劉 穎，趙志剛

（國網(wǎng)遼寧省電力有限公司檢修分公司，遼寧 沈陽 110003）

在電力系統(tǒng)日漸擴大的背景下，其內(nèi)部結構愈加復雜，電網(wǎng)系統(tǒng)出現(xiàn)安全問題的概率也不斷增加。為保障電力系統(tǒng)安全，提升設備運行效率，電力企業(yè)應采取有效的故障診斷分析技術，對故障進行識別和分析，實現(xiàn)對故障隱患的及時消除。因此，對該課題進行研究，其意義十分重大。

1 大數(shù)據(jù)背景下電網(wǎng)故障診斷分析的應用價值及現(xiàn)狀

1.1 應用價值

大數(shù)據(jù)技術可對電網(wǎng)中產(chǎn)生的數(shù)據(jù)信息進行挖掘，找出其中具有價值的數(shù)據(jù)，有助于提升電網(wǎng)企業(yè)的經(jīng)濟效益。具體表現(xiàn)在以下方面：（1）電網(wǎng)企業(yè)可以借助大數(shù)據(jù)技術，從海量的數(shù)據(jù)信息之中挖掘有價值的數(shù)據(jù)，利用該項數(shù)據(jù)，預測電網(wǎng)系統(tǒng)在運行過程中可能會出現(xiàn)的故障隱患，并基于電網(wǎng)當前階段的資源利用和生產(chǎn)調(diào)度數(shù)據(jù)，統(tǒng)計并明確不同事故之間的區(qū)別，找出內(nèi)在關聯(lián)，從而采取預防控制手段，降低故障發(fā)生概率[1]。（2）借助大數(shù)據(jù)分析技術，合理劃分電力系統(tǒng)內(nèi)部的負荷等級，并將負荷變化情況轉(zhuǎn)化為圖形，展示給工作人員，為電網(wǎng)系統(tǒng)故障的分析和檢測創(chuàng)造有利的條件。

1.2 應用現(xiàn)狀

大數(shù)據(jù)的優(yōu)點較多，主要包括海量的數(shù)據(jù)、多樣的類型以及高效的速率。其中，海量數(shù)據(jù)是指電力系統(tǒng)故障診斷和分析過程中產(chǎn)生的數(shù)據(jù)量較大，隨著智能故障診斷分析技術的應用，數(shù)據(jù)總量保持快速增長的勢頭。而速率快是指應用大數(shù)據(jù)技術可以在短時間內(nèi)完成數(shù)據(jù)分析和處理，并獲得分析結論。在應用大數(shù)據(jù)分析故障時，關聯(lián)性是必須遵循的原則。所謂關聯(lián)性原則，是指電網(wǎng)中各類設備和故障的關聯(lián)性，通過對關聯(lián)性的分析，可在短時間找出故障診斷分析所需的數(shù)據(jù)，提升分析的效率。

2 電網(wǎng)系統(tǒng)故障診斷分析技術

2.1 基于專家系統(tǒng)的診斷方法

該診斷方法的核心是利用計算機模型實現(xiàn)對電網(wǎng)系統(tǒng)故障的有效診斷，由于其具備顯著的優(yōu)勢，備受業(yè)內(nèi)人士的關注。以故障診斷知識表示和推理策略作為依據(jù)，可以將該系統(tǒng)細化為兩類：（1）啟發(fā)式規(guī)則推理系統(tǒng)?；诖髷?shù)據(jù)技術構建的系統(tǒng)，可以在數(shù)據(jù)庫中存儲故障診斷專家系統(tǒng)的知識，主要內(nèi)容包括斷路器動作邏輯和專家診斷經(jīng)驗，以此為基礎，通過實際數(shù)據(jù)與數(shù)據(jù)庫內(nèi)數(shù)據(jù)的對比，獲得準確的故障診斷結論。目前，該故障診斷方法屬于主流的診斷方法。（2）集正反推理于一體的系統(tǒng)。該類系統(tǒng)集正反系統(tǒng)于一體，在建立推理規(guī)則時，可以將斷路器與保護設備間的邏輯關系作為依據(jù)，通過反向推理的運用，進一步縮小故障范圍，降低故障診斷難度。簡言之，混合推理的應用，賦予了故障診斷專家系統(tǒng)自主學習的能力，其適應性也顯著增加。

