以大數據為基礎的電力行業(yè)自動控制平臺，實現對電力故障的實時監(jiān)控和分析，最大限度的降低電力故障的發(fā)生率。

參考文獻：

[1] 王海港，黃太貴，孫月琴等.多變電站故障錄波數據同步自動化方法與實現[J].電力系統保護與控制，2015，（1）：102-107.

[2] 孫韜禹.電力自動化現狀及解除故障方法分析[J].科技創(chuàng)新與應用，2013，（35）：152-152.

[3] 楊慧，李琳，吳紀元等.電力自動化現狀及故障分析方法[J].城市建設理論研究（電子版），2016，6（2）：1883-1884.

[4] 陸蘇寧.淺談電力自動化現狀及故障分析方法[J].城市建設理論研究（電子版），2012，（29）.

[5] 王少鋒，伍少成，劉濤等.基于 KN N打分算法的電力計量自動化終端通信故障的檢測和預警[J].電氣自動化，2016，38（4）：86-89.