摘要： 随着科技的不断发展，越来越多的新技术被引入到变电站的日常管理当中。目前我国正在将计算机信息管理系统在变电站中进行普及，而使用新技术后的变电站在对设备进行运维时能够更加高效准确，本文通过对数据挖掘在变电站设备运维中的应用进行分析，指出数据挖掘在具体应用过程中的特点，对数据挖掘在变电站设备运维中的应用推广具有重要意义。
关键词：数据挖掘；变电站设备；运维
0引言
随着经济的发展，大型工厂逐年增加，同时人们生活水平不断改善，家用电器的种类和数量也越来越多，导致全社会的用电量逐年增加，而作为输电环节中最重要的变电站，其设备的稳定性直接影响着社会的正常运行。随着计算机信息管理系统在变电站中广泛应用，变电站的日常管理相较以前方便许多。当系统在变电站中运行时，会产生大量有关变电站的设备运行参数以及缺陷管理等方面的数据，但只有少量数据被用作参考，海量的数据由于无法进行准确分析而被闲置。而数据挖掘通过算法能够在海量的数据中获得隐藏的信息，能够实现预测、相关性分组以及聚类等功能。因此通过利用数据挖掘能够对大量数据进行分析处理，对变电设备运维中的闲置数据进行充分利用，本文针对利用数据分析指导变电站三个方面的工作进行重点分析。
1、变电站巡检
在变电行业中，为确保设备能够稳定运行，变电站巡检是必不可少的工作。根据国家电力行业标准，在进行电力设备巡检时会产生与巡检状态和巡检时频等大量相关数据，这些数据的采集存储效果直接影响着工作人员的巡检质量。
变电站日常巡检工作需要按照巡检周期按时巡检，同时需要严格执行巡检作业卡中的内容，工作强度高，重复性工作多。在巡检过程中会得到海量的基础数据以及各种设备、零部件以及元器件的实时参数，完成现场巡检工作后，巡检人员将记录的数据录入到PMS2.0系统中，尽管录入了大量数据，但只将其中的一小部分进行了利用。为了平衡巡检工作强度与巡检质量，通常采用两种方式：（1）制定合适的巡检周期与巡检方式；（2）加强管控，通过确保巡检到位从而保证巡检质量。第二种方法过于强调流程，容易引发形式主义问题，一些小问题可能被忽略。而第一种方法则更加高效，通过制定合适的方案，既能保证巡检效果又能降低工作强度。因此可以采用数据挖掘技术，分析录入到PMS2.0中的数据，获取设备后续运行的趋势，从中发现需要进行重点巡检的设备，同时能够缩短巡检周期。目前我们单位主要使用红外成像设备,地电波局放检测仪、DPA以及超声波检测仪等设备进行数据收集，将得到的数据录入PMS2.0系统中建立红外图谱库和进一步分析。其中地电波局放检测仪能够检测环网柜局部放电问题，PDA进行数据现场收集，超声波检测仪则能够检测电力设备的绝缘情况。同时伴随着5G技术、云存储等相关技术的发展，大型数据存的存储、计算、分析将会更加变得更加方便可靠，而这将更加适合电力系统对数据采集存储的要求。
常采用趋势外推法拟合电力设备运行中产生的数据与参数，趋势外推法的基本假设是未来系过去和现在连续发展的结果，通过观察时间轴的波动程度，寻找能够反映变化趋势的函数曲线。趋势外推法能否获得较为准确的结果取决于能够选择合适的趋势曲线模型，选择方法包括差分法、经验法、图形识别法。图形识别法使用的情况较多，通过绘制的散点图进行识别，其中横轴为时间，纵轴为巡检周期的设备状态值，对比其他函数曲线模型图与散点图进行选择。拟合后得到的模型结果系统会对比数值与差值的变化量，如果预测结果高于设备稳定运行时的阈值范围时，该设备需要进行重点巡视，及时进行维护，同时进行消缺准备，从而能够发现巡检时容易忽略的细节。通过与RFID技术相结合，在巡检设备数据的平台上搭载算法，自动推荐需要巡检并且距离最近的设备，配合移动智能设备，确保巡检工作高效及时。
2、缺陷预测及管理
2.1设备及缺陷管理系统
2.1.1设备缺陷的分类
设备缺陷的严重程度不同，分类标准也不同，主要分为三种：
