阳江华
国网四川省电力公司南充供电公司 四川 南充 637000
摘要:随着信息技术的高速发展，电网正从自动化时代迈向智能化时代，“云大物移智”的发展趋势对电网升级转型，建设智能化可靠电网有着极其重要的意义。变电站作为电网中的重要一环，其设备运维质量很大程度上决定着电网运行的可靠性。通过分析变电站运维大数据的类型特征，结合数据挖掘方法及其关键技术，探究变电站内数据分析应用场景，最终提高运维大数据的利用率和站内设备运行的可靠性。
关键词:变电运维;数据挖掘;预测分析
引言
新世纪下,电力企业在日常经营管理中,每天都会产生大量的数据信息,如输变电设备管理、运行、检修、电网维护等方面的数据。面临如此纷繁复杂的多维大数据集,电力企业常常很难迅速找到需要的有效信息。所以,应积极引进数据挖掘专业技术,来从这些海量的数据集当中,便捷地提取要用到的资料,并加以分析和处理。基于此,本文从电力企业出发,主要探讨了数据挖掘专业技术在大数据方面的应用,仅供参考。
1运维大数据类型
变电站的运维数据由于设备类型多、来源广、数量大、零散化、结构复杂等特点，从而导致目前运维过程中出现数据存储差异化、利用率低、关联性弱等多重困境。基于设备全生命周期的管理思考，本文首先以运维数据的刷新周期作为主分类标准进行运维大数据类型划分，分为固有数据、动态数据和随机数据，再以设备类型、采集方式等进行细分。1)固有数据包括:设备台账参数、出厂试验报告、说明书等。2)动态数据:①气象数据:温度、湿度、天气状况、风速等。②负荷数据:计量、测量等各类电压电流数据、电能质量数据。③测量和试验记录数据:一次设备试验报告、GIS局放在线监测、高压柜局放数据、油色谱监测、微水、设备介损、主变绕温油温油位、主变分接开关动作次数、油流继电器示数、断路器动作次数、避雷器动作次数和泄漏电流、铁芯及夹件泄漏电流、液压机构打压次数和液压表压力、SF6压力、套管油位、红外测温、设备声音记录、蓄电池电压内阻测量、电压互感器N600接地电流测量和电流互感器二次电压测量等。④遥视图像记录。3)随机数据包括:设备试验和检修记录、开关跳闸记录、保护动作记录、故障录波及测距数据、装置告警信息记录、设备缺陷记录、节假日特殊活动等社会数据。面对如此繁杂的运维数据，单凭人工处理过于单一化，往往难以发现数据间的潜在信息，而大数据技术可以解决上述问题，因此运维大数据融合大数据技术可对变电站设备进行状态监测。不仅可针对单一设备，还可延伸至间隔内、本站内、对侧站、片区电网甚至全网监测，进行结构化存储分析。
2数据挖掘
2.1基本流程
(1)商业分析理解。立足商业角度,从商业基础目标着手,全面了解电力业务诉求及其终极目标,再有机结合业务诉求和电力数据挖掘和其结果。(2)数据分析理解。针对电力业务当中形成的真实数据,根据业务场景和诉求,统一评估、选取分析。(3)准备好数据。针对电力业务中,原始的有用数据,根据业务模型,积极组织、清洗,以满足建模方面的要求。(4)规范建模。通过联合诸多种建模技术,来规范校准电力业务数据及建模参数。具体任务是创建数据模型、规则化关联数据、分类聚类和预测、检测异常性等。(5)过程评估。严格检测挖掘的数据结果和电力业务目标之间的吻合性,确定数据模型能不能满足电力业务诉求需要。(6)统一部署。通过统一部署数据模型,以挖掘结果为依据,形成一份专业化的报告。
2.2常用方法
(1)异常分析法。通过异常分析法,旨在稽查电力防盗使用。在国家电力系统,非正常运用电力,常常会产生异常或孤点数据。
