摘要：在电力企业中，输电线路是重要组成部分，输电线路出现隐患将直接影响着供电质量。随着电力系统信息化程度增强，输电线路的状态监测也由原来的人工巡检逐步转入到在线状态监测，这就意味着大量的监测设备投入使用。为了对在短时间内产生的海量数据进行收集和处理，从而实现输电线路的状态监测和预警。本文介绍了大数据的需求分析，分析了输电线路中监测大数据的特点，最后研究了大数据输电线路预警系统。
关键词：大数据模型；输电线路；隐患；预警系统
引言
随着当前社会的发展，电力的作用开始逐步体现出来。作为关系国民经济命脉和国家能源安全的电力事业，其发展的高低直接代表着一个国家的综合实力，成为国家发展的标志。而在整个电力系统运行过程中，输电部分是其中一个重要部分。在输电线路中，包含发电厂、变电站和供配电设备等，这些部分组成一个统一的有机整体。其中的任何一个部分的好坏，都直接影响着电力的可靠性，进而影响着整个电力使用的安全。对此，如何保障电力运行的稳定性，加强对电力隐患的处理，是当前研究的一个重点。然而，在输配电线路的运行中，还存在大量的外部隐患，如雷击、覆冰等，这些因素也都严重影响了输配电线路的正常运行。与此同时，随着现代信息技术的发展，大数据已经成为一种新型的生产资料，人们可以从各方面的大数据中挖掘出意想不到的结论，或者高效探寻到准确的结论，个性化推荐、精准营销等，都有着大数据的身影。而对电力输配电线路来讲，针对这些常见的外部隐患，如何利用大数据对输配电线路的故障进行分析，从而提前做好对外部隐患的消除，进而提高电网运行的稳定性，这是本文研究和探讨的重点。
1大数据的需求分析
基于“技术与实践相结合”的原则，对线路安全隐患方面所存在的问题进行梳理，明确所要实现的目标。首先采用数据分析软件对数据进行处理，找出影响线路安全和预警能力的关键因素。然后使用现代算法编程工具实现输电线路安全隐患智能预警，对安全隐患预警内容进行分级。再采用概率算法，精准度量预警内容的正确性，为工作人员应对故障处理提供了客观的参考。原始信息经过大数据处理过后，再由人工巡检进行判断处理，这就提升了工作人员应对故障的快速反应能力。大数据处理还可以对巡检计划周期进行优化，它可以缩减技术处理组的工作量和巡检周期，提高巡检计划制定的效率及动态及时性，建立起“安全可控，便捷高效”的输电线路安全隐患排查预警方案。
2状态监测中大数据的特点
输电线路的状态监测中的大数据4个V的特征，即体量（volume）大、速度（velocity）快、模态（variety）多和价值密度（value）低。输电线路状态监测的数据体量十分巨大。其中包含了结构化数据和非结构化数据。例如在线监测系统中线路中一个光栅传感器就会采集的覆冰、舞动、温度等多个维度的信息。同时还要记录大量的图像和视频信息，当前国家电网也正在发展直升机红外巡检等。这些新的巡线技术每天产生的数据量能达到TB级别甚至PB级别。
（1）多模态数据的相关性
在状态监测和分析的过程中，不仅仅需要通过电力系统产生的数据来分析，我们还需要同时对多种监测数据进行关联分析。如我们通过对输电线路周围的气象信息、地理信息和环境信息进行关联分析。这使得在监测评估结论和预警时机能更加准确，但这也给数据挖掘、分析和存储带来了更大挑战。
（2）速度快
这里主要表现在数据处理的速度快。输电线路设备状态的分析预测需要在极短的时间内对大量数据进行处理分析。这将对祥光硬件软件提出较高要求。
（3）价值密度低
在输电线路中采集来的数据大部分都是正常状态下的数据。异常数据量极少。但是这些异常数据正是我们检测和预警的重要的依据。
3基于大数据模型的输电线路隐患预警系统研究
3.1考虑时序条件的安全隐患分级
当收集的实时数据投入隐患因子挖掘模型后，得到安全隐患相对应的多个隐患因子，对可能存在的安全隐患初步判断并进行分级，定为“拟似安全隐患”，并通过对某一安全隐患类型存在的隐患因子多少进行分级，根据安全隐患发生的可能性将它分为拟似安全隐患一级、拟似安全隐患二级和拟似安全隐患三级。
