基于大数据的电力设备运行数据分析系统的设计

陆文祥

（建湖县建阳中学，江苏 盐城 224700）

0 引言

在本文中所提出系统设计方式，是一种规范管理电力设备，并对设备进行运行数据分析与整理的技术形式，可以对检测的数据信息，以及对一些一般类型的记录数据，进行系统性的保存，避免数据出现丢失、损坏的问题。在这样的运行模式下，可以让电网运行呈现出高效率、高水平的效果。并且在本文的分析中，主要针对当下大数据的电力设备运行数据分析系统的建立进行详细的设计阐述，进而满足电力系统的运行需求，从而避免受到各种问题的影响。

1 核心算法以及关键技术

1.1 大数据分析过程

在进行大数据分析的过程中，就是一种通过构建出大数据平台技术，以此进行数据方面的全面整合，因此对于不同的数据而言，在采集的过程中要借助数据库，以此形成对异构数据存储方面的实际需求性分析。其次，还需要对关系与非关系型的数据库进行处理，并构建出分布式的数据结构。之后，还要使用大数据流计算技术、批计算技术以及内存计算技术等多个技术方案，提供更多维度的数据计算处理能力。

1.1.1 大数据采集

在当下电力网络的运行中，使用到了大量的传感器与电子元器件，因此推动了数据采集的效率与范畴。加上当下信息技术高速的发展当中，使得人们在进行数据处理的环节，可以让计算机系统完全取代人工的处理方式，进而可以有效的实现生物识别、条形码识别等各种信息数据的识别与分析。

1.1.2 大数据预处理

在电力设备运行的过程中，一旦运行的环境较差，就会使得在进行数据采集中，面临着一定信息遗漏的问题影响。因此，为了保障数据采集的可靠性与有效性，就需要在进行实际的数据采集中，可以进行预处理，设置出专门的数据格式、非结构化数据建模等，实现良好的处理。

1.1.3 大数据统计与分析

在大数据分析的过程中，基本上可以分为几种不同的类型。例如，可以基于时间、离线计算、批量计算等方式，进行针对性地分类处理。或者也可以采用技术手段的方式，进行不同的分类。在临近分类分析算法的使用中，已经成为电网系统比较常用的分类分析方法。

1.1.4 大数据挖掘

在上述的一些技术分析方法的加持下，使得分析的结果还需要进行进一步的挖掘，进而掌握更多的数据信息内容。在这样的处理过程中，就需要实现各种意思的有效传达，同时保障处理中，可以满足人们的实际需求。

1.2 聚类算法

聚类算法就是一种对数据挖掘、模式识别等诸多领域当中，十分重要的研究内容，其中聚类算法也是一种十分重要的聚类分析方式，在进行实际的分析过程中，可以很好地让其数据进行深入的挖掘处理。在现阶段聚类的根本作用，本质上就是需要基于某集合按照特定的标准，进行不同的分组处理，同时在每一组的对象当中，都会有着较高的相似程度，同时在两组当中，也有着一定的极高差异性。这种聚类分析的技术使用，成为了数据挖掘的十分重要的工具之一，可以进行较为详细的数据分析。其次，还需要在进行使用的过程中，对数据进行预处理工作，并在之后的处理中，为其他算法进行使用。

1.2.1 层次化

在进行使用该项技术的过程中，层次化聚类算法是一种数据类的算法方式，因此可以利用数据组织的方式，构建出一种树状图，以此实现聚类处理。在这样的算法使用中，根本目的就是为了能够在处理的过程中，可以将全部数据对象，当作一个具体的个体，并先计算两个不同类型的距离，这样就可以将其中最小的；两个类进行归并[1]。之后，还需要基于顺序进行迭代处理，同时重新计算分析。

1.2.2 划分式聚类算法

对划分式聚类算法计算而言，首先需要对预先指定的聚类数目，或者指定的聚类中心，进行反复迭代的运算，这样才可以慢慢地降低目标函数当中的误差。而在目标函数值出现收敛的显示后，就可以得到最终结果[2]。

1.2.3 密度与网格计算

这种网络与密度的聚类方法，本质上就是一种十分重要的聚类方式，可以在空间信息处理的过程中，广泛地应用到各个空间当中。特别是在一些大规模数据处理的过程中，可以很好地运用这种计算方式。而对于传统的数据处理技术而言，在处理的过程中，始终无法考虑到数据的密度，因此这样先进的密度处理方式，可以实现高效率的处理[3]。

1.2.4 模型聚类方法

基于模型的方式，可以将全部数据信息设定成一个模型，在进行直接查询数据的过程中，就可以形成一个具体的对象，以此可以在完成期望优化之后，就可以形成数据集与部分模型之间的良好契合。由此可见，有必要应用模型聚类方法，实现对系统的分析，从而保证这样的算法能够为系统功能的完善奠定基础。

