大數據分析在電力設備運行安全評估中的應用

國網山東省電力公司檢修公司 鞏乃奇 馮雨晴

在電網的快速發展狀態下，電力系統從傳統型逐漸向智能型轉變，隨著智能電網的升級和安裝，大量的電力數據應運而生，如何在龐大的信息網絡中提取到有效信息進行利用，是當下主要面臨的難題之一。在電網調度中心能夠有效利用的信息依舊匱乏，面對廣泛的信息數據來源，較長的時間監測獲取的數據存在高收取低利用的問題。為推動電力大數據分析技術的應用，從2016年開始，國家電網已經按照數據模型的發展路線進行電力系統的數據測量和實時處理，并在多個地區進行試點應用，截止目前能夠應用大數據測量的調度發電站已超過8400座，用戶的負荷覆蓋率超出1.2億。電力設備作為電網運行的主體結構，在當前智能電網規模不斷擴大的局面下，傳統的運行評估方法難以實現信息共享和分析，在對多個數據節點的采集中無法滿足統一調度要求，使得故障信息點的預警監測準確率減低。本文在此基礎上研究新的評估方法，將大數據分析的優勢更好地應用在電力設備運行安全評估中，為多元化開展電網監測提供理論支持。

原有評估方法在通路設置中較為復雜，導致在海量數據分析過程中無法準確預估故障節點，研究大數據分析在電力設備運行安全評估中的應用方法。設置電力設備運行數據采集節點，基于數據構建變量推演模型，動力學曲線評估設備運行安全狀態，完成大數據分析在電力設備運行安全評估中的應用方法設計。實驗結果：以不同數量的設備運行數據為測試標準，本文方法能夠在保證足夠的吞吐量標準下，對故障點信息及時作出標記并將其控制在發生之前，增加電力設備的全周期使用壽命，具有實際應用意義。

1 大數據分析在電力設備運行安全評估中的應用方法

1.1 設置電力設備運行數據采集節點

根據電力設備運行過程中產生的數據，進行一定時間內的采集節點設置，對具有特征類型的數據完成獲取和管理全過程。以電力行業的運行標準針對不同來源的數據進行分類，通過不同狀態下的電力設備安置效果采集其產生的數據信息，基本上包括三個部分[1]。

一是在電力生產過程中，根據電網的發電和輸送電業務領域，在整個周期內出現實時數據和歷史數據兩個類型，主要是對整個電力設備信息系統的資產以及技術介入，甚至包括設備的性能狀態和安全管理等，將整個電力設備的采集周期覆蓋為安全運行和發電主要層級內；二是電力設備的管理運營階段，在進行不同電力經營決策中會產生大量的信息數據，當需要跨單位或者跨業務進行數據調取時，整個采集通路的節點數據能夠以友好共處的形式，將采集到的數據信息進行數據分析和挖掘，以此供應電力企業的活動經營決策；三是智能電網的組成結構會將用戶信息形成疊加狀態，在電力流和信息流相互交錯時，一旦出現重復數據的深度挖掘時會產生節點供應錯誤，導致無效信息影響故障數據的排查，因此在節點設置時需要將運營調度放置在中心位置，實現電能中心的集中操控。但由于電力設備的運行數據會隨著時間的不斷變化，產生累積和重復的類型，當出現相同類型數據后會影響設備運行的評估效果、延長設備運行狀態的評估時間，以此需要初步對節點處的數據進行分類處理。

1.2 分類電力設備運行數據類型

電力系統的運行會產生大量數據，在對各個數據節點采集過程中需初步對數據進行類型分類，采用SQL軟件結構化數據儲存，保證在有效性的基礎上快速進行電力設備運行數據的初步歸類。在該軟件中包含了大部分電力數據的運行模式，在數據采集完畢后能直接完成匹配，歸類到對應的儲存格式中。因此在對每個采集節點數據進行整理前，需按照數據庫中的現有模式進行導入，在既有約束能力和觸發規則的前提下，按照標準運行模式進行電力設備的數據類型設定，以此完成節點數據的瞬時匹配。

由于電力設備產生的數據量加大，在時間的推移下不斷產生新的數據，在不刪除前期數據的基礎上，要將運行數據按照時間和地點進行歸類，可分頻段地進行保存。按照采集節點的布置位置擬定數據的分類效果，其中在靠前端的接受節點處直接完成鄰近電力設備的運行監控。此外在所有節點的傳輸路徑中設置一個系統化的分類模塊，根據不同的位置節點進行運行狀態對比。在不同運行狀態的電力設備節點設備完成后，動態地進行運行數據的感知和獲取，以此建立大數據分析模型推演變量數據。

1.3 基于數據構建變量推演模型

考慮到不同數據的輸送通路的轉換能力，根據電網的組成架構進行線路數據的預判斷，減少等待路線的校驗過程，需建立數據變量的推演模型[2]。在大數據分析的作用下縮短數據處理時間，將并行線路狀態下的連通區域進行分布校驗計算，以某組連通區域內包含多個線路q為基礎，分別在第a、b、c… 線路中標記出多個開關節點，在每組節點處Wa、Wb、Wc…Wz建立一個拓撲數據線路矩陣，建立結構表達式如下：

式中：多組線路t和線路u的聯絡關系用Ru,t來表示，有直接關聯的線路中設置開關節點用Ra,a、Ru,a和Rq,a表示。當聯絡線路的開關結果為0時表示相連的線路存在直接聯系形式，能直接對所在節點處的信息進行劃分區域。將涉及的節點信息按照獲取線路進行分割，以線路本身不接觸負載條件為基礎計算不同線路的容量供給值，表達式為：

