摘要：针对现有的状态评价方法不能全面有效反映输变电设备运行状态评估及风险评估问题，提出了基于大数据技术的输变电设备状态评估及风险评估理论。
关键词：大数据技术；输变电设备；状态评估；风险评估
一、输变电设备状态评估关联大数据体系的研究及构建
1、关系型及并行数据库的数据存储
现阶段，企业级关系数据库被普遍用于输变电设备状态监测主站系统中的数据存储。在支持数据记录和事务处理（简称OLTP）中，由于采用了关系型及并行的数据存储模式，海量数据处理及查询过程中的实时性无法得到保障，进而影响了大数据技术的实时性处理能力及性能。由于存储模式的限制，导致了上传至主站系统的测量数据有限，系统中的很多有重要价值的数据将被大量遗弃。与“key－value”数据库相比，并行数据库技术虽然采用了关系数据库集群的方式进行数据的存储，但是并行数据库技术的查询的实时性能差。加之其他条件的限制导致了并行数据库技术的数据处理效率非常低下，以致大数据在数据处理过程中的快速性及实时性难以施展。
2、数据分布策略
数据分布策略是影响分布式数据进行并行查询和处理效率的一个重大问题。在现有的分布式数据查询及处理系统中，一般将一致性哈希算法广泛运用于解决分布式视频监控系统中负载均衡问题，但上述算法并未对数据本身进行区分。而从基于大数据分析的输变电设备状态评估等高级应用程序的角度考虑，分析某些监测数据间的相关性能够作为数据存储的依据之一，减少数据使用时的时间点的迁移。
3、参考体系结构
基于基础数据服务平台，输变电设备状态检修系统通过实时控制及运行预报系统、运行历史及人机界面等多种应用系统进行数据的采集。输变电设备状态检修系统基础数据服务平台的参考体系结构。为实现数据的统一标准化，基础数据服务平台分为三层数据接口。
二、基于大数据分析的设备状态评估
状态检修是状态检修精益化管理的核心内容，是精细化的设备管理模式，是对传统的输变电设备管理各环节，即设备的资料管理、交接验收、运行巡视、缺陷管理、试验检修和技改更新等的进一步优化。完成基于大数据分析的设备状态检修管理及状态评估内容主要包括：
完善状态检修组织体系建设。开展状态检修工作后，检修工作的重点已从设备停电检修转移到对设备状态的检（监）测、评价和预控上，建立日常检测由工区（班组）负责；分析评价由地市负责；特殊性和复杂性检测诊断工作由两级评价中心负责的状态检测评价组织体系。
1）健全制度标准体系建设。健全制度标准是规范开展状态检修工作的基本前提。完善管理标准建设，对状态检修工作内容、职责和方法等进行规范；推进技术标准建设，明确在线监测、带电检测、停电试验、状态评价和检修策略的方法和标准。推进设备覆盖范围从一次设备向二次设备延伸，从单一元件评价向设备间隔及系统评价延伸。建成覆盖设备例行试验、诊断性试验、带电检测和在线监测等内容的状态检修技术标准体系；促进工作标准建设，加强包括状态信息收集、状态评价、风险分析、检修策略制定和实施、检修后评价及人员培训等状态检修主要环节的工作规范。
2）建立状态检测评价常态机制，强化设备运行分析。深入开展“日比对、周分析、月总结和年评估”工作，结合可靠性要求、运行环境及设备状态动态优化运维策略，提高运维工作的针对性和有效性。深入挖掘设备运行规律和状态参数，加大不停电检测和在线监测新技术研究应用力度，实现基于实际运行数据判断设备状态和运行裕度的能力。
建立状态检修信息支撑系统，保证基础数据的完整性和准确性。建立统一的状态诊断综合决策系统，实现全覆盖。按照总部统领、各层级统筹调配，组建设备状态检测、诊断和评价专家队伍，强化设备状态管理和故障诊断能力，提高设备检修精益化管理水平。此外，状态检修存在试验报告、隐蔽工程和出厂合格证等统计资料缺失等问题。为此，特高压设备状态检修管理应进一步扩充设备数据来源。