2 系统内功能性需求

在系统设计的过程中，设计出了多个模块，以此针对不同的模块的功能性，都需要进行深入分析，以此保障系统可以稳定地运行下去。

2.1 用户管理模块

现阶段在这个模块当中，主要是负责用户登录、注册新用户、修改密码等方面的操作。而在弹出消息框，就是为了提示用户需要同时填写账户名与密码。其次，在这样的模块使用过程中，也相应地需要对各种人员与部门，进行统一化的管理，在操作中较为便捷高效。在每一个用户操作中，都可以对应一个优先级，优先级越高的用户，则可以操作更多的内容。而在对用户信息进行核对之后，就可以提供相应的权限内容。当下在模块的处理中，并不能将用户信息存储在数据库当中，而是需要事前进行加密处理，这样才能够提升数据的安全性[4]。

2.2 数据采集

在数据采集模块的运行中，就是主要负责黑匣子的数据与处理，进而利用大数据，将其电力现场所采集到的电力设备运行数据，输送到服务器当中，并将全部采集到的数据信息，分享给各种电力设备的检测模块。当下的数据采集处理工作，成为了上位机与下位机的通信基础。

2.3 变电站蓄电池性能

在电池性能的数据采集过程中，往往有着电池交流充放电量、电池充电功率，以及电池放电功率方面的实际效果。在计算电池性能的过程中，还需要对其进行全面的分析以及处理，这样就可以在后续的处理过程中，提供良好的数据参考，并对电池的实际使用周期进行一定的合理预测。

2.4 变电设备检测

现阶段在构建出智能变电站的过程中，是一种智能电网的重要基础与支撑节点，同时变电设备的运行过程中，其分析模块往往需要对众多的状态信息，进行针对性的处理，以此充分地利用数据挖掘的方式，有效的对其电力设备的实际状态，进行针对性的分析，为之后的运维检修提供良好的数据参考。伴随着我国变电设备物联网的构建，使得使用了更多的传感器技术，在智能变电站的运维中，也相应地采用了更多的在线监测手段，以此获取到更多的数据信息。而在变电站设备的状态分析中，还需要提供更多的设备状态信息，例如设备台账参数等信息的分析与计算。

3 大数据的电力设备运行数据分析系统的设计

3.1 数据预处理

3.1.1 数据清理

在现阶段的电网系统运行中，由于使用的电力设备数据越来越大，就导致海量的数据的整理过程中，始终存在着不完整、复杂多变以及多余数据的分析，大量的数据冗杂在一起，就会导致对数据分析的效率造成直接的影响，因此就需要对其系统数据进行预处理分析，以此对一些无用的信息进行提前筛除，进而使得在处理的过程中，处理好各种类型的数据信息。当下电力设备的运行数据，呈现出多样化的特征，例如电力设备检测数据、电流数据、电压数据以及温度数据等，因此就为了能够处理好多种类型的数据信息，就需要保障在设计的处理中，进行针对性的数据清理。

3.1.2 变电站设备检测功能

在当下智能变电站的智能电网检测过程中，其重要的基础与智能节点，始终都需要在变电设备状态分析模块中，对众多的状态信息进行针对性的处理。其次，还需要充分地利用大数据分析挖掘理论，明确出电力设备的状态以及故障演变的机理，进而为之后的运维检修工作提供良好的基础。伴随着我国新一代的变电设备的物联网构建，使得已经广泛地运用到了物联网技术，因此在其运行中的检测能力也得到了全面的提升[5]。

3.2 数据采集模块

在这个模块的运行中，主要就是为了能够向上层应用程序，提供一个良好的数据采集工作，并相应地在模块的处理过程中，帮助数据采集搞设计，提供一个多线程的采集模式。而对于远程控制功能而言，就是一种非实时性的功能操作，可以在之后的操作过程中，形成良好的处理效果。在本模块的设计中，本质上就是一种不进行独立操作，而是融合在主线程模块当中的操作方式。数据采集的工具使用中，其结构设计基本上包含着物理层、访问层、数据采集层等主动的设计模式。其中物理层就是黑匣子当中的数据采集。而在访问层当中，则是利用串口协议的方式，将其上位机与黑匣子进行相应的连接，以此保障对电力现场的地址资源进行相应的处理。一般情况下，进行动态划分的地址处理中，都会对黑匣子进行表示，以此保障实际的处理过程中，能够对数据进行相应的分析与处理。

3.3 数据分析模块

在这样的分析模块当中，就是一种实现电力系统动态化检测的功能。但是伴随着检测的进展，使得逐渐形成了大量的数据信息，因此就需要对历史数据进行分析的过程中，能够进行针对性的状态评估，以此保障在有限的时间当中，进行针对性的分析与处理，并在合理的时间周期内，完成相应的数据处理。

4 结语

综本文全文所述，在进行电网运行的过程中，各种不可避免的小问题会随之而来，并且由于进行分析的过程需要处理海量的数据信息，因此就需要保障在进行分析中，能够极大地提升处理准确性与可靠性，在当下的设计出的电力设备运行数据分析系统，就可以解决这样的数据分析问题。最后，电池的动态性分析，也成为了对之后工作准确性和高效性影响的关键所在，因此本文所设计的系统，可以全面提升数据采集的效率，满足相关工作人员的实际需求。