浅谈基于大数据技术的电网设备全生命监测分析

邹帅

摘要：通过针对基于大数据技术的电网设备全生命监测分析技术应用，将大数据技术与电力领域电网资产设备全生命周期监测进行融合，实现电网设备管理、全息画像及预警分析，有效实现电网资产数据的追溯、动态状态评估。该文从研究背景、意义、技术状况、研究难点及解决方案方面分别进行了综述，并对电力物资业务的信息化建设实施效果进行了分析和总结。

关键词：电力；物资；信息化；预采购

中图分类号：N945.23 文献标识码：A文章编号：1009-3044（2018）33-0203-02

1研究背景

目前，国内一些技术较为领先的风力发电制造厂商针对设备状态信息分析技术投入了较大的研发力量，主要是通过对发电设备各关键单元模块加装传感器，进行针对温湿度、电机负荷、覆冰信息等基础数据采集并进行展示，但利用大数据挖掘分析方法进行设备全生命周期的研究正处于发展探索阶段。该文通过大数据分析平台的设计思路，基于发电设备各单元模块的运行状态、模块故障、使用时长等全生命周期信息进行分析预测，通过高速的基础数据样本采集，实现海量数据资源池，通过多维度的研究方法进行设备状况监控，实现电力设备的数据追溯、动态状态评估及风险的精准预警。

2研究意义

该文基于大数据挖掘、分析技术应用，研究并分析电力设备从可研论证到报废退役整个寿命周期的数据及管理模式，通过设备信息管理系统、电网能量管理系统、微气象监测系统、在线监测系统和相关事件信息的接入，拓展设备缺陷的状态诊断维度、运行风险的动态评估与预警功能，提高运维决策的针对性和设备全寿命过程的管控能力，实现电网设备的运行可靠性和使用效率。

3技术状况

电网设备全生命周期监测预警系统利用大数据挖掘技术，基于空间聚类算法，从电力PMS系统、SCADA系统等信息系统中获取设备运行状态数据并建立数据资源池，对设备正常运行状态数据进行挖掘分析，计算出多种场景下的正常标准参数，并对异常数据进行报警阈值计算和预测，用于支撑电网运行各类设备运转状态的实时监测，实现对电网设备故障的实时预警。同时，以平台分析结果为设备使用寿命、运行维护费用投入、人员投入等提供参考依据。

4技术路線

如上图所示，系统采用“七横三纵”的松耦合架构设计。整个架构由数据源层（原始数据层）、数据采集层、数据支撑层，数据存储层，数据服务层、应用层、平台层的七层结构及三个规范体系共同组成。

5系统设计

5.1区域设备管理

该模块是整个平台的综合可视化界面，利用多种可视化技术手段（GIS、可视化图表等），展示监控设备的区域性风险分布，风险所占比例按照电网设备的种类进行分配，根据3个设备状态风险等级（状态正常、状态预警、状态风险）对不同的电网资产状态进行综合展示。

5.2设备全息画像

设备全息画像实现对设备生命周期内的所有数据就行查询，涵盖了设备管理的全过程数据，从物资采购、基建安装、运行维护、退役等一系列的设备过程信息统计，通过这些数据建立设备基本信息库（物资采购信息、设备基本信息等）、设备静态数据库（台帐参数和设备投运前的试验参数等）、设备实时数据库（线路及设备运行信息、检修作业参数等）、准动态数据库（检修试验参数、缺陷/故障参数）等，实现对多维度的数据就行分析，基于设备的动态评价模型，形成对设备健康状态的动态描述。

5.3设备预警分析

设备预警模块主要是基于设备的多维度数据，通过关联分析算法，对高维信息进行处理，挖掘设备状态风险，并进行定量指标分析，如设备故障、缺陷中的要害点的识别，依据特殊设备状态风险模型的构建方式，利用历史数据及新进样本，对设备运行状态进行实时监控和分析预测。通过协同过滤算法，对设备参数进更新补正，及时、准确地排除设备异常状态参数并进行分析，通过可视化技术实时展示地区风险指数图谱、静态风险指数、风险指数时序差异对比等信息。同时，对于具有潜在风险的设备及时进行预警，并将结果生成报告。

6关键技术

6.1建立电网设备状态评价模型

通过建立设备状态评价模型，将大数据挖掘方法引入到电力设备状态评估中，对采集的基础数据进行静态打分并对设备参数进行加权计算，以设备故障诊断分析结果，基于电网设备海量数据，通过逻辑关系的建立，运用静态和动态数据指标的深度融合，将电网设备状态采集数据进行评价量化，形成了直观的动态评价分数。

6.2建立电网设备数据联动模型

通过联动模型的建立，对电网设备的异常状态信息与设备进行全景展示，自动分析出设备故障及缺陷状态，并对异常参数指标进行实时预警，通过多维度采集数据的迭代，形成有效的数据交互和同步，并将采集数据与电网设备资源进行高度整合，实现电网设备数据的互联互通。

6.3建立电网设备全息画像

建立电网设备全息画像，记录设备的全生命周期数据，从全寿命资产和质量指标，结合各阶段的管控措施将设备管理形成可“溯源”，节省60%—80%的调查工作时间，提高设备管理水平。

7结束语

该文通过将大数据挖掘分析应用于电网设备全寿命周期管理进行分析，有效实现设备使用率、使用寿命的全过程监控，建设设备维护及维修成本，同时建设人力资源的投入，实现设备检查、消缺全过程管理的关键点监控，通过信息化手段实现对重复发生缺陷的设备类型进行实时预警，提升缺陷流程的闭环管理水平，支撑电网安全、稳定运行。

参考文献：

[1] 赵振. 一种自适应海量存储系统组织策略及关键技术研究[D]. 武汉：华中科技大学， 2006.

[2] 李勇. 异构存储系统中的缓存技术研究[D]. 武汉：华中科技大学， 2014.

[3] 陈杰. 本地文件系统数据更新模式研究[D]. 武汉：华中科技大学， 2014.

[4] 刘洋. 层次混合存储系统中缓存和预取技术研究[D]. 武汉：华中科技大学， 2013.

[5] 李怀阳. 进化存储系统数据组织模式研究[D]. 武汉：华中科技大学， 2006.

[6] 邓勇强，朱光喜，刘文明. LDPC码的低复杂度译码算法研究[J]. 计算机科学， 2006（7）.

[7] 陆承涛. 存储系统性能管理问题的研究[D]. 武汉：华中科技大学， 2010.

[8] 罗东健. 大规模存储系统高可靠性关键技术研究[D]. 武汉：华中科技大学， 2011.

[9] 王健宗. 云存储服务质量的若干关键问题研究[D]. 武汉：华中科技大学， 2012.

【通联编辑：谢媛媛】