其中异常数据指的是非正常操作下的电力数据,而孤点数据则指的是与正常电力偏离较远的点。在稽查过程当中,电力企业及侦查机关可统一收集分析用户的电力数据,研究数据的异常情况。这么一来,便能从众多用户当中,大幅缩小调查分析范围,及时监控违法行为,令电力使用更加合理合法。(2)关联分析法。在数学、经济等领域的数据分析中,关联分析法属于一种常用的简单方法。从电力企业上看,通过关联分析法旨在分析两个或以上事物之间的关系。然后,利用其他事物来预测其中某事物,进而深挖在事物间隐藏存在的数据联系,得到要用的数据信息。(3)时间序列法。作为动态分析法之一,时间序列法主要通过时间数列、统计等,来处理分析数据。从电力企业来看,通过时间序列法可以统计分析电力的整体使用趋势、变动情况、无序或循环波动等,从而获得要用的数据信息。(4)聚类分析法。通过聚类分析法,旨在分析数据的基本性质及特征,归类性质相近的事物,而性质差异明显的就归入别的种类之中。不同于判别分析的是,这种方法会先按既有事物性质,通过一定的函数法,来判断性质未知的事物,并在性质已知的事物里加以归入。在应用聚类分析法时,往往并不知晓分析对象的具体类别,来分类处理数据信息。
3应用场景分析
3.1在数据管理上的应用
在数据仓库中,常常会存储通过整理、转化过来的电力数据。因为电力数据库不同时,储存标准也会不一样,所以应做好整合转化后,方才可在数据仓库中储存,也即应重新设计数据仓库。数据仓库被重新设计后,便能够按主题要求,设计相应的属性集,以降低处理量。就主题各异的数据库,可通过属性归约法,技术删除冗余信息,获得简化后的数据集。再分类规则表示决策树下的数据集,并在规则知识库储存下来。倘若有必要处理新数据样本,还应按某种规则算法了深入匹配识别,得到综合评价,从而管理好数据。
3.2在数据整理上的应用
在整理数据时,数据源内部一般会交叉数据内容,因此应根据互动性,来分类整理观测数据。针对原始数据当中存在的噪声、冗余或者缺失的数据等,还应清洗、解析、重构这些数据,并且适当填补数据,以增大待挖掘数据的价值。通过分类后,主要涉及结构化、半结构化数据、非结构化信息。针对结构化数据,应适当过滤数据,及时剔除无效成分,以更加高效地分析;针对半结构化数据、非结构化数据,就应根据一定的标准,妥善加以处理,形成索引或机器语言。譬如,针对用户评论、系统运行资料等,就先应转换成为模糊或者加权逻辑,再向标准值,映射不一样的词语,来统一规范语言。
3.3混合存储技术的应用
在采用Hive系统进行数据存储的时候，需要采用重写的方式来更新数据，难以保证数据更新的及时性。基于电力大数据的不断发展，待处理的数据信息显著增多，在数据删除和数据更新方面提出了较为严格的要求，需要做好及时处理数据，确保数据信息的质量，便于对其进行有效利用。由于各个操作数据的比例较小，若是依旧采用传统的数据更新方式，势必会出现过度占用数据资源的情况，难以保证整个系统的高效运行。但是将混合存储技术应用到其中，可以充分发挥主附表的作用，对数据信息进行实时更新，确保数据处理达到系统运行的要求，在增强数据处理能力的同时，实现对数据资源的充分利用。
结语
变电站运维大数据的挖掘和应用在智能技术日渐成熟的情况下，将不断地深入发展且功能完善。整合变电站运维大数据，形成可高效利用的结构化数据，合理选取运用相应数据挖掘技术，提供客观的分析结果，为设备运维检修提供决策帮助，最终，促进电网智能化发展，为电网稳定运行提供可靠支持。
参考文献:
［1］彭小圣，邓迪元，程时杰，等．面向智能电网应用的电力大数据关键技术［J］．中国电机工程学报，2015，35(3):503－511．
作者简介：阳江华（1991—）女，汉族，硕士研究生，工程师，主要从事变电运维工作.