總而言之，基于專家系統(tǒng)的診斷方法，在表示專家經(jīng)驗以及保護裝置動作時較為簡單，同時工作人員還可以在數(shù)據(jù)庫中對部分規(guī)則進行增加或刪除。專家系統(tǒng)診斷方法是增強診斷系統(tǒng)有效性的重要途徑，將其應用于中小型電網(wǎng)故障診斷分析中，可以取得良好的效果[2]。

2.2 基于人工神經(jīng)網(wǎng)絡的診斷方法

與常規(guī)方法相比，基于人工神經(jīng)網(wǎng)絡（ANN）的故障診斷方法具有非常強的魯棒性和學習能力，故容錯率較高，發(fā)展?jié)摿薮?。在大?shù)據(jù)技術的支持下，ANN發(fā)展逐漸趨于成熟，方法種類逐漸增加，主要包括前向神經(jīng)網(wǎng)絡和徑向基函數(shù)神經(jīng)網(wǎng)絡兩種類型。以某研究機構設計開發(fā)的典型故障診斷神經(jīng)網(wǎng)絡BP模型為例，該模型在分析和診斷電網(wǎng)故障時，能夠?qū)⒗^電保護信息轉(zhuǎn)化為ANN，用以輸入，同時將電網(wǎng)可能會出現(xiàn)的故障作為輸出，在此基礎上完成樣本集的選擇。其流程如下：（1）選擇繼電保護信息作為故障診斷分析方法的輸出，采取計算的方式對輸入樣本進行處理；（2）對實際輸出與期望輸出之間的差值進行對比，如果差值與條件相符，則完成訓練，否則，使信號反向輸出，以實現(xiàn)對權值和閥值的逐層調(diào)整，在多次重復且差值與標準相符后方可停止。

該方法屬于智能診斷方法的一種，無需構造推理機。在大數(shù)據(jù)技術的支持下，該方法解決了諸多方面的不足，但就實際情況而言，其在大型電網(wǎng)系統(tǒng)中的應用效果并不顯著。

2.3 基于優(yōu)化技術的診斷方法

該電網(wǎng)系統(tǒng)故障診斷分析方法的基礎為數(shù)學模型，在診斷和分析電網(wǎng)系統(tǒng)故障時，可以實現(xiàn)對故障診斷問題的有效描述，在描述完成后，問題就會變?yōu)?-1的整數(shù)規(guī)劃問題。在此基礎上構造數(shù)學模型，在模型解析后通過優(yōu)化技術的應用確定問題最優(yōu)解，即可達成預期的目的。某研究機構在大數(shù)據(jù)技術的支持下，將保護動作和故障信息識別元件作為依據(jù)，完成了數(shù)學模型的構造。首先應用大數(shù)據(jù)技術匯總和分析診斷結果，然后對全部報警信息進行解釋，在解釋后獲得與故障診斷問題存在密切關聯(lián)的函數(shù)，達到將故障問題轉(zhuǎn)化為整數(shù)規(guī)劃問題的目的。

2.4 基于粗糙集的故障診斷分析方法

基于粗糙集的故障診斷分析方法，即模糊處理目標以獲得種類不同且數(shù)據(jù)不完全的診斷分析方法。計算約簡方式是粗糙集方法的重要內(nèi)容，在目標集不發(fā)生變動的前提條件下，清除集合中多余且無用的信息，使集合不斷縮小，最終獲得最小子集。該方法的應用，能夠?qū)崿F(xiàn)對故障的精準分類，并在此基礎上確定分類結果。與其他故障診斷分析方法相比，該方法對附加信息和先驗經(jīng)驗的需求較少，僅需應用大數(shù)據(jù)技術分析和處理原始數(shù)據(jù)，找出其中的隱藏的信息，并把握其內(nèi)在關聯(lián)和規(guī)律，即可達成預期目標。該方法的核心是以等價關系為依據(jù)劃分目標。比如，在電網(wǎng)診斷和分析過程中，工作人員可以利用大數(shù)據(jù)技術，完成電網(wǎng)設備故障記錄的采集和匯總，然后使用粗糙集方法，構造關鍵屬性集合。考慮電網(wǎng)在運行階段容易在外界因素的影響下出現(xiàn)故障，致使電網(wǎng)運行效率和質(zhì)量下降，建議工作人員重視該診斷方法的使用，準確分析和定位故障[3]。