然后把得到的隐患因子传递给安全隐患判别库，作为下文考虑时序现象匹配的输入特征，从而对可能存在的安全隐患做出合理预测。
由于故障大多数有时间上的周期性，例如鸟害一般发生在春季和冬季、雷击故障一般发生在多雷雨的夏季等，通过结合该地区的地理环境因素及运检部门巡检时产生的大量数据，采用大数据分析方法，得到了标准安全隐患产生的时序特征。
3.2信息采集
信息采集主要包含3个方面的内容，一是服务于各个专业的信息管理系统采集的输电线路相关的历史数据与实时数据；二是气象数据及环境数据；三是接入线路、母线的所有电流支路的故障录波装置在电网故障过程中所记录的用以确定检测目标的数据变化信息。
3.3模糊模式识别诊断方法
模糊模式识别方法是利用模糊数学中的概念、原理与方法来解决分类识别问题。例如，最大隶属度法，就近原则法和模糊聚类法等。模糊模式识别（FuzzyPatternRecognition，FPR）的基本思想是指接受现实中存在模糊现象的事实，把这些模糊事件设定为研究对象，并将其转变为计算机能够进行处理的信息，从而达到模式识别的目的。
例如，输电线路系统中有许多这种内涵确定而外延不确定的概念，例如“过电压”、“过电流”概念等。正因为输电线路系统中模糊性的存在，这种模糊模式识别的故障诊断方法得到了广泛的应用。
由于传统的行波测距法存在以下不确定性因素：①故障发生时刻是不确定的，它可能发生在电压最小值到最大值之间的任一时刻，这会直接影响行波源的大小。
②行波测距时，母线上的接线是不固定的，这会影响母线处的反射，干扰结果。
③输电线路上存在大量干扰。而这些问题都会导致其可靠性较差。
为了更好地处理这些不确定性因素带来的干扰，已有学者提出在原有的行波测距基础上结合模糊模式识别技术。提出一种对输电线路进行分段的独特思想，发生在每一段线路内的故障与一种模式相对应，通过逐一识别各段线路上的故障模式，定位故障发生位置。针对某一故障可能出现多种候选模式符合的情况下，可以根据模糊理论定义一个隶属函数，来表征故障属于某种模式的程度。
由于输电系统运行中产生数据体量大、类型繁多的特点，传统故障诊断方法已经无法准确快速地确定故障点。与传统故障诊断方法相比，基于大数据技术的智能故障诊断法在信息的获取和处理方面有着很大的优势，而且它在诊断故障的同时还具备对输电线路故障的预测功能。
3.4系统处理流程
为了能更好的满足输电线路管理系统运行的要求，在整个管理系统设计中，技术人员应该先构建一条适用于输电线路维护管理的闭合环路流程，并依靠该流程完成相应的信息处理工作。在整个系统运行中，首页系统会显示即将到期的巡视工作总数，操作人员只需要点击相应的模块，就能获取相应模块所反馈的信息；之后，运维人员领取巡视任务，需要填写工程登记单，详细记录有关巡视的具体资料。在巡视中若发现系统运行中存在故障，都需要先进行标记，再将故障计入到系统中，等待工程师判断是否为有效故障，如果为无效故障，则故障将会被打回；如果认为是有效故障，就会生成故障信息，并根据具体的任务情况制定实施方案。
在巡视工作等待受理的状态下，系统会优先判断运检人员是否已经接收任务；对于未接收巡视任务的运维人员，系统会自动分配工作。同时，运检人员在工作中随时会发现新的缺陷，此时需要将工作流程返回到上一步，即工程师判断缺陷的步骤，只有待审核结束后，才能结束任务。
结语
本文分析了基于大数据的输电线路故障预警模型的关键环节，构建了故障预警模型，对线路安全隐患预警等级进行分级预测，有效预警了安全隐患发生的可能程度及消除安全隐患的难易性，促进了工作人员消除安全隐患的及时性和效率；同时该方案也有效促进了信息数据更新、运检维修等相关工作的及时性、准确性和工作效率。
参考文献
[1]宋亚奇,周国亮,朱永利.智能电网大数据处理技术现状与挑战[J].电网技术,2013(04):927-935.
[2]李晗,萧德云.基于数据驱动的故障诊断方法综述[J].控制与决策,2011(01):1-9+16.