式中：線路的轉換供能力度Iu表示不同線路中向最多線路的轉載負荷，其中最大負荷取值Itran,max(u)指在一年中最大電力負載標準；線路所容許的負載容量TItran,lim(u)，即電路數據流通過程產生的容許電流值[3]。在劃分數據分布區域時，對任一未分區選取等待分析線路可以輻射的方式進行搜索，指導所有聯絡開關將其相連并編號，獲得該連通區域內的所有線路。

1.4 動力學曲線評估設備運行安全狀態

在動態變量的數據參考模型中，針對電網設備的實時運行狀態進行數據演變，挖掘數據結構和測量信息模型的內在聯系，以此進行設備運行安全狀態的評估。在等待檢驗的線路中增加動力學曲線，通過歐盤段內一條回轉線路進行關聯線路的故障分析，減少連接線路中轉移功能的可能性，在多個存在的連續開關內設備分段聯絡線路[4]。以每次最大的負荷功能目標為起點，在兩個相鄰的連接線路中建立矩陣，從相同方向的線路供給負荷逐漸增加搜索力度，當線路的供應容量大于兩條線路的總和時分別對線路的轉移負荷進行設定，標記為上游和下游兩組聯絡線路，表達式為：

式中：線路節點的開關負荷用P表示；在上游線路中反饋線路表示為l，即開關存在與上游線路的連接點，反之表示下游線路連接點。當相鄰兩組線路的矩陣連接點均為0時，表示初次校驗的線路轉換供能出現負荷，以此關閉所在通路的采集節點，完成故障信息的預警。在保證不重復校驗的前提下，根據電力設備的運行數據采集節點設置，利用變量推演模型進行等待數據的區域劃分，將所有等待分析的線路數據逐一歸屬在特定分區，在動力學曲線中評估設備的運行狀態，完成大數據分析在電力設備運行安全評估的應用方法設計。

2 實驗結果分析

為驗證本次設計的方法具有實際應用效果，采用實驗測試的方式進行多輪驗證，以海量數據為樣本儲存條件，在大數據分析的基礎上進行電力設備的運行安全評估。本次以解決電力設備的故障點延遲監測為主要目的，在對多個網絡節點的安置設備中進行通信線路選擇，以某省存在故障的電力線路為測試背景，在電力負載超過2400kHz時會出現電力故障，若超過負載標準長達10min之內仍未解決問題，會出現大面積停電和斷電的風險，對電網的運行產生負面影響。

測試開始前對選擇的線路故障次數進行排查，以近半年的歷史數據為分段標準共計90天，在不同時間段線路I1-30、線路I2-60、線路I3-90的故障出現次數分別為：2021.04-06.30，12/14/28；2021.06-08.31，10/8/24；2021.08-10.31，14/12/22。以此可知，在選擇的歷史數據中以線路I1-30出現的故障點次數較多，通過搭建的MATLAB測試平臺導入故障信息，滿足數據的儲存要求。在對冗長數據樣本進行副本策略選擇后，利用快速儲存結構對較弱的數據進行擬補或剔除，主要是在數據整合過程中保留能夠合并的有效數據。測試開始前引入兩組設備運行評估方法，分別對數據庫內的故障信息進行吞吐量測試，驗證不同方法對海量數據執行的有效性（圖1）。

圖1 不同方法對故障信息的吞吐測試結果

據圖1所示，整體的故障點信息數據分割為10組訪問次數，其中每次訪問標準為20萬組信息數據，在初次評估起始點中，不同方法所承載的吞吐量呈現不同數量。本文方法在起始時刻數據吞吐數量為400萬ops，隨著訪問次數的增加其吞吐量隨之增加，在第6組訪問次數介入時期吞吐量達到極值，隨之呈現較為平穩狀態。而兩組傳統方法在數據初次訪問中，數據的吞吐量不能隨著訪問次數的增加而變化，在大量數據并入狀態下無法處理信息，從而影響故障節點處理結果。為進一步驗證本文方法能在故障發生前預估出故障信息節點的出現時間，以最大的數據吞吐量為標準進行多輪測試，對照歷史數據的故障發生時間，分別在14：20和18:40兩個時間段。以兩組傳統方法進行對照，分別對兩組故障節點的出現時間進行評估（表1）。

表1 故障信息節點出現時間預估結果

據表1所示，本文方法在多次驗證下產生的故障出現時間均在兩個時間段之前，能夠在故障發生之前進行排查。而兩組傳統方法的預估時間基本出現在故障發生后的時間段內，僅有1次測試結果在故障發生的時段，會對設備的維護造成負面影響。綜合結果來看：本文方法能夠在大量數據并入的狀態下，隨著故障信息的增加請求加大吞吐量，滿足多條電力線路同時評估的效果。在最大吞吐量的測試條件下，本文方法均可在故障發生前進行預估，說明其能夠減少故障發生的次數，在電力設備的運行過程中延長其使用壽命。

綜上，本文根據電力設備的數據類型，在設置電力設備的運行數據采集節點基礎上，利用大數據分析方法建立動態演變模型，分析相鄰采集線路的數據分類區域，以此完成電力設備的安全運行評估。實驗結果表明：本文方法能夠對故障信息數據進行多次吞吐測試，在故障節點的發生時間前完成預估，較傳統評估方法具有更加良好的應用優勢。但由于在設定測試目標時具有單一性，所得結論偏向于故障點的檢查，后續研究中會針對電力設備的壽命全周期運行進行預估，為電網的安全運行提供理論支持。