3 大數(shù)據(jù)技術在電網(wǎng)設備故障診斷分析中的實際應用

在電網(wǎng)系統(tǒng)中設備是重要組成部分，文章將大數(shù)據(jù)技術與抽水蓄電站設備運行數(shù)據(jù)相結合，對設備全生命周期管理應用進行研究，所選的指標包括設備運行強度、設備健康狀態(tài)預測以及可靠性評價。

（1）運行數(shù)據(jù)概述。以國內(nèi)某企業(yè)的抽水蓄能電站為參照對象，收集和匯總其生產(chǎn)運行數(shù)據(jù)，其中上下機架水平振動、上下導不同方向擺度以及水導不同方向的擺度屬于數(shù)據(jù)的關鍵信息。

（2）數(shù)據(jù)存儲方式。在實驗過程中，應用了實驗室原有的Hadoop集群環(huán)境，其組成部分包括多臺服務器，且性能十分顯著?？紤]測點采集數(shù)據(jù)的文件相對較大，故在存儲數(shù)據(jù)時，所采用的架構為分布式架構。

（3）轉(zhuǎn)換數(shù)值。在檢測過程中發(fā)現(xiàn)時間系列數(shù)據(jù)屬于十分常見的字段，但這些字段與所分析的數(shù)據(jù)模型存在差距，無法有效應用。為解決這一問題，實驗人員使用服務器對這些數(shù)據(jù)進行轉(zhuǎn)換，具體轉(zhuǎn)換內(nèi)容為時間和日期。

（4）數(shù)據(jù)拆分。實驗人員對觀測點數(shù)據(jù)進行了分析，發(fā)現(xiàn)其中所蘊藏的數(shù)據(jù)由不同電站機組共同構成，故在實際分析階段，應采取拆分的方式，以保證分析結果的精確度。

（5）設備運行狀態(tài)。通過查閱資料得知，電力設備年久失修、長期老化運行是引發(fā)電網(wǎng)故障的重要原因。因此，將設備運行狀態(tài)作為切入點展開分析，有助于工作人員判別和診斷電網(wǎng)故障。

（6）相關理論。此次實驗所應用的理論為瑞麗小波包奇異熵算法，熵就是對熱力學系統(tǒng)隨機性量的衡量。該理論在出現(xiàn)之初，在熱力學氣體研究中應用廣泛，但在20世紀40年代熵的概念被首次提出之后，研究者將重點放在了信道內(nèi)信號的傳輸過程。在此基礎上，瑞麗熵的理論正式形成。該理論將任意離散型隨機模型定義為 X={x1,x2,…,xn}，Pi為事件X=xi以及的概率，故瑞麗熵的離散表達式如下：

式中：q為瑞麗熵的階數(shù)，其定義域為[0，1]U(1，+∞)。

（7）電力設備健康狀態(tài)綜合評價分析?？紤]電力設備運行時間較長，故在研究過程中將三類信息作為指標構建的依據(jù)，這些信息分別為設備基本信息、設備運行工況以及設備歷史數(shù)據(jù)。其中，設備基本信息包括技術參數(shù)和質(zhì)量等級，設備運行工況包括設備運行狀態(tài)、時間以及環(huán)境，而設備歷史數(shù)據(jù)是指運行現(xiàn)狀、缺陷和維修情況[4]。在確定評價指標后，由專家確定每項指標的分數(shù)和權重，計算后得知，專家分數(shù)服從于正態(tài)分布。以此為基礎，完成了評分標準的設置，如表1所示?；诒?中的評分標準，對實驗所選的電力設備指標進行評分，其結果如表2所示。計算結果表明，該設備的分數(shù)約為94分，表明電力設備運行狀態(tài)良好，電網(wǎng)發(fā)生故障的概率相對較低。

表1 評分標準

表2 評價結果

4 結論

綜上所述，在大數(shù)據(jù)技術的支持下，電網(wǎng)系統(tǒng)故障診斷分析技術實現(xiàn)了快速發(fā)展，且克服了原有的不足。就當前實際情況而言，大數(shù)據(jù)技術在電網(wǎng)故障診斷分析中的作用十分顯著，以神經(jīng)元網(wǎng)絡、粗糙集以及專家系統(tǒng)為基礎的診斷分析技術，被廣泛應用于電網(wǎng)故障診斷中。建議電網(wǎng)企業(yè)重視大數(shù)據(jù)技術的應用，以提升電網(wǎng)診斷效率和準確性。