基于大数据分析的电力系统故障分析研究

秦浩然 孟巧

摘 要：电力系统故障录波系统是电力系统发生故障及振荡时能自动记录的一种系统或一种装置。近年来，不同类型的故障录波器已在电力系统中得到广泛应用，所记录的各种故障录波数据为电力系统故障分析及各种保护动作行为的分析和评价提供了数据来源和依据。目前，电网调度端已能通过专用网或电话网将电网故障录波数据集中到一起，但如何有效管理和利用这些信息进行必要的故障分析、保护动作行为评价及故障测距等并没有统一的标准，因此，本文针对电力系统故障录波数据进行了分析。

关键词：电力行业;自动化系统;故障;大数据;预测

社会的发展和正常运转需要电力系统的安全稳定，但是人们的生产和生活对于电力需求日渐增加，加之其本身的结构比较复杂，所以電力故障在所难免。导致电力故障发生的原因主要有两种类型，其一，受到自然因素的影响，比如地震、台风、雷电等对电力系统产生不利影响，另一种则是人为原因所导致的电力故障，比如相关工作人员操作失误，或者是一些不法分子的蓄意破坏等。电力故障可以分为不同的类型，主要包含横向和纵向故障两种类型[1]。

在传统的电力自动化系统故障分析过程中一般会采用设备监控或者人工排查的方式。设备监控主要是通过通信网络，而且只能够对设备的运行状态进行研究分析，无法判断工作质量;人工排查方式则是需要依靠大量的人工劳动者来排查现场，此种方式的准确性和工作效率都比较低。

1 电力行业自动化系统中的数据分类

1.1 基础类相关数据

此种类型的数据主要是设备属性相关的数据，比如变压器、发动机等数据，这些数据需要电力单位结合自身的数据规划进行相应的管理，而且还需要利用数据服务器来让所有的数据实现同步，将这些数据统一存储到调度中心，然后再开展专门的整理和计算。

1.2 实时类相关数据

此类数据则是电力行业自动化系统在实际运行过程中所得到的相关数据，由于数据量很大，所以对于存储空间的要求也会更高一些。当然这些数据都是产生于具体运行过程中，所以需要对其进行专门的处理之后提供给调度部门，为其制定决策提供依据。我国在电力系统的实时数据方面比较成熟，一般收集到的数据只需要建立比较稳定的接口就可以提高其准确性[2]。

1.3 日常管理类相关数据

包含电力行业自动化系统中各种相关的数据，也包括各个部门对于电力系统运行过程中出现问题处理之后得到的数据信息等，但是这些数据一般只会在特定的范围之内进行共享和同步，因此需要建立专门的同步和共享平台。这些日常运行中的数据会从某种程度上反映出电力设施设备的情况，也便于其他部门获取日常管理数据。

1.4 市场经济类相关数据

电力系统随着我国市场经济体制的不断完善，所带来的经济效益逐渐凸显，因此在其运行中所得到的相关数据对于电力单位的发展产生十分重要的影响。市场经济数据同时也可以为城市建设中电力行业的整体规划制定提供比较完整全面的参考依据[3]。

2 电力行业自动化系统故障预测中大数据分析应用

2.1 分析系统结构具体设计

2.1.1 主站结构设计

为更加全面分析电力行业自动化系统的电力故障，更为高效、有序的开展工作，需要设计专门的系统结构。本文从主站和子站等不同的角度进行设置。主站的主要功能是汇总子站所采集到的数据，而且按照系统中不同的功能，将这些数据分别交付出去，让系统能够更有效的使用。主站和子站之间存在着一种通信网络连接，这种连接方式分为两种，一种是通过TCP/IP的方式来进行连接，实现通信的目的;另一种则是使用电话拨号方式连接通信。为了提高数据的共享性，使电力系统当中的海量信息更为有效的预测和分析，需要设计专门的SCADA/EMS系统，另外需要设计防火墙来使两个系统的独立性得到保障。

