大數據分析方法在電力設備運檢優化中的應用研究

白文遠?吳建軍

摘 要 大數據技術、智能電網的發展和電網規模的迅速增長，對電力設備運行維護和高效管理提出了巨大挑戰。本文結合現行設備運檢管理方面存在的問題，結合大數據分析關鍵技術，給出了大數據分析方法在電力設備運檢優化中的應用方案，分析了利用大數據技術，對相關海量數據的充分挖掘，分析找出數據間的聯系、因果關系、關鍵信息等有價值的信息，為今后公司的生產運行、設備投資規劃、檢修人員配置和設備檢修計劃提供可靠參考，有效提升設備運行維護工作的管理水平。

關鍵詞 大數據分析;運檢優化;電力設備

引言

在數字經濟時代，互聯網、智能設備和其他形式的信息技術的爆炸性增長使得數據以同樣令人印象深刻的速度增長，企業經營的各個階段都可被記錄，設備運行信息都可被采集[1]。數據已成為一種重要的生產要素，通過對數據的收集、存儲、再組織和分析建模，隱藏在數據中的重要價值及規律將逐漸被展現，這樣有助于企業的轉型升級，并有力推動企業的可持續發展[2-4]。

結合設備運檢運行情況，目前在設備運檢管理方面還有很多需要解決的問題：

（1）基于設備專業管理系統，如PMS2.0系統，輸電通道監測預警系統，在線監測系統等積累的輸變電設備運檢、設備故障缺陷、氣象等海量數據沒有得到充分的利用。

（2）傳統的數據報表、即席查詢等簡單分析手段已無法滿足企業對于深層次信息的挖掘需求。

（3）設備故障的發生具有不可預知性，如何充分利用現有設備運檢數據、故障數據等的分析結果，制定合理高效的設備運檢計劃保障電網穩定運行。

（4）當設備故障時如何快速調度運維隊伍，迅速完成搶修任務，恢復正常供電也是值得研究的問題之一。

針對上述問題，本文將結合設備運檢現場情況，探討如何利用大數據分析方法優化設備運檢領域的管理，推動變電設備運檢模式向更智能、更高效、更安全轉變，提升工作效率。為今后的公司的生產運行、設備投資規劃、檢修人員配置和設備檢修計劃提供可靠參考，充分發揮設備運檢數據的綜合價值。

1設備運檢大數據分析的關鍵技術

設備運檢數據具有典型大數據的特征：①數據來源眾多，來自各業務的應用系統;②數據體量大、增長速度快;③數據類型多樣，包括非結構化和半結構化數據;④蘊含巨大價值，數據之間關聯度大，關系復雜。傳統的數據處理和分析技術無法滿足要求，需要適合大數據處理關鍵技術來處理這些數據。

1.1 數據預處理

由于設備運檢數據來源眾多，數據量巨大;數量類型豐富，包括結構化、半結構化、非結構化;存在很多“臟數據”，比如：空值、拼寫錯誤數據、同值異名數據、值不合法數據、數值重復數據等，這些“臟數據”會嚴重影響后續大數據分析和挖掘的結果準確性和質量?，F有數據具有的這些特征給后續大數據分析帶來困難，因此，對這些多數據源海量設備運檢、設備臺賬、故障、缺陷等數據進行高效識別和預處理是關鍵一步。

1.2 分布式存儲與管理

分布式存儲與訪問，是大數據存儲的關鍵技術，具有經濟、高效、容錯好等特點，分布式存儲技術與數據存儲介質的類型和數據的組織管理形式直接相關。目前經濟實用的數據存儲介質是磁盤，主要數據組織管理形式包括按行組織、按列組織、按鍵值組織和按關系組織，主要數據組織管理層次包括按塊級組織、文件級組織及數據庫級組織等。大數據存儲形式和管理技術直接影響大數據的分析和挖掘，是大數據分析技術成功應用的基礎。

1.3 大數據分析與挖掘

數據分析和挖掘的目的是把隱藏在一大批看似雜亂無章的數據背后的信息，集中和提煉出來，總結出研究對象的內在規律。在設備運檢應用中，它是用適當的統計分析方法和挖掘算法對收集到的海量、不完全的、有噪聲的、模糊的、隨機的設備運檢數據進行分析、挖掘，將它們加以匯總、理解并消化，發現和挖掘出隱含在其中內在聯系和規律，以及有價值的、潛在有用的信息和知識的過程，以求最大化地開發數據的功能和價值，發揮數據的作用，提升設備運檢管理效率，也是一種決策支持過程。