（1）一般缺陷：线路和设备运行状况不满足标准要求，但短期内不会影响设备工作，常在设备停电检修时进行处理。
（2）重大缺陷：线路与设备具有明显的变形损坏现象，短期内对设备运行可能会带来较大影响，并威胁人身安全。能够暂时运行，但需要尽可能早的进行停电检修。
（3）紧急缺陷：线路和设备的缺陷直接产生重大影响，设备无法正常运行，随时可能发生设备事故，必须及时处理
2.1.2设备及缺陷管理系统
设备及缺陷管理系统有七块内容组成，分别是：（1）系统权限管理；（2）部门员工管理；（3）人事物处理；（4）设备资料管理；（5）设备运行记录管理；（6）设备缺陷数据挖掘；（7）系统维护。
2.2缺陷预测及管理
作为变电设备系统中的缺陷数据，具有以下特点：（1）数据来源广泛，信息量大；（2）得到的数据经常存在不完整以及不规范等诸多问题，导致数据的质量较差，同时缺陷数据中还混有相当数量的噪声数据等其他数据；（3）缺陷数据包含变电站设备管理、运行、缺陷数据，因此数据种类繁杂。基于上述特点，缺陷管理和控制的成本与难度都较高。
以前对故障进行分析与学习都是采用事后的模式，由此带来的是需要对设备进行定期检修。而通过引入数据挖掘技术，能够强化对缺陷数据的分析，使运维人员能够提前对设备的缺陷进行预测，避免由于设备故障带来的停电事故以及不必要的经济损失，对变电设备的故障预测与诊断有重大帮助。
通过将以前故障发生前后的各项数据参数进行对比、归类、总结，分析设备工况的关联性与规律，搭建合适的多元回归模型，或者利用机器学习算法进行相关诊断，形成能够预测故障的模型。此外，将数据融合关联能够更为准确的对变电设备的故障情况进行预测与诊断，以避雷器的带电检测为例。
根据避雷器的预防性实验规程，雷雨季前需要对避雷器运行电压下的全电流、阻性电流、功率损耗进行测量，如果测量结果与初始结果有明显波动时需要加强检测。全电流与阻性电流的纵比分别不能超过20%和30%，如果阻性电流增加一倍，必须停电进行检查。这项规定在具体实施上还有一些不足：（1）没有明确的初始值异常判断标准；（2）如果避雷器初始值较小，纵比增量容易超标引起误判。
通过利用数据挖掘技术，能够将缺陷的判断标准进行优化，使变电设备的维护周期更合理高效，定位缺陷更精确，避免了由于误判对用户带来不必要的麻烦，同时对资源能够进一步的优化配置。
3、承载力分析
随着我国电网规模的快速发展，电网建设和检修工作越来越重，停电工作也越来越多，因此通过分析电网停电的承载力，对电网年停电计划的编制工作提供参考。分析电网的承载力需要考虑到电网的模型和数据，工作量和难度巨大，人工已经无法胜任，需要采用数据挖掘与相应分析技术从而完成电网运行数据向决策依据的转化。
电网停电承载力受诸多因素影响，而这些因素的数据类型复杂，属于非机构性数据，使用人工神经网络法分析比较合适。如果电网承载力的预测结果高于危险阈值，需要对停电计划的重要性进行排序，取消不重要的停电计划；如果预测结果介于危险阈值与安全阈值之间，则需要加强停电现场安全作业管控。
上述方法基于停电计划的实际安排，通过对比阈值判断风险等级，评价停电计划的合理性，对编制停电计划和制定电网风险管控措施具有重要意义。
4、总结
通过对数据挖掘在变电站巡检、缺陷预测与管理、电网承载力分析的应用进行分析，指出数据挖掘在变电站设备运维中的优势，从而推动行业不断引进新技术，不断进行技术创新，实现行业的更好发展。
参考文献
[1]张萌.数据挖掘在变电站设备运维中的应用[J].电力大数据,2019,22(11):44-49.
[2]张增敏,谢嘉,李长河,隋连升.数据挖掘技术在变电站设备及缺陷管理系统中的应用[J].山东农业大学学报(自然科学版),2006(04):642-646.
姓名:袁继钢（1970.12.04）性别 男，民族:汉，籍贯:甘肃省张掖市人；学历:大专，毕业于新疆工业高等专科学校。现有职称:助理工程师,技师。