2.1.2 子站结构设计

在子系统结构的具体设计过程中，不允许与监控系统进行组网，这主要是因为监控系统本身就属于一种典型的实时传输系统，属于安全区，子站系统同样也处于安全区内，安全区之间必须要制定完善的隔离措施。由于采用了Windows系统，所以子系统也会存在一定的感染病毒的风险，但是如果能够与保护装置实现共网就会出现不可控的风险。

2.2 系统故障预测中大数据的应用

在上述论述当中已经简要介绍了电力自动化控制系统当中故障监测系统的设计步骤，理论上能够实现简单的数据采集以及处理、故障预测等相关内容。但是由于当前数据信息增长速度较快，传统的集中式处理模式无法满足大数据处理的需求，无法实现数据的实时性传递。因此在预测系统的设计过程中纳入大数据理念，会使数据的处理效率得到大大的提高[4]。

2.2.1 数据处理过程

Hadoop属于一个分布式系统基础框架，主要是由Apache公司所开发的。这个方案是对海量数据展开分布式处理的比较有效的方案。在对海量数据进行处理的过程中，Hadoop需要运用到两大核心软件，分别为map reduce和HDFS，分别负责运算和存储。同时，借助于分布式存储系统，构建起专门的存储集群。设计的模型分为三层，决策层包含数据分析平台和决策者，对数据进行高效的分割，然后使工作效率得到进一步的提升。支撑层则是提供数据的挖掘和存储，并不是直接存储到HDFS当中，而是存储在HBase当中。数据层负责数据的采集，将子系统收集到的数据通过预处理之后将其传递到高层，然后数据再进行进一步的处理和分析。

2.2.2 故障预测过程

在利用大数据的相关技术处理电力自动化系统中的数据时，需要对数据进行专门的预处理，而且这个工序也是十分重要。子站需要从现场采集到的相关数据进行初步分析之后，将这些数据和分析结果通过主动的方式或者是查询机制等将其传递到主站当中。整个系统当中必然不可能只包含一个子站，因此主站需要接收来自不同子站的数据，而且对于这些数据还需要进行进一步的分析和处理[5]。数据预处理工作能够减少子站中的一些垃圾数据或者无用数据进入到主站中，这样能够减少主站的负担，使系统的工作效率得到相应的提升。这一目标的实现需要对传输的数据开展预处理工作，将过时、重复的垃圾数据清楚干净。该系统中采用的预处理模式为三层数据提取过滤模式，数据在预处理的过程中通过抽取、转换、清洗和监控，经过各个环节实现数据的处理。数据抽取、清洗每个工序都有特定的任务，在完成这些工序之后，就需要完成对故障的监视和预测。实施监控电力系统当中的数据是否发生异常变化，如果发生异常必须要及时进行处理，完成数据的监视功能。如果数据发生变化，则需要开展新一轮的数据预处理工作。

3 结语

本文主要对电力自动系统中的数据类型进行分析，然后设计研究以大数据为基础的电力行业自动控制平台，实现对电力故障的实时监控和分析，最大限度的降低电力故障的发生率。

参考文献：

[1] 王海港，黄太贵，孙月琴等.多变电站故障录波数据同步自动化方法与实现[J].电力系统保护与控制，2015，（1）：102-107.

[2] 孙韬禹.电力自动化现状及解除故障方法分析[J].科技创新与应用，2013，（35）：152-152.

[3] 杨慧，李琳，吴纪元等.电力自动化现状及故障分析方法[J].城市建设理论研究（电子版），2016，6（2）：1883-1884.

[4] 陆苏宁.浅谈电力自动化现状及故障分析方法[J].城市建设理论研究（电子版），2012，（29）.

[5] 王少锋，伍少成，刘涛等.基于 KN N打分算法的电力计量自动化终端通信故障的检测和预警[J].电气自动化，2016，38（4）：86-89.