建立输变电设备状态评估的指标体系，通过状态评估的指标体系的建立可实现对检修工作的有效性、检修策略的适应性、目标的实现程度和工作绩效等方面全面评估，以确保各层级工作目标不走样、工作标准不衰减。
设备状态评价体系及设备状态预测、风险评估等是开展输变电设备状态检修的关键技术。
三、基于大数据分析的输变电设备运行风险评估
基于大数据分析的输变电设备运行风险评估主要包括以下两个方面。
（1）设备故障风险评估
在输变电设备的状态检修过程中，输变电设备的故障风险评估可以通过该设备在整个运行阶段发生的故障概率乘以故障损失的和表示。由理论分析可知，输变电设备在整个运行阶段的不同时段发生的故障概率存在不同。但是从理想等效方面来看，输变电设备的检修周期相比于设备整个运行周期而言较短，因此在计算过程中可以视为输变电设备的故障概率不变，而在检修结束之后应及时更新相应的故障概率。
输变电设备i在状态检修过程中的故障风险费用Requip(i)的经济性量化表达式为Requip(i)?Li[pi(ki?1)?qi(n?ki?Ti?1)]（1）式中，Li为输变电设备i故障费用损失；pi为输变电设备i在状态检修前的故障概率；ki为输变电设备i状态检修的起始时间；n为输变电设备整个状态检修过程中的所有时段；Ti为输变电设备i状态检修所需的时段数；qi为输变电设备i状态检修后的故障概率。
（2）电网运行风险评估
在输变电设备检修的过程中，电网供电的可靠性风险增加。在此过程中，系统中的随机变化因素，例如电网中其他设备故障的随机性等，对电网的运行产生很大的影响。因此，为保证在输变电设备检修的过程中电网运行的可靠性及安全性，需要对系统进行N－1方式下的综合大检修，而在输变电设备检修的过程中的电网供电可靠性可以用期望缺供电量（EENS）指标定量地描述。
EENS指标是通过综合输变电设备失效概率，以及失效后果反映电网供电可靠性的风险指标。EENS指标LEENS的计算公式为式中，NL为输变电设备检修过程中的负荷水平；
F为在输变电设备检修过程中导致电网供电可靠性不足的所有故障状态集合；H为输变电设备检修过程中电网中所有正常设备的集合；h为输变电设备检修过程中电网中所有故障设备的集合；LAPNS,q,r为输变电设备检修过程中电网负荷水平为r、故障状态为q时向用户少供的有功功率缺负荷量；PLr为输变电设备检修过程中负荷水平为r的发生概率；Pqj和Pqk分别为输变电设备检修过程中电网处于q状态下第j台设备和第k台设备故障（或检修）的停运概率。
基于大数据技术的输变电设备状态评价、风险评估的系统总体框架。建立基于大数据技术的输变电设备状态评估及风险评估的量化评价指标是属于决策支持系统范畴。该系统基于外部系统提供原始数据，通过不断地适应系统日新月异的评价指标及先进的评估方法，实现输变电设备状态评估及风险评估同时，该系统还应该与各种智能检测模块相结合，形成统一的通信通道以实现数据的共享。
结语：
针对现有的状态评价方法不能全面有效反映输变电设备运行状态评估及风险评估问题，本文提出了基于大数据技术的输变电设备状态评估及风险评估理论。完成主要内容如下：
对输变电设备状态评估关联大数据体系的研究及构建进行了深入的阐述，提出了基于关系型数据库及并行数据库的数据存储方法、数据关联性分析方法以及设备状态评估大数据挖掘方法及关联性分析方法等。
从设备故障风险、电网运行风险两个方面介绍了基于大数据分析的输变电设备运行风险评估的方法，并设计了基于大数据技术的输变电设备状态评估及风险评估支持系统总体框架。
参考文献：
[1]宋亚奇，周国亮，朱永利，等．云平台下输变电设备状态监测大数据存储优化与并行处理[J]．中国电机工程学报，2015，35(2)：255-267．
[2]王飞，颜波，禹晋云．基于大数据的电力多维度分析系统设计与实现[J]．电力信息与通信技术，2017，15(4)：30-35．