其主要基于人工智能、機器學習、模式學習、統計學等，常用的方法有協同過濾、分類、回歸分析、聚類、關聯規則、神經網絡方法等。這些方法從不同的角度對數據進行挖掘。具體如圖1所示。通過對大數據高度自動化地分析，做出歸納性的推理，從中挖掘出潛在的模式，可以幫助企業減少風險并做出正確的決策。

1.4 大數據可視化

大數據可視化是將大型數據集中的數據以圖形圖像形式表示，并利用數據分析等技術手段，發現其中未知信息的處理過程。清晰而有效地在大數據與用戶之間傳遞和溝通信息是數據可視化的重要目標，數據可視化技術將每一個數據項作為單個圖元元素表示，大量的數據集構成數據圖像，同時將數據的各個屬性值以多維數據的形式表示，可以從不同的維度觀察數據，從而對數據進行更深入的觀察和分析。通?？刹捎脭祿畔⒌姆柋磉_技術，數據渲染技術、數據交互技術、數據表達模型技術等實現大數據可視化。

2設備運檢大數據分析的典型應用

應用總體方案如圖2所示。

針對設備運檢數據，首先開展數據的提取與加工即設備運檢數據預處理研究;然后利用包括：多源海量數據預處理、分布式存儲與管理、大數據分析與挖掘、可視化等技術在內的大數據、人工智能技術充分分析和挖掘設備運檢大數據中蘊含的綜合價值;最后利用取得的分析結果為運檢計劃、決策和設備投資計劃提供支持，推進數據業務化發展，為泛在電力物聯網的發展提供支撐。以下為總體方案流程：

（1）對現有的多源海量設備運檢數據進行整理研究，提取關鍵數據并分析，在此基礎上確定大數據預處理方法，并制定預處理方案。對提取的關鍵原始數據進行預處理，包括設備臺賬、運檢計劃、人員調配、設備狀態、設備故障、設備缺陷等數據，利用數據清洗技術完成預處理工作，為后續數據存儲、分析和挖掘的開展提供數據質量保障。

（2）對預處理后的數據進行分布式存儲和管理，開展設備運行及檢修數據的收集，掌握設備運行與狀態、各設備之間、臺賬數據表之間的聯系，減少數據孤島和冗余，提升數據內在價值。

（3）根據設備檢修數據，利用大數據分析和挖掘技術，優化設備檢修計劃。設備運檢工作涉及面很廣，需要協調的部門和人員眾多，須制定高效的設備檢修計劃，通過對檢修數據進行大數據分析，理清臺賬數據間的關系，優化設備檢修計劃，提高運檢效率。

（4）綜合設備運行臺賬、缺陷數據、故障數據、投運時間等信息，利用大數據分析技術為合理調配檢修人員提供支持，優化檢修人員配置，提高檢修人員的工作效率，使設備檢修工作得以順利開展，確保設備和電網安全穩定運行。

（5）根據設備狀態數據，進行缺陷、故障分析，支撐設備投資規劃。依據現有設備狀態、故障、缺陷，變電站運行等基礎數據，以及運檢業務運行情況進行狀態分析、缺陷分析，挖掘設備可能存在的風險，輔助設備更新換代，保障設備安全穩定運行，優化設備投資規劃，充分提升設備生命周期。

（6）綜合應用與輔助決策支持。充分利用前述分析和挖掘的有價值信息，為設備運檢提供輔助決策支持，展示設備間的聯系，優化設備檢修計劃，優化運檢人員隊伍和設備投資計劃，確保電網安全、穩定、高效的運行，促進泛在電力物聯網有效落地。

3結束語

隨著在線監測技術、信息化技術和大數據技術的日益發展，如何使這些技術更有效地為設備運檢服務是一個值得高度重視的問題。在設備運檢管理中，利用大數據技術，通過對相關海量數據的充分挖掘、分析找出數據間的聯系、因果關系、關鍵信息等，提高數據的利用率，變無效、無關聯的數據為有效、有關聯的數據，為今后的公司的生產運行、設備投資規劃、檢修人員配置和設備檢修計劃提供可靠參考，有效提升設備運行維護工作的管理水平，使現場設備的運行維護更加實時、準確，眾多設備的資產管理更加的經濟高效。

參考文獻

[1] CIO時代網.大數據分析建模及其應用建議[J].信息系統工程， 2019，（4）：12-13.

[2] 江秀臣，盛戈皞.電力設備狀態大數據分析的研究和應用[J].高電壓技術，2018，44（4）：1041-1050.

[3] 林勇，徐欽偉，譚冠崗，等.基于大數據的軌道交通供電設備運維管理系統的設計與實現[J].新型工業化，2018，8（3）：9-16.

[4] 楊鑫焱，馬瑞明.基于云計算的電力大數據分析技術與應用[J].數字通信世界，2016，（12）：215.