變電站運維大數據的挖掘和應用

劉小寨　孫暉　彭松　艾則孜江·加帕爾

摘 要：變電站運維大數據的挖掘和應用在智能技術日漸成熟的情況下，將不斷地深入發展且功能完善。整合變電站運維大數據，形成可高效利用的結構化數據，合理選取運用相應數據挖掘技術，提供客觀的分析結果，為設備運維檢修提供決策幫助。

關鍵詞：變電運維;大數據;挖掘應用

0引言

電網結構越來越復雜，設備呈現類型眾多、數量龐大、技術新等特點。電網運行過程中變電站各個元器件隨之產生大量數據，數據的多樣化考驗變電運維人員的處理能力，如何對數據進行存儲、挖掘、分析、應用，盡可能發揮變電運維數據的作用，成為新時代下變電運維技術的研究重點和難點。

1運維大數據類型

變電站的運維數據由于設備類型多、來源廣、數量大、零散化、結構復雜等特點，以運維數據的刷新周期作為主分類標準進行運維大數據類型劃分，分為固有數據、動態數據和隨機數據，再以設備類型、采集方式等進行細分。

1.1固有數據

包括：設備臺賬參數、出廠試驗報告、說明書等。

1.2動態數據

氣象數據：溫度、濕度、天氣狀況、風速等。負荷數據：計量、測量等各類電壓電流數據、電能質量數據。測量和試驗記錄數據：一次設備試驗報告、GIS局放在線監測、高壓柜局放數據、油色譜監測、微水、設備介損、主變繞溫油溫油位、主變分接開關動作次數、油流繼電器示數、斷路器動作次數、避雷器動作次數和泄漏電流、鐵芯及夾件泄漏電流、液壓機構打壓次數和液壓表壓力、SF6壓力、套管油位、紅外測溫、設備聲音記錄、蓄電池電壓內阻測量、電壓互感器N600接地電流測量和電流互感器二次電壓測量等。

1.3隨機數據

包括：設備試驗和檢修記錄、開關跳閘記錄、保護動作記錄、故障錄波及測距數據、裝置告警信息記錄、設備缺陷記錄、節假日特殊活動等社會數據。

2變電站運維數據的挖掘方法

數據挖掘有別于傳統的簡單數據分析。數據挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中但又潛在有用的信息和知識的過程。數據挖掘基于大數據技術從多種類型的數據中快速獲取知識，為決策人員提供客觀的決策支持。借助數據挖掘方法分析變電站運維大數據，可以從海量運維數據中找出潛在信息，幫助運維人員更有效地評估設備狀態。

數據挖掘基本流程大致可分為6大模塊，分別是業務理解、數據理解、數據準備、建立模型、模型評估和應用改進。業務理解即確定目標和明確分析需求;數據理解即數據收集和數據清洗，其中數據收集所抽取數據必須能夠正確反映業務需求，否則所得到的分析結論將會無效化甚至誤導化，數據清洗作用為“去噪”和“補全”，剔除原始數據中的壞數據和擬合缺失數據;數據準備即探索數據內部規律和數據轉換，如歸一化、標準化等;建立模型即綜合考慮業務需求目標，選擇全局最優的模型;模型評估即根據評價標準對所建模型的精度、效率和通用性進行客觀評估，然后基于評估結果判斷所建模型是否滿足業務需求;應用改進即將模型應用于業務實踐，切實解決業務需求，挖掘數據的最大價值，同時基于應用情況及時跟蹤改進現有模型，以達到模型優化的目標。

具體運維大數據分析的關鍵技術包括數據清洗、數據轉換、分類與回歸、聚類分析、關聯分析、時序模型和結構優化等。電力運維大數據的挖掘重點在于綜合運用上述技術對海量的數據進行統計學分析，通過各種計算結果依次相互承接，得出相應結果。

3變電站運維大數據的挖掘應用場景

變電站運維大數據的挖掘應用場景眾多，基于規范化、系統化、結構化的運維數據可高效進行數據分析決策，對現有的生產運維工作提供巨大幫助，提升工作質量，彌補人工分析處理的不足，為變電站乃至電網的可靠、穩定、持續運行提供堅實保障。

3.1運維數據結構化存儲系統

運維數據結構化存儲系統不僅有助于運維數據挖掘，還能提高運維人員的工作效率。通過整合離散、非結構化的運維數據，提供結構化查詢功能，可根據工作需求快速獲取所需實時數據和歷史數據。同時，可保留基礎紙質化的規范表單留痕，然后利用OCR圖像識別技術將紙質化表單快速電子化存儲，或者充分利用巡視PAD的功能，進行電子表單記錄，共享巡視機器人數據庫并獲取相應信息。

3.2設備狀態評估系統

設備狀態評估系統基于大數據技術實現運維大數據分析，根據運維人員需要或自動完成設備狀態評估，實時快速檢測設備運維數據得到全面客觀的狀態評估結果，為運維人員提供決策幫助。

3.2.1數據預處理

運維數據本身可能存在噪聲數據、缺失數據等嚴重影響數據分析的情況，首先需要通過數據清洗提高數據質量，從而使數據挖掘更有效。數據挖掘往往基于高維度數據開展，通過特征選取、分布結構等初步發現數據規律并進行標準化等數據轉換，為下一步數據挖掘的效率提高和判斷精準提供幫助。

3.2.2數據挖掘

數據挖掘主要針對設備不同狀態下的運維數據、電網運行狀況和氣象數據等多源異構多維數據進行整合，然后根據業務需求建立模型綜合開展關聯性、相關性、分類判斷和預測分析，最終輸出分析結果。

3.2.3狀態評估決策

根據數據挖掘輸出結果，建立設備性能狀態評價體系，分性能分等級區分設備性能狀態。結合當前甚至未來的設備狀態、電網運行狀態和氣象因素進行預警，為調整設備運維策略提供可靠指導。根據分析結果可提供特征數據的可視化結構，如運維數據對比、數據主成分分析結果、設備性能等級熱力圖和重點關注設備實時遙視。

4結束語

綜上，隨著信息技術的高速發展，電網正從自動化時代邁向智能化時代，“云大物移智”的發展趨勢對電網升級轉型，建設智能化可靠電網有著極其重要的意義。變電站作為電網中的重要一環，其設備運維質量很大程度上決定著電網運行的可靠性。通過分析變電站運維大數據的類型特征，結合數據挖掘方法及其關鍵技術，探究變電站內數據分析應用場景，最終提高運維大數據的利用率和站內設備運行的可靠性。

參考文獻：

[1]變電站遠程運維平臺設計與實現[J].潘曉華.科技風.2019（36）

[2]變電站運維一體化實施中存在的問題及對策[J].余洋.科技創新導報.2019（25）

[3]基于智能變電站倒閘操作的全方位變電運維實踐和應用[J].韓立影.科技創新導